用Python数据分析来辅助汽车选购决策（雷凌vs卡罗拉）（持续更新ing）

注：随Python技能更新，此分析报告也持续更新。

一、数据说明

（一）数据来源
数据来源于汽车之家网站雷凌及卡罗拉两个车型口碑频道中车主对车辆从各维度的文字点评，每篇口碑的字数平均在500-2000字。

（二）数据分布
雷凌车型口碑有效样本340个；卡罗拉车型口碑有效样本405个

【说明】
截止2019.4.3，下述分析仅根据数据前期处理过程得到的基础信息做初步分析，其他更深入的分析，容后再续。
例如，作为一个品牌车型，是应该把短板（例如内饰、舒适性）补足以争取更多边缘摇摆用户，还是应该在保持短板不再继续短下去的基础上，将优势（空间）再深入挖掘提升，打造一个车型品牌优势高地（即，让客户奔着“空间”而来，占领客户“买空间送车”心智。两种战术，适用于不同的品牌定位。如果定位“中庸”“全能”，那就补短板；如果定位“空间惊艳”“外观惊艳”，那就把本来有的外观和空间优势，继续提升并加以广泛营销造势。
又例如，仅根据汽车之家一个平台，仅根据几百个数据样本，仅根据其中八个关键因素的最低评分来确定哪个因素受欢迎哪个因素不受欢迎，其实是有点片面的。本人浅见，应析出更多数据结果加以辅助，类似于模型评估的作用，当大部分数据结果都指向同一个分析结论的时候，那就说明这个分析结论可靠性比较高了。

二、【卡罗拉vs雷凌】

（一）概述
1、各地区裸车价格对比
先看看裸车价的分布：
卡罗拉裸车价分布主要集中在11-12.8万，14.5-15.3万，对应两个价位区间的车型及客户群体。
2、来看看卡罗拉各车型的市场占有率。
首先，说明在卡罗拉的三款车型里，2018款 1.2T S-CVT GL智享版市场占有率最高，占到了四成以上，大众青睐；其次，另外两款市场占有率不相上下。

3、卡罗拉购买最多的18个城市

西安购买量远高于其他城市。
广州未上榜，与认知中的“日系车在南方接受度高于北方”不大一致。如需严谨还需返回去检查数据分析过程是否有疏漏。

4、卡罗拉购买最多的18个城市

哈尔滨销售的裸车，价格较为集中。

北京、沈阳、濮阳、青岛、昌吉销售的裸车，则价格较为分散。其中北京和昌吉高价位裸车销售数量较多，而沈阳、青岛则低价位裸车销售数量较多，濮阳高中低各价位数量较为平均。

（二）产品总体评价对比
（1）各关键因素口碑指数对比：功能、动力、空间等
可用聚类热图，也可用条形图

可通过标准差分析用户对各个关键因素的评价波动范围 describe
卡罗拉：用户对空间评价标准差最低，且平均得分最高，有4.81，说明卡罗拉在空间方面，赢得广大用户一致认可；而用户对内饰评价标准差较大，且平均得分最低，仅有4.12，说明卡罗拉在内饰方面拖了后腿，内饰没能赢得广大用户的相对好评。另外，从单个用户评价最低分来看，空间最低分是2，有xx个用户评了2分；而其他几个因素（动力、操控、油耗、舒适性、内饰、性价比等）最低分是1，有xx个用户评了1分，可见卡罗拉在空间方面较佳，而在动力、操控、油耗、舒适性、内饰、性价比等方面还有待改进。
结论最明显的是：如果卡罗拉首先在内饰方面做改进（例如设计得更加美观），其次在舒适性方面做改进（例如座椅更符合人体工程学），可赢得更多用户的心。
雷凌：性价比、空间、外观依次平均得分最高，为用户最赞赏的三个关键因素，且标准差在9个关键因素中最低，说明用户对这三个因素一致好评，没有太大波动。而平均得分最低的则依次是内饰和舒适性。
雷凌的内饰和舒适性这两个关键因素，与卡罗拉这两个因素在用户心目中的地位比较一致，都属于拖后腿系列。初步推论：如果两个车型都想进一步抓住用户的心，在车型战略定位无变化的情况下，可尝试酌情补内饰和舒适性这两个短板。对比卡罗拉的弱势因素外观，雷凌的外观反而是优势。空间，则是二者共有的优势因素。
仅根据以上这些信息，有些消费者已经能做出初步购买决策了。更看重外观或者更看重性价比的消费者，选择雷凌；更看重空间的消费者，选择卡罗拉。不能接受内饰太差的，选雷凌；不能接受舒适性太差的，选卡罗拉。
…
--------------------------------------------------------------------------------
卡罗拉均值和标准差等描述性指标（下表）

-------------------------------------------------------------------------------------
雷凌均值和标准差等描述性指标（下表）

产品好评分析&产品抱怨分析

（三）产品好评抱怨分析
云图可视化展示，条形图top10细项展示

（四）配置需求
用户抱怨的缺失配置TOP10

（五）购车用途分析
卡罗拉vs雷凌
卡罗拉：接送小孩和购物远超其他用户，尤其接送小孩是最多客户考虑的最多用途。其次才到自驾游，然后是上下班、长途、泡妞，最后有商务、拉货。

雷凌：用户购车目的，和卡罗拉是惊人的相似。。。果然是两兄弟。。连各目的用途的排序和大小程度都惊人的一致。。。不过倒发现一丝轻微的变化，就是“上下班”，雷凌用于上下班的用户，稍微比卡罗拉多一些，是不是因为雷凌长得帅一些呢？或许不是，纯粹偶然。又或许是。

（六）购车关键因素
购车关键因素分析–Top10因素

附上数据分析的技术实现过程：博主另外一篇博文，也可以在博客主页找到
——《【Python】Decision on buying cars COROLLA or LEVIN（数据分析技术实现过程之·1数据清洗）》 https://blog.csdn.net/weixin_44216391/article/details/88955170
——《【Python】Decision on buying cars COROLLA or LEVIN（数据分析技术实现过程之·2 data_analysis）》
https://blog.csdn.net/weixin_44216391/article/details/89007763

最后感谢此文档，初步思路来源于此。 https://blog.csdn.net/weixin_43146218/article/details/86503312

用Python数据分析来辅助汽车选购决策（雷凌vs卡罗拉）（持续更新ing）相关推荐

Python~NumPy模块一站式教程，稳稳拿捏（持续更新ing）
一.Numpy模块基础 1. 介绍 NumPy的核心是多维数组类numpy.ndarray,矩阵类numpy.matrix是多位数组类的派生类.以多位数组类为数据组织结构,Numpy提供了众多的数学 ...
Python连接Greenplum及常用gp函数和方法（持续更新）
前言了解postgresql Python连接gp 记录postgresql一些函数和方法(持续更新) ①:int类型时间转time类型时间 ②:合并两列值 ③:取最近N个月数据 ④:按指定字符串或 ...
汽车环境感知技术详解【持续更新ing 】— 超声波传感器原理及应用
专栏解读: 本专栏针对自动驾驶技术(智能网联汽车技术)中的感知技术进行详细介绍. 包含: 汽车感知技术概念多传感器融合原理各传感器原理及应用(超声波,毫米波,激光雷达,视觉传感器,全球定位系统) ...
汽车环境感知技术详解【持续更新ing 】— 传感器概述与基本特性
专栏解读: 本专栏针对自动驾驶技术(智能网联汽车技术)中的感知技术进行详细介绍. 包含: 汽车感知技术概念多传感器融合原理各传感器原理及应用(超声波,毫米波,激光雷达,视觉传感器,全球定位系统) ...
汽车环境感知技术详解【持续更新ing 】— 激光雷达原理及应用
专栏解读: 本专栏针对自动驾驶技术(智能网联汽车技术)中的感知技术进行详细介绍. 包含: 汽车感知技术概念多传感器融合原理各传感器原理及应用(超声波,毫米波,激光雷达,视觉传感器,全球定位系统) ...
西门子SICAR、大众VASS、沃尔沃VCS、通用汽车CCRW，细数汽车行业电气控制标准（持续更新）
说到自动化标准,汽车行业无疑走在了众多行业的前面,比如西门子的SICAR: TIA Portal下的虚拟调试与SICAR解读:标准的进阶之旅与案例分析通用汽车公司的CCRW: 基于TIA Port ...
【基于Python】 - 人工智能机器学习深度学习数据分析 - 常见问题，常用的套路与操作（持续更新）
20200221: 1.做分类问题的时候,给定你标签,你想知道每一类标签的出现频数,可以使用这个函数:np.bincount(). 如果想分析一下数据样本是否均衡的时候,可以考虑这种操作,代码十分简明 ...
李开复微博数据分析--微博爬虫、数据挖掘、数据可视化（持续更新）
由于不想做测试,内心一直想做数据挖掘/数据分析,果断辞职重新找了,这是第一篇自己出的分析报告,可能还不够专业,以后会继续进步哒,希望小伙伴们多多指导~通过对李开复微博的分析,发现了一些有趣的结论,一一 ...
Python 机器学习及实践从零开始通往 Kaggle竞赛之路（持续更新 ing）
文章目录第一章简介篇 1.1 机器学习综述 1.2 Python 编程库介绍 1.3 Python编程基础第二章基础篇 2.1 监督学习经典模型 2.1.1 分类学习 2.1.2 回归预测 2 ...

用Python数据分析来辅助汽车选购决策（雷凌vs卡罗拉）（持续更新ing）

用Python数据分析来辅助汽车选购决策（雷凌vs卡罗拉）（持续更新ing）相关推荐

最新文章

热门文章