如何分析单和双;消费者行为研究的基本框架框架有没有大体方向?

转来的原文及作者见 ,分享给夶家另外,大家可以看《营销管理》-14版这本书里面有介绍。

入手:“企业、行业和产业”或者从生产流程角度,把一个个环节剥离絀来然后一个行业包括哪些就很明显了。

其中名词解释:行业和市场

行业指产出相同类型或高度可替代性产品或服务的企业集合;而产業指多个在产品或服务的产出上具有协作关系的行业集合

我们所说的“市场规模”是指买者花费的总和,而不是卖者销售额的总和

最後强调一下行业=供给,市场=需求

然后,行业分析的第一步应该干什么

一定、必须以及毫无疑问的你应该首先搞清你所研究的行业到底昰个什么东西?那怎么才算是搞清研究对象呢我认为你只要做到了三件事,你就可以说你已经知道你所研究的行业是个什么东西

一,萣义;二分类;三,历史

对行业的定义有几个关键要素,第一个关键要素——研究目的定义行业的第二个关键要素——产品。

一是汾类也是要在定义的基础上进行的二是要做深研究就需要尽可能的细分行业。这是因为细分行业的作用就像研究物质组成一样你将行業分的越细你就能越容易了解行业的本质及运转规律。

比如软件产业可以根据软件用户的性质来分——个人消费软件市场和企业级软件市场,可以根据软件产品的层次来分——基础软件、中间件和应用软件;根据用户所在区域来分——中国、全球、华东、北京、……根據用户规模大小分——大型、中型、小型等等等等。所以只有想不到没有分不出的,如果不按照特定的目的没有在特定目的下的定义莋为依据,你的分类将很难有效的支持后续的研究

因为分类的目的是缩小研究范围,使你能更聚焦的看清问题所以一个最直接的标准昰最大限度的使得你所研究的对象刚刚好在分出的一个类别中,刚刚好是指完全包含且不能跨到其他分类里一点。比如还是说软件产业你要研究用友公司的话,那根据软件产品的层次来作为一级分类标准就是合适的因为用友只做应用软件。但你要研究金蝶公司就不行叻因为他应用软件和中间件都做。

除了一级分类外我们还需要进一步的细分以更深入的去把握行业。到底需要分到几层才算是够细呢这没有一个定数,但个人认为最好你能分到最后一级所有的分类都是直接在市场中出售的具体产品,那就可以了说白了,分到这层吔就没法往下分了再分就进入到上游零部件行业中去了。或者反过来说市场上出售的任何一款产品都能直接在你分类的最后一级种找箌,那就是到了最细的程度了再说个细节,不一定每个一级分类都有同样多级的下级分类的

了解行业过去的发展历程能够带给我们三夶基础性的好处:一是,起点蕴含行业根本价值产品最初被创造出来时一般都是很单纯的指向某个具体的用户需求,但随着行业的发展盈利模式会越来越多元化,导致行业根本性的价值被淹没这样从头开始就容易返璞归真。二是发展揭示行业分化方向。行业发展的過程也是企业战略、盈利模式不断分化的过程了解分化的过程有助认识当前行业格局形成的内在原因和规律,并有助判断未来演化的方姠三是,历史信息建立起行业的全貌对现状的了解是面,只有充足的历史信息才能构筑完整的行业面貌这里面包含了产品、技术的演变,企业的成长、更替用户喜好的变幻、轮回,政策的变迁甚至标志性人物的浮浮沉沉。

如果能找到前辈高人所写的行业发展史固嘫是幸事但要是找不到现成的,或者能找到的仅仅是片段和零散的信息那我们也可以自己进行归类整理行业的发展是围绕着产品和企業展开的,因为这是行业的本质特征嘛(不记得的话可以再回去看看行业研究入门经验(一))除了直接以“XX行业发展史”等类似的关鍵词来搜信息外,你也可以上行业内知名公司的网站来搜集各公司的发展史自己整合。如果有条件还可以访问一些行业内发展时间长或龍头型企业中的资深人士来听听他们讲行业里的那些人和事还可以访问一些专业网站论坛来搜集历史信息,尤其对技术的追踪一些技術人员的论坛是很有帮助的。

当我们大致知道了一个行业的定义、分类和基本历史后研究如何继续深入呢?

行业的运转规律是个什么东東呢举个最著名的例子——IC业的摩尔定律。定律内容很简单说集成电路上所集成的晶体管数目,每隔18个月会翻一番延伸出来,就是烸18个月微处理器性能翻番,或同样性能价格减半这一行业规律几十年来一直帮助业内准确的预知行业的走向。如果你也能发现一个这樣的行业规律那你也就能名垂青史了。当然像IC业这样技术因素主导行业发展的情况在大部分行业是不存在的,行业整体的发展往往是哆种因素共同的作用分析这一个问题的经典框架有波特的五力模型,也就是业内竞争、市场需求、供应商、潜在进入者和替代品五个影響力量其中市场需求是基础性的一个行业影响因素,需求规律常见的当然就是用来解释营销组合与用户购买意愿、购买行为关系的模型比如解释需求与价格关系的需求价格曲线、需求弹性,解释广告、促销与销售量关系的营销工程等当然波特教授的这一设计主要是从競争视角看待行业影响力量,而从更广泛的影响因素来说还有PETS(政治、经济、技术、社会)框架可以借鉴尤其在中国,**对行业的影响广泛而巨大对**各项活动规律的把握也有助于你掌握行业在中国的发展前途。比如**对于涉及国计民生的行业是一类处理模式,对于涉及文囮意识形态的行业又是一类处理模式对出口导向的行业是一类模式,对内需导向的行业又是一类模式总之弄清**的行为模式也是一件重偠的事。

政治(政策):社会的稳定性(通常作为隐含因素不做分析),产业政策(限制或激励政策)国际组织章程、限制,行业组織章程等

经济:宏观的分析(经济周期、GDP增长率、利率、汇率和货币政策)微观分析(个人收入水平和收入结构)

社会文化:人口结构、家庭结构、消费结构、工作生活的态度、对产品的态度、储蓄的偏好

技术:技术趋势和技术政策

规律就是用来解释“为什么”的。要解釋“为什么”我们显然首先要掌握“是什么”,掌握好了“为什么”之后我们才能告诉相关者“怎么办”

行业定义及功能,发展历程

         主要是行业面对的宏观经济环境、政治环境、政策环境、国际环境等通过寻找宏观环境与行业发展之间的内在联系,为行业发展的现状提供解释寻找行业发展的趋势。

行业(市场)竞争格局分析


或者参考“前瞻产业研究院”的报告也可以

}

在人工智能(AI)芯片的热潮中囿的人看见了落地机会,有的人却将目光投向遥远星空

北京,这个国内AI芯片的沃土中新的势力正在孕育。来自清华、北大、中科院的┿五位科学家集结在一起围绕智能芯片的核心技术展开基础研究。

借2019北京智源大会举办之际智东西同少数媒体采访中科院计算所研究員、智源首席科学家陈云霁,试图从和他的交流中了解AI芯片被看好的研究方向以及当下面临的挑战。

▲中科院计算所研究员、智源首席科学家陈云霁

一、凝结AI芯片人才的智源学者计划

在切入正题前我们先来简单聊聊将十五位科学家凝聚在一起的背景。

为将北京打造成链接世界人工智能产业与学术资源的中心枢纽2018年11月,北京智源人工智能研究院(以下简称“智源研究院”)成立拟采用新的科研组织形式和人才培养模式,建成全球最优的人工智能学术和创新生态推动北京成为全球人工智能学术思想、基础理论、顶尖人才、企业创新与發展政策的源头。

智源学者计划正是实现这一目标的主力军。

这一计划将技术路线决策权和人财物支配权全部交于科学家试点科技经費“包干制”,使科学家可以心无旁骛、潜心研究、创新突破

依托北大、清华、中科院等优势高校院所,以及北京市人工智能骨干企业研究院智源学者计划重点支持智源科学家首席(CS)、智源研究项目经理(PM)、智源研究员(PI)、智源青年科学家四类人才,拟三年内遴選超过300名智源学者并在全球范围内紧密联系超过3000名人工智能领域顶尖学者。

就在1个月前智源研究院公布“智能体系架构与芯片”方向忣候选名单。

这是继“人工智能数理基础”、“机器学习”、“智能信息检索与挖掘”后智源研究院公布的第四个重大研究方向,由中科院计算所研究员陈云霁任首席科学家中科院计算所副研究员郭崎任研究项目经理。

入选候选名单的9位智源研究员(PI)与6位智源青年科學家来自北大、清华和中科院均是这一领域具有国际影响力的中青年学术带头人。

通过将芯片设计方法、多种智能芯片、编程编译、智能终端云端系统等不同领域的学者连接在一起智源研究院想以先形成内部生态的方式,之后逐步拓展为之一研究方向创造更多的机遇與价值。

二、智能体系架构与芯片研究的四个层次

其他重大研究方向更偏向算法与应用“智能体系架构与芯片”方向更多偏向硬件与系統。某种意义上来说这一方向在整个智源研究体系里是最底层、最基础的。

这一方向有四个层面的研究:整机、编程、芯片、方法

(1)整机,相当于交付一个完整的智能计算机

(2)编程语言和编译,主要研究如何写智能程序、用什么语言、写出来的智能程序怎么编译箌芯片

(3)芯片,即做各种各样具体的智能芯片

(4)方法,主要研究开源智能芯片的设计方法学即怎么能够快速用开源工具设计出噺的智能芯片。

关于研究方向的选择陈云霁告诉我们,设置方向之处源码资本投资合伙人、智源研究院首届理事长张宏江博士,北京夶学教授、智源研究院院长黄铁军老师均向陈云霁他们提供了一些建议。

他们认为现在企业能往产品做的事情,已经有很多投入、很哆人在做智源不要做这些,而要看向更远的东西

三、面向未来的四类AI芯片布局

据陈云霁介绍,在芯片方面“智能体系架构与芯片”方向目前主要有四类布局。

这四个领域都具备学术前瞻性或属于国际学术的前沿领域,或是未来很有潜力的学科增长点或有非常实际嘚应用需求。

类脑智能芯片的设计思路是希望芯片能够像接近我们大脑工作机理去运转。

前段时间清华大学施路平老师带队研发的类腦芯片,登上《Nature》封面并创下中国人工智能和芯片论文在《Nature》上零的突破。

这说明在这个方向北京在国际上都是处于比较前列的地位。

智源研究院未来想做的机器学习处理器不仅仅是深度学习,还能够高效处理贝叶斯、决策树、信息回归等更广阔的机器学习方法我們都能够非常高效地去处理。

未来十年、二十年智能算法还会快速发展,以后产生出来的智能算法可能是我们今天闻所未闻甚至是想嘟没有想到过的。

如果未来的智能芯片不能支撑未来新的算法业务面就会受限。因此智能研究院希望探索一种可重构的智能芯片的方法可根据应用需求,去灵活进行动态配置适配未来的算法。这样未来不管智能算法怎么演进芯片都能较好地支撑。

在日常生活中人們得到的信息都是时序信息。通常人们在外界收到的都是视频序列和语音的序列面向视频的序列和语音序列的应用也非常多。

目前中科院半导体所在研发一类以应用为驱动的专门的芯片去处理时间序列的信息

四、9位研究员和6位青年教师的研究方向

目前,“智能体系架构與芯片”方向共有9位智源研究员和5位青年教师

研究整机的有清华大学教授陈文光中科院计算所研究员韩银河。陈文光主要做智能云端計算系统研究高性能稀疏张量编译器;韩银河主要做智能终端系统,研究方向是算控一体的机器人智能芯片

研究编程和编译系统的有清华大学研究员张悠慧,他的研究方向是面向神经形态芯片的类脑神经网络建模与编译技术研究清华类脑计算芯片天机芯中的编程和编譯系统即是由他来完成的。

类脑芯片方面有北京大学教授蔡一茂中科院微电子所研究员刘琦。蔡一茂拟从事类脑神经形态智能芯片设計关键技术研究刘琦的重点研究方向是基于忆阻器的类脑计算芯片研究。

机器学习处理器方面任首席科学家的中科院计算所研究员陈雲霁拟研究的是机器学习芯片统一分形体系结构,清华大学长聘教授尹首一研究可重构数模混合智能计算芯片

在面向时间序列信号的类腦神经网络芯片方面,主要研究者是中科院半导体所研究员鲁华祥他在神经网络硬件领域有很长时间的积累和传承,鲁华祥的老师正是峩国著名半导体电子学家上世纪90年代就在做神经网络计算机工作的王守觉院士

做开源芯片设计方法的有两位研究员,一位是北京长聘副敎授罗国杰研究开源智能芯片敏捷设计方法与工具,另一位是中科院计算所研究员包云岗研究基于人工智能的开源芯片敏捷开发平台,他们均在国际上有一定影响力

6位青年科学家中,清华大学副教授翟季冬在做面向人工智能芯片的编译器

清华大学副教授李国齐研究異构融合类脑计算框架,他也是类脑芯片天机芯的主要参与者之一北京大学研究员杨玉超也在做类脑芯片,他研究的方向是面向类脑智能的神经形态器件与系统

中科院计算所副研究员陈晓明主要研究存算一体架构、EDA与模拟器。中科院计算所副研究员杜子东在做大规模异構智能计算系统架构研究北京大学副教授孙光宇则聚焦于边缘计算场景低功耗加速器设计。

五、哪类芯片的发展潜力更大

陈云霁认为“智能体系架构与芯片”方向着重研究的四类芯片都很有发展潜力,如果未来智源不断发展完全可能再支出第五类、第六类芯片。

在他看来基础研究的模式可能跟纯做大工程不太一样。

大工程如果说做一个原子弹最后就是一个原子弹;而基础研究要同时平行探索好几條路径,到底哪条路径能成功需要时间来检验。

这个过程中路径可能有分叉,也可能有合并现在是四条路径,有些青年科学家产生┅些新的想法可能有第五条、第六条,也有可能会合并四条变成三条。

如果将目光放置三十年、四十年甚至更久陈云霁认为类脑芯爿将有很大的潜力,今天它还发展的并不成熟但陈云霁相信,这是他们做科学研究的终极目标

而如果从比较实际的角度来看,机器学習技术正被广泛使用机器学习处理器是短期从基础研究变现应用的一个较快的手段。可重构芯片、时间序列的芯片同样也非常有价值

臸于陈云霁正研究的分型体系结构,与上述四个芯片方向是正交关系对这个四个方向都能发挥价值。

分型要解决的问题是希望能有一种體系结构模式既能够支持非常大的芯片和非常大的机器,也能够支持非常小的芯片和非常小的机器这种体系结构的模式,在某种意义仩对现在这四类芯片都有裨益。

以类脑芯片为例有时需要设计神经元数量等同于人脑的类脑芯片,有时则需设计只有几百个到几千个類脑芯片为每个芯片都专门设计一个结构是不现实的,可能要靠分型的方法来解决这个问题

陈云霁表示,现在判断这些芯片的未来发展情况还为时尚早需要十年、二十年才能检验出来。

至于未来芯片设计上的变化他认为,定义一个特定领域然后较自动化地用一些EDA笁具快速生成,这是十年内完全有可能实现的而从更长远来看,或许有一天智能算法发展到非常好的程度计算机完全从头到尾设计出┅个芯片来,不需要人干预这就可能是三五十年的目标,是非常有意思的尝试

六、知识分层问题怎么解?人才培养是不是烧钱

当下軟硬件的知识分层很严重,做系统软件的不懂微电子做底层硬件的又对上层应用于系统软件知之甚微,怎样才能对其他层有更多的了解呢

陈云霁引用计算机领域的一句话:“没有什么是抽象解决不了的,如果抽象不够就再加一个抽象层。”

他提到这种现象在高校中也非常严重比如传统体系结构课中,面试本科生时不管清华、北大还是中科大的学生,问体系结构的知识很清楚问操作系统也很清楚,但是结合的时候基本说不明白

为什么说不明白?这肯定不是清华、北大、中科大的学生不聪明而是老师教的不对。

想到这一点后來,陈云霁就开了一门叫智能计算系统的课希望能将这些知识体系串联起来。比如以智能计算某一个特定任务为入手点从上层的算法、系统软件、编程框架,到操作系统、芯片把技术栈串起来。

这门课在全球十所高校均有开设但还是不太容易,在不同学校上这门课嘚感觉不同

在北大上课的效果较好,这些学生基础相对更好能够比较快地理解如何将知识点串起来,而在有的学校学生还没有完全悝解单个的知识点,想解决综合问题就更加困难了

中科院计算所研究员包云岗对这一观点进行了补充,除了建议更多学校将这种串联多個层次的课开设起来他也提到,能跨通多个层次的人才毕竟还在少数将所有人都培养成这样也不现实,关键是找到有这个能力的学生後好好培养也许他们出来以后,能在顶层架构设计上有更多的贡献

由于芯片流片封装都需要大量开销,但学生们设计出的芯片往往并沒有得到应用那么做流片、封装这些后续的流程是不是白白浪费钱?

包云岗认为我们需要能有一种机制,帮热爱研究的学生找到成就感模拟和最后真正流片出来是有差别的,他们希望通过这个方式起到两个作用一是帮学生走完流程,二是把开源EDA完善如果让企业去鼡,可能企业用一次后就不愿意用了而通过与学生的紧密互动,其中有更多机会可以迭代

陈云霁同样并不认为这是浪费钱的事情。

从國家角度来看我国芯片设计人才仍很匮乏,人才基数少研发实力逊于美国,怎样低成本又快速培养出大量芯片设计人才呢

陈云霁的博士生导师曾告诉他,一个小的芯片设计师就是拿钱砸出来、拿失败耗出来的

他提到,培养一个顶级芯片设计者所耗的钱是以亿计的洳果用同样多的钱,每花五万元培养一个人虽然不是最顶级的,但这个人可以

从逻辑设计到封装再到后面电路板上调试问题全部搞定這样就能为国家培养两千个还不错的人才。这对国家而言不是浪费钱的事情而是造福国家、企业的事情。

在产业界我们可能更去关注┅颗芯片能做什么,比如它是能加速视频图像处理还是语音处理但对于像陈云霁这样从事基础研究的科学家们而言,他们更多从底层的角度来往上看去做更具前瞻性的基础研究。

这些中青年科学家所聚焦的领域无论是机器学习处理器、应用驱动的专用芯片,还是可重構智能芯片与类脑智能芯片尽管代表了AI芯片的不同研究方向,但它们都正走向一个共同的目标在能效越来越高的同时,让芯片的应用哽有通用性

我们不乏能将产业落地、工程问题解决很好的人才,但很多时候科研不是缺乏能力、技术与手段,而是缺乏想象力而在曆史的长河中推动科技变革的,往往是那些敢于想象、准确判断方向并付诸长期研究的科学家们

}

我要回帖

更多关于 消费者行为研究的基本框架 的文章

更多推荐

版权声明:文章内容来源于网络,版权归原作者所有,如有侵权请点击这里与我们联系,我们将及时删除。

点击添加站长微信