DBQ/Mr.Porter.Product.prices.United.States

该数据集包含从Mr Porter网站抓取的产品列表页面（PLP）数据，涵盖了美国男性奢侈品时尚领域的电子商务信息。数据集提供了网站名称、日期、国家代码、货币代码、品牌、类别代码、产品代码、标题、产品URL、图片URL、价格等详细信息。这些数据为分析客户偏好、热门商品以及美国市场的整体趋势提供了关键见解。

原始信息汇总

数据集概述

基本信息

• 数据集名称: United States - Mr Porter - Product-level price list
• 语言: 英语
• 许可证: 未知
• 多语言性: 单语种
• 数据来源: 原始数据
• 任务类别: 文本分类、图像分类、特征提取、图像分割、图像到图像、图像到文本、目标检测、摘要生成、零样本图像分类
• 标签: 网页抓取、电子商务、Mr Porter、时尚、时尚产品、图像、时尚图像

配置

• 配置名称: default
• 数据文件:
  • 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: 整数64位
  • title: 字符串
  • itemurl: 字符串
  • imageurl: 字符串
  • full_price: 浮点数64位
  • price: 浮点数64位
  • full_price_eur: 浮点数64位
  • price_eur: 浮点数64位
  • flg_discount: 整数64位
• 分割:
  • 名称: train
  • 字节数: 11724890
  • 样本数: 35741
• 下载大小: 2718002
• 数据集大小: 11724890

搜集汇总

数据集介绍

构建方式

该数据集源自对Mr Porter电商平台（美国站）的产品列表页面（PLP）进行系统化网络爬取，聚焦于男士奢侈品时尚领域。数据采集涵盖了产品层面的价格信息，包括品牌、三级分类编码、产品标题、商品链接、图片链接、原价与现价（均以美元和欧元双币种呈现），以及折扣标识等字段。数据集以默认配置存储为训练集，共包含35,741条样本，数据格式为结构化表格，便于后续分析处理。

使用方法

该数据集可通过Hugging Face Datasets库直接加载，指定配置名为'default'后，系统将自动获取训练集分片数据。用户可调用Python接口进行数据探索，例如利用pandas库分析价格分布、折扣率统计或品牌销售排名。同时，数据集支持多任务扩展应用，包括文本分类（基于标题）、图像分类（关联图片链接）、特征提取及零样本图像分类等，适用于构建推荐系统或价格预测模型。

背景与挑战

背景概述

该数据集由Data Boutique团队创建，聚焦于美国高端男性时尚电商平台Mr Porter的产品级价格列表。研究背景植根于电子商务与时尚零售的交叉领域，随着美国在线奢侈品市场的迅猛扩张，消费者对高端时尚产品的可及性需求日益增长。数据集收录了2023年左右的35,741条产品记录，涵盖品牌、品类层级、价格、折扣状态及图像URL等关键特征，为分析美国男性奢侈品消费趋势、定价策略及市场偏好提供了结构化数据支撑。其核心研究问题在于通过细粒度产品信息，揭示电商平台上高端时尚商品的动态定价模式与消费者行为关联。该数据集对零售数据分析、时尚趋势预测及电商定价优化等领域具有显著影响力，为学术界与行业实践搭建了桥梁。

当前挑战

数据集面临多重挑战。首先，在领域问题层面，它需应对电商时尚数据固有的异质性，如产品类别（category1至category3）的层次化编码不统一，以及品牌与标题中隐含的非标准化命名，这增加了跨品类价格比较与趋势建模的复杂性。其次，构建过程中遭遇了数据清洗与对齐难题：来自网页抓取的图像URL（imageurl）可能随时间失效，影响多模态分析的可靠性；同时，价格字段（full_price与price）包含欧元转换值，需处理汇率波动带来的偏差，而折扣标记（flg_discount）的二进制表示难以捕捉促销活动的动态范围。此外，数据集仅提供单一时点快照，缺乏时间序列维度，限制了对其价格波动与季节性模式的深入探究。

常用场景

经典使用场景

在时尚电商与消费行为研究的交叉领域，DBQ/Mr.Porter.Product.prices.United.States数据集以其精细化的产品级价格信息，成为剖析高端男装市场动态的宝贵资源。该数据集最经典的使用场景在于构建多模态价格预测模型与折扣策略分析，研究者可结合产品标题、品牌层级、品类代码与图像URL等特征，深度挖掘奢侈品定价机制与促销行为的关联规律。通过整合文本分类与图像特征提取技术，该数据集支持对时尚单品进行细粒度的价格区间划分与折扣倾向预测，为理解美国奢侈品电商市场的价格弹性与消费者敏感度提供了系统化的数据基础。

解决学术问题

该数据集有效回应了电商经济学与时尚营销领域中长期存在的若干核心学术难题。其一，它解决了奢侈品线上定价透明度不足的问题，通过提供全价与折后价的配对数据，使得研究者能够量化分析折扣策略对品牌定位的影响。其二，该数据集的品类多级编码结构为跨品类价格差异研究提供了标准化框架，有助于揭示不同时尚品类间的需求替代效应。其三，结合图像URL与价格信息，该数据集推动了视觉价格感知研究的发展，使学术探索得以从传统文本分析拓展至视觉线索与定价策略的交互作用，显著丰富了时尚零售领域的实证研究范式。

实际应用

在实际商业场景中，该数据集为时尚电商平台的动态定价系统与库存管理策略提供了直接支撑。零售商可基于历史价格与折扣标志，训练自动化定价模型，实现对季节性商品的实时调价与促销优化。品牌方亦能借助该数据集进行竞品价格监测，通过分析Mr Porter上同类商品的定价走势，制定更具竞争力的市场策略。此外，该数据集中的产品图像与标题信息可被用于构建智能推荐引擎，通过识别消费者对特定价格区间的偏好，提升个性化购物体验与转化率，从而在激烈的奢侈品电商竞争中占据数据驱动的先发优势。

数据集最近研究

最新研究方向

当前，基于电商平台奢侈品定价与折扣数据的前沿研究，正聚焦于利用多模态信息融合与深度学习技术，解析高端时尚市场的动态定价策略与消费者行为模式。DBQ/Mr.Porter.Product.prices.United.States数据集作为美国男士奢侈时尚领域精细化的产品级价格清单，结合了结构化属性（品牌、品类层级、货币汇率）与非结构化图像数据，为挖掘价格弹性、折扣时效性以及视觉风格对购买决策的影响提供了独特窗口。该数据集的最新应用方向包括：构建零样本图像分类模型以自动识别奢侈品款式与季节关联性，开发跨模态特征提取算法来预测促销活动的市场响应，以及通过序列分析揭示奢侈品牌在电商渠道中的价格锚定与调价规律。这些研究不仅推动了时尚智能定价系统的演进，也为理解后疫情时代美国高端消费市场的数字化韧性提供了实证基础，对电商运营与品牌战略具有双重指导意义。