Consumer Heterogeneity in the Potential Early Mainstream Market for Plug-in Electric Vehicles
Notice bibliographique
Résumé
The authors characterize consumer heterogeneity in the potential early market for plug-in electric vehicles (PEVs)—including plug-in hybrids (PHEVs) and pure electric vehicles (EVs). The authors apply and compare two approaches, constructing consumer segments based on PEV preferences, and on lifestyle. Survey data were collected from 1,754 new vehicle buying households in Canada in 2013. The survey instrument collected extensive background information from each respondent, and PEV interest was elicited through a PEV stated choice experiment and a design space exercise. First, preference-based segments were constructed using latent-class analysis of the choice experiment data. The authors identified a smaller segment of “PEV-enthusiasts” respondents (8% of sample) with extremely high valuation of PHEVs and EVs, little interests in fuel cost savings, and high engagement in technology and environmental lifestyles. A broader segment of “PHEV-oriented” respondents (25%) expresses more moderate positive valuation of PHEVs, tends to engage in an environment-oriented lifestyle and also value fuel cost savings. Second, lifestyle-based segments were constructed using cluster analysis on a subset of potential early PEV buyers (33%). The six clusters varied in engagement in environment- and technology-oriented lifestyles, environmental concern and openness to change. PHEVs were most positively valued across all six segments, though apparent motivations varied substantially. Results suggest that PHEVs are the most likely PEV to have broad market appeal, but potential buyers can vary substantially in their valuations of fuel savings, environmental concern, and lifestyle.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,008 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».