V Competitive intelligence jsou tzv. slabé signály klíčovým předmětem zájmu. Jedná se o známky přicházejícího trendu nebo změny. Zjištění budoucího trendu ještě předtím, než nastane, dává firmě ohromnou výhodu. Znalost slabého signálu je proto velmi cenná. V tomto článku posoudíme slabé signály a příležitosti na aktuálním českém trhu služeb nabízející sdílená auta, jež se běžně nazývá anglickým výrazem „carsharing“.

Článek obecně mapuje metody CI pro analýzu trhu z pohledu slabých signálů a příležitostí a následně provádí analýzu z otevřených zdrojů, která nastíní jak slabé signály, tak i příležitosti a nepokryté potřeby zákazníků na tomto trhu v Praze.

Nejprve je však nutné porozumět trhu a metodám, které se pro analýzu dají použít.

Stručný vývoj carsharingu

Sdílení motorových vozidel, nejčastěji aut, je ukázkovým příkladem fenoménu zvaného sdílená ekonomika. Carsharing nabízí výhody vlastnictví auta bez výdajů na koupi vlastního auta a s ním spojený servis, opravy, pojištění nebo parkovací stání (dTest, 2020).

Sdílení motorových vozidel se poprvé rozmohlo v Americe již v 90. letech minulého století a spolu v rozvojem mobilních aplikací si získává čím dál větší oblibu (dTest, 2020).

Carsharing začal v podobně autopůjčoven, kdy si klient musel půjčit a zase vrátit auto na jedno a totéž místo, nebo v pobočce autopůjčovny. V takovém případě bylo také zapotřebí dodržet stanovený čas zapůjčení podmíněný otevírací dobou pobočky. Uvedené skutečnosti jsou určitý limitující faktor, který je v dnešní době překonán mnohem praktičtějším řešením. V rámci definované zóny je možné zapůjčené auto zaparkovat téměř na jakékoli dostupné parkoviště. Toto usnadňuje i půjčování, protože auta jsou rozprostřena po městě (dTest, 2020).

Specifickou kategorií jsou peer-to-peer půjčovny, které umožňují lidem, kteří už auto vlastní, sdílet auto s jinými lidmi, když jej zrovna nevyužívají. Vztah mezi vlastníkem a nájemcem zajišťují subjekty, které chrání oba účastníky výpůjčky a řeší i spory mezi nimi. V Česku takovou službu provozovala společnost HoppyGo (dTest, 2020). V říjnu 2025 ale ukončila peer-to-peer carsharing ve prospěch jiných úspěšnějších modelů půjčování, které provozují, jako je například půjčování aut na další dobu na Slovensku (Nováková, 2025).

Mnohem častější je model, kdy flotilu aut vlastní přímo společnost a vytváří z nich síť aut umístěnou v nějakém městě. První takovou carsharingovou firmou v Česku byla společnost Autonapůl, která začala službu nabízet v roce 2003 (dTest, 2020).

Jednu z největších flotil má Car4way, jež v Praze vlastní přibližně 1300 vozidel a má integraci i v aplikaci PID Lítačka. To znatelně zlepšuje zákaznickou zkušenost. Díky tomu je např. možné přes plánovač cesty v PID Lítačka aplikaci kombinovat jízdu MHD s jízdou ve vypůjčeném autě (zdopravy.cz, 2024).

Mezi další uživatelsky přívětivé výhody, které některé služby poskytují, patří možnost zaparkovat v jinak vyhrazených placených zónách pro rezidenty (dTest, 2020).

Aktuální stav na trhu

Mezi největší carsharingové firmy na českém trhu aktuálně patří Car4Way, Anytime, Autonapůl a Bolt drive.

Posledních několik let byly v Česku kvůli vysoké inflaci a celkové ekonomické recesi spíše ve znamení šetření. To v kontextu doznívající celosvětové pandemie postihlo i některé carsharingové firmy, které musely opustit český trh. Příkladem je AJO carsharing, který v prosinci 2023 vstoupil do likvidace (Davidová, 2023).

Přesto v průzkumu ohledně sdílené ekonomiky z roku 2024 15 % respondentů uvedlo, že používá sdílené automobily, což je řadí jako druhou nejpoužívanější sdílenou službu hned po sdíleném ubytování, které používalo 17 % respondentů (Anytime carsharing, 2024). Popularita sdílených automobilů dlouhodobě roste, i když celospolečenský trend byl do roku 2023 spíše šetřit (Nová večerní Praha, 2024).

Trend šetření se v minulých letech projevil v délce jízd, kdy například u jedné služby v roce 2023 meziročně klesla průměrně ujetá vzdálenost na jednu zápůjčku o 60 km (Nová večerní Praha, 2024).

Nedostatkem aktuální infrastruktury jsou dobíjecí stanice pro elektrické vozy, jejichž počet je nedostatečný pro větší zavedení takových vozidel mezi sdílená auta. V roce 2018 byla veřejná zakázka na instalaci 150 dobíjecích stanic, které představují 300 dobíjecích bodů. Tento počet je podle expertů nedostatečný, ve srovnání se zahraničními městy. Například v německém městě Rüsselsheimem, jež je mnohem menší než Praha, velikostně srovnatelné s Mostem nebo Opavou, bylo již v roce 2018 známo, že tam vznikne 1300 dobíjecích stanic (Srb, 2018).

K popularitě carsharingu přispívá i neustále se zvyšující pořizovací cena nových vozů.

Co to jsou slabé signály?

Koncept slabých signálů poprvé použil Igor Ansoff v roce 1975. Slabé signály jsou první indikace změny na trhu. Jedná se o novou myšlenku, koncept nebo nepatrný trend, který se na trhu objeví a předznamenává možnou blížící se změnu, která má potenciál ovlivnit firmu, která na daném trhu působí (El Akrouchi et al., 2020).

Slabé signály jsou vždy slabě zmiňované a nové koncepty, jsou vždy v datech méněkrát zastoupeny než silné a často zmiňované koncepty.

Slabé signály je obtížné identifikovat, protože se často neukazují ve statistikách. Například testování nové technologie startupy může předznamenávat změnu, který se projeví až za několik let. Růst zájmu o nějaký typ produktů může mít za několik let velké konsekvence.

Metody analýzy slabých signálů a příležitostí na trhu

Níže jsou zevrubně popsány různé metody pro analýzu slabých signálů a příležitostí nejen na trhu carsharingových služeb, ale zde popsané metody lze použít na jakýkoli obdobný segment trhu. V druhé podkapitole jsou popsané vybrané metody, které autor použil v praktické části této práce.

CI metody

Metody CI spočívají na analýze konkurenčních služeb a také na sledování externího prostředí definované modelem PEST. Následující text může sloužit jako obecné shrnutí možných způsobů analýzy pro další práce zabývající se CI analýzou. Tato práce v praktické části nebude provádět všechny metody v této podkapitole.

Analýza slabých signálů bývá složitá. Pro svou nízkou intenzitu se v běžných big data analýzách často ztrácejí mezi ostatními daty a neuvidíme je při použití běžných statistických metod, které bez kontextu mohou označit slabé signály za statisticky nevýznamnou odchylku (Adil & Abdelhadi, 2021).

Textová analýza recenzí a online diskusí

Při hledání slabých signálů se neobejdeme bez monitoringu toho, co o daném segmentu píší koncoví zákazníci, a to jak uživatelské recenze, tak i například příspěvky na některém blogu na dané téma. Textová data lze analyzovat pomocí metod text mining, nebo alternativně použitím generativní umělé inteligence, která rozumí nestrukturovaným dokumentům. Generativní AI však může poskytnout pouze kvalitativní, nikoli kvantitativní data, na rozdíl ob běžných metod text mining, jak bude popsáno dále.

Interpretace jakýchkoli výsledků analýz dolování z textu vyžaduje doménové experty, kteří mohou na základě svých znalostí a kontextu posoudit relevanci „odchylek“ a zda se jedná o slabé signály (Adil & Abdelhadi, 2021).

Uživatelské recenze lze hledat podle toho, o jaký segment se jedná. Lze je najít na internetových obchodech s aplikacemi, jako je Google Play pro android a App Store pro iOS zařízení, na internetových mapách, na webu firmy.cz, nebo přímo na stránkách dané firmy, pokud se jedná například e-commerce.

Pro scraping recenzí lze využít online nástroje, například SentimentLifter, Kimola, Appbot nebo Bardeen. Je možné použít i open-source nástroje, jako je například Google-Play-Store-Review-Extractor, jež je nástroj pro příkazový řádek a je zmíněn v kapitole 2.3 CI metody použité v této práci. Pro stažení recenzí v programovém kódu existuje python knihovna gplay-scraper nebo google-play-scraper.

Proces sémantické analýzy

Mezi populární metody dolování slabých signálů z velkých objemů textových dat patří sémantická analýza. Cílem je shromáždit co nejvíce textu ohledně dění v daném segmentu trhu, který je relevantní pro daný business. Mohou to být vědecké články, nové patenty, příspěvky na webových stránkách nebo na sociálních sítích firem. Spolu s textem se zaznamenávají i metadata, nejdůležitější je datum publikace, aby šlo podle datumů filtrovat (Adil & Abdelhadi, 2021).

Po shromáždění a očištění dat se z dat odstraní často vyskytovaná slova nebo fráze, která přesáhnout námi určený práh, například 200 výskytů. Tento krok eliminuje velké trendy a běžně zmiňované fráze, které v této analýze chceme odfiltrovat, protože nám jde jen o slabé signály (Adil & Abdelhadi, 2021).

Dalším krokem je použití algoritmu, který vytvoří ze slov shluky podle jejich sémantiky. Pro lepší výsledky se shlukování provádí několikrát za pomocí různých shlukovačích algoritmů pro nalezení shody ohledně optimálních shluků. Výsledkem jsou shluky sémanticky souvisejících termínů, které jsou kandidáty na slabé signály (Adil & Abdelhadi, 2021).

Následně se shluky ohodnotí podle vývoje výskytů jednotlivých termínů v čase. Klastr s vysokým celkovým součtem hodnocení signalizuje, že téma má potenciál být budoucím trendem (Adil & Abdelhadi, 2021).

Socioekonomický kontext

Slabé signály můžeme vyvodit i ze socioekonomického stavu společnost. Lze analyzovat průzkumy veřejného mínění, celospolečenské trendy, ekonomické dopady či dění ve společnosti.

Patentové databáze jsou také užitečné, zejména pro technologické slabé signály.

Legislativní kontext

Změny zákonů nebo jen jejich návrhy mohou ovlivnit budoucí stav na trhu. Politické dění tedy může obsahovat spoustu slabých signálů. Je vhodné sledovat jak národní, tak mezinárodní politickou situaci, včetně nových nařízení a směrnic EU.

CI metody použité v této práci

Hlavním zdrojem analýzy carsharingových služeb byly recenze aplikací na Google play a App Store.

Byl použit nástroj Bardeen.ai, který byl nastaven, aby analyzoval recenze pro aplikace služeb Car4Way a Anytime carsharing. Nástroj umožnil i stažení full textu recenzí do CSV tabulky. Pro stažení většího počtu recenzí však tento nástroj vyžaduje zakoupení předplatného, proto bylo pro získání textů recenzí dále využito open-source řešení.

Byl využit open-source nástroj Google-Play-Store-Review-Extractor dostupný na GitHub (amrrs, 2016/2025)

Instalace knihovny: pip install google-play-scraper

Stažení programu: git clone https://github.com/amrrs/Google-Play-Store-Review-Extractor.git

Použití v příkazové řádce: python reviews_extraction.py cz.anytime.mobile.android --count 2000 --country cz

Parametry count a country byly omezeny počty výsledků (recenzí) na maximálně 2000 a jen z Česka. Výsledkem je CSV soubor s recenzemi a metadaty umístěný v kořenové složce programu, kam byl příkazem git clone umístěn.

Získání dostatečného množství full text recenzí dále umožnilo použit model Gemini 3 Pro od Google, kterému byly texty recenzí předány spolu s promptem pro extrakci opakujících se problémů a návrhů na slabé signály. Kategorizace od generativní AI byla provedena pro každou carsharingovou službu zvlášť a do výsledků analýzy byly vybrány pouze problémy, které mají společné.

Výsledky analýzy a rešerše

Analýza recenzí

Na základě analýzy recenzí z Google Play a App Store vybraných velkých hráčů na poli carsharingu v Česku se jako největší nedostatek objevily tyto témata, která se opakovala napříč poskytovateli, což naznačuje nedostatky celkově na pražském carsharingovém trhu:

• Technické problémy s aplikací.
• Nutnost vysoké zálohy (zejména pro uživatele bez českého občanství)
• Složitý ceník (očividně dělaný tak, aby zákazník zaplatil víc, než by měl)

Častý případ, který v recenzích uživatelé zmiňovali v rámci technických problémů s aplikací, je problematické dokončení jízdy v případě, kdy se aplikace zasekne na konci jízdy a uživatel tak nemůže jízdu ukončit. Uživatelé jsou tudíž účtováni i za čas, kdy se snaží aplikaci opět zprovoznit.

Dalším identifikovaným problémem byl nevstřícný uživatelský zážitek pro cizince. Společnosti při založení účtu požadují i několikatisícový počáteční vklad, což je nepraktické pro turisty, kteří chtějí službu využít jen jednou. V aplikaci Anytime se objevil i problém, kdy při registraci vyžaduje zaslání verifikační SMS, která ale zdánlivě nefunguje pro zahraniční čísla, recenze se konkrétně zmiňují například o číslech z Německa, Litvy nebo Polska.

Tyto stejné problémy cizinců se našly i v diskuzích na sociální síti Reddit.

Socioekonomický kontext

Vývoj společnosti také nahrává carsharingu. Sdílená ekonomika je ve společnosti stále více normalizovaná a lidem nevadí sdílet věci s druhými. Podporuje to i stoupající zájem o udržitelnost, a to zejména mladší generace.

Podle průzkumu KPMG 40 % Čechů nemá ke svému autu žádný citový vztah, jež představuje poměrně vysoké číslo vzhledem k tomu, že auto je jedna z nejhodnotnějších movitých věcí, které běžně lidi vlastní. Průzkum dále ukázal, že 60 % Čechů by bylo ochotno sdílet své auto za peníze. Důležitost argumentů pro pořízení vlastního auta, jako je požitek jízdy ve vlastním voze nebo demonstrovat své společenské postavení, jsou čím dál nižší (Pokorný, 2019).

Carsharing se rozvíjel a zůstal i v době pandemie a vysoké inflace, kde lidé měli tendenci více šetřit. To je důležitý makroekonomický signál, který ukazuje na odolnost a stabilitu trhu vůči přechodným ekonomickým poklesům (Boháč, 2023).

Demografický posun

Data od České asociace carsharingu ukazují na významný demografický posun. V proběhu posledních několika let začali tyto služby využívat i lidé ve věkové kategorii 40 až 60 let, a to z důvodu úspor. To rozbijí předpoklad, že carsharing je pouze pro mladou a digitálně zdatnou generaci.

Důležitost tomuto slabému signálu můžeme přisuzovat, protože předvídá vstup daleko bonitnější skupiny obyvatel a také naznačuje, že se carsharing rozrůstá od mladé generace a „early adopters“ do ostatních demografických segmentů.

Závěr

Práce nastínila několik zdrojů pro slabé signály. Nemusí se jednat nutně jen o analýzu textu, ale bohatým zdrojem slabých signálů je i společenské dění a celkový kontext z oblastí, jako je demografický vývoj a socioekonomická situace, který daný trh ovlivňuje, i když nepřímo.

Analýza potvrzuje, že carsharing v České republice překonal fázi rané adopce a stává se integrální součástí městské mobility. Toto tvrzení lze doložit tím, že popularita carsharingu roste a byl hojně využíván i v době, kdy společnost měla z ekonomických důvodů tendenci šetřit.

Z analýzy lokálních recenzí napříč poskytovateli vyplynuly základní nedostatky, které jsou příležitostmi pro inovace na místním trhu se službami carsharingu. Nedostatky zahrnují technické problémy s aplikací, nevstřícnost pro zahraniční turisty, nutnost platit zálohy a složitý ceník, jež souvisí i s vnímanými nefér praktikami společností, jež nutí zákazníky zaplatit více než předpokládali.

Slabé signály byly identifikovány spíše pohledem na socioekonomický a demografický kontext. Mladší generace jsou pozitivně nakloněné sdílené ekonomice, ale jak ukázaly data od České asociace carsharingu, tyto služby začala ve značné míře využívat i starší generace 40-60 let. Na základě dlouhodobých trendů je pravděpodobné, že trh se sdílenými auty bude nadále růst.

Firmám působícím na tomto trhu je doporučeno sledovat slabé signály pomocí metod, které byly nastíněny v tomto článku. Pokud je vezmeme na vědomí, můžeme lépe posoudit příležitosti k diferenciaci produktu. I malá změna v nastavení produktu nebo marketingová komunikace zmiňující správné témata může znatelně zvýšit počet zákazníků, protože na tomto trhu je bariéra pro přechod od jednoho poskytovatele k druhému velmi nízká. To také otevírá možnou diskuzi o tom, jak a pomocí jakých technik si zákazníky lépe udržet.

Zdroje

Adil, B., & Abdelhadi, F. (2021). A Framework for Weak Signal Detection in Competitive Intelligence using Semantic Clustering Algorithms. International Journal of Advanced Computer Science and Applications, 12(12). https://doi.org/10.14569/IJACSA.2021.0121271

amrrs. (2025). Amrrs/Google-Play-Store-Review-Extractor [Python]. https://github.com/amrrs/Google-Play-Store-Review-Extractor (Original work published 2016)

Anytime carsharing. (2024). Češi nejvíce využívají sdílených služeb ubytování (17 %), hned potom aut (15 %). Za poslední dva roky zažily největší nárůst sdílené automobily, říká aktuální průzkum Anytime | ASPEN.PR. https://pressroom.aspen.pr/anytime-carsharing/tiskove-zpravy/cesi-nejvice-vyuzivaji-sdilenych-sluzeb-ubytovani-17-hned-potom-aut-15-za-posledni-dva-roky-zazily-nejvetsi-narust-sdilene-automobily-rika-aktualni-pruzkum-anytime

Boháč, J. (2023). Český carsharing se veze na vlně růstu. Firmy hlásí rekordní počet uživatelů, přes léto se zvýšila i délka výpůjček. Euro.cz. https://www.euro.cz/clanky/cesky-carsharing-je-na-vzestupu-firmy-hlasi-rekordni-pocet-uzivatelu-pres-leto-narostla-i-delka-vypujcek/

Davidová, V. (2023, November 28). Končí AJO Carsharing. Společnost oznámila vstup do likvidace. Forbes. https://forbes.cz/konci-ajo-carsharing-spolecnost-oznamila-vstup-do-likvidace/

dTest. (2020). Carsharing – srovnání moderních autopůjčoven. dTest. https://www.dtest.cz/clanek-8146/carsharing-srovnani-modernich-autopujcoven

El Akrouchi, M., Benbrahim, H., & Kassou, I. (2020). Early Warning Signs Detection in Competitive Intelligence. ResearchGate. https://www.researchgate.net/publication/277774006_Early_Warning_Signs_Detection_in_Competitive_Intelligence

Nová večerní Praha. (2024, February 8). Carsharing jede. Češi šetří, ale auta si půjčují dál. Nová Večerní Praha. https://www.vecerni-praha.cz/carsharing-jede-cesi-setri-ale-auta-si-pujcuji-dal/

Nováková, V. (2025, September 1). HoppyGo končí s peer-to-peer sdílením aut. | Blog HoppyGo. https://blog.hoppygo.com/hoppygo-konci-s-peer-to-peer-sdilenim-aut/

Pokorný, M. (2019). Průzkum: Více než 40 % lidí už k autu necítí žádnou emoční vazbu. https://techfocus.cz//1358-pruzkum-vice-nez-40-lidi-uz-k-autu-neciti-zadnou-emocni-vazbu.html

Srb, L. (2018, December 20). Jaké dobíjecí stanice vzniknou pro pražský e-carsharing? Elektrickevozy.cz. https://elektrickevozy.cz/clanky/jake-dobijeci-stanice-vzniknou-pro-prazsky-e-carsharing

zdopravy.cz. (2024, January 30). Carsharing se stává integrální součástí cestování po Praze. Zdopravy.cz. https://zdopravy.cz/carsharing-se-stava-integralni-soucasti-cestovani-po-praze-192693/