本文为younghz原创，文章链接为：http://blog.csdn.net/u012150179/article/details/37306629
这个问题最初是源于我在知乎上一个回答（http://www.zhihu.com/question/24368542/answer/27579662），涉及了两个方面：数据抓取和数据分析。
1、数据爬取
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，感兴趣的能够看一下。关于Scrapy的知识与爬虫的编写能够见专栏：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（https://github.com/younghz/TBBKAnalysis/wiki）。
我也会将其写在以下。
或者直接看上面知乎问题中我写的答案。
工具：ipython & matplotlib。
3、分析内容
分析内容放在了Wiki中。链接：https://github.com/younghz/TBBKAnalysis/wiki。或者直接见以下正文。（注意：假设Wiki中图片无法打开，请使用较高版本号的Chrome浏览器。
）
4、正文
一、案例选择。
如今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样例，最有代表性就是最火的。
看看什么最火。以下是淘宝指数（http://shu.taobao.com/top/16/search）数据。
图一 搜索排行
图二 成交排行
非常明显。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”，首先提取实用数据，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（听说前五页是全部商家的梦哦），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）。
这里提取每一个宝贝销量、宝贝价格、店铺性质以及店铺名称等分析。
三、数据分析
以下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） 假设说前五页属于‘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，销量差距还是非常悬殊的啊。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
以下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
当中红色的线是全部商品的平均价格。低于50块。并且价格可分为三个区间:
- 区间一：50下面。
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。
相对照例非常少。
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
以下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
从高到低各自是——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点儿相同。看来也没什么必定的关系。
(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？ 假设买的是内裤，依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，如今看看消费者。
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。
本文为younghz原创，文章链接为：http://blog.csdn.net/u012150179/article/details/37306629