1、数据banlist

banlist第一类：淘宝“裙装 夏”的搜寻结论。banlist第一类的优先选择分析我在该文中也有提到。

工具：Scrapy。

标识符：我把彼时同时实现的标识符放到了GitHub上，门牌号：https://github.com/younghz/TBBKAnalysis，感兴趣的能看呵呵。有关Scrapy的科学知识与食腐的撰写能见时评：http://blog.csdn.net/column/details/younghz-scrapy.html

2、数据分析

分析内容由此可见前述Repository的Wiki（https://github.com/younghz/TBBKAnalysis/wiki）。我也会将其写在下面。或是直接看下面chan问题中我写的标准答案。

工具：ipython & matplotlib。

3、分析内容

分析内容放到了Wiki中，镜像：https://github.com/younghz/TBBKAnalysis/wiki。或是直接见下面节录。（特别注意：如果Wiki中相片难以关上，请采用较低版的Chrome应用程序。）

4、节录

一、案例优先选择。

那时著手分析的第一类是能阳光普照四个月赢得大把纸币的“网红”。这 总之得拿最有代表性的货品当范例，最有代表性是炙手可热的。看一看什么炙手可热。下面是淘宝成分股（http://shu.taobao.com/top/16/search）数据。

图一 搜寻名列

图二 成交名列

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

二、案例分析

在淘宝中搜寻“裙装 夏”，首先提取有用数据，这里我基于Scrapy框架同时实现了一个食腐，banlist按销量名列的前五页数据（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。（以下图表采用ipython基于matplotlib生成） 如果说前五页属于‘爆’级别，那么首页是‘爆爆’了吧。

（1）最关心的总之还是销量

基于下面抓取的数据，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，这怎么成成分股下降趋势啊。即便是网红，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，看一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

下面是前五页货品的价格曲线。

图六 前五页货品价格及平均价格图

其中红色的线是所有货品的平均价格，低于50块。而且价格可分为四个区间:

区间一：50以下。这部分货品最密集，大部分货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 首页货品价格走势图

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货品价格走势图

下面来研究下这些网红都来自哪里。

（3）卖家地点

来看一看这些做网红的卖家都在哪，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)货品名字

给你举两个： “夏季新款女式裙装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领波西米亚裙装大码女装沙滩裙子” “夏装新款女裙装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，按照下面的规则应该就叫：“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，那时看一看消费者。看一看关键词喜好度