[數據分析] 如何利用Google Trend (搜尋趨勢) 挑選爆款商品

利用Python串Google Trend API，拿到過去資料後Pandas合併和整理，再利用Decision Tree、KNN、Logistic Regression...等8種模型進行機器學習來預測 ... 跳至主要內容 每個月要從4000件商品挑出3~5件商品出來打廣告，銷售的好壞其實很考驗投手的挑品能力；此篇利用Python串GoogleTrendAPI爬取過去大量資料，Pandas合併和整理，再利用DecisionTree、KNN、LogisticRegression…等8種模型進行機器學習來預測未來搜尋熱度，最後利用這些數據輕鬆地挑選商品來進行推廣。

文章目錄 大綱：如何從4000件商品挑出3~5件商品來投放廣告？第一步：Python爬取資料第二步：資料清理第三步：資料篩選第四步：建立預測模型結論：GoogleTrend與GoogleAnalytics數據交叉比較▍數據分析相關延伸閱讀： 大綱：如何從4000件商品挑出3~5件商品來投放廣告？ 第一步：Python爬取資料 第二步：資料清理 第三步：資料篩選 第四步：建立預測模型 結論：GoogleTrend與GoogleAnalytics數據交叉比較 如果想了解更多爬蟲可以閱讀：[學習筆記]Python爬蟲_Selenium爬取商品庫存 第一步：Python爬取資料 GoogleTrend有開放API，所以在Python爬資料的部分比較簡單，但每次拿取資料最多不能超過五筆，所以在這邊多寫了for迴圈，再合併到pList裡面，就輕鬆拿到5年內的關鍵字搜尋熱度資料囉！ API連結:https://github.com/GeneralMills/pytrends (利用Python串GoogleTrendAPI獲得過去搜尋量資料) 第二步：資料清理 先把缺失值(沒有搜尋熱度的關鍵字)都設定為0後，利用numpy、pandas來整理商品熱度和日期，最後利用update合併兩份資料，接下來就可以進行資料處理的部份囉！ (將過去五年的GoogleTrend搜尋量整理成表格) 第三步：資料篩選 因為很多產品(像是冷氣、電暖爐)，這種都會有季節性趨勢，故在篩選時特地用每一季來做區隔，並且只與過去相同的季度進行比較，最後就從四千多樣商品裡面，挑出了目前搜尋熱度上升最大的10件商品，和目前搜尋熱度下降最多的10件產品。

(GoogleTrend搜尋熱度上升幅度最大的前10件商品) (GoogleTrend搜尋熱度下降幅度最大的10件商品) 第四步：建立預測模型 建立八種模型進行預測，其中包含DecisionTree、KNN、LogisticRegression、RandomForest、NaiveBayes…等模型，並取其預測分數最高的三種模型的預測值進行平均，即可獲得未來一個月的搜尋熱度預測。

(建立八種模型，進行機器學習預測未來搜尋趨勢) (取前三名的模型，將預測熱度進行平均) 再將預測資料和剛剛篩選出來前Top15進行合併，可以觀察出環保餐具、環保吸管、便當盒和保鮮盒都是未來相當適合推廣的產品，且也很適合推出組合包進行銷售。

(與先前的搜尋排名較高產品進行資料合併，可看出近期環保議題相當受到重視，建議組合產品包銷售) 結論：GoogleTrend與GoogleAnalytics數據交叉比較 利用GoogleAnalytics的資料將不重複購買數量和購買金額與GoogleTrend的搜尋熱度資料合併；測試了家電、食品和美妝不同產業的Data，大致數據都如下圖呈現，當GoogleTrend搜尋熱度上升時隔幾天後交易數量和金額都有明顯上升。

(這邊X軸是month，因為總共資料是五年，所以是5×12＝60) ▍數據分析相關延伸閱讀： 蝦皮賣家競品分析 如何利用Google商家進行分析和優化? 如何利用GoogleTrend(搜尋趨勢)挑選爆款商品? 如何利用QSearchTrend進行雙11社群分析 如何優化LandingPage到達頁? 初心者電商數據分析指標 DataStudio5分鐘打造屬於自己的電商儀表板 那[學習筆記]如何利用GoogleTrend(搜尋趨勢)挑選爆款商品就到這邊感謝收看，如文章內容有誤請不吝指正！ 有關Max行銷誌的最新文章，都會發佈在Max的Facebook粉絲專頁，如果想看最新更新，還請您按讚或是追蹤唷！ Max行銷誌：https://www.facebook.com/maxlist25/ 文章導覽 [數據分析]剖析GoogleAnalytics：從報表理解到實作筆記[數據分析]GoogleAnalytics疑難雜症大解惑筆記 在〈[數據分析]如何利用GoogleTrend(搜尋趨勢)挑選爆款商品〉中有3則留言 有再接洽產品分析的業務嗎? 回覆 您好不好意思最後的結論不太能夠理解＠＠ 環保餐具、環保吸管、便當盒和保鮮盒的Pre_Diff值皆為負數 不是代表未來搜尋熱度會下降？＠＠ 再麻煩解惑了， 謝謝您Orz 回覆 環保餐具、環保吸管、便當盒和保鮮盒的Pre_Diff值皆為負數 不是代表未來搜尋熱度會下降？ ->還需要搭配DIFF指標來檢視 環保系列產品在過去的搜尋熱度平均偏低，預測值Pre_Diff偏低，而DIFF偏高，代表是當期突然串紅的商品，故會建議關注此系列產品；而Pre_Diff偏高，DIFF偏低的商品，則較屬於季節性產品，也會建議推廣。

回覆 發佈留言取消回覆發佈留言必須填寫的電子郵件地址不會公開。

必填欄位標示為*留言*顯示名稱* 電子郵件地址* 個人網站網址 在瀏覽器中儲存顯示名稱、電子郵件地址及個人網站網址，以供下次發佈留言時使用。

Δ 搜尋關鍵字: CategoryTags Allposts(138) Crypto(6) DataStudio教學(8) Git教學(8) GoogleTagManager教學(9) PythonDjango教學(3) PythonFlask教學(36) Python基礎教學(23) Python數據分析(20) Python機器學習(3) Python爬蟲教學(15) Python資料庫教學(11) Swift教學(5) LatestPost 【Git教學】超輕鬆gitconfig設定指南 Python環境管理，讓poetry幫你建立虛擬環境 [Python教學]如何切換Python版本，讓Pyenv幫你輕鬆管理版本 Python基礎教學指南 [Python教學]dataclass是什麼?(python3.7+) ListList 選取月份 2022年5月 (4) 2022年4月 (1) 2022年3月 (1) 2022年2月 (1) 2022年1月 (2) 2021年12月 (2) 2021年11月 (1) 2021年10月 (1) 2021年9月 (1) 2021年8月 (1) 2021年7月 (1) 2021年6月 (1) 2021年5月 (1) 2021年4月 (1) 2021年3月 (3) 2021年2月 (1) 2021年1月 (3) 2020年12月 (2) 2020年11月 (2) 2020年10月 (3) 2020年9月 (1) 2020年8月 (5) 2020年7月 (3) 2020年6月 (5) 2020年5月 (11) 2020年4月 (6) 2020年3月 (6) 2020年2月 (1) 2020年1月 (3) 2019年12月 (5) 2019年11月 (5) 2019年10月 (1) 2019年9月 (4) 2019年8月 (2) 2019年7月 (2) 2019年6月 (3) 2019年5月 (1) 2019年4月 (6) 2019年3月 (3) 2019年2月 (1) 2019年1月 (2) 2018年12月 (1) 2018年11月 (10) 2018年10月 (5) 2018年9月 (6) 2018年8月 (1) 2018年7月 (1) 2018年6月 (2) 2018年5月 (2) 2018年4月 (1) 2018年2月 (1) 2018年1月 (1) Comment「高藥師」於〈[資料庫筆記]Python串接GoogleSheet新增、讀取、更新和刪除〉發佈留言「Claudia」於〈[零基礎上手]Discord自動發言機器人〉發佈留言「Max」於〈[零基礎上手]Discord自動發言機器人〉發佈留言「Claudia」於〈[零基礎上手]Discord自動發言機器人〉發佈留言「han」於〈[零基礎上手]Discord自動參加抽獎機器人(雲端穩定版)〉發佈留言 About Explore