汽车产品聚类 · 竞品分析报告

赛题：天池【教学赛】数据分析达人赛3《汽车产品聚类分析》

样本 205 款车26 字段KMeans K=12竞品识别

数据：car_price.csv（源自 UCI Automobile 数据集，1985 年车型）

1. 赛题任务与分析方法

以竞品分析为背景，对汽车产品做聚类分群、构建产品画像，并为大众（Volkswagen）找出竞品车型，为产品定位提供数据决策。本方案不是"同簇即竞品"的粗筛，而是用特征空间欧氏距离排序给出精确的竞争强度排名。

205车型样本

23聚类特征维

12产品簇 (K)

0.345轮廓系数

分析流程：数据体检 → 品牌拼写清洗 → 特征工程(去共线性+one-hot) → 选K(肘部+轮廓) → KMeans聚类 → PCA可视化 → 距离法竞品识别

2. 数据体检与品牌清洗

原始数据 205 行 × 26 列，无缺失、无重复。但 CarName 字段存在 6 处品牌拼写错误——这是赛题埋的坑，若不清洗会让同一品牌被拆成多个：

maxda → mazda、toyouta → toyota、porcshce → porsche、vokswagen / vw → volkswagen、Nissan → nissan
清洗后品牌数 22 个，大众共 12 款车被正确归并到 volkswagen。

业务含义：数据质量决定结论可信度。品牌名错写会直接污染"代表品牌""簇构成"等所有下游分析，必须先治理。

3. 特征工程：去共线性 + 类别编码

初选 14 个数值特征，检测到多组强相关（|r|>0.85）：

高相关对	相关系数	处理
wheelbase / carlength	0.87	三选一，留 carwidth
carlength / curbweight	0.88	留 curbweight
curbweight / enginesize	0.85	两者皆留（信息不同）
enginesize / price	0.87	两者皆留
citympg / highwaympg	0.97	二选一，留 highwaympg

最终保留 9 个数值特征，并对 5 个影响产品定位的关键类别特征（fueltype / aspiration / carbody / drivewheel / enginelocation）做 one-hot，得到 23 维特征矩阵，再用 StandardScaler 标准化消除量纲。

4. 选 K：肘部法则 + 轮廓系数

扫描 K=2~12：惯性（inertia）在 K=5 附近明显拐弯；轮廓系数在 K=12 时达到最优 0.345，且此时每个簇都有清晰的商业定位。综合"统计指标 + 业务可解释性"，选定 K=12。

5. 聚类结果：12 簇产品分层

簇	数量	均价($)	马力	主流车身	代表品牌	定位解读
4	40	7,630	75	hatchback	丰田/本田/马自达	经济代步两厢
0	46	9,193	85	sedan	日产/丰田/本田	主流经济轿车
8	10	10,173	62	sedan	大众/丰田/马自达	超经济节能轿车
7	12	9,997	89	wagon	日产/斯巴鲁/奥迪	实用旅行车
10	4	9,384	104	hardtop	丰田/日产	硬顶运动经济
9	9	11,088	95	wagon	斯巴鲁/奥迪/丰田	四驱跨界旅行
2	35	15,538	122	sedan	丰田/沃尔沃/宝马	中端家用/安全
6	21	14,912	140	hatchback	三菱/沃尔沃/道奇	中端性能两厢
11	5	18,863	117	convertible	阿尔法/别克	敞篷个性车
3	10	21,503	107	sedan	标致/别克/沃尔沃	中高端行政
1	10	36,470	197	sedan	宝马/捷豹/别克	豪华性能行政
5	3	34,528	207	hardtop	保时捷	跑车(独成一簇)

结构洞察：价格梯度（$7.6k→$36.5k）与车身形式共同决定市场分层。聚类自动还原了"经济→中端→豪华→跑车"定位阶梯，保时捷 3 款车独成一簇，是分群有效性的天然佐证。

6. 大众竞品识别（核心结论）

大众 12 款车集中在簇 0（主流经济轿车）和簇 8（超经济节能轿车），均价 $7.8k–13.8k、马力 52–110。以大众 12 款车在 23 维特征空间的簇中心为基准，对所有非大众车型计算欧氏距离并升序排序，得到 Top12 竞品：

竞品车型	品牌	价格($)	马力	高速油耗(mpg)
honda civic (auto)	本田	10,345	100	31
audi 100 ls	奥迪	13,950	102	30
nissan nv200	日产	9,549	97	34
toyota mark ii	丰田	9,258	70	34
nissan latio	日产	7,499	69	37
nissan leaf	日产	7,299	69	37
mitsubishi pajero	三菱	8,189	88	32
toyota mark ii	丰田	6,938	70	37
mitsubishi montero	三菱	6,989	88	32
nissan rogue	日产	6,649	69	37
mazda glc deluxe	马自达	7,395	68	38

竞品分析结论

直接竞品是日系经济型轿车：本田 Civic、丰田 Mark II、日产 Sunny 级、马自达 GLC——同价位、同三厢形态、油耗接近，正面竞争。
奥迪 100 LS 入选：大众 rabbit custom($13,845) 价格上探后与奥迪入门款重叠，同集团跨品牌内部竞争被数据捕捉到。
差异化护城河在"超经济节能"（簇 8：高速 41+ mpg、马力仅 52–68 的柴油/小排量线），独立成簇，与日系拉开身位。
产品线跨簇是大众战略特征：从 $7.8k rabbit 到 $13.8k rabbit custom 横跨三簇（多价位多产品线），而日系竞品多为单一价位精准卡位。

7. 简历表达（一段式）

对 205 款车型 26 维数据完成品牌拼写清洗、共线性特征筛选与 one-hot 编码，构建 23 维特征矩阵；以肘部法则+轮廓系数确定 KMeans K=12，聚出"经济→中端→豪华→跑车"四级产品分层（保时捷独成一簇验证分群有效性）；在特征空间计算大众簇中心欧氏距离，识别出本田 Civic、丰田 Mark II、奥迪 100LS 等 12 款竞品车型，并产出"超经济节能差异化 + 多价位产品线"的竞争策略结论。

8. 面试追问预判

为什么 K=12？ 轮廓系数最优 + 每簇商业可解释（保时捷独簇佐证）。
为什么不用 RFM？ 这是产品聚类不是用户聚类，特征选产品物理属性+价格，方法论同源但特征体系按业务重设计。
竞品为什么用距离而不是同簇？ 同簇是粗筛，距离排序给出竞争强度排名，且能捕捉跨簇价格上探竞品（奥迪 100LS）。