线上线下家用智能机器人市场调查

求文星,李 超

(安徽财经大学 统计与应用数学学院，安徽 蚌埠 233030)

随着人工智能技术的发展，以现代化工业为主要依托的机器人技术越来越多地应用于军事国防、科教文娱等领域，形成独立学科，一个智能机器人改变制造模式和生活模式的时代已经到来。人工智能对各行各业都有重要应用，学者对于智能机器人的发展前景普遍持乐观态度，认为其发展方向多维且潜力巨大。杨娟、陈小红[1]等认为，智能机器人市场需求持续增加，机器人与信息技术深度融合，向模块化、智能化和系统化方向发展；石征、吴难[2]等认为，机器人性能将不断提高，控制系统不断完善，传感器融合技术不断成熟，向着仿生性方向发展。

本文通过对智能机器人国内、安徽省发展现状以及相关研究的梳理[3～5]，以供给和需求作为切口，通过实地问卷调查和网上数据爬取，采用机器学习的方法，进行线上线下家用智能机器人消费研究。具体而言，线下主要针对安徽省蚌埠市区居民，调查其对家用智能机器人消费意愿和需求类型；线上主要针对大型网购平台京东商城的消费数据，分析现阶段家用智能机器人热销类型及体验评价，为相关企业、研发部门有关家用智能机器人的种类研发、功能探索提供一定借鉴，打造更好的智能家居生活服务，以满足人民日益增长的中高端消费和个性化消费等消费升级需求。

一、调查方法与调查对象

1.调查对象

问卷调查主要针对蚌埠市区(不包括三县)四个区12个乡、镇、街道市民，采用区域分层取样与多阶段抽样中的三阶段抽样相结合的抽样方法，根据预调研有效问卷回收率90%，并结合实际的调查情况和团队的人力物力资本，以及理论计算所得的样本容量410份，考虑问卷损坏、无效等人为因素，确定最终问卷量为450份。在调查过程中已进行人为筛选，主动挑选对家用智能机器人感兴趣的人群进行访问。

网购数据主要是从最大的网购平台之一——京东商城，以“家用智能机器人”为关键词爬取相关商品信息，共4 082个产品，228 960条评论。

2.调查方法

此次调查主要采取线上线下相结合的方式，并根据各阶段不同目标运用四种调研方法。具体调查方法如下：(1)文案调研。为了解当代最新家用智能机器人类型、功能[6～18]，在中国知网、维普等中、外文检索库中，搜索与之相关的文献，进行研读总结，得出研究框架并设计问卷。(2)预调研法。为减小误差和保证问卷具有较好的信度和效度，采取街头拦截面访。结合调查中出现的问题、受访者建议对问卷进行修改完善，以确定最终问卷。(3)实地调研。为保证研究的真实有效性，调查主要采取实地访谈。按各区域样本量的分配，在公共场所随机拦截志愿者做访问。(4)数据爬虫。为了解全国消费者对家用智能机器人的消费需求，综合考虑各种因素，选取了较具代表性的京东网购平台，爬取相关数据，进行整理分析、归纳总结，作为对实地调研的重要补充。

3.数据整理

采用机器学习方法“决策树”填补缺失值，并利用信度检验和效度检验来检测问卷设计的合理性。通过相关统计软件的计算，克朗巴哈系数为0.920，KMO值为0.716，Bartlett检验的p值为0.000<0.05，说明此次调查问卷信度较好，具有结构效度。

二、结果分析

1.样本概况

表1样本基本情况分布表

受访对象中女性稍多于男性，女性通常在家居配置方面拥有更多的决策权，因此侧重于考虑女性的意见；主要的年龄群体为21-30岁，该群体将会是家用智能机器人消费的主力军；婚姻情况中，大部分家庭构成较为庞大，对家居服务有更多元化的需求；调查对象整体学历水平较高，符合社会现阶段及未来的发展趋势；关于职业，就业者和即将就业的学生达90%；居住状况中，大部分属于大家庭生活。由此可见受访群体都比较贴合本次调研的要求。

2.消费意愿

图1 线下购买意愿图

此次调查中(如图1)，仅有28.04%的受访群体表明有购买意愿。由于调查设于经济水平较低的蚌埠市，群众对家用智能机器人的消费潜力有待挖掘，此意愿分布亦符合实际情况。为进行各省市家用智能机器人潜在消费能力推广探索，以调查中的个人属性、家庭属性和了解情况三个大类9项细化指标作为自变量，消费意愿作为因变量，构造预测模型。采用logistic回归、决策树、随机森林和支持向量机以及混合模型等机器学习方法进行模型构造，择其最优，并筛选影响显著的因素。混合模型是指综合决策树、随机森林和支持向量机三个模型，以少数服从多数的规则来确定预测结果。

五类模型预测准确率见表2：

表2 预测准确率结果表

所有模型中，随机森林模型的预测效果是最好。同时，探究对随机森林模型预测效果影响最大的因素。

图2 消费意愿的随机森林模型影响因素

影响因素分析图中分别显示了mean decrease accuracy和mean decrease gini两个指标值。mean decrease accuracy是直接测量每种特征对模型预测准确率的影响，指标值越大，影响越大。mean decrease gini是基于节点不纯度降低的特征选择，该值越大表示该变量的重要性越大。从消费意愿的随机森林模型中，可知，“性别”的两指标值均最大，说明“性别”是所有变量中最重要的，同时也是对预测准确性影响最大的。“户籍”的mean decrease accuracy指标值最小，即“户籍”对模型预测准确性影响最小；“职业”的mean decrease gini值最小，即重要性程度最低。

3.需求类型

图3 线上线下需求类型对比条形图

对比线上线下的需求类型(如图3)，线上主要消费类型为儿童陪伴型；线下主要需求类型为家政服务型，其他类型占比相对均衡。线下数据主要表现了受访对象想要购买的机器人类型；而线上数据则表明，在实际购买时，消费群体往往选择购买儿童陪伴型机器人，对比可得，大众群体往往更愿意为孩子花钱。

以相同的细化指标作为自变量，对需求类型(选择哪一类型机器人)分别构造五类预测模型。预测准确率见表3：

表3 预测准确率结果表

随机森林模型的预测效果最好，进行影响因素分析。由于文章篇幅有限，整理六类家用智能机器人随机森林模型的关键因素(见表4)。儿童陪伴型和教学辅导型，“婚姻状况”因素对预测效果影响较大，重要程度最高，“收入”的影响程度较低，“户籍”的重要性最低。老人陪伴与看护型和残助型均是“居住状况”因素影响最大，重要性较高，其中老人看护型模型是“户籍”影响程度最低，最不重要，而残助型则是“了解程度”影响最小，最不重要。住宅安全与监视型和家政服务型，“年龄”影响最大，较重要，“户籍”影响最小，最不重要。

表4随机森林模型关键因素表

4.体验评论

对于网购数据的体验评价，采用文本分析。关于网购评价的词频共现(见表5)，与“机器人”关联最紧密的词汇为“智能”“学习”“功能”；与“质量”“功能”“服务”“物流”联系最紧密的词汇均为积极词汇，网购群体大部分认为现阶段消费的智能机器人质量较好，功能强大、齐全，客服热情周到，物流比较快、很给力。

表5 评论词频共现表

图4 评论词云图

对所有的消费评论进行删除停用词、提取关键词、绘制词云图(如图4)，发现好评居多，均为积极评价词，还有一些“爱不释手”“齐全”“丰富”等体验评价，都体现了家长和孩子对儿童陪伴型智能机器人非常满意。

5.未来展望

采用主题建模和情感分析对问卷中未来展望的主观题进行文本挖掘。对于问卷中“对智能机器人未来十年的发展看法”的主题建模，概括得出如下三个主题(见表6)：一是人类社会在不久将来是智能时代，机器人的使用会更常见；二是人们对科技的发展有一定的需求；三是人也将越来越懒。

表6 未来展望主题词

图5 理由词频条形图

情感分析中(如图5)，频数最大的十个词汇中，“不够”“难题”“未知”三个消极词均出现两次，“成熟”“成为”“发达”“发展”“进步”“希望”和“迅速”七个积极词汇，“发展”出现六次，“发达”和“进步”出现四次，其余均出现两次。无论从积极词、消极词占比，还是从两类词出现次数，都表明受访对象对家用智能机器人未来发展持积极的态度。

三、政策建议

本次市场调查分线上线下两部分，线下以蚌埠市区居民为调查对象，从消费需求的角度探索了关于家用智能机器人的消费意愿、需求类型和未来展望，线上以智能机器人网购数据为分析内容，从供给市场角度探索了现阶段的智能机器人市场、热销机器人类型、产品体验评价等。基于本文分析，提出几点相应的建议：

第一，现阶段实地调查中最愿意购买的是家政服务型机器人，而网购数据显示购买最多的是儿童智能陪伴型机器人。目前智能机器人市场总需求大但有效需求不足，由于现有产品智能化程度不够，功能类型单调，人机交互体验效果不佳，企业研发部门急需突破技术瓶颈，可以针对以上的技术瓶颈采取些许有效措施。

第二，所有机器学习方法构建的预测模型中，随机森林模型的预测效果最好。可进一步将预测效果最好的随机森林模型推广应用于全国各省市，预测全国各地的各类家用智能机器人的有效需求，为企业市场部门提供一定的参考，进一步扩大市场。

第三，企业销售部门可参考随机森林模型的重要影响因素，从用户需求个性化、创新化、多样化等特点出发，加强对智能机器人行业的知识学习，加大市场调研的深度与广度，提高产品与需求之间的匹配度，深刻把握市场动向，推陈出新。

第四，人们对智能机器人未来发展大多持积极看好的态度，认为存在较大的市场需求。政府部门应当高度重视智能机器人产业的发展，根据设定的战略目标制定相关政策，提供有效的市场监管和安全保障，加大对相关产业的投资和扶持力度，完善与新兴企业间的沟通机制，打造开放高效的协同体系。