Python 爬取李子柒辣椒酱 1794 条数据，有人嫌牛肉粒太小...... | 原力计划

作者 | 小Z

责编 | 胡巍巍

出品 | CSDN博客

是的，这是一篇分析李子柒辣椒酱的文章。

本文会从一个具体的评价分析场景切入，按步分析，力求还原分析的每个环节。相关案例数据和代码可空降文末获取。

最近收到不少留言，问笔者最多的竟然是：

“我是偏运营/业务分析的，复杂的分析算法我不会，还有什么方法能够对评价类数据做更深入分析吗？”

刚开始我会昧着良心回复“词云啊！”

然鹅总是会被DISS“词云太简单了吧，有点Low！”

我狰狞一笑，虽然这个问题有点像“我长的不帅也没钱，有没有什么办法能够追到白富美”。但从数据分析的角度来看，仍不失为一个好问题。

好在哪里呢？在回答之前，先瞧一个数据分析常见思维误区：

一些同学总是认为，分析不出来有价值的结果，是因为有两只拦路虎，一是数据量和维度不够，二是因为自己不会复杂的分析模型和算法。然后，也没有再去思考，如何基于现状更进一步地分析问题。

数据维度和算法的价值当然不言而喻，但总是把分析不出结果和价值的锅甩出去，这种归错于外的思维非常危险，它营造了一种“分析不出结果，我也没办法”的心安理得。

而“我不会高阶分析工具和方法，但基于现状，去思考或者询问有没有更好的分析方式”，虽然这种思维也有槽点，但本身算是一种在现阶段尝试去解决问题的思路。

So，我们循着后一种思路，以李子柒在天猫上卖的一款辣椒酱评价为例：

看看基于现有的“单薄”数据维度，怎样让分析再向前迈进一步。

明确目标

鲁迅曾经没说过：“明确分析目标，你的分析已经成功了一大半”。

做深入分析之前，面对这一堆评价数据，我们要明确，究竟想通过分析来解决什么问题？只有明确分析目标，才能把发散的思维聚焦起来。

为了给大家一个明确的分析锚点，假设我们是这款辣椒酱的产品负责人，要基于评价，更好的获悉消费者对产品的看法，从而为后续产品优化提供思路。

所以，我们的分析目标是“基于评价反馈，量化消费者感知，指导优化产品”。

注：这里给到的一个假设目标并不完美，主要是抛砖引玉，大家可以从不同的维度来提出目标假设，尝试不同分析方向。

是不是有那么一丢丢分析思路了？别急，目标还需要继续拆解。

拆解目标

这些年来，最有价值的一个字，便是“拆”了：在数据分析中也是同理。

我们在上一步已经确定了“基于评价优化产品”的目标，但这只是一个笼统模糊的目标。要让目标真正可落地，“拆”是必不可少的一步。

“拆”的艺术大体可以分为两步，第一步是换位思考。

评价来源于客户，客户对产品有哪些方面的感知呢？我们可以闭上眼睛，幻想自己购买了这款辣椒酱。

接着进入第二步，基于换位的逻辑拆解，这里可以按照模拟购物流程的逻辑来拆解：

首先，李子柒本身有非常强的IP光环，大家在选购时或多或少是慕名而来。所以，在购买决策时，到底有多大比例是冲着李子柒来的？

Next，在没收到货前，影响体验的肯定是物流，付款到收货用了几天？派送员态度怎么样，送货上门了吗？

收到货后，使用之前，体感最强的则是包装。外包装有没有破损？有没有变形？产品包装是精致还是粗糙？

接下来是产品体验，拿辣椒酱来说，日期是否新鲜？牛肉用户是否喜欢？到底好不好吃？

吃完之后，我们建立起了对产品的立体感知——性价比。我花钱买这个产品到底值不值？这个价位是贵了还是便宜？实惠不实惠？

品牌、物流、包装、产品（日期、口味）和性价比五大天王锋芒初现，我们下一步需要量化消费者对于每个方面的感知。

Python实现

对于评价的拆解和量化，这里介绍一种简单粗暴的方式，按标点把整条评论拆分成零散的模块，再设置一系列预置词来遍历。

注：再次强调我们这篇内容的主题是“如何基于最基础的技术，做进一步的分析，这里假设我们只会最基础的Python语法和Pandas。

有同学会问“为什么不用分词”！此问可谓正中我怀。不过，我把这个问题当作开放式思考题留给大家——如果用分词，如何实现同样的效果，以及有什么优缺点？

言归正传，我们先看看实战爬取的评论数据，一共1794条：

把每条评论按照标点拆分成短句，为了省事，用了简单的正则拆分：

我们发现，就算是比较长段的评论，也只是涉及到品牌、物流、包装、产品和性价比的部分方面，所以，我们依次去遍历匹配，看短句中有没有相关的内容，没有就跳过，有的话再判断具体情绪。

以物流为例，当短句中出现“物流”、“快递”、“配送”、“取货”等关键词，大体可以判定这个短句和物流相关。

接着，再在短句中寻找代表情绪的词汇，正面的像“快”、“不错”、“棒”、“满意”、“迅速”；负面的“慢”、“龟速”、“暴力”、“差”等。

在我们预设词的基础上进行两次遍历匹配，大体可以判断这句话是不是和物流相关，以及客户对物流的看法是正面还是负面：

为方便理解，用了灰常丑陋的语法来一对一实现判断。包装、产品和性价比等其他模块的判断，也是沿用上述逻辑，只是在预设词上有所差异，部分代码如下：

def judge_comment(df,result):

    judges = pd.DataFrame(np.zeros(13 * len(df)).reshape(len(df),13),
                      columns = ['品牌','物流正面','物流负面','包装正面','包装负面','原料正面',
                                 '原料负面','口感正面','口感负面','日期正面','日期负面',
                                 '性价比正面','性价比负面'])

    for i in range(len(result)):
        words = result[i]
        for word in words:
            #李子柒的产品具有强IP属性，基本都是正面评价，这里不统计情绪，只统计提及次数
            if '李子柒' in word or '子柒' in word or '小柒' in word or '李子七' in word\
                or '小七' in word:
                    judges.iloc[i]['品牌'] = 1

            #先判断是不是物流相关的
            if '物流' in word or '快递' in word or '配送' in word or '取货' in word:
                #再判断是正面还是负面情感
                if '好' in word or '不错' in word or '棒' in word or '满意' in word or '迅速' in word:
                    judges.iloc[i]['物流正面'] = 1
                elif '慢' in word or '龟速' in word or '暴力' in word or '差' in word:
                    judges.iloc[i]['物流负面'] = 1

            #判断是否包装相关
            if '包装' in word or '盒子' in word or '袋子' in word or '外观' in word:
                if '高端' in word or '大气' in word or '还行' in word or '完整' in word or '好' in word or\
                   '严实' in word or '紧' in word:
                    judges.iloc[i]['包装正面'] = 1
                elif  '破' in word or '破损' in word or '瘪' in word or '简陋' in word:
                    judges.iloc[i]['包装负面'] = 1

            #产品
            #产品原料是牛肉为主，且评价大多会提到牛肉，因此我们把这个单独拎出来分析
            if '肉' in word:
                if '大' in word or '多' in word or '足' in word or '香' in word or '才' in word:
                    judges.iloc[i]['原料正面'] = 1
                elif '小' in word or '少' in word or '没' in word:
                    judges.iloc[i]['原料负面'] = 1

            #口感的情绪
            if '口味' in word or '味道' in word or '口感' in word or '吃起来' in word:
                if '不错' in word or '好' in word or '棒' in word or '鲜' in word or\
                    '可以' in word or '喜欢' in word or '符合' in word:
                    judges.iloc[i]['口感正面'] = 1
                elif '不好' in word or '不行' in word or '不鲜' in word or\
                    '太烂' in word:
                    judges.iloc[i]['口感负面'] = 1

            #口感方面，有些是不需要出现前置词，消费者直接评价好吃难吃的，例如：
            if '难吃' in word or '不好吃' in word:
                judges.iloc[i]['口感负面'] = 1
            elif '好吃' in word or '香' in word:
                judges.iloc[i]['口感正面'] = 1

            #日期是不是新鲜
            if '日期' in word or '时间' in word or '保质期' in word:
                if '新鲜' in word:
                    judges.iloc[i]['日期正面'] = 1
                elif '久' in word or '长' in word:
                    judges.iloc[i]['日期负面'] = 1
            elif '过期' in word:
                judges.iloc[i]['日期负面'] = 1

            #性价比
            if '划算' in word or '便宜' in word or '赚了' in word or '囤货' in word or '超值' in word or \
                '太值' in word or '物美价廉' in word or '实惠' in word or '性价比高' in word or '不贵' in word: 
                judges.iloc[i]['性价比正面'] = 1
            elif  '贵' in word or '不值' in word or '亏了' in word or '不划算' in word or '不便宜' in word:
                judges.iloc[i]['性价比负面'] = 1

    final_result = pd.concat([df,judges],axis = 1)

    return final_result

运行一下，结果毕现：

第一条评价，很明显的说快递暴力，对应“物流负面”计了一分。

第二条评价，全面夸赞，提到了品牌，和正面的物流、口感信息。

第三条评价，粉丝表白，先说品牌，再夸口感。

看起来还不赖，下面我们对结果数据展开分析。

结果分析

我们先对结果做个汇总：

一共爬了1794条评论，评论中有提及到我们关注点的有1937次（之所以用次，是因为一条评论中可能涉及到多个方面）。粗略一瞥，口感和原料占比较高，画个图更细致的看看。

看来，辣椒酱的口感（好不好吃）是客户最最最关注的点，没有之一，占比高达57.98%，领先其他类别N个身位。

慢随其后的，是原料、品牌、性价比和包装，而物流和日期则鲜有提及，消费者貌似不太关注，或者说目前基本满足要求。

那不同类别正负面评价占比是怎么样的呢？

整体来看，主流评论以好评为主，其中口感、品牌（这个地方其实没有细分）、包装以正面评价占绝对主导。

原料和性价比，负面评价占比分别是14%和38%，而物流和日期由于本身占比太少，参考性不强。

作为一个分析师，我们从原料、性价比负面评价占比中看到了深挖的机会。

原料负面评价是单纯的在吐槽原材料吗？

初步筛选之后，发现事情并没有那么简单。

原料负面评价共出现了53次，但里面有24次给了口感正面的评价，甚至还有8次原料正面评价！罗生门吗？

这8次即正面又负面的原料评价，其实是揭了我们在预置词方面的不严谨，前面判断牛肉相关的短句，“小”就是负面，“大”就是正面，有些绝对。

而判断准确的原料差评中，虽然有一半说味道不错，但还是不留情面的吐槽了牛肉粒之小，之少，甚至还有因此觉得被骗。

如何让牛肉粒在体感上获取更多的好评，是应该在产品传播层做期望控制的宣导？还是在产品层增加牛肉的“肉感”？需要结合具体业务进一步探究。

性价比呢？

性价比相关负面评价共58次，负面情绪占性价比相关的38%。这些负面评价消费者大多数认为价格偏贵，不划算，还有一部分提到了通过直播渠道购买价格相对便宜，但日常价格难以接受。

坦白讲，这款辣酱的价格在线上确实属于高端价位，而价格体系是一个比较复杂的场景，这里暂不展开分析。

但是对于这部分认为性价比不符预期的客户，是应该因此反推产品价格，还是把他们打上“价格敏感的标签”，等大促活动唤醒收割，这是两条可以考虑并推进的道路。

物流和日期提及太少，不具备参考性，但为了不那么虎头蛇尾，我们还是顺手看一眼物流负面评价：

果然，物流是一项必备需求，基本满足预期的话消费者并不会主动提及，没达预期则大概率会雷霆震怒。而物流暴力、速度太慢是两个永恒的槽点。

至此，我们基于看起来简单的评价数据，用简单浅白的方式，做了细致的拆分，并通过拆分更进一步的量化和分析，向深渊，哦不，向深入迈进了那么一丢丢。

 总结

文中涉及到的代码，主要是抛砖引玉，大家还可以结合实际，做更精细的梳理和判断。在整个分析过程中，去思考如何更深入的分析，如何明确分析方向，如何通过换位思考和流程拆解，把大目标拆成可以分析的小目标，并最终落地，则需要在实践中反复磨练，与君共勉！

原文链接：https://blog.csdn.net/weixin_38754337/article/details/103867289?ops_request_misc=%7B

热 文 推 荐

你点的每个“在看”，我都认真当成了喜欢