feedback

意见

反馈

back-to-up

回到

顶部

互联网球鞋数据洞察:耐克、阿迪谁最火?巴黎世家缘何崛起?

数据侠

· 武俊敏

编辑 | 王旭晶   2018-03-27

耐克、乔丹、阿迪达斯,究竟哪个才是消费者的宠爱?为何巴黎世家能够如此火爆崛起?在丰饶的互联网时代,我们又如何才能获取需要的球鞋信息?近期数据侠实验室,DT君邀请来了宝胜国际营运规划主任武俊敏,他将从不同群体眼中的球鞋世界、媒体热度异军突起的巴黎世家及如何抓取球鞋数据的关键点出发,向数据侠们分享如何在互联网时代玩转球鞋大数据。

球鞋爱好者、媒体、大众消费者眼中的球鞋有何不同?

(图片说明:鞋款仅指款式本身,并非单个配色)

上图展示了2017年二级市场StockX(美国著名球鞋售卖网站)销售的排名前十的款式。从中可以看到,阿迪达斯占了3款,分别是Yeezy 350、NMD及Ultra Boost,其余7款均属于乔丹(Jordan)品牌。


而在NPD公司发布的美国大众市场2017年的销售前十中,阿迪达斯变成了两款并且款式与二级市场中完全不同;乔丹缩水严重仅占四款而耐克则增至三款、匡威增至一款。

从上图中可以发现,两个Top榜单存在着明显的差异,仅有四款重合且都为Jordan这一品牌,分别是AJ4、AJ6、AJ11、AJ13。

对此,我们也可以得出三个结论:

  • 一是Sneakerhead(球鞋爱好者)与大众消费者购买的Top款式存在明显差异;

  • 二是这两个群体的Top品牌构成同样存在比较大的差异,sneakerhead是AJ死忠粉,其Top10榜单中AJ占有7款;而大众市场的Top10榜单中,AJ的占有份额则被Nike的中低端款式所替代;

  • 三是两个消费群购买价位也存在巨大差异,以阿迪达斯为例,sneakerhead购买的均为售价千元以上的带Boost科技的款式,而大众市场的Top款均为中等价位的非Boost款。

从媒体的角度来看,上图是Hypebeast2017年对两个Top榜单鞋款文章数量的对比。左侧有将近700篇文章,右侧仅有100多篇。从中可以看出,媒体更倾向于报道sneakerhead所关注的鞋款,而大众消费者购买的款式很难得到媒体的关注。

另外还可以看出阿迪达斯受媒体关注的程度高于AJ,这点同样反映在销售份额上。尽管AJ占据二级市场Top10榜单中的七席,但销售额远不及阿迪达斯的Yeezy与NMD,这也从侧面反映了阿迪达斯在资深鞋粉中分量有所提升。

从对以上Top款的分析中可以看到,sneakerhead、大众消费者及媒体眼中的球鞋世界是非常不同的。因此作为从业者,我们更需要理性地去看待这一点且不能片面,从而辅助我们做出更好的商业决策。

媒体热度异军突起的巴黎世家

除了阿迪、耐克、乔丹,还有什么品牌在2017年媒体热度中异军突起?

从上图的饼状图中可以看到,耐克是当之无愧的热度榜首,在2017年的4000多篇文章中有1800多篇文章与耐克相关。从柱状图中则可以看出,耐克、阿迪、乔丹均为2016年、2017年的报道文章中的前三强。

但从增量来看,巴黎世家就非常显眼。从散点图中可以看出,在Hypebeast的报道中,巴黎世家从2016年仅有的两篇文章增长至2017年的21篇,文章数量增长了19篇。

再从文章标题做出词云分析,报道最多的是Triple S。也就是说,Triple S引发媒体对巴黎世家的报道热情。2017年老爹鞋的崛起带动了这波流行趋势,预计2018年这股风潮还会继续。

因此除了关注行业巨头外,我们还可以从数据中关注异军突起的增量信息,也会对我们把握流行趋势起到非常重要的参考作用。

从PowerBI看球鞋数据抓取的关键点

从StockX抓取二级市场销售数据的关键点在于:先确定抓取目标;再确定需要的URL,在“Network”下Preview发现“Market”中需要的销售信息后,在“Headers”下拷贝该URL,随后将此URL以图示的方式导入至PowerBI。根据PowerBI提示,将信息展开后在Market展开信息中找到需要的字段,PowerBI 即能对数据进行深度加工与建模。但这仅仅针对于单个页面产品的数据,如需获取多页产品数据,可用List.Numbers设置需要抓取的页码数量,在URL中将页码设置为变量即可。

但从Hypebeast获取媒体报道数据难度更高,因为该数据是一种非结构化数据。首要目标是提取所有文章的链接,在PowerBI的高级编辑器中使用M语言进行链接提取,用Text.FromBinary函数将网页解码为文本,再通过List.Transform和Text.BetweenDelimiters依次进行链接提取。

随后使用Power BI的Query功能对不含有日期、品牌、相应名称的短链数据进行清洗并删除重复值,仅保留我们需要的链接样式,用拆分列的方式提取文章发表年份及日期。

由于品牌信息相对于年份日期而言更为复杂,因此需使用DAX函数Switch提取链接中的品牌信息。对于款式信息也可使用同样的方法进行提取。

最终我们将会得到一个干净整洁的结果,便可进行图表等进一步深入分析。

(注:以上内容根据武俊敏在数据侠线上实验室的演讲实录整理。图片来自其现场PPT,已经本人审阅。本文仅为作者观点,不代表DT财经立场。)

数据侠门派

本文数据侠武俊敏,宝胜国际总部任营运规划主任一职。在服饰行业从业多年,横跨休闲和运动领域。他在服饰商品运营及零售终端数据化陈列方面作出了了许多创新性的工作,并荣获公司创新奖。他目前做零售经营分析相关工作。

加入数据侠

数据侠计划是由第一财经旗下DT财经发起的数据社群,包含数据侠专栏、数据侠实验室系列活动和数据侠联盟,旨在聚集大数据领域精英,共同挖掘数据价值。申请入群请添加微信公号dtcaijing004并备注“数据社群”,合作请联系datahero@dtcj.com。


(了解更多有趣又有料的商业数据分析,欢迎关注DT财经微信公众号“DTcaijing”,下载“DT·一财”APP)

分享这篇文章到