汽車產業的發展，一方面在於科學技術與工程技術不斷進步的推動，另一方面，也在於不斷升級與變化的用戶需求的拉動。而對於汽車用戶需求的把握，除了基於過往經驗和數據的積累、對競爭對手的情報分析，還有一個重要的信息來源——依靠市場研究與諮詢。中國汽車市場在此前的發展初期，主要是賣方市場，並且汽車用戶也不成熟、對於汽車產品不夠了解，因此汽車廠商對市場、對用戶的洞察研究即使較為粗放，也能夠滿足戰略規劃、產品研發、營銷推廣的需求。隨著中國汽車市場的不斷成熟，用戶對汽車產品的需求越來越多樣化，汽車市場不斷細分，競爭日益激烈。對於描述汽車市場的信息量始終處於高速增長的狀態，傳統的調研已經無法滿足汽車廠商對於產品精確定位、營銷精細化管理的需求了。
市場研究的發展與統計學的發展息息相關。受限於傳統調研獲取樣本的成本與效率，汽車市場研究始終是以「小數據」為主的。而統計學近年來的發展方向，無論是金融統計、生物統計、社會網絡分析，還是機器學習、數據挖掘，均以大數據、至少是大樣本量的數據為研究對象。隨著移動互聯與物聯網的發展，人類社會產生數據與獲取數據的數量與速度成指數式增長，這一趨勢勢不可擋。因此，對於汽車市場的研究，如果不能突破數據源這一瓶頸，則會被整個統計學科所遺棄。
顯然，汽車市場研究瓶頸的突破，其關鍵在於獲取大規模的數據源。但這的確是傳統調研（包括在線調研）的方法無法做到的。網際網路憑籍其自身特點，天然的是數據蘊含量豐富的礦藏，而汽車之家作為國內最大的汽車行業垂直媒體，毫無疑問是個巨大的汽車大數據金礦。汽車之家基於大數據的汽車市場研究解決方案——「車智雲」平臺（包括聚焦到市場、營銷等具體業務場景的Smart系列產品），成為大數據時代汽車市場研究突破性的解決方案。在各種新事物出現時，媒體往往喜歡用「顛覆」一詞，雖然從嚴謹的態度出發，「顛覆」一詞並不恰當，但稱「車智雲」平臺是對汽車市場研究的「發展」與「突破」，則毫不為過。
大數據研究突破了傳統研究的樣本量限制
汽車市場的不斷發展與成熟，使得用戶需求愈發細分，汽車產品也向著專用化和多功能化兩個方向發展，因此日趨複雜。對於汽車市場、用戶需求的描述，已經無法用傳統的市場研究方法來實現了。傳統調研中，無論定量研究還是定性研究，都無法獲取足夠的樣本量來覆蓋足夠有代表性的群體特徵，因此也無法詳盡的描述客觀事實，反而容易受到前期研究設計的制約與影響，使得結果產生偏差。
而大數據作為市場不斷發展、用戶不斷成熟這一過程中同步誕生的資源，是最佳的研究對象。隨著移動互聯、物聯網的發展，大數據也趨向於成為全量數據，不僅可以突破數據量的限制，而且是客觀記錄、基於過程、連續的，足以描述整個複雜的汽車市場與用戶的每一個細節。
大數據研究突破了傳統研究的時效性限制
傳統研究的執行周期相對較長。從項目設計、執行，到數據處理、報告撰寫，需要數周、甚至數月的執行周期。報告的時效性也很短，僅能代表執行期內的這一時間片斷的結果。
大數據則可以做到快速及時的收集、統計、分析數據，完全突破了傳統研究的時間限制，對於對實效性有較高要求的研究內容，大數據幾乎是唯一的解決方案。尤其在輿情監測和營銷效果監測方面，大數據可以提供幾乎實時的相關數據，幫助汽車廠商快速響應、應對輿情事件，對營銷動作的效果進行及時檢驗、調整。
大數據研究突破了傳統研究的真實性限制
傳統研究結論的偏差主要來自於幾個方面：
一方面是系統誤差，這是研究方法、樣本量、樣本選擇、問卷設計等一系列因素所引起的。受限於資金成本、時間成本以及經驗，消除系統誤差難度很大。
另外一方面來源於被訪者的表達。無論定量研究還是定性研究，被訪者所回答的問題都是基於自己對過往的回憶，容易存在記憶偏差，甚至遺忘。並且其主觀表達存在一定的選擇與取捨，不會真正的說「實話」。甚至，能夠接受調研和訪談的被訪者本身就不具備用戶整體的代表性，因為多數用戶是不願意接受訪問的。隨著用戶時間成本的逐漸增加，以及對個人隱私保護意識的增強，願意花時間接受訪談的用戶將越來越成為小眾群體、越來越不具有代表性。
當然，還有樣本作弊、冒充真實用戶等質量問題會影響傳統研究的真實性。
相對而言，大數據記錄的是用戶即時的真實行為與態度。用戶在自然狀態下發生的行為與表達的態度的真實性，是通過調研方法獲取信息遠不能及的。這一點，想必無須解釋。
大數據研究突破了傳統研究的方法論限制
前文提到，市場研究發展的天花板是統計學。受限於傳統調研獲取樣本的成本與效率，以「小數據」為主的汽車市場傳統研究被高速發展的統計學遠遠拋在了後面。大數據幫助汽車市場研究與時代同步，拓展了更為豐富的研究方法和領域——比如更為精準的銷量預測，以及可以洞悉全局的市場競爭格局分析。
銷量預測：用戶在購車前會上網查閱車輛資料、對比車型參數、了解口碑評價、尋找促銷信息。用戶的線上行為與購買行為高度相關。通過對用戶線上行為的分析，可以對其購買意向、預購車型、購車時間等進行判斷。結合用戶行為、宏觀經濟指標等數據，應用機器學習技術，可以實現更高精度和更細顆粒度的銷量預測，為汽車廠商的排產、庫存管理、採購、物流、資金周轉等提供更為精確的參考。
競爭格局分析：每個用戶的對比行為，就是將對比車型視為彼此競爭對手的行為。把整個市場所有用戶的對比行為進行統計分析，就可以還原市場真實的競爭關係。競爭格局分析是複雜網絡理論在汽車市場研究中的應用。可以在更為宏觀、全局的視角俯視整個乘用車市場，並且可以長期觀察監測，發現新車上市、營銷動作等對市場格局的影響。
大數據的應用，可以在汽車市場研究中應用更多的數據挖掘技術與可視化技術，更深入的挖掘數據價值、更生動形象的將分析結果可視化。從小數據的「證明設想」到大數據的「發現規律」，這是一個質的飛躍。
大數據研究突破了傳統研究的體系限制
所謂體系，就是需要能夠覆蓋整個領域的各種現象與各種活動，要能夠對本領域中的基本現象與關係提出原理性的歸納與解釋，並且能夠經受實踐的檢驗。
傳統的汽車市場研究，雖然可以覆蓋多種需求與目的，但各項目之間的數據源和執行時間都是彼此孤立的、碎片化的，無法構成一個嚴密的體系。
大數據能夠在一定程度上實現汽車市場研究的體系化，研究範圍貫穿汽車產品生命周期始終，為汽車廠商的產品研發、營銷管理提供全面的數據支持與解決方案。汽車之家「車智雲」平臺包括多個模塊與產品，可以實現汽車產品全生命周期的數據支持。
傳統的汽車市場研究經過多年發展已進入平臺期：行業規模增長停滯不前、準入門檻降低、利潤率下降……其本質在於傳統的研究方法已經對當前快速變化的市場態勢、日益多樣化的用戶需求難以做到精確把握與快速響應。大數據的時代來臨，市場研究也必須從傳統調研向大數據研究轉型。帷幕剛剛掀開一角，未來將會上演怎樣的一場大戲或許未知，但精彩毫無疑問。讓我們共同期待，並為之努力。（文/汽車之家大數據分析師 劉雪杉）