引言
在服装鞋帽行业，选品决策直接关系到库存周转和利润空间。传统做法依赖买手经验、展会信息和销售报表，但流行款式变化快、面料价格波动大，人工跟踪往往滞后。本文介绍如何利用公开 API 和少量代码，把「流行款式趋势」和「面料价格行情」两个关键信号自动化采集下来，为选品提供数据支撑。整体思路
选品数据链路可以拆成两条主线：一条是款式趋势，一条是面料成本。两条线最终汇合到选品评估表，帮助判断「某个款式现在是否值得做、成本是否可控」。
款式趋势线：从电商平台、社交媒体或趋势数据服务获取关键词热度、搜索指数、销量排行。
面料成本线：从纺织原料交易平台或行业数据接口获取棉、涤纶、氨纶等原料价格。
汇合评估：把款式热度与面料成本按时间对齐，形成选品评分。
- 流行款式追踪
款式趋势的数据源很多，这里以电商平台搜索热词和社交媒体话题热度为例。多数平台提供开放 API 或数据服务，需要申请密钥后调用。
3.1 获取搜索热词
以某电商平台的搜索词接口为例，请求参数通常包含类目、时间范围和地域。返回结果一般是按热度排序的关键词列表。
import requests
def fetch_hot_words(category_id, date_range):
url = "https://api.example.com/search/hotwords"
params = {
"category_id": category_id,
"date_range": date_range,
"limit": 50
}
headers = {"Authorization": "Bearer YOUR_API_KEY"}
resp = requests.get(url, params=params, headers=headers)
resp.raise_for_status()
return resp.json()["data"]["hotwords"]
hot_words = fetch_hot_words("women_dress", "2026-08-01:2026-08-30")
for item in hot_words[:10]:
print(item["word"], item["heat_index"])
3.2 解析款式特征
拿到热词后，需要进一步拆解出款式特征，比如版型、袖型、领型、长度、图案等。可以维护一份关键词映射表，把热词映射到结构化属性。
feature_map = {
"泡泡袖": {"sleeve": "puff"},
"方领": {"collar": "square"},
"阔腿裤": {"silhouette": "wide_leg"},
"碎花": {"pattern": "floral"}
}
def parse_features(word):
features = {}
for key, value in feature_map.items():
if key in word:
features.update(value)
return features
for item in hot_words[:10]:
print(item["word"], parse_features(item["word"]))
- 面料价格追踪
面料成本是选品的重要约束。棉花、涤纶短纤、氨纶等原料价格会直接影响生产成本。这里以纺织原料价格接口为例，演示如何定时拉取并保存价格序列。
4.1 拉取原料价格
import requests
import csv
from datetime import datetime
def fetch_fabric_prices(material_codes):
url = "https://api.example.com/textile/prices"
params = {"materials": ",".join(material_codes)}
headers = {"Authorization": "Bearer YOUR_API_KEY"}
resp = requests.get(url, params=params, headers=headers)
resp.raise_for_status()
return resp.json()["data"]["prices"]
prices = fetch_fabric_prices(["cotton", "polyester", "spandex"])
print(prices)
4.2 保存历史价格
def append_price_to_csv(prices, filename="fabric_prices.csv"):
today = datetime.now().strftime("%Y-%m-%d")
with open(filename, "a", newline="", encoding="utf-8") as f:
writer = csv.writer(f)
for item in prices:
writer.writerow([today, item["material"], item["price"]])
append_price_to_csv(prices)
- 数据汇总与选品评分
把款式热度和面料成本合并到一张表里，可以更直观地判断机会。这里给出一个简单的评分思路：热度高且成本平稳或下降的款式，优先纳入选品池。
款式 热度指数 主要面料 面料价格趋势 建议
方领泡泡袖连衣裙 92 棉、涤纶 平稳 优先开发
阔腿裤 85 涤纶 小幅上涨 关注成本
碎花衬衫 78 棉 下降 可加大备货
def score_style(heat, price_trend):
score = heat
if price_trend == "down":
score += 10
elif price_trend == "up":
score -= 10
return score
for style in styles:
style["score"] = score_style(style["heat"], style["price_trend"])
print(style["name"], style["score"])
- 定时任务与告警
数据采集需要持续运行才有价值。可以用定时任务每天拉取一次数据，并在面料价格涨幅超过阈值时发送告警。
伪代码：每日定时任务
schedule.every().day.at("09:00").do(daily_job)
def daily_job():
hot_words = fetch_hot_words("women_dress", "2026-08-01:2026-08-30")
prices = fetch_fabric_prices(["cotton", "polyester", "spandex"])
append_price_to_csv(prices)
check_price_alert(prices, threshold=0.05)
def check_price_alert(prices, threshold):
for item in prices:
if item["change_rate"] > threshold:
send_alert(f"{item['material']} 价格上涨 {item['change_rate']:.1%}")
- 注意事项
数据源授权：使用第三方 API 前务必确认授权范围和调用限额，避免超限或违规。
数据时效：热词和价格都有时效性，建议按天或按周归档，形成长期趋势。
结合人工判断：数据只能辅助决策，款式审美、品牌定位和供应链能力仍需人工把关。 - 总结
通过 API 追踪流行款式和面料价格，可以把选品从「凭感觉」升级为「看数据」。本文给出的代码示例覆盖了热词获取、特征解析、价格拉取、评分汇总和定时告警五个环节，读者可以根据自己的数据源和业务场景灵活调整。建议先从小范围类目试跑，验证数据质量后再逐步扩展。如有任何疑问，欢迎留言探讨！
