店大欺客？原来你是这样的亚马逊

前段时间，在亚马逊下了个订单，结果等了一个多月，商品没等来，却遇到了亚马逊单方面取消订单。收到退款的我大概就是下面这样的表情

曾经在国内各大电商买过很多东西，都没有遇到过这样的情况，怎么一到亚马逊就踩坑了呢，难道是运气太好中了“大奖”？于是我打开了黑猫投诉进行投诉，发现好像也有其他的用户遇到了类似的情况。

因此，我决定分析一下这些投诉，作为美国最大的电商公司，真的会经常做出这种失信的行为吗？

实现思路

• 通过抓包的方式抓取用户投诉
• 对投诉进行分词，统计词频
• 根据词频绘制出词云图

数据获取

黑猫投诉新浪旗下的消费者服务平台，它能够很快的将消费者与商家联系起来，帮助消费者维护自己的权益。本文所涉及的数据均来自黑猫投诉。

为了便于数据处理，我们采集移动版本的数据而非PC版本，可以看到，每一条投诉包括标题、详情、投诉对象、投诉要求这几个部分。标题作为用户诉求的高度总结，里面的每个词都是很有意义的，因此笔者主要对于标题数据进行分析。

通过抓包，我们了解到，黑猫展示列表有两种方式，一个是通过serach查询关键词，另一个是通过company查询具体商家收到的投诉。由于有一些网站（比如淘宝）并没有在黑猫提供专门的客服，因此选择了通过关键词的方式获取数据。

定义一个方法，用于进行HTTPS的GET请求

def get(url):
    context = ssl._create_unverified_context()
    request = urllib.request.Request(url)
    response = urllib.request.urlopen(url=request,context=context)
    return response.read().decode('utf-8')

将url设为相应的接口，即可进行请求。请求返回的结果是json字符串，通过json的loads方法，可以转为json对象，便于对其操作

result = get_list(keywords=keywords,page=i)  #获取投诉列表
json_obj = json.loads(result)                #将结果转为json对象
print(json_obj['result']['data']['lists'])   #解析json

分词

通过分词的方式，将每一个标题分解为不同的关键词，便于统计。我们使用jieba对数据进行分词，详细介绍见github

安装jieba lib

pip install jieba

在文件中引用

import jieba

设置自定义词库

    del_list = ["订单","取消"] #移除单词
    suggest_list = ["取消订单","单方面取消","单方取消","单方面违约","无故退款","不发货","按时发货"]   #增加词库

对标题数据进行分词

def handle(list,keywords):
    word = ""
    for item in list:
        seg_list = jieba.cut(p.sub("", item['main']['title']), cut_all=False) #分词
        for seg in seg_list:
            if seg != keywords:               #过滤公司名称
                word = word + " "
                word = word + seg.strip()     #过滤前后空白字符
    return word

几乎大部分投诉里面都会包含目标商家或公司的名称，因此我们在处理的时候对名称进行过滤。

为了方便，分词的结果只是保存在了内存中。如果有需要，也可以存入文件或数据库中。

绘制词云图

安装WordCloud和matpotlib，并在py文件中引用。WordCloud主要用于词云图的生成，matpotlib用于图片的绘制。

pip install WordCloud
pip install matplotlib

from wordcloud import WordCloud
import matplotlib.pyplot as plt

创建词云图

def draw(f,filename):
    #生成一个词云对象
    wordcloud = WordCloud(
        background_color="white", #设置背景为白色，默认为黑色
        font_path="simhei.ttf",   #支持中文
        width=1280,               #设置图片的宽度
        height=720,               #设置图片的高度
        margin=10,                #设置图片的边缘
        collocations=False        #避免重复出现
    ).generate(f)
    # 绘制图片
    plt.imshow(wordcloud)
    # 消除坐标轴
    plt.axis("off")
    # 展示图片
    plt.show()
    wordcloud.to_file('result/'+filename+'-'+str(int(time.time()))+'.png')

至此，对于数据的获取和分析便完成了。我们将keyword设置为“亚马逊”，来看看结果吧！

通过云图我们可以看到“取消订单”占了最大的比例，其他比较重要的关键词包括“购买”、“发货”、“单方面”，这说明，绝大部分投诉的消费者，都遭受过订单被取消，或者亚马逊单方面违约的问题。

让我们再来看看其他电商公司：

上面看到的三张图，分别是淘宝、京东、拼多多的词云图。我们看到他们主要的关键词是快递、退款、商家等等，所对应的问题应该主要是未及时发货、商品质量问题需要退换或者是商家态度之类的。购买某些价格很低的商品时，消费者对于产品质量和真伪是有一定的心理预期的。但是商家违约、取消订单这样的行为，还是在亚马逊中比较明显。

为了确保结果的公平性，在对后面三家国内电商平台进行分析时，使用了和亚马逊相同的自定义词库，所以可能并没有发现他们各自更具有针对性的问题。如果希望进行进一步分析，或者了解其他公司的词云图，可以在github中下载代码直接运行。

没有十全十美的人，电商平台也不会做到绝对的完美。作为普通的消费者，很难去约束体量如此巨大的公司的行为，但每个人都能够感受到每个平台、每个商家对待顾客的态度。选择适合自己的平台就好啦，愿每个人的权益都不会受到损害~

注：

1. 文中数据均来自于黑猫投诉，解释权归其所有，请勿将数据用于商业用途；
2. 完整代码已上传至https://github.com/steveyg/CompanyWordCloud
3. 如果有其他的数据来源或者数据展示、分析方式，欢迎留言或直接在github中提交~