王偉豪　胡辰雨　李智敏　陸兆鈉　王焱

摘 要：為了確定影響?zhàn)B老服務(wù)智能車購買意愿的主要因素，并為后期確定銷售方法提供幫助，利用事故樹法定性地分析影響?zhàn)B老服務(wù)智能車的購買意愿的4個主因素和20個子因素。本研究在進行定量分析時，使用了層次分析法作為研究方法，通過利用Matlab軟件確定影響因素權(quán)重，有效減少了主觀因素的影響。研究結(jié)果顯示，在四個主因素中，經(jīng)濟性因素和安全性因素的權(quán)重值之和高達0.7573，因此認(rèn)為這兩個因素是確定銷售方法的最重要因素。在20個子因素中，價格、維護成本、自我保護機制、服務(wù)種類及質(zhì)量、魯棒性以及兼容性的綜合權(quán)重之和為1.108，需要去針對性地確定相應(yīng)方法。

關(guān)鍵詞：養(yǎng)老服務(wù)智能車 購買意愿 事故樹法 層次分析法（AHP）

1 引言

隨著人口老齡化的持續(xù)增長，國家與社會贍養(yǎng)老人的壓力增大[1]。養(yǎng)老服務(wù)智能車是應(yīng)對人口老齡化趨勢和護理人員不足而出現(xiàn)的新興產(chǎn)業(yè)?！笆濉逼陂g，我國智能化產(chǎn)業(yè)規(guī)?？焖僭鲩L，年均復(fù)合增長率約15%，我國進入全球人工智能排名前10的國家行列。這為養(yǎng)老機器人、智能車等產(chǎn)品的發(fā)展提供了良好的技術(shù)支撐[2]。

袁媛、杜佳[3]等人對家用掃地機器人購買意愿進行了研究，可以從中分析出影響市場購買意愿的主要因素。劉偉杰[4]等人從消費者的角度，以消費者人機互動的交互程度高低出發(fā)，研究了自主型人工智能對消費者購買意愿的影響，推動了人工智能營銷領(lǐng)域的發(fā)展。其研究結(jié)果表明：人工智能正向影響消費者的購買意愿，其中控制感知起到部分的中介作用。張佳琪[5]等人對產(chǎn)品獨特性對消費者人工智能推薦接受意愿的影響進行研究，為理解消費者接受人工智能推薦提供了新的思路，有助于營銷人員認(rèn)識到產(chǎn)品獨特性的重要性。本文通過文獻參考及實際調(diào)研的方式，采用事故樹法對影響?zhàn)B老服務(wù)智能車購買意愿的因素進行定性分析，采用層次分析法定量分析確定影響?zhàn)B老服務(wù)智能車購買意愿的主要因素，并為后期制定銷售策略提供幫助。

2 事故樹法及其應(yīng)用

事故樹分析被稱為FTA，是對事故的最終事件進行分析，并按照發(fā)展的順序逐層分析，直到最終不需要分解。結(jié)合有關(guān)文獻及實際調(diào)查，對影響?zhàn)B老服務(wù)智能車購買意愿的因素進行分析，從4個主因素和20個子因素出發(fā)，繪制出事故樹，如圖1所示。

3 層次分析法

3.1 建立層次結(jié)構(gòu)模型

層次分析法（Analytic Hierarchy Process，AHP）是一種將問題分解成不同層次的準(zhǔn)則、子準(zhǔn)則和方案，這些層次通過使用配對比較矩陣來確定其相對重要性，計算出每個層次的權(quán)重，最終通過統(tǒng)計加權(quán)得分來評估每個方案，并作出最佳決策的決策方法。

本文根據(jù)事故樹創(chuàng)建一個指標(biāo)系統(tǒng)，以養(yǎng)老服務(wù)智能車購買意愿為目標(biāo)層，以經(jīng)濟性、安全性、功能性、便捷性為準(zhǔn)則層，將事故樹底事件中關(guān)聯(lián)度較大的因素進行整合得到指標(biāo)層各個要素，見表2。

3.2 養(yǎng)老服務(wù)智能車購買意愿層次單排序的計算

評價矩陣中每個元素的值反映了對同一級的兩個元素和上層元素的相對重要性的理解。在具體的標(biāo)度判斷中，需要依賴專業(yè)知識，可由一定數(shù)量的專家或是通過向相關(guān)人群定向調(diào)查確定，判斷一般采用1～9及倒數(shù)標(biāo)度方式，1代表同等重要，3代表稍微重要，5代表明顯重要，7代表強烈重要，9代表絕對重要。將中間層的4個因素兩兩對比，結(jié)合1-9及倒數(shù)標(biāo)度，構(gòu)造出中間層的判斷矩陣。如表3中，CI是一致性指標(biāo)，表示判斷矩陣中各元素對應(yīng)的特征值與平均特征值之差的總和除以特征向量的長度。當(dāng)CI接近于0時，說明判斷矩陣的一致性較好，反之則說明一致性較差。CR為隨機一致性比率，用于將CI轉(zhuǎn)化為可比較的概率值。當(dāng)CR小于0.1時，可以認(rèn)為判斷矩陣通過了一致性檢驗，即具有較好的內(nèi)在一致性。

通過分析表3數(shù)據(jù)可知，經(jīng)濟性因素是影響?zhàn)B老服務(wù)智能車購買意愿的主要因素，安全性因素次之，兩者的權(quán)重值相加高達0.7573。由此也可以說明用戶對產(chǎn)品的經(jīng)濟性能和安全性能最為看重，應(yīng)當(dāng)著重注意提升養(yǎng)老服務(wù)智能車的質(zhì)量，同時考慮好恰當(dāng)?shù)膬r格、成本等，提高養(yǎng)老服務(wù)智能車的市場競爭力和購買意愿。

3.3 養(yǎng)老服務(wù)智能車購買意愿層次總排序的計算

計算綜合權(quán)重的方法可以分為兩個步驟。第一步，通過Matlab計算從最底層（也稱作子準(zhǔn)則層）到中間層（也稱作準(zhǔn)則層）的單層權(quán)重，即確定每個層次的相對重要性。第二步，將中間層的單層權(quán)重與對頂層（也稱作目標(biāo)層）的權(quán)重相乘，得到所有方案的綜合權(quán)重。最后所得值便是綜合權(quán)重值，并且通過一致性檢驗。層次總排序的計算過程如表4所示。

通過分析以上各表數(shù)據(jù)可知，B11（價格）、B31（服務(wù)種類及質(zhì)量）的綜合權(quán)重超過了0.2，這是需要重點關(guān)注的因素。用戶首要考慮的主要還是產(chǎn)品的服務(wù)、品質(zhì)以及價格。養(yǎng)老服務(wù)智能車能實現(xiàn)什么功能，是否滿足自己的需求，價格值不值得，這些都是影響用戶購買養(yǎng)老服務(wù)智能車的最普遍的因素。B12（維護成本）、B21（自我保護機制）、B43（魯棒性）綜合權(quán)重都大于0.1，因為養(yǎng)老服務(wù)智能車的維護成本、自我保護機制以及其穩(wěn)定性都與用戶使用該產(chǎn)品的效率、時間、次數(shù)息息相關(guān)。若養(yǎng)老服務(wù)智能車的維修費用高且易壞，會大大影響用戶的購買意愿。

B25（家庭守護性能）、B32（智能程度）、B42（外觀合理性）、B44（兼容性）的權(quán)重在0.08～0.09左右。養(yǎng)老服務(wù)智能車的家庭守護性能強度、智能程度的高低、是否可與其他設(shè)備進行兼容以及外觀是否易對人造成傷害是用戶次要考慮的因素。用戶在了解智能車的核心功能后會對智能車的外在因素也進行一定的考量。B22（健康檢測）、B24（用戶數(shù)據(jù)保密性）、B33（操作簡易程度）、B41（場景適用性）等因素的權(quán)重值介于0.05～0.08之間，由于養(yǎng)老服務(wù)智能車主要的用戶群體為老人，因此對老人的身體健康檢測的功能非常實用，同時操作簡易也對于老人很友好，是影響用戶購買的因素之一。

4 結(jié)論

通過事故樹法，定性分析了影響?zhàn)B老服務(wù)智能車購買意愿的4個主因素和20個子因素，直觀明了。通過將事故樹導(dǎo)入形成層次結(jié)構(gòu)模型，進行定量分析，使用MATLAB計算得出經(jīng)濟性因素和安全性因素是影響?zhàn)B老服務(wù)智能車的購買意愿的主要因素，子因素中的B11、B12、B21、B31、B43、B44綜合權(quán)重和達1.108，對此需要研究出適合的銷售方法來減輕這些因素帶來的影響。本文在分析影響?zhàn)B老服務(wù)智能車的購買意愿中使用了事故樹法和層次分析法，先從定性的角度確定影響因素，再從定量的角度計算出影響因素的權(quán)重，直觀科學(xué)，該方法值得在其他領(lǐng)域中進行推廣應(yīng)用。

基金項目：江蘇省大學(xué)生創(chuàng)新創(chuàng)業(yè)項目，項目編號：202212056027Y，項目名稱：智能養(yǎng)老消防看護設(shè)備，南通市科技計劃項目，項目編號：JC2021065，項目名稱：基于多平臺計算任務(wù)卸載技術(shù)的智慧港口信息系統(tǒng)研究。

參考文獻：

[1]陳衛(wèi).中國人口負(fù)增長與老齡化趨勢預(yù)測[J].社會科學(xué)輯刊，2022（05）：133-144.

[2]邵曉明. 人口老齡化背景下智能養(yǎng)老機器人產(chǎn)業(yè)的發(fā)展探索[J]. 現(xiàn)代營銷（下旬刊），2022，（10）：62-64.

[3]袁媛. 家用掃地機器人購買意愿影響因素研究[D].北京交通大學(xué)，2020.

[4]劉偉杰. 人工智能對消費者購買意愿的影響機制[D].廣東財經(jīng)大學(xué)，2021.

[5]張佳琪. 產(chǎn)品獨特性對消費者人工智能推薦接受意愿的影響研究[D].西南財經(jīng)大學(xué)，2022.