唯品会数据分析

研究思路
确定好研究唯品会后，就开始要确定数据来源，了解到身边群体普遍使用淘宝和京东，对于唯品会的了解只停留在前段时间的唯品会假货事件和巨额亏损，导致从身边群体搜集数据变得格外困难，所以我们决定从微博入手，编程制作爬虫来爬取微博评论来进行分析。
在编好基本语言后，我们对微博可以爬取的数据维度进行讨论分析，最后重点开始分析需要的数据维度，最一开始的微博文本（用户发表的言论）是必须的，团队讨论一段时间后决定了一下几个维度：用户ID、信息来源、发布时间、文本内容、评论数、转发数、阅读数。
确定好了维度，我们团队就开始爬取数据，得到了近一个月用户发布的所有数据，开始对文本进行数据清洗，将无用的新闻清理出去，得到了由文本数据组成的数据。
这时候开始文本分析，由于文本数据是杂乱无章的，所以需要提取关键词，这时候我们对数据进行可视化，制作出词云图，在词云图的帮助下，所有词出现的频率和高频词汇全都一览无余，然后我们队员开始对高频词汇进行分析，重点在那些词汇中需要重点研究的方向。讨论过后，找到了几个关键词，顺利确定了研究方向，这些关键词分别是：商品质量 售后服务 物流快递。

在找到关键词后，开始对关键词进行假设，提出了这几个可能的地方。商品属性:质量、假货、性价比、商品更新速度、商品信息详情；物流支持:物流速度、安全(物品安全、客户骚扰)；顾客服务:投诉处理、退换货。然后就开始了数据打标签。
考虑到打标签过程过于复杂，所以就找了个捷径，利用微博搜索功能，搜索栏的搜索内容为“唯品会+关键词”，通过微博进行一轮数据筛选，然后再进行一次数据爬取，得到了