关于“淘宝爆款”的数据抓取与数据分析

oktt

1、数据爬取

爬取对象：淘宝“连衣裙 夏”的搜刮效果。爬取对象的选择分析我在文章中也有提及。
工具：Scrapy。
代码：我把其时实现的代码放在了GitHub上，地点：http://github.com/younghz/TBBKAnalysis，感爱好的可以看一下。关于Scrapy的知识与爬虫的编写可以见专栏：http://blog.csdn.net/column/details/younghz-scrapy.html
2、数据分析

分析内容可见上述Repository的Wiki（http://github.com/younghz/TBBKAnalysis/wiki）。我也会将其写在下面。大概直接看上面知乎题目中我写的答案。
工具：ipython & matplotlib。
3、分析内容

分析内容放在了Wiki中，链接：http://github.com/younghz/TBBKAnalysis/wiki。大概直访问下面正文。（留意：假如Wiki中图片无法打开，请利用较高版本的Chrome欣赏器。）
4、正文

一、案例选择。
如今动手分析的对象是能让你在三个月得到大把钞票的“爆款”。这 固然得拿最有代表性的商品当例子，最有代表性就是最火的。看看什么最火。下面是淘宝指数（http://shu.taobao.com/top/16/search）数据。

图一 搜刮排行

图二 成交排行
很显着，那么就取商品的搜刮量和成交量二者交集——“连衣裙 夏”做案例举行分析。
二、案例分析
在淘宝中搜刮“连衣裙 夏”，起首提取有效数据，这里我基于Scrapy框架实现了一个爬虫，爬取按销量排行的前五页数据（听说前五页是全部卖家的梦哦），销量在三千到三万，销量低于三千的款也不敷‘爆’吧（我也不清晰，呵呵）。 这里提取每个宝物销量、宝物代价、店肆性子以及店肆名称平分析。
三、数据分析
下面临提取的数据举行分析，分析分为两种：首页和前五页。（以下图表利用ipython基于matplotlib天生） 假如说前五页属于‘爆’级别，那么首页就是‘爆爆’了吧。
（1）最关心的固然照旧销量
基于上面抓取的数据，分析。

图三 前五页销量趋势

图四 首页销量趋势
看过了什么感受，这怎么成指数降落趋势啊。即便是爆款，销量差距照旧很悬殊的啊。纵然在‘爆爆’级别的首页销量老大和老二都不是一个级别的啊。竞争好猛烈不是吗。
大家继承举行局部放大，看看销量在一万以上的是什么环境。

图五 销量大于一万趋势
小同伴，是不是有种要做就做老大的感脚。
（2）看代价
下面是前五页商品的代价曲线。

图六 前五页商品代价及均匀代价图
此中赤色的线是全部商品的均匀代价，低于50块。而且代价可分为三个区间:

• 区间一：50以下。这部门商品最麋集，大部门商品代价会合在这个地区。
• 区间二：50到100。这属于第二门路。
• 区间三：100以上，看上去这部门好耀眼啊，总有零散的几个拔出来。相对比例很少。
  

有什么感想，要是你做，把你的东西价位界说在哪个区间呢。继承看下首页的代价数据。

图七 首页商品代价走势图
要是感觉这个不敷显着，大家照旧来看销量高于一万的走势图。

图八 销量大于10000商品代价走势图
下面来研究下这些爆款都来自那里。
（3）卖家所在
来看看这些做爆款的卖家都在哪，所在是不是也为他们提供了肯定的上风？

图九 卖家所在分布
从高到低分别是——广东、浙江、北京、上海、江苏、山东、湖北、河南、辽宁、江西。
（4）店肆是否是天猫卖家

图十 是否是天猫（前五页数据）

图十一 是否是天猫（首页数据）
这个比例看起来都差不多。看来也没什么一定的关系。
(5)商品名字
给你举两个： “夏日新款女式连衣裙莫代尔背心长裙波西米亚气质长裙打底裙子” “14夏日新款韩版短袖V领波西米亚连衣裙大码女装沙岸裙子” “夏装新款女连衣裙短袖韩国性感修身显瘦包臀V领大码” 呵呵，想没想好你的叫什么名字了？ 假如买的是内裤，按照上面的规则应该就叫：“14夏日新款波西米亚修身显瘦包臀韩国气质新版安全防盗内裤”，呵呵。
（6）买家分析
刚才说的都是卖家的，如今看看消耗者。看看关键词喜欢度（http://shu.taobao.com/searchindex?spm=0.0.0.0.3Mt2Y2&query=%E8%BF%9E%E8%A1%A3%E8%A3%99%20%E5%A4%8F）对你有没有资助。

图十二 搜刮喜欢度
第一是黑龙江，辽宁也入围前十了。