DBQ/Gucci.Product.prices.United.States

该数据集包含了Gucci在美国的电子商务产品列表页面（PLP）数据，提供了关于在线时尚消费者行为、购买模式和产品偏好趋势的宝贵见解。数据集的特征字段包括网站名称、能力日期、国家代码、货币代码、品牌、类别代码、产品代码、标题、商品URL、图片URL、全价、价格、欧元全价、欧元价格以及折扣标志。该数据集包含了Gucci在美国的电子商务产品列表页面（PLP）数据，提供了关于在线时尚消费者行为、购买模式和产品偏好趋势的宝贵见解。数据集的特征字段包括网站名称、能力日期、国家代码、货币代码、品牌、类别代码、产品代码、标题、商品URL、图片URL、全价、价格、欧元全价、欧元价格以及折扣标志。

原始信息汇总

Gucci web scraped data

数据集概述

数据文件配置

• 配置名称: default
• 数据文件路径:
  • 分割: train
  • 路径: data/train-*

数据集信息

• 特征:
  • website_name: 字符串
  • competence_date: 字符串
  • country_code: 字符串
  • currency_code: 字符串
  • brand: 字符串
  • category1_code: 字符串
  • category2_code: 字符串
  • category3_code: 字符串
  • product_code: 字符串
  • title: 字符串
  • itemurl: 字符串
  • imageurl: 字符串
  • full_price: 浮点数 (float64)
  • price: 浮点数 (float64)
  • full_price_eur: 浮点数 (float64)
  • price_eur: 浮点数 (float64)
  • flg_discount: 整数 (int64)

分割信息

• 名称: train
• 字节数: 2746363
• 样本数: 5764

数据集大小

• 下载大小: 807752
• 数据集大小: 2746363

搜集汇总

数据集介绍

构建方式

在奢侈品电商数据采集领域，该数据集通过自动化网络爬虫技术，系统性地抓取了Gucci美国官网的产品列表页信息。构建过程聚焦于提取结构化商品数据，涵盖品牌、分类、价格及折扣标志等关键字段，确保了数据的时效性与完整性。数据采集遵循合规性原则，仅收录公开可访问的产品信息，为后续分析提供了可靠的基础。

特点

该数据集以多层级分类体系为特色，通过category1_code至category3_code字段细致刻画商品归属，辅以产品代码实现精准标识。价格维度同时包含原始货币与欧元换算值，并标注折扣状态，便于跨区域经济分析。其结构化特征支持对奢侈品市场定价策略、消费趋势及品牌动态的深入挖掘，具有较高的学术与应用价值。

使用方法

研究者可借助该数据集开展奢侈品电商定价模型构建、消费者行为分析或市场竞争力研究。数据可直接加载至主流分析框架，通过品牌、分类或价格字段进行筛选与聚合。结合时间序列分析，能够追踪特定品类价格波动规律，亦可通过关联折扣标志探究促销策略对销售的影响，为商业决策提供实证依据。

背景与挑战

背景概述

在数字化浪潮席卷全球零售业的背景下，奢侈品电商数据已成为洞察市场动态与消费者行为的关键资源。DBQ/Gucci.Product.prices.United.States数据集应运而生，由Data Boutique机构构建，专注于采集美国市场古驰（Gucci）品牌的产品列表页（PLP）信息。该数据集的核心研究问题在于解析高端时尚品牌在线销售策略，通过产品价格、折扣标识、分类代码等多维度字段，揭示奢侈品电商的价格结构、促销模式及品类分布。其创建深化了我们对奢侈品行业数字化转型的理解，为市场分析、竞争情报及消费者偏好研究提供了实证基础，对零售经济学和电子商务研究领域具有显著影响力。

当前挑战

该数据集致力于解决奢侈品电商领域的产品定价与市场监测挑战，其核心难点在于实时捕捉动态价格波动与促销策略，同时需处理多层级分类体系下的产品标准化问题。在构建过程中，挑战主要源于网络爬虫技术的应用：奢侈品网站常采用反爬机制与动态内容加载，增加了数据采集的复杂性与稳定性风险；此外，数据清洗环节需应对货币转换、价格字段一致性校验以及非结构化文本（如产品标题）的规范化处理，确保跨时间点数据的可比性与准确性。

常用场景

经典使用场景

在奢侈品电商数据分析领域，DBQ/Gucci.Product.prices.United.States数据集为研究者提供了美国市场Gucci品牌线上产品的结构化价格信息。该数据集常被用于探索奢侈品在线零售的动态定价策略，通过分析产品分类、原价与折扣价等字段，揭示高端时尚品牌在数字化渠道中的价格分布规律与促销模式。

衍生相关工作

围绕该数据集衍生的经典研究包括奢侈品电商价格弹性模型构建、跨渠道价格一致性分析，以及基于产品分类的消费偏好挖掘。这些工作进一步推动了时尚零售数据分析方法的发展，为融合计量经济学与机器学习技术的高端市场研究开辟了新路径。

数据集最近研究

最新研究方向

在奢侈品电商数据分析领域，Gucci产品价格数据集为前沿研究提供了关键支撑。该数据集聚焦美国市场，涵盖品牌、类别、价格及折扣等多维特征，助力学者深入探索奢侈品在线消费行为与动态定价机制。当前研究热点集中于利用机器学习模型分析价格弹性与促销策略的关联，结合图像URL与产品标题进行多模态商品表征学习，以预测时尚趋势与消费者偏好。此类工作不仅推动了智能零售决策系统的发展，也为理解后疫情时代奢侈品电商市场的结构性变化提供了实证基础，对时尚产业数字化转型具有显著意义。