2026.11.08 数据分析 约 9 分钟

8553 条帖子告诉我,校园集市在卖什么

人的直觉在三千条以上就失效了。想把论坛读明白,唯一的办法是先把它变成一张表。

学校的集市论坛,我刷了两年。刷的时候总觉得自己知道大家在卖什么:自行车、教材、 台灯、化妆品小样。但真要写一句「校园集市以什么为主」,我一句都写不出来。 直觉可以生成假设,但不能当结论。

于是我做了件笨事:把七周的帖子全部翻出来,记下时间、标题和短链,做成一份 TSV。 最后得到 8553 行。

第一步:别急着分析,先把表建好

数据工作的成败,八成在清洗。这批数据的坑集中在三处:

  • 官方模板帖混在用户帖里。「集市火榜」「投稿入口」这类是运营内容, 不剔掉会直接污染品类统计,约占 4.3%。
  • 时间只有到分钟,没有日期字段。要按月汇总,先得把字符串切成年月。
  • 标题极短、口语化、大量缩写。「出个」「收个」「蹲一个」是常态, 这让任何基于词表的分类都变得脆弱。

我没有正文,也没有价格。这意味着所有分析只能停在「标题层面说了什么」, 推不到「成交价多少」「成交率多高」。一开始我为此沮丧,后来觉得反而好: 边界清楚了,写出来的东西才站得住。

第二步:跑一遍数字

七周 8553 条,10 月单月 5062 条,是 9 月的两倍多。开学季的二手置换、社团招新、 比赛组队都堆在 10 月,这个季节效应比我想象的猛。

更有意思的是结构。明确求购的帖子约 756 条,而明确写「出售 / 转让 / 闲置」的只有 43 条。 乍一看像「买家多、卖家少」,但我知道这是假的——真实原因是卖东西的人几乎不写「出售」, 他们写「出个 Kindle,九成新」。43 这个数字,暴露的是我的词表,不是市场。

当统计结果和常识冲突时,先怀疑工具,再怀疑世界。

第三步:那些不在交易里的需求

分类跑完,真正让我意外的不是品类,而是「非交易」内容的比例。 「大创」相关 253 条(组队、招人)、跑腿代办 247 条、「搭子」146 条、 失物招领 26 条。这些帖子跟买卖没关系,但它们占据了大量版面。

换句话说,这个论坛对同学的价值不只是「把闲置换成钱」, 而是「在校园里找到一个能协作的人」。找队友、找人代取、找人一起跑步, 都是同一类需求的变体:用公开帖降低找人成本。

失败的部分

我做了一版七分类的正则规则,自以为覆盖得挺全,结果跑出来明显失真。 问题不在于规则写错了,而在于我拿书面语去套口语:真实标题是「出」「蹲」「dd」「收收收」, 是一个活的语言系统。正确做法是先人工标注五百条,从真实措辞里归纳词表,再回头衡量准确率。 我这次没做完,就把结论标成了「粗分类,仅供参考」。

这件事让我理解了一句以前听着很空的话:数据质量不是清洗出来的,是设计出来的。 标注方案、词表、边界规则,都该在动手统计之前定好。

如果继续做

下一步我想把同一件物品的多次发帖串起来,看「挂多久能出」。 比起条数,这个指标更能说明市场的冷热:一个挂三天就有人接的市场, 和一个挂三周无人问的市场,完全是两回事。

另外想补一张真实的「校园需求地图」:哪些楼栋的跑腿需求最密、什么时间点最缺人、 哪些品类常年求而不得。这类结论对做校园产品的人有用,对写论文的人也有用。


完整的数据口径和统计表在 作品页。 如果你也在做校园相关的分析,欢迎来信交换方法。

← 返回文章列表 看项目详情 →