淘宝销售数据爬虫(关于“淘宝爆款”的数据抓取与数据分析)

关于“淘宝爆款”的数据抓取与数据分析

爬取对象：淘宝“连衣裙 夏”的搜索结果。爬取对象的选择分析我在文章中也有提及。

工具：Scrapy。

代码：我把当时实现的代码放在了GitHub上，地址：https://github.com/younghz/TBBKAnalysis，感兴趣的可以看一下。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

分析内容可见上述Repository的Wiki（https://github.com/younghz/TBBKAnalysis/wiki）。我也会将其写在下面。或者直接看上面知乎问题中我写的答案。

工具：ipython & matplotlib。

分析内容放在了Wiki中，链接：https://github.com/younghz/TBBKAnalysis/wiki。或者直接见下面正文。（注意：如果Wiki中图片无法打开，请使用较高版本的Chrome浏览器。）

一、案例选择。

现在着手分析的对象是能让你在三个月获得大把钞票的“爆款”。这 当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 搜索排行

图二 成交排行

很明显，那么就取商品的搜索量和成交量二者交集——“连衣裙 夏”做案例进行分析。

二、案例分析

在淘宝中搜索“连衣裙 夏”，首先提取有用数据，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（听说前五页是所有商家的梦哦），销量在三千到三万，销量低于三千的款也不够‘爆’吧（我也不清楚，呵呵）。 这里提取每个宝贝销量、宝贝价格、店铺性质以及店铺名称等分析。

三、数据分析

下面对提取的数据进行分析，分析分为两种：首页和前五页。（以下图表使用ipython基于matplotlib生成） 如果说前五页属于‘爆’级别，那么首页就是‘爆爆’了吧。

（1）最关心的当然还是销量

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，这怎么成指数下降趋势啊。即便是爆款，销量差距还是很悬殊的啊。即使在‘爆爆’级别的首页销量老大和老二都不是一个级别的啊。竞争好激烈不是吗。

我们继续进行局部放大，看看销量在一万以上的是什么情况。

图五 销量大于一万趋势

小伙伴，是不是有种要做就做老大的感脚。

（2）看价格

下面是前五页商品的价格曲线。

图六 前五页商品价格及平均价格图

其中红色的线是所有商品的平均价格，低于50块。而且价格可分为三个区间:

区间一：50以下。这部分商品最密集，大部分商品价格集中在这个区域。区间二：50到100。这属于第二阶梯。区间三：100以上，看上去这部分好刺眼啊，总有零星的几个拔出来。相对比例很少。

有什么感想，要是你做，把你的东西价位定义在哪个区间呢。继续看下首页的价格数据。

图七 首页商品价格走势图

要是感觉这个不够明显，我们还是来看销量高于一万的走势图。

图八 销量大于10000商品价格走势图

下面来研究下这些爆款都来自哪里。

（3）卖家地点

来看看这些做爆款的卖家都在哪，地点是不是也为他们提供了一定的优势？

图九 卖家地点分布

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）店铺是否是天猫卖家

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。看来也没什么必然的关系。

(5)商品名字

给你举两个： “夏季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夏季新款韩版短袖V领波西米亚连衣裙大码女装沙滩裙子” “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？ 如果买的是内裤，按照上面的规则应该就叫：“14夏季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，现在看看消费者。看看关键词喜好度（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）对你有没有帮助。

图十二 搜索喜好度

第一是黑龙江，辽宁也入围前十了。