作为目前世界上最大的汽车消费市场，中国已经成为各大汽车品牌群雄逐鹿的主战场。截止2016年8月，中国市场在售的汽车产品主品牌有127个，汽车车系783个，在售车型达到4349款[1]。中国市场是国产汽车品牌发展壮大的根据地，越来越多的国际汽车品牌将中国视为再续辉煌或者东山再起的依托市场。大量的汽车品牌与车型意味着激烈的市场竞争。有效的市场竞争分析是企业战略管理、产品研发和市场营销等活动的基础，对企业的生存和发展至关重要。
图一汽车品牌与竞争示意图
竞争关系识别和竞争关系量化是市场竞争分析的主要内容。宏观层面的竞争关系识别通过竞争子市场划分分析整体市场的竞争结构，而微观层面的竞争关系识别主要告诉管理者谁是品牌和产品的主要竞争者。竞争关系量化则可回答不同对手之间存在多大程度的竞争，基于定量指标对产品竞争进行更加精确的度量。
包括汽车行业在内，传统的行业竞争分析主要基于访谈、问卷调研等形式收集消费者或者行业专家的认知数据。这些自我报告的认知数据虽然可以为竞争分析提供一定依据，但是存在数据获得困难、代表性较差以及无法反应消费者购买决策中的真实认知等问题。此外，传统的数据收集形式对访谈和问卷调研的过程有着严格的要求，不严谨的访谈和问卷调研过程容易使得竞争分析产生严重的偏差。因此，我们需要探索新的数据源，在此基础上设计新的竞争分析方法。
图三收藏数据中蕴含的产品竞争关系
为了对非对称的市场结构进行划分，对非对称的代表性产品进行识别，我们提出了基于贝叶斯非参主题模型的竞争子市场识别方法。该模型具有如下两方面的优点。（1）在中国市场的几千个车型中，到底会形成多少个竞争子市场？即使经验丰富的管理者也难以给出准确的答案。因此，我们采取非参模型的思路让数据说话，基于用户收藏大数据确定最终的竞争子市场的数量。（2）传统的主题模型建立在长文本基础之上，假设一个主题的概率分布于所有的词。在汽车产品竞争分析中，用户收藏列表的长度通常很短（服从幂律分布），传统主题模型也会导致所有的车型均按一定概率出现在所有的竞争子市场。与中国市场的几千个车型相比，特定竞争子市场中的车型数量肯定非常有限，因此，主题模型的上述假设应用于汽车市场的竞争分析显然是不合理的。针对上述问题，我们均提出了相应的解决方法。
为了形成非对称的竞争网络，我们利用得到的非对称竞争市场结构构建基于车型和竞争子市场的二部图模型。在此基础上，设计了基于随机游走算法的竞争度计算方法。我们的研究可以考虑车型到竞争子市场的隶属关系、不同车型在竞争子市场的代表性、以及竞争子市场在整体汽车市场中的流行度等因素，对车型之间的直接竞争和非直接竞争进行量化。
图四模型结构
基于包含200+个品牌、2000+款车型和15万+个收藏列表的数据，我们将中国的汽车市场分成90+个竞争子市场，每个竞争子市场评价包含90+款车型，最大的竞争子市场包括150+款车型。由于我们的模型允许一个车型在多个子市场进行竞争，每个车型平均在5个左右的子市场出现。被誉为“国民神车”的哈弗H6在多达50+个竞争子市场出现。在汽车整体市场中，各竞争子市场具有不同的流行度。我们的研究表明，虽然部分子市场具有较高的流行度，接近50%的竞争子市场流行度很低。大量小众市场的存在实际上也蕴含着诸多的差异化竞争的机会。
图五竞争市场结构划分（红点表示竞争子市场，黑点表示子市场所包含的车型）
我们发现不同竞争子市场内部的竞争也存在较大的差异。在图六（a）子市场中，虽然该子市场包含多种车型，但是，五菱宏光和宝骏730的代表性与其他车型具有显著差异。图六（b）子市场中则不存在这样的典型代表车型，不同车型的代表性差别不大。此外，虽然五菱宏光在（a）子市场中的代表性具有较大优势，在（b）子市场中其竞争优势则不是那么明显。基于收藏数据，我们可以计算出每一款车型在不同竞争市场中的代表性程度。
图六竞争子市场中的代表性车型
车型之间的差异化竞争在我们的结论中也得到了很好的验证。以林肯MKZ和奔驰C系为例，奔驰C对林肯MKZ的竞争度为0.026，而林肯MKZ对奔驰C的竞争度仅为0.0024。这种非对称性说明，林肯MKZ的潜在消费者很有可能同时考虑是否购买奔驰C。但是，奔驰C的潜在消费者则较少地考虑林肯MKZ，他们会更多的考虑宝马3和奥迪A4L等奔驰C的竞争车型。基于随机游走的二部图模型为汽车产品之间竞争程度的度量提供了理论依据。
图七非对称竞争网络图
[1]搜狐汽车，数字汽车独家数据：中国汽车市场到底有多少种车型，www.sohu.com/a/115926134_514621
[2]Pant,G.,&Sheng,O.R.(2015).Webfootprintsoffirms:Usingonlineisomorphismforcompetitoridentification.InformationSystemsResearch,26(1),188-209.
[3]Ringel,D.M.,&Skiera,B.(2016).Visualizingasymmetriccompetitionamongmorethan1,000productsusingbigsearchdata.MarketingScience,35(3),511-534.
[4]Nam,H.,Joshi,Y.V.,&Kannan,P.K.(2017).HarvestingBrandInformationfromSocialTags.JournalofMarketing(Forthcoming).
[5]Wei,Q.,Qiao,D.,Zhang,J.,Chen,G.,&Guo,X.(2016).ANovelBipartiteGraphBasedCompetitivenessDegreeAnalysisfromQueryLogs.ACMTransactionsonKnowledgeDiscoveryfromData(TKDD),11(2),21(1-25).
[6]Netzer,O.,Feldman,R.,Goldenberg,J.,&Fresko,M.(2012).Mineyourownbusiness:Market-structuresurveillancethroughtextmining.MarketingScience,31(3),521-543.