Гібридна сегментація ринку електромобілів України методами Data Science
Андрусик Є. В., Гур’янова Л. С.

Андрусик Є. В., Гур’янова Л. С. Гібридна сегментація ринку електромобілів України методами Data Science. Проблеми економіки. 2025. №2. C. 212–226.
https://doi.org/10.32983/2222-0712-2025-2-212-226

Розділ: Математичні методи та моделі в економіці

УДК 33.330.4

Анотація:
У статті розглянуто актуальну проблему ефективної сегментації ринку електромобілів України. Цей ринок, з одного боку, демонструє експоненційне зростання, а з іншого – розвивається в умовах значних економічних і соціальних викликів, що формує унікальну споживчу поведінку. Проведений аналіз показав, що традиційні підходи до сегментації, які базуються переважно на соціально-демографічних чи цінових характеристиках, є недостатніми, оскільки не дозволяють зрозуміти глибинні драйвери та мотивацію, що стоять за вибором споживачів. Метою дослідження є розробка та апробація комплексної гібридної моделі сегментації, яка інтегрує об'єктивні кількісні показники ринку та суб'єктивні психографічні й поведінкові характеристики споживачів. Емпіричною базою роботи виступили два масиви даних: структуровані дані про державну реєстрацію електромобілів в Україні за період з 2020 по 2025 рік та неструктуровані дані, що включають близько 6000 текстових відгуків реальних власників із провідних українських автомобільних ресурсів. Для вирішення поставлених завдань було застосовано комплексний підхід, що містить методи Data Science: дескриптивну статистику, збір даних методами Data Scraping, обробку природної мови (NLP) для проведення тематичного моделювання та аналізу тональності відгуків, а також кластерний аналіз за алгоритмом k-середніх. На першому етапі аналіз структурованих даних дозволив виявити ключові ринкові тенденції та виявив парадоксальну поляризацію попиту: споживачі переважно обирають або бюджетні моделі з малим запасом ходу, або преміальні авто з максимальним. На другому етапі аналіз неструктурованих даних дав пояснення цьому явищу, показавши, що домінуючим сценарієм використання є "поїздки в місті", для яких велика автономність не є критичною. Синтез цих двох підходів у фінальній гібридній моделі дозволив ідентифікувати чотири повноцінні, якісно відмінні споживчі сегменти: • "Ентузіасти та індивідуалісти" (33 % ринку), для яких пріоритетом є емоції від динаміки та дизайну; • "Прагматичні оптимізатори" (28 %), сфокусовані на раціональному співвідношенні ціни та функціональності для щоденних завдань; • "Технологічні лідери" (25 %), що обирають статус, інновації та технологічну перевагу; та • "Сучасна сім'я" (13 %), для якої ключовими є якість, комфорт і безпека. Дослідження доводить, що лише гібридний підхід, який поєднує "що" (кількісні дані) і "чому" (якісні дані), дозволяє отримати повне та глибоке розуміння сучасного ринку. Найважливішим висновком є те, що найбільший сегмент ринку (33 %) керується емоційно-іміджевими, а не суто раціональними факторами, що надає учасникам ринку практичні інструменти для розробки більш точних та ефективних маркетингових стратегій.

Ключові слова: ринок електромобілів, сегментація споживачів, Data Science, кластерний аналіз, метод k-середніх, обробка природної мови (NLP), аналіз тональності, структуровані дані, неструктуровані дані, споживча поведінка, психографічна сегментація.

Рис.: 11. Табл.: 3. Бібл.: 13.

Андрусик Євгеній Валерійович – аспірант, кафедра економічної кібернетики і системного аналізу, Харківський національний економічний університет імені Семена Кузнеця (пр. Науки, 9а, Харків, 61166, Україна)
Email: andrusike@mail.com
Гур’янова Лідія Семенівна – доктор економічних наук, професор, професор, кафедра економічної кібернетики та прикладної економіки, Харківський національний університет ім. В. Н. Каразіна (пл. Свободи, 4, Харків, 61022, Україна)
Email: guryanovalidiya@gmail.com

Список використаних у статті джерел

Rahaman Sh., Kumar S., Amudala P. R. Data-Driven Customer Segmentation: Advancing Precision Marketing through Analytics and Machine Learning Techniques. Journal of Artificial Intelligence Machine Learning and Data Science. 2021. Vol. 1. Р. 001–007. DOI: https://doi.org/10.51219/JAIMLD/shafeeq-ur-rahaman/309
Epoka B. E. Literature Review of Qualitative Data with Natural Language Processing. Journal of Robotics Spectrum. 2023. Vol. 1. Р. 056–065. DOI: https://doi.org/10.53759/9852/JRS202301006
Chinnaraju A. AI-powered Consumer Segmentation and Targeting: A Theoretical Framework for Precision Marketing by Autonomous (Agentic) AI. International Journal of Science and Research Archive. 2025. Vol. 14. Р. 401–424. DOI: https://doi.org/10.30574/ijsra.2025.14.2.0370
Montaser M. A. A., Ghosh B., Barua A., Karim F., Das B. C., Shawon R. E. R., Chowdhury M. S. R. Sentiment Analysis of Social Media Data: Business Insights and Consumer Behavior Trends in the USA. Edelweiss Applied Science and Technology. 2025. Vol. 9, No. 1. DOI: https://doi.org/10.55214/25768484.v9i1.4164
Baby A. Exploring the Power of Topic Modeling Techniques in Analyzing Customer Reviews: A Comparative Analysis. arXiv preprint. 2023. DOI: https://doi.org/10.48550/arXiv.2308.11520
Shu T., Wang Z., Lin L., Jia H., Zhou J. Customer Perceived Risk Measurement with NLP Method in Electric Vehicles Consumption Market: Empirical Study from China. Energies. 2022. Vol. 15. Р. 1637. DOI: https://doi.org/10.3390/en15051637
He Z., Zhou Y., Wang J., Shen W., Li W., Lu W. Influence of Emotion on Purchase Intention of Electric Vehicles: A Comparative Study of Consumers with Different Income Levels. Current Psychology. 2022. Vol. 42. Р. 21704–21719. DOI: https://doi.org/10.1007/s12144-022-03253-1
Jaiswal D., Deshmukh A. K., Thaichon P. Who Will Adopt Electric Vehicles? Segmenting and Exemplifying Potential Buyer Heterogeneity and Forthcoming Research. Journal of Retailing and Consumer Services. 2022. Vol. 67. Р. 102969. DOI: https://doi.org/10.1016/j.jretconser.2022.102969
Відомості про транспортні засоби та їх власників. URL: https://data.gov.ua/dataset/06779371-308f-42d7-895e-5a39833375f0
Автобазар // Auto.ria. URL: https://auto.ria.com/uk/
Автобазар // RST.ua. URL: https://rst.ua/ukr/
Відгуки // Automoto.ua. URL: https://automoto.ua/uk/auto-reviews
Відгуки // Auto.ria. URL: https://auto.ria.com/uk/reviews/elektro/