Разбор калифорнийского исследования про лояльность владельцев EV

Несколько месяцев назад в СМИ нашумела работа группы из Университета Калифорнии Discontinuance among California’s electric vehicle buyers: Why are some consumers abandoning their electric vehicles?, целью которой было изучение причин, по которым владельцы “чистых” автомобилей (на батареях - BEV, водородных топливных ячейках - FCEV и подключаемые гибриды - PHEV) от них отказываются и возвращаются обратно к “грязным” ДВС.

Для получения этой информации было опрошено почти 5 тыс владельцев автомобилей в Калифорнии о сроках владения автомобилем, демографических данных, наличии зарядного устройства дома, дальних поездках и т.п. Опрошенные владельцы приобрели автомобили с 2013 по 2018 годы; опрос проводился в 2019 году.

В процессе работы с данными в числе прочего была получена интересная цифра: около 21% владельцев “новых” автомобилей возвращаются к “старым” ДВС. Эта цифра меня несколько удивила, так как мой личный опыт общения с "электроводами" говорит об обратном: редкий водитель согласится покупать ДВС после езды на электричке, так что давайте разберемся, что же на самом деле говорят исходные данные работы (они свободно доступны).

import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt
sns.set(style="darkgrid")

data = pd.read_excel("Discontinaunce_of_PEVs_in_California_Data_2021.03.01.xlsx")

По сменившим авто водителям

Один из ключевых моментов работы - тот факт, что исследователей интересовали только владельцы, которые уже поменяли свой автомобиль на новый, таким образом, проголосовав “за” или “против” электричек кошельком, так что давайте отбросим данные владельцев, которые продолжают пользоваться старым автомобилем.

changed = data[data["[s] Discontinuance (inc. purchased lease) 2"] != "Original"]
changed["Continued"] = changed["[s] Discontinuance (inc. purchased lease) 2"].map(lambda c: c == "Continued" and 1 or 0)

fig = sns.histplot(changed[changed["Continued"] == 1]["[s] Electric driving range"], color="g")
fig = sns.histplot(changed[changed["Continued"] == 0]["[s] Electric driving range"], color="r")
plt.show()

phevs = changed[changed["oldcartype. {TOKEN:ATTRIBUTE_2} 2"] == "PHEV"]
len(phevs[phevs["Continued"] == 0]) / len(phevs)

0.2165206508135169

evs = changed[changed["oldcartype. {TOKEN:ATTRIBUTE_2} 2"] == "BEV"]
compliance = evs[evs["[s] Electric driving range"] < 150]
len(compliance[compliance["Continued"] == 0]) / len(compliance)

0.22209944751381216

fcevs = changed[changed["oldcartype. {TOKEN:ATTRIBUTE_2} 2"].isnull()]
len(fcevs[fcevs["Continued"] == 0]) / len(fcevs)

0.6097560975609756

teslas = evs[evs["[s] Electric driving range"] >= 150]
len(teslas[teslas["Continued"] == 0]) / len(teslas)

0.09852216748768473

len(changed[changed["Continued"] == 0]) / len(changed)

0.21498204207285787

И логичным образом, в выводах исследователей “лояльность” тут коррелирует с наличием зарядки дома, частотой длительных поездок и т.п.

По всем водителям

А теперь - представим, что нам не нужно выяснять причины “лояльности”, а лишь понять, насколько владельцы автомобилей “нового поколения” ими довольны. Для этого возьмем все данные, включая тех водителей, кто продолжает ездить на своем старом автомобиле (если бы они были им недовольны - они бы его сменили).

data["Continued"] = data["[s] Discontinuance (inc. purchased lease) 2"].map(lambda c: c in ["Continued", "Original"] and 1 or 0)

fig = sns.histplot(data[data["Continued"] == 1]["[s] Electric driving range"], color="g")
fig = sns.histplot(data[data["Continued"] == 0]["[s] Electric driving range"], color="r")
plt.show()

phevs = data[data["oldcartype. {TOKEN:ATTRIBUTE_2} 2"] == "PHEV"]
len(phevs[phevs["Continued"] == 0]) / len(phevs)

0.0857709469509172

evs = data[data["oldcartype. {TOKEN:ATTRIBUTE_2} 2"] == "BEV"]
compliance = evs[evs["[s] Electric driving range"] < 150]
len(compliance[compliance["Continued"] == 0]) / len(compliance)

0.14105263157894737

fcevs = data[data["oldcartype. {TOKEN:ATTRIBUTE_2} 2"].isnull()]
len(fcevs[fcevs["Continued"] == 0]) / len(fcevs)

0.15432098765432098

teslas = evs[evs["[s] Electric driving range"] >= 150]
len(teslas[teslas["Continued"] == 0]) / len(teslas)

0.016260162601626018

len(data[data["Continued"] == 0]) / len(data)

0.08665977249224405

Итак, по исходной методике имеем:

• FCEV: 60.9% “отказников”

• BEV с малым запасом хода: 22.2%

• PHEV: 21.6%

• BEV с достаточным запасом хода: 9.8%

• Итого: 21.5%

По всем водителям:

• FCEV: 15.4% “отказников”

• BEV с малым запасом хода: 14.1%

• PHEV: 8.5%

• BEV с достаточным запасом хода: 1.6%

• Итого: 8.7%

Вывод

Если считать статистику по всем водителям, что логичнее для оценки уровня лояльности, получаем 8.7% “отказников”, что уже более чем вдвое ниже распиаренной цифры в 21%.

Причем, бОльшая их часть -

• FCEV, инфраструктура для которых даже в Калифорнии до сих пор в зачаточном состоянии, а в соседних штатах - вовсе отсутствует

• Compliance cars, которые изначально создавались не для массовых продаж и масштабной конкуренции с ДВС

• PHEV, которые часто покупаются как ДВС, без каких-либо изменений в паттернах использования, исключительно ради полагающихся субсидий штата (благодаря которым PHEV может оказаться дешевле “обычного” гибрида)

Среди же всех владельцев BEV с приемлемым запасом хода (от 150 миль, 241 км) отказались от электротяги всего 1.6% владельцев.

В общем, busted.