DBQ/Net.a.Porter.Product.prices.Tunisia

该数据集主要围绕突尼斯知名在线零售商Net-a-Porter的产品列表页面（PLP）数据，提供了关于在线客户行为和产品表现的洞察。数据集包含多个特征，如网站名称、品牌、产品代码、标题、商品URL、图片URL、价格等，适用于多种任务类别，如文本分类、图像分类、特征提取等。

原始信息汇总

数据集概述

基本信息

• 数据集名称: Tunisia - Net-a-Porter - Product-level price list
• 标签: webscraping, ecommerce, Net, fashion, fashion product, image, fashion image
• 配置: default

数据来源与语言

• 标注创建者: other
• 语言创建者: other
• 语言: en
• 许可证: unknown
• 多语言性: monolingual
• 数据来源: original

任务类别

• text-classification
• image-classification
• feature-extraction
• image-segmentation
• image-to-image
• image-to-text
• object-detection
• summarization
• zero-shot-image-classification

数据集结构

特征

• website_name: string
• competence_date: string
• country_code: string
• currency_code: string
• brand: string
• category1_code: string
• category2_code: string
• category3_code: string
• product_code: int64
• title: string
• itemurl: string
• imageurl: string
• full_price: float64
• price: float64
• full_price_eur: float64
• price_eur: float64
• flg_discount: int64

分割

• train
  • num_bytes: 17289050
  • num_examples: 42405

数据大小

• 下载大小: 5424439
• 数据集大小: 17289050

搜集汇总

数据集介绍

构建方式

该数据集源自对高端时尚电商平台Net-a-Porter在突尼斯地区产品页面的系统性网络爬取，聚焦于产品级价格信息的采集与整理。构建过程中，团队从电商产品列表页（PLP）出发，逐一抓取每件商品的详细属性，包括品牌、多级分类编码、产品唯一标识、标题、商品链接及图片链接等基础信息。同时，精确记录当地货币（突尼斯第纳尔）下的原价与售价，并依据实时汇率转换为欧元标价，以增强数据的跨区域可比性。数据中还特别标注了折扣标记字段，用于区分促销商品与正价商品。最终，所有数据经清洗与结构化处理后，整合为一个包含42,405条训练样本的单一数据集，以Parquet格式存储，便于高效加载与分析。

使用方法

该数据集可通过HuggingFace Datasets库直接加载，默认配置名为'default'，仅包含'train'分片。用户只需调用`load_dataset`函数并指定数据集名称'DBQ/Net.a.Porter.Product.prices.Tunisia'，即可快速获取完整的42,405条训练样本。数据以特征列形式组织，涵盖字符串、整型与浮点型等多种数据类型，适用于文本分类、图像分类、特征提取乃至图像分割与目标检测等多模态任务场景。研究者可基于'full_price'与'price'字段进行定价策略分析，利用'flg_discount'字段构建折扣预测模型，或结合'brand'与'category_code'字段开展品牌层级的价格对比研究。数据集的标准化格式也便于与Pandas、NumPy等数据分析工具无缝衔接。

背景与挑战

背景概述

在电子商务迅猛发展的时代，奢侈品在线零售平台的数据资源对于理解市场动态与消费者行为具有重要价值。Net-a-Porter作为全球知名的高端时尚电商，其在突尼斯市场的运营数据尤为珍贵。该数据集由Data Boutique团队于近年创建，聚焦于Net-a-Porter在突尼斯地区的产品级价格列表（PLP），收录了超过4.2万条商品记录，涵盖品牌、分类、定价、折扣及图像链接等多维信息。核心研究问题在于探索新兴市场中奢侈品电商的定价策略、折扣模式与产品分布规律，为区域经济分析与零售策略优化提供实证基础。该数据集填补了北非地区高端电商数据的空白，对学术研究与商业决策均具参考意义。

当前挑战

该数据集面临的挑战首先体现在领域问题的复杂性上。电子商务数据天然具有高维异构特性，如文本标题、价格数值与产品图像并存，需要多模态学习与跨任务模型的支持，包括文本分类、图像分类、目标检测乃至图像到文本的生成。其次，构建过程中存在显著困难：数据源自网络爬虫，面临网站结构变动、反爬机制及数据时效性等问题；产品分类体系（如三级品类编码）可能存在不一致或缺失，影响标签质量；价格与折扣字段需跨币种（突尼斯第纳尔与欧元）转换，引入汇率波动误差。此外，仅含训练集而无验证与测试划分，限制了模型泛化能力的评估。

常用场景

经典使用场景

DBQ/Net.a.Porter.Product.prices.Tunisia 数据集聚焦于突尼斯地区高端时尚电商Net-a-Porter的产品级价格信息，涵盖品牌、品类层级、标题、图片链接、原始价格与折扣价等字段。其经典使用场景在于支撑多模态电商数据分析，例如将文本描述与产品图像联合建模，进行时尚商品分类、价格区间预测或折扣策略分析。研究者可借助该数据集训练图像与文本融合的分类器，识别不同品类或品牌的定价模式，或构建零样本图像分类模型以识别未见过的时尚单品。此外，数据集中的多级品类编码为层次化分类任务提供了天然标注，适用于研究细粒度商品识别与知识图谱构建。

解决学术问题

该数据集为解决电商领域中的价格透明度与市场动态分析问题提供了基础。学术上，它可用于研究突尼斯乃至EMEA地区时尚电商的定价策略与折扣行为，通过分析full_price与price_eur等字段，揭示品牌在不同品类下的价格弹性与促销规律。数据集还支持跨区域价格比较研究，结合currency_code与country_code信息，探索汇率波动对定价的影响。这些分析有助于理解电子商务中的价格歧视现象与消费者行为模式，为计量经济学与市场营销领域的实证研究提供可靠数据支撑。

实际应用

在实际应用中，该数据集可赋能电商平台的价格监控与竞争情报系统。企业可通过分析Net-a-Porter在突尼斯市场的产品价格与折扣频率，优化自身定价策略与促销活动。零售商还可利用imageurl与title字段训练推荐算法，实现基于视觉相似性与价格区间的商品匹配推荐。此外，数据集中的flg_discount标志位可直接用于构建折扣预测模型，帮助电商平台提前识别可能降价的商品，为库存管理与动态定价提供决策依据。

数据集最近研究

最新研究方向

当前，电子商务领域的研究日益聚焦于新兴市场的奢侈品消费行为与定价策略，而DBQ/Net.a.Porter.Product.prices.Tunisia数据集恰好为这一前沿方向提供了宝贵的数据支撑。该数据集通过系统化采集突尼斯地区Net-a-Porter电商平台上涵盖品牌、品类、价格及折扣信息的商品级数据，为研究者深入剖析北非地区奢侈品电商的定价动态、折扣模式及消费者偏好奠定了坚实基础。值得注意的是，随着全球奢侈品电商向中东与非洲扩张，突尼斯作为关键节点，其市场数据对于理解区域化定价策略、跨货币汇率影响以及线上购物行为变迁具有独特价值。该数据集的发布，不仅推动了针对新兴市场奢侈品价格弹性的实证研究，也为构建更精准的跨境电子商务预测模型提供了关键训练样本，其意义在于连接了全球奢侈品流通与地方经济特征之间的研究鸿沟。