智能手表消费者满意度影响因素及产量预测

朱艳娇，张水胜

（齐齐哈尔大学 理学院，黑龙江 齐齐哈尔 161006）

中国统计年鉴显示，我国智能手表的产量因为疫情受到了一定的冲击.可以对市场进行全面的调查研究，经过不同的统计分析，得出较为精确的预测数据以及对智能手表产量影响较大的因素，这可以为智能手表产品的更新迭代提供有效的理论支持依据，促进智能手表产业的蓬勃发展，也会对我国电子产品市场的发展起到积极的提振作用.

根据中国统计年鉴数据，可以发现智能手表的产量近几年来并不稳定.基于此现状，开展了小范围内对于智能手表的问卷调查.调查结果表明，引起智能手表产量不稳定的因素包含多个方面，基本分为4类，即性价比、功能性、受众特点和可替代性.尽管在市场调查中显示出，这些因素是消费者是否会选择购买智能手表的关键因素，但仍未可知小范围的市场调查是否能够准确反映整体的市场情况.因此还是需要进行大面积市场调查，得到尽可能精确的统计结果并进行数据分析.

1 研究方法及数据来源

1.1 研究方法

本文采用多元回归模型与自回归模型进行分析.通过主成分分析降重得出影响智能手表消费者满意度最重要的因素，之后按照因子得分计算综合得分.多元回归模型通过最小二乘分析可以计算出每个因素在总因变量影响因素的占比，进而通过多元回归计算智能手表消费者满意度，此模型通过SPSS 软件获得[1].

根据自回归模型预测智能手表产量，自回归模型可以通过时间序列数据对数据本身做出预测，预测模型通过EVIWS 完成[2].

1.2 数据来源

为了分析影响智能手表消费者满意度的因素，采用问卷调查法获取相关数据信息.智能手表使用者为全年龄段，为避免调查问卷发放对象大多集中在中层年龄段而专门设置了智能手表使用对象选项.根据文献[3]，选取心脏检测功能作为一项购买智能手表的影响因素.文献[4]指出儿童智能手表存在支付不需要输入密码及信息泄露问题，因此将支付软件、APP 泄露信息等安全问题放入调查问卷中.文献[5]指出消费者倾向于几何图形等创意性指针设计，因此调查问卷也涉及有关外形创新问题.除了单项、不定项选择以外，调查问卷也设计了开放性问题，如对于附加功能的想法以及对于现如今智能手表缺陷问题的反馈[6].

调查问卷的发放分为线上以及线下2部分，线上问卷选择在豆瓣以及微博等社交软件中豆瓣智能手表小组以及微博中智能手表、智能腕表话题下发放，针对线上的智能手表消费者人群.而线下则选择在商场智能手表柜台以及华为、苹果等线下专卖店发放.

本次市场调查回收到769 份问卷，经过筛选后，确定720 份有效问卷.数据用于智能手表消费者满意度影响因素多元分析，部分调查问卷回收结果见图1.

图1 问卷回收数据

为了预测智能手表产量，从中国统计年鉴[7]获取智能手表产量月度数据.因为智能手表属于新兴工业分类，数据较新，只包括2021-03—2022-07 共17 月的数据（见表1）.后续需要补充数据，可从参考文献以及现状调查中获取影响因素进行数据补充，以获得更精准的预测结果.

表1 2021-03—2022-07 智能手表月产量

由表1可以看出，智能手表产量走向并非呈现线性增长，而是具有波动性[8].

2 智能手表消费者满意度影响因素

2.1 描述性分析

调查问卷中智能手表消费者满意度的影响因素以及附加功能都可以用可视化图表展现其基础信息.消费者对于智能手表购买影响因素的差距分化不严重，因此用条形图来表示（见图2a），而附加功能选择上差距比较大，因此用扇形图来表示（见图2b）.

由图2a 可以看出，硬件配置是消费者最为关注的影响因素；由图2b 可以看出，附加功能中像指南针、计时器这种可被取代性高的，不是很必要的占比较小，不是影响智能手表消费者满意度的主要因素.

由于开放性问题是以文字形式出现在调查问卷中的，所以可以通过词云图来展示（见图2c）.由图2c可以看出，运动健康是消费者最关注的问题，希望能得到提高，运动以及支付软件也是消费者认为缺乏的功能，不同品牌的手表与手机不可互认给智能手表的使用也带来不便.同样，通过改进项词云图（见2d）可以看出，续航差是消费者反馈缺点最突出的问题.

图2 影响因素、附加功能可视化及购买因素词云图

2.2 多元回归模型

根据调查问卷中的满意度部分，采用多元回归分析智能手表消费者满意度的影响因素.通过主成分分析，降维获得5个主成分，分别为硬件设施（X1）、通讯（X2）、医疗（X3）、安全隐私（X4）、附加功能（X5）.其中硬件设施包括电池续航、CPU 以及无线电芯片等[9]；通讯包括打电话、发信息和社交软件功能；医疗主要包括智能手表的脉搏检测、运动步数和心电图功能；安全隐私包括定位[10]、支付软件电子银行、身体健康数据和软件记录数据；附加功能则是软件自带的指南针、计时器和夜光功能[11].用5个主成分建立智能手表消费者满意度影响因素模型，得到因子得分以及多元回归模型[12]，进行满意度分析，结果见表2.

表2 多元回归分析结果

由表2可以看出，F 检验显著性P值非常小，呈现显著性，拒绝回归系数为0 的原假设.因此模型基本满足要求.

对于变量共线性表现，VIF 全部小于10，因此模型没有多重共线性问题，模型构建良好.得到的多元回归模型为

式中：Y为智能手表消费者满意度得分.

由多元回归模型可以看出，硬件设施对于消费者满意度影响最大，这也验证了描述分析的观点，消费者更在意智能手表的硬件设施如电池续航，CPU 以及无线电芯片功能.

利用模型进行预测，并与原始数据进行拟合，结果见图3.由图3 可以看出，拟合结果比较好[13].

图3 智能手表消费者满意度拟合效果

3 智能手表产量预测

3.1 平稳性检验

选取中国统计年鉴2021-03—2022-07 月17 个月份的智能手表产量数据，用EVIWS8 进行建模预测.该时间序列单位根检验不通过，数据不平稳，因此需要对原始数据进行差分处理.经过二阶差分后，最小二乘法估计结果见图4a.

由图4a 可以看出，此时P值很小，已经得出白噪声序列，可以进行自回归模型分析，并用最小二乘法对模型进行估计[14].

3.2 模型构建

建模时要确定最佳预测模型，为此确定4个预测模型，分别是AR(R)模型、MA(1)模型、AR(1)MA(1)模型和MA(1)AR(1)模型.预测模型可以从2方面检验，一是模型检验，二是预测结果检验.模型检验通过AIC 检验完成，预测结果检验通过最小方差无偏估计检验完成[15].

3.2.1 AIC 检验 AIC 检验即赤池信息量准则，是衡量统计模型拟合优良性的标准，熵值越小即AIC 值越小，那么模型的预测效果最好.将4个模型进行AIC 检验，结果见图4b.

图4 最小二乘法估计及AIC 检验

由图4b 可以看出，当模型是AR（1）MA（1）时，检验值最小，应用此模型则预测效果最好.最终得到模型为ARIMA（1，2，0）（即AR（1）MA（1）类模型），该模型可表示为d（d（xt））=-0 .417 466 × d（d（xt-1））+ξt，

式中：xt为智能手表产量；ξt为残差.

3.2.2 方差检验 使用Eviws 软件，利用4个模型预测2021-05—2022-07 月份智能手表产量（原始数据通过Eviws 软件调整样本后，由2021-03—2022-07 更改为用2021-05—2022-07 月份15 组数据进行预测），ARIMA（1，2，0）模型的预测结果见图5.将4个模型2022-08—2022-10 月份智能手表产量预测结果汇总输入Excel 中，分别进行方差运算.AR（1）模型、MA（1）模型、ARIMA（1，2，0）模型和MA（1）AR（1）模型预测数据的方差分别为15 895.12，1 065.21，45.99，4 087.89，ARIMA（1，2，0）的最终预测结果方差最小，符合统计中的有效性，预测效果最好.因此2022-08—2022-10 月智能手表产量最终预测数据分别为83.77，80.48，96.23 万个.

图5 ARIMA（1，2，0）模型预测结果

4 结语

根据文献[16]，智能手表出货量有了大幅度提升，但没有像手机一样受到消费者的热捧，最大原因就是其续航能力还有很大亟待提升的空间，尤其当智能手表功能更加多样化时，如心电监测功能更加需要电池能耗.这也与本文多元回归模型所给结果一致，即消费者对于硬件配套设施的要求更高.市面上常见的智能手表电池大致分为2类，一类为传统纽扣电池，成本低，但需要定时更换，智能手环多配备此类电池；另一类为锂电池，可进行充电，多次使用，但成本高而且待机时间并不长，需要及时充电.结合市场调查问卷分析结果，厂商可以选择抛弃传统且不必要的附加功能，如指南针、计时器等，有效解决电池能耗快的问题.

由自回归模型预测结果可以看出，在没有政策以及新技术突破情况下，预测月份2022-08—2022-10月的智能手表产量虽然仍然是增加趋势，但浮动比较小，无法像智能手机一样，几乎达到人手一部.除能耗快这一缺点以外，安全问题也在消费者考虑之中，像电脑以及手机都有相关隐私设置选项，智能手表对于安全隐私定位方面也需精准提高防护水平，不能一键开关定位模糊解决隐私问题.

企业可以加大芯片功能的研发，目前有健康功能和人机交互功能的芯片存在，但能耗高，造价高，可将低能耗芯片研发作为今后的主要研发方向，只有把智能手表定位为不可替代、独立性强且待机时间长，展现出智能手机难以达到的优势，才能真正地激发消费者的购买热情.