昨晚，很多人都默默打开天猫，搜索了一下连衣裙。甚至有几个男性朋友也很好奇搜了一下——他们从来没在网上买过连衣裙，甚至很少在上面购物。

但他们就像被某种病毒感染一样，想看一下第二条和第三条推荐结果。

这种莫名其妙的行为艺术，源头是网友“风中的厂长”发的一条微博：天猫连衣裙客单价低于128，会被天猫方面标注为“低价人群”。

这位网友进一步论证，天猫连衣裙客单价低于128元，或者滴滴好评率低于4.8的女性，电商行业的人都不会和她们恋爱，因为这样的人往往会比较“难搞”、“难伺候”。

很多女性“吓得”赶紧打开天猫，然后纷纷晒出自己连衣裙的客单价。我朋友圈里，很多女性朋友晒出的客单价大多远远高于128元。

相信这些朋友不但长舒一口气，内心也很是满足：这个数字，虽然证明自己花了不少钱，但也让自己脱离了“低价人群”的嫌疑。

这种“行为艺术”，形成了某种舆论，天猫官方很快出来回应称，所谓128元客单价以下被系统默认为“低价人群”的事并不存在。用户的偏好不是静态的，算法难就难在要做出个性化推荐，对每个人的推荐，都是基于对其消费习惯的动态捕捉上。

一、大数据正在捕获我们，这是真的

天猫官方的回应大抵是可信的：如果说消费习惯和人的性格之间真的有某种可靠的联系，那也一定有更复杂的解释，否则花那么多钱搞数据分析就完全是浪费了。

但是，这么多人相信“风中的厂长”所发布的“128定律”，并不是毫无来由。

到了2019年，一个普通的电商用户，也知道了“大数据”这个词。有过网购经历的人都知道，平台会根据自己的购买行为，做进一步的推荐。

你买了一件连衣裙，会给你推荐连衣裙。更高明的算法，可能还会给你推荐一款用来搭配的凉鞋。

如果你买的连衣裙是128元的，推荐的凉鞋价格也不会高到哪里去——价格，毕竟是一个考虑的因素。

把连衣裙客单价低于128（也可能是别的数字）的人统一划分为一个人群，用来分析她们的消费习惯、投诉数量，也不是没有可能，因为这可以改进平台的工作效率。

但是，把用户称作“低价人群”，总是不太礼貌的行为。更重要的是，一个花128元买连衣裙的女士，也完全有可能花几千块买一个包包。

网友纷纷晒出自己在某购物APP中的搜索结果。

真正厉害的算法，应该琢磨的恰恰是更个性的东西，最终让自己的推荐更打动消费者。

换句话说，大数据对人的捕获能力，可能已经远远超过了用128客单价来区分人群这种低级阶段。我们可能被以别的标准做了区分，或者被贴的标签远远不止价格这一个。大数据为我们提供了方便，更为商家提供了方便。

很多人相信这个“128定律”，本质上就是把大数据想得太简单了。他们是把“自己的数据”理解为大数据。

事实上，大数据不但动态捕捉你自己的数据，还会在海量的数据中进行计算，背后有复杂的模型——这可能不是多数非专业人士所能想象的，而大多数相信“128定律”的人，这时候的表现就像典型的文科生（并非黑文科生）。

二、标签与认同：为自己标一个价

更值得注意的，其实是网友的反应。他们相信“128定律”，除了对大数据的误解外，还有一种情感因素。

很多朋友并没有感到被这个所谓的“128定律”冒犯，她们乐此不疲地去看自己的连衣裙价格，甚至连男人们也行动了起来，跑去搜索——大家想知道，自己是否属于这个“低价人群”。

“128定律”是否靠谱并不重要，大家需要的是一个可以区分自己的标签，最好是一个“价格标签”。

在互联网时代，每个人都想“脱颖而出”，提高自己的“能见度”，如果能被天猫这样的大平台标注为“高端人群”，我相信很多人都会毫不犹豫地发朋友圈晒出来。

其实，不少以“低价人群”自居的，其实也在以自嘲的形式，来标榜自己的身价。

想想吧，每年底，有多少人在晒自己的年度支付账单，一方面假装后悔地反省，一方面在晒自己是多么有钱，花钱越多的人，晒得就越开心。

支付宝2018年度账单。图/视觉中国

很少有人在乎，这个账单其实也是个人数据。

这是一种新的寻求认同的方式。大数据在“捕获”我们，在分析我们，甚至在算计我们，但是我们似乎不在乎。我们爱它呈现出来的“客观性”，我们发自内心地认可它给我们的“定义”。

三、警惕反向塑造自己

这才是最值得警惕的。我们似乎正在丧失对“自我”的掌控，越来越依靠这些大数据平台为我们描绘的“画像”。

更进一步，我们会根据这些“画像”来调整自己，让自己更符合平台对我们的设定。

这可能就是那些算法工程师梦寐以求的：他们不但要懂我们、分析我们，还要真正影响我们。

最终，我们会变得越来越像一个数据。或许有那么一天，系统会提示我们，“根据你的习惯，这件128元的连衣裙就是最适合你的”，而我们也会心安理得地接受。

但可以肯定，大数据算法不可能仅仅从你的某一个行为就定义你好不好打交道，适不适合做女朋友。把穿128块钱连衣裙等同于“低价人群”，是对大数据算法的降维打击，不准确，也不客观。

□ 张丰（媒体人）

编辑 王言虎 实习生 李文隽 校对 陆爱英

 

1、数据爬取

爬取对象：天猫“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

2、数据分析

分析内容可见上述Repository的Wiki（
https://github.com/younghz/TBBKAnalysis/wiki）。我也会将其写在下面。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。）

4、正文

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。下面是天猫指数（
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

在天猫中搜索“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。