返回

汽车产品战略新思维

By 张晓亮2017-03-08 15:03:50

去年老中医曾写过一篇《下一个十年,汽车产品战略怎么玩?》,之后又写了几篇基于市场层面的调研数据进行汽车产品定义的研究方法。今天看来很多话题仍然没有讲得很透,尤其随着汽车数据工场在数据挖掘和使用方面又有了很多新的进展,我们不妨再来探讨一轮这个主题。


不同市场阶段的产品战略思路显著不同

在去年的文章里,我曾提出过一个对过去15年中国汽车市场阶段划分的方法,如今这三阶段的划分依然有效,只是第三阶段的含义需要作出一些补充:



上图大体概括了2001年乘用车市场大发展以来的三个阶段:

阶段一-起步期:基本是2007年以前,那个时候买车的基本都是国内的富裕阶层,当时市场还是以老三样、新三样这些合资品牌在国外玩剩下的车为主。市场主要集中在1、2线城市,合资品牌完全主导市场。产品战略则以海外直接引进为主,即便有刚刚起步的自主品牌,也不过是玩些逆向工程小打小闹而已。

阶段二-扩张期:从2008年至2013年底,中国汽车市场经历了一轮异常高速的增长,中小城市的大量中产阶级(按照国家估计局的标准,中国的中产门槛其实很低的,有兴趣的可以自己去查)开始步入有车生活。这一阶段的另外两个特征,其一是合资品牌开始全球同步引进产品,并且开始了本土化研发(比如宝来、朗逸这些);其二是自主品牌开始大发展,并且在总量上可以与合资品牌分庭抗礼,虽然他们销售的全是低端车。

市场扩展期的另一个特征就是市场中的产品密度迅速由起步期的高度宽松进入基本找不到蓝海的地步。在这个阶段,无论是合资品牌本土化研发还是自主品牌由逆向开发到正向研发的摸索,对标都是最重要的开发方式。同样,也是在这个阶段,市场基本消灭了有明显缺陷的车型,也让老三样彻底退出历史舞台。

阶段三-换档期:随着市场连续十几年的高增长,到了2014年,我们发现市场增长的速度明显放缓了,与此同时以家庭为单位(含父子两代的跨代家庭)统计的首次购车比例已经降低到了一个非常低的数字。这意味着在这个市场上对汽车一无所知的人已经逐步消失了,大家买车的时候已经由当年的模糊品牌印象变成了现在的实际品牌体验。消费者已经不再容易忽悠了,而且他们越来越要求个性化的情感价值,也就是说单纯依靠对标搞出来的四平八稳的产品越来越难以吸引用户,产品战略进入创新阶段。

以上内容来自去年那篇文章,影响第三阶段产品战略思路更为重要的因素其实还有两个:一是新能源汽车对传统汽车产品定义思路的影响,二是车联网以及互联网造车对传统汽车定义思维的冲击。应该说对比前面那些市场内部规律的渐进演化,这两方面的冲击更具颠覆性,甚至他会改变汽车的所有内涵和外延的定义。无论我们是否相信互联网企业真的可以打败传统汽车巨头,汽车企业定义产品的主导思维事实上已经被改变了。只是老中医认为这种改变还不够彻底,还需要更前瞻的理论支撑。


创新阶段需要引入突破性的研究工具,开发目标的描述体系首当其冲

前面用了一千多字进行市场阶段划分,一个很重要的目的是强调不同市场阶段,产品战略思路需要有所差异。用上一阶段的思路指引本阶段的产品开发将会引发灾难。这一点并非每家企业都能看清或者及时切换风格的。事实上恰恰相反,绝大多数汽车企业在实际市场表现上都显得后知后觉。

我们首先看一下传统模式下产品定义调研是如何开展的?

绝大多数汽车企业在定义一款新车的过程中都会为新产品设定5个左右的竞品作为参照标杆。之后无论是开展用户评价、用户访谈还是工程对标,这5个竞品,包括他们当前的用户都会成为至关重要的参照系。

至于为什么是5个竞品?这主要是从执行成本,包括时间成本、评测问卷对被访者精力的消耗成本,以及工程对标的执行成本等角度考量的。

之后形成的产品开发目标往往采用一套指标体系(尽管叫法不同,但各家的指标通常大同小异)确定从哪些角度描述一款产品。同时通过排位值(例如BIC也就是竞品最佳、TOP3或AVE,也就是竞品前三名或竞品均值等)来表示具体每个指标上的开发目标。之后在对标研究中确定的那几款竞品就会成为新产品开发最重要的目标标尺。

应该说上述做法在全球盛行了至少20年,在过去10年老中医操作过的研究项目中也被使用过几十次。而事实上这种体系有很多致命的缺陷,尤其针对中国市场,他的适用性始终是存疑的。只是过去我们找不到更好的方法才不得不如此。

首先,他是以竞品技术水平作为本品开发目标的一个语言体系。竞品技术水平的环境水位如果在开发周期以及新产品的生命周期内基本稳定,他的风险并不显著。但如果竞品的技术水位不稳定,这个目标体系就会失效。例如没有哪个汽车品牌愿意基于今天竞品的车联网装备水平设置自己新产品的相关目标。

其次,任何开发目标都应该是可以循环检查的。如果在开发过程中新车型的竞品群出现了很大变化,这个开发目标就会失效,也就没有可查性了。这个问题在中国市场尤为突出,因为市场中的品牌数和产品数都远远多于其他市场。很多新产品会意想不到地突然出现。

最后,也是最为关键的一点,就是上述目标体系是一个强对标的逻辑体系,很难适应对创新有更高要求的市场。

针对这些问题,老中医所在的汽车数据工场提出了一套全新的目标体系,并把这套体系作为新阶段产品定义研究的核心工具:


首先在新体系中,产品开发目标都是基于用户期望提出的,而非基于竞品表现提出的。因此产品开发目标被划分为三大类别:SurpriseCharacter 和 Basic。也就是把所有产品属性划分为哪些能够给用户带来惊喜,哪些对于用户而言能够体现这个产品或者品牌的个性,哪些只要满足用户的基本要求即可。

第二,新的目标体系完成了由 妥协性体系 到 超越性体系 的转变。

这里解释一下为什么以竞品对标为核心的开发目标是一个妥协性的体系,而基于用户期望出发的体系更具超越性?

两者的差异是什么?在对标体系下,新产品的开发目标以竞品的做法为参照系,如果某个产品属性,竞品没做过,新产品也不一定需要做到;而以用户期望出发,能够给用户带来惊喜的属性通常是竞品没做过的,这才符合USP对独特性的要求。

特斯拉给我们提供了非常多的案例,例如ModelX的车门管理系统。驾驶室的车门只要踩一脚刹车踏板就会自动关闭。后排的鸥翼车门更是可以通过传感器测量两侧的空间是否足够车门开启。这些智能设计必然是可以给用户带来惊喜的,然而在传统开发目标下,由于竞争对手没人这样做,那么新产品也不一定需要这么做。这就意味着在平衡开发成本的过程中,这些特征很容易就会被成本管理委员会平衡掉。

第三,新的目标体系更能够适应汽车企业模块化战略或平台战略。从本质上说,未来汽车产品的开发主要就是解决两大问题:通用化差异化。在新的目标体系中,Basic指标就是指向通用化设计的。他演化自原有的对标体系,因为没有提出超越用户期望的要求,厂家在这些指标上只要做到和竞品相似,同时能够满足用户的基本需求(至少不要引发用户的明确抱怨),同时又是成本最低的目标即可。这种宽泛的目标给厂家的开发人员提供了远大于过去的灵活度,他们可以在所有满足上述要求的竞品中,选择最适当的结构设计(至于这组满足需求的竞品如何找到,大数据是目前最佳的筛选工具,后面我会详细说到)。

新的目标体系下,产品差异化属性来自 Surprise 和 Characte r两类指标。只不过 Character 更多来自对品牌DNA的解读。他等于把品牌基因明确写入了开发目标当中,其实这也是传统目标体系的一个缺陷。而 Surprise 指标则对应着新产品的 USP,他可能是在厂家的全系列产品中通用的 USP,例如新一代的主动安全系统。也可能是某个产品上独有的,例如甲壳虫上面那个花瓶,对于女性用户而言就是一个惊喜,但把这个东西搬到帕萨特上就会是惊讶了。

明确区分了通用化与差异化两大属性,产品开发过程中的品牌管理问题、家族化问题、模块化问题以及降成本问题都会带来更大的突破机会。这些更加深刻的问题我们以后有时间可以详细探讨。

目标体系的变化带来的更大影响其实是研究工具、分析模型以及数据采集体系的变化。汽车数据工场目前构建的是一套完整的解决方案。例如数据体系方面,我们不再依赖仅仅五、六款款竞品的对标数据输入,事实上在新的目标体系中,仅仅五、六款竞品的对标参考已经无法满足研究需要。由于 SoCar Data & Consulting 事实上拥有所有在售车型过去10年的详细口碑数据,而且这些数据还在持续积累,因此我们可以将对标分析工作拓展至整个细分市场。不仅如此,我们还可以借鉴目标细分市场周边的所有市场,只要我们找到研究这些市场的明确意义(这种研究当然是有意义的)。下图大致介绍了大数据为整个产品定义研究带来的变化:

研究周边市场的意义具体有哪些呢?比如我们可以通过对标分析为新产品设置多种标杆。例如造型问题,虽然老中医不提倡直接抄袭,但可以把定位远高于目标市场的某个产品的神韵借鉴过来,作为新产品的亮点之一,这也就是所谓的概念标杆了。在这里我们通常可以定义如下图所示的四种标杆:



如何基于SoCar大数据挖掘Surprise指标?

对于任何行业的产品定义而言,如何准确找到能给用户带来惊喜的机会都是非常困难的一项任务。因此制造惊喜往往需要创新,而创新并没有非常行之有效的方法论。对于汽车产品定义也是一样,只不过低端市场的一些惊喜属性可以由高端市场向下传递,这类非原创,只是抢先于同级别竞品增加某项功能或设计的卖点往往站到当前汽车产品惊喜属性的一半以上。要梳理这类机会其实并不困难,只要判断好这些产品属性的成本水平在什么时期可以被接受,或者这些属性是否真的可以给目标用户带来惊喜即可。

其实对于部分已知的功能利益,我们也可以进一步抽象,通过大数据去观察其中的规律。如下图所示:


上图中纵轴代表产品的技术水平或者用户对这项技术指标的关注度。如果我们把某一技术水平指标化,用图中的直线代表该指标伴随时间的进步速度。同时使用大数据追踪用户关注度的变化。我们大致可以发现随着技术本身的进步,用户的产品关注会逐步被激活。但不同级别的用户被激活的时间是有差异的,大致上高端用户会先被激活,随后是中端用户,最后是低端用户。

如果我们把某项技术特征以遥遥领先于市场的时机推出来,如图中的绿色星星的位置,就会是 Surprise 属性了,如果按照市场平均水平来做,那就是 Basic 了。

例如全景天窗就是这样的例子,最早只有高端车上有。但现在我们把全景天窗装到了A级轿车上面,他就是一个能给用户带来惊喜的产品属性了,因为同级别其他车型还很少有这样做的。

类似案例最典型的依然是特斯拉,如下图所示,我们列举了20102015国内汽车用户对车载信息娱乐系统各项指标的关注度。可以看到其中两条最典型的曲线,一条是深红色的代表车机屏幕的曲线,另一条是灰色的代表存储介质的曲线。

其中代表车机屏幕的红色曲线,在2010~2013年的期间内有缓慢的上升,那个时期车载DVD和导航开始逐步普及。用户对彩色屏幕的需求逐步被释放出来。而特斯拉却在这个时候果断地弄了一块17寸的屏幕,一下子带动了全市场用户对车机屏幕的强烈关注,我们可以看到红色曲线后半段一个陡然上升的过程。

而代表存储介质的灰色曲线则恰恰相反。初期有很多车辆配备车载硬盘、6CD的时候,用户关注度原本很高,但随着云端存储、手机互联的普及,用户不再要求车辆必须存储很多娱乐数据了,我们可以看到用户关注度近乎直线的下降。


除了上述洞察方法以外,汽车数据工场还开发了另外一套近乎黑科技的大数据系统。我们可以透过自然语言系统的规律,发现用户讨论某个主题的分析线索,进而判断他们的观点、态度以及原始需求。我们可以把这些线索输入到头脑风暴当中,作为创新的依据。




如上图所示,我们展示了以“内饰”为主题词的一个语言系统的局部展开。这里我们可以看到用户在讨论内饰的时候会提及哪些相关话题。两个词语之间连线的粗细就代表这两个词的关联程度。这相当于上百万用户为开发人员做了全市场各种指标的思维导图。围绕这些思维导图,有经验的人员很容易找到用户的原始诉求,并准确洞察到创新机会。

至于如何应用这些线索,我们可以在未来进一步深入探讨。


如何定义Character指标?

与Surprise指标强调从用户期望出发不同,Character指标更加强调品牌特色。实际上这类指标往往来自厂家的品牌战略,以及某一代产品的先导车。例如大众,每一轮换代都以高尔夫作为先导车,由高尔夫统一定义这一代产品的设计语言。

因此如何定义Character指标的问题就被转化为定义品牌特征的更为战略性的问题了。由于这个问题本身就很宏大,我们在这里不做详细探讨了,只是和大家展示一下SoCar Branding工具所能提供的大数据线索:


上图展示了SoCar Branding中对品牌形象的分析,从中我们可以看到用户对每个伞品牌的形象认知,而这些形象都是来自用户语言未经过滤的。

如果这种展示方式看着还不够直观,我们也可以换另一种方式,如下图,我们展示了20多款SUV在用户心目中的产品形象。


实际上借助这些形象,我们可以绘制一副品牌形象地图,品牌策划人员可以在这个地图上找到最有利于自己的生存空间。


如何定义Basic指标?如何控制开发成本?

简单展开了 Surprise 和 Characte r两项最关键的差异化指标以后,就只剩下 Basic 指标了。如前文所述,这类指标实际上可以继续延续过去对标思路的逻辑。首先这是从开发目标的可实现性这一角度考量的。毕竟有准确的对标参照系,一款新车的开发风险和难度都会大大降低。因为汽车的绝大多数结构设计都是有规律可循的,不需要创新。例如车轮是圆的,只要不想弄个所谓球形轮胎出来,我们就没有必要在这里纠结创新问题。如果我们能够充分总结过去产品那些成熟有效的设计结构,并且确认这些内容属于Basic指标。整部车的开发难度就会大幅下降,开发周期和工作量也就有机会被压缩下来。

其次,继续延续对标的思路是从成本角度考量的。实际上如果我们能够找到一组竞品,这些竞品的相应指标只要没有引起用户的抱怨,或者基本满足用户的需求(当然需要适度预测用户需求在未来几年的变化幅度),他就可以成为Basic指标的参照系。如果我们给出这样的等效标杆包含多个车型,我们就有机会找到最有利于降成本的对标结构。

所以Basic指标并不像他字面上那么基础,而是构成一个车底线的内容。要知道一款车只要把不该犯的错误全都避免掉,他就等于成功了一半。

那么Basic指标应该占到所有开发目标的百分之多少更为合适呢?

要回答这个问题,我想还需要更多在实践中感受。例如高端市场,我们便有机会像特斯拉那样做一个全新物种出来,他的惊喜属性就会占很大比重,而Basic指标大概只占全车指标的50%多。但是到了中低端市场,由于成本限制,我们没有能力搞太多颠覆性的设计,Basic指标占比就会上升。

 

综上,本文大致把汽车数据工场关于产品定义的最新思路介绍完了。虽然还有太多细节无法在一篇文章中深入展开,不过没关系,以后我们可以慢慢来。

----------------------------------------------------------------------------------------------------------------------------------------------------------------

互动区:

为了确保这篇文章能够具有充分的实际应用价值,老中医在本文完稿后借助万能的朋友圈与过个厂家有产品战略实战经验的专家进行了交流。为了既可以保护各家秘密,又能充分分享知识,在这里我仅列出部分关于本文的讨论摘要,供大家进一步参考。

问题1:过去大家应用对标的方法定义出来的产品基本上都是满足60分水平的,现在要求能够定义有机会突破100分的产品,因此新思维是必不可少的。只是这些思维还需要不断在开发中尝试,细化。

问题2:如何借助一套有效的方法论完成创新过程,甚至完成发明过程,这是一个非常关键的课题。大数据显然提供的线索更多了,但需要进一步把应用大数据的分析模型抽象出来。

问题3:既然无人驾驶已经是汽车行业一个确定的未来,只不过他的落地时间不明确。那么在无人驾驶到来之前,如何把产品开发和规划瞄准这个目标?

问题4:EV时代的产品战略如何与这些新思路结合?