原文链接：http://tecdat.cn/?p=1078
最近我们被客户要求撰写关于文本分析LDA主题模型的研究报告，包括一些图形和统计输出。
618购物狂欢节前后，网民较常搜索的关键词在微博、微信、新闻三大渠道的互联网数据表现，同时通过分析平台采集618相关媒体报道和消费者提及数据
社交媒体指数趋势观察
平台数据显示，5月30日起，网上关于618的讨论明显热烈起来。5月30日网上声量相关讨论的主贴有3130条，其中提及最多的是关于“零点，天猫打响618大战第一枪“、”天猫618掀价格战：大家电比京东贵我就赔！“内容的转发，从媒体源数据对比中可见，此话题在微信的传播速度稍快于微博。
数据显示，5月30日至6月6日期间，消费者讨论最多的关键词、声量第一的是”天猫“，天猫以声量数12275位居618关键词搜索榜首。而在618的网络声量中，天猫的相关讨论均占据了40%以上内容。
以微博为例，观察其用户活跃群体以女性较多，主要来自一/二线城市，他们关注的话题大多为购物等话题，日常分享女装化妆品等话题偏多，品牌通过与微博的合作，更易匹配到目标人群。
洞察销售数据
不仅买家们剁手不亦乐乎，卖家们也是八仙过海，花样百出。狂欢过后，理性的卖家逐渐发现，在电商平台上，并不是俺们家所有的商品都能搭上六一八的便车。那么，六一八销量与哪些因素有关？商家应选择怎样的促销策略？
为此，我们采集了线上电商平台的销售数据。从销量来看，这些产品有的成为爆款，有的却无人问津，甚至约有35.8%的产品销量为零。另外，从价格来看，大部分卖家经过历年六一八已经成为“老司机”，尽管也采取促销活动，但是降价甚微（约有84.9%的产品降价不超过10元）。
从品类销售上来看，女士类产品销售较好，其中女鞋、女装都提升明显。看来，剁手主力还是以女性消费者为主。
点击标题查阅往期内容
NLP自然语言处理—主题模型LDA案例：挖掘人民网留言板文本数据
左右滑动查看更多
01
02
03
04
另外，从价格来看，大部分卖家经过历年双十一已经成为“老司机”，尽管也采取促销活动，但是降价很少（约有20%的产品没有降价），从销量和降价的关系来看，通过降价来促销的效果甚微。
从不同维度的评分来看，消费者对卖家的服务态度满意程度最高，然而降价的幅度显然没有达到他们的预期。
女性消费者都喜欢买什么东西呢？通过简单的分词、词频统计，我们能够发现，在双十一期间销售量>0的商品中，出现了“夏季”、“清凉” 这样的季节性词汇；同时，也有“新款”、“韩版”、“时尚”这样的款式热词。
** **
机器学习促销策略--LDA主题模型
主题模型（topic modeling）是一种常见的机器学习应用，主要用于对文本进行分类。形象来说，主题就是一个桶，里面装了出现概率较高的单词，这些单词与这个主题有很强的相关性。
如果机器能理解这个隐含语义，就能展示相应的广告——这样点击率会更高。在广告、搜索和推荐中，最重要的问题之一就是理解用户兴趣以及页面、广告、商品等的隐含语义。
通过对商品关键词使用LDA建模，我们得到模型有3个主题，主题1关于材质（主要的词为麝皮、山羊绒等），主题2关于风格（主要的词为商务、韩版等），主题3关于颜色（主要的词为咖啡色、蓝色等）。通过机器理解的隐含语义，我们就能展示相应的广告，从而提高点击率。
** **
结语
不论是近期的“天猫618”还是“京东618节”，众多电商巨头及品牌齐聚，正如马爸爸提出的，我们都处在一个全新的零售时代，正在逐步预见着消费需求的变化，在同质化严重的当下，如何走进消费者并赢得关注是每个品牌都非常重要的课题。
点击文末 “阅读原文”
获取全文完整代码数据资料。
本文选自《618电商大数据分析可视化报告》。
点击标题查阅往期内容
Python主题建模LDA模型、t-SNE 降维聚类、词云可视化文本挖掘新闻组数据集
自然语言处理NLP：主题LDA、情感分析疫情下的新闻文本数据
R语言对NASA元数据进行文本挖掘的主题建模分析
R语言文本挖掘、情感分析和可视化哈利波特小说文本数据
Python、R对小说进行文本挖掘和层次聚类可视化分析案例
用于NLP的Python：使用Keras进行深度学习文本生成
长短期记忆网络LSTM在时间序列预测和文本分类中的应用
用Rapidminer做文本挖掘的应用：情感分析
R语言文本挖掘tf-idf,主题建模，情感分析,n-gram建模研究
R语言对推特twitter数据进行文本情感分析
Python使用神经网络进行简单文本分类
用于NLP的Python：使用Keras的多标签文本LSTM神经网络分类
R语言文本挖掘使用tf-idf分析NASA元数据的关键字
R语言NLP案例：LDA主题文本挖掘优惠券推荐网站数据
Python使用神经网络进行简单文本分类
R语言自然语言处理（NLP）：情感分析新闻文本数据
Python、R对小说进行文本挖掘和层次聚类可视化分析案例
R语言对推特twitter数据进行文本情感分析
R语言中的LDA模型：对文本数据进行主题模型topic modeling分析
R语言文本主题模型之潜在语义分析（LDA:Latent Dirichlet Allocation）