DBQ/Prada.Product.prices.United.Kingdom

该数据集包含了从Prada网站上抓取的英国市场的电子商务产品列表页（PLP）数据。数据集涵盖了多个分类任务，如文本分类、图像分类等。特征包括网站名称、产品代码、标题、图片URL、价格等，适用于多种NLP和计算机视觉任务。数据集的语言为英语，且为单语种。

原始信息汇总

数据集概述

基本信息

• 数据集名称: United Kingdom - Prada - Product-level price list
• 语言: 英语
• 许可证: 未知
• 多语言性: 单语种
• 源数据集: 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: webscraping, ecommerce, Prada, fashion, fashion product, image, fashion image

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: 字符串
  • title: 字符串
  • itemurl: 字符串
  • imageurl: 字符串
  • full_price: 浮点数
  • price: 浮点数
  • full_price_eur: 浮点数
  • price_eur: 浮点数
  • flg_discount: 整数
• 分割:
  • 名称: train
  • 字节数: 1114680
  • 样本数: 2180
• 下载大小: 327100
• 数据集大小: 1114680

搜集汇总

数据集介绍

构建方式

该数据集源自对Prada品牌在联合王国（英国）地区官方电商网站的系统化网络爬取，聚焦于产品列表页（PLP）的精细化数据采集。构建过程遵循严谨的自动化流程，逐一抓取每个在售产品的核心属性，包括但不限于产品标题、所属品类层级（category1至category3）、唯一产品编码、商品详情页链接及主图URL。尤为关键的是，数据集同步捕获了产品的完整价格与当前实际售价，并基于欧元汇率进行标准化换算，同时以布尔型字段标记是否存在折扣。数据最终以结构化的表格形式存储，共收录2180条样本，构成了一个针对Prada英国市场产品级价格的专项数据集。

特点

此数据集的核心特点在于其高度聚焦与结构化深度。它专攻于奢侈品时尚领域内的单一品牌Prada，并限定于英国这一特定市场，提供了精细到产品级别的价格快照。数据不仅包含基础的文本与数值信息，还创新性地整合了图片链接，为多模态分析（如结合图像与价格进行款式识别）创造了条件。此外，通过记录原始价格、折扣价格及欧元换算值，数据集能够清晰揭示Prada在英国的定价策略与折扣力度，为研究奢侈品的区域定价差异、价格弹性及促销活动效果提供了宝贵的一手量化资料。

使用方法

该数据集适用于多种机器学习与商业分析任务。在监督学习方面，可基于产品标题、品类代码等文本特征进行文本分类，或利用价格与折扣字段构建回归模型预测产品价值。其包含的图像链接使得零样本图像分类、图像到文本生成及目标检测等计算机视觉任务得以开展。对于特征提取，数据集的结构化字段可直接作为高维特征输入。此外，通过汇总分析不同品类下的平均价格与折扣频率，研究者能够洞察Prada在英国的消费者偏好与市场趋势，为电商运营与品牌策略提供数据驱动的决策支持。

背景与挑战

背景概述

在奢侈品电商蓬勃发展的时代背景下，精准捕捉高端品牌的市场动态与消费者行为成为行业研究的关键。由Data Boutique团队创建的DBQ/Prada.Product.prices.United.Kingdom数据集，聚焦于意大利奢侈品牌Prada在英国市场的产品级价格清单，收录了截至特定日期的2180条商品记录，涵盖品牌、多级分类、货币价格、折扣标识及商品图像链接等结构化信息。该数据集通过自动化网络爬取手段构建，旨在为奢侈品电商领域的价格策略分析、市场趋势追踪及消费者偏好建模提供量化基础，尤其对研究英国高净值消费群体的购买模式具有重要参考价值，填补了细分奢侈品牌公开价格数据的空白。

当前挑战

该数据集面临的核心挑战包括：其一，所解决的领域问题在于奢侈品电商价格透明度低与动态定价复杂，传统静态分析难以捕捉Prada等品牌在英市场的实时折扣策略与品类分布规律，数据集虽提供快照但缺乏时间序列信息，限制了价格波动趋势的深度挖掘。其二，构建过程中遭遇数据获取与清洗的显著困难，奢侈品官网常采用反爬机制与动态内容加载，导致爬取覆盖率与更新频率受限；同时，多币种价格（如英镑与欧元）的统一转换、产品图像URL的时效性验证以及品类层级编码的标准化均需人工介入，增加了数据维护成本。此外，数据量较小（2180条）且仅包含单一品牌与地区，可能无法全面反映奢侈品电商生态的多样性，存在样本偏差风险。

常用场景

经典使用场景

在奢侈品电商与时尚零售领域，DBQ/Prada.Product.prices.United.Kingdom数据集为研究者提供了英国市场Prada产品级价格清单的宝贵资源。该数据集涵盖产品名称、类别编码、图片链接及多币种价格信息，特别适用于构建多模态价格预测模型或进行奢侈品定价策略的实证分析。通过结合文本描述与视觉特征，研究人员可以探索品牌溢价、折扣模式与消费者偏好之间的内在关联，为时尚电商平台的动态定价机制提供数据驱动的洞察。

衍生相关工作

基于该数据集，学界与业界已衍生出多项经典工作。在学术层面，研究者利用其多模态特性开发了融合图像与文本特征的奢侈品价格预测模型，相关成果发表于电子商务与数据挖掘领域的顶级会议。同时，该数据集被用于训练零样本图像分类器，以识别未见过的Prada产品款式，推动了时尚检索技术的边界。在工业界，数据驱动的价格弹性分析工具被集成到零售定价平台中，帮助品牌实现动态折扣策略，这些工作共同彰显了该数据集在连接理论研究与商业落地中的桥梁作用。

数据集最近研究

最新研究方向

当前，奢侈品电商领域的研究正聚焦于利用细粒度产品级价格数据集揭示市场动态与消费者行为模式。DBQ/Prada.Product.prices.United.Kingdom数据集以英国Prada产品为样本，涵盖完整价格、折扣标志、多级分类及图像链接等结构化信息，为前沿研究提供了高价值数据源。该方向紧密关联奢侈品行业数字化转型与在线购物激增的热点事件，支持从价格弹性分析、折扣策略评估到视觉特征提取与多模态分类等多元任务。通过挖掘价格波动与品类偏好，研究者可量化品牌定价策略对区域市场的影响，推动个性化推荐与智能定价模型的演进，对理解高端消费市场韧性及电商竞争格局具有重要理论意义与实践价值。