文章結構：
1.項目背景；
2.數據抓取；
3.數據清洗及分析；
4.量化建議。
一、項目背景：
應朋友業務發展需求，抓取真實性較高的婚戀數據（已通過“身份證，學歷，工作，房產，車輛及其他資產”等審覈）。
同時，瞭解平臺的用戶畫像及業務狀況。
二、數據抓取：
環境：Python3.7
1.提取url：
(1)通過公衆號網頁後臺和Chrome開發者工具，提取url參數。
a.打開Chrome瀏覽器，登錄微信公衆平臺後臺，依次點擊:
新建羣發（或素材管理）——圖文信息——轉載文章——超鏈接——查找公衆號文章——輸入ID——搜索目標並確認;
b.打開Chrome開發者工具，點擊Network——all查看參數。
具體url參數，請詳見下圖：
2.數據抓取：
import requests
import time
lines=[ ]
url='https://mp.weixin.qq.com/cgi-bin/appmsg' # 目標url
headers = {
'Cookie':' ',
'User-Agent':' '
} # 使用Cookie，自動登錄
token='' # 網頁的token會時常變化，因此建議直接用代碼抓取
fakeid='' # 公衆號的標識ID，不變
data = {
'token': token,
'lang':'zh_CN',
'f': 'json',
'ajax':'1',
'random':' ',
'action':'list_ex',
'begin':' ',
'count':'5',
'query':' ', # 公衆號ID
'fakeid': fakeid,
'type':'9'
} # 自行篩選參數
appmsg_response=requests.get(url=url, headers=headers,params=data)
max_num=appmsg_response.json().get("app_msg_cnt")
num=int(int(max_num)/5) # 若被提示None Type，則可能頻次太快，被封了
begin=0
while num + 1 > 0:
data_response = requests.get(url, headers=headers, params=data)
line = data_response.json().get('app_msg_list') # 可以篩選目標字段，否則會提取標題及圖片，文章鏈接等所有字段
num -= 1
begin += 5
time.sleep(20) # 注意間隔，若太快，可能會被封
# for item in line:
# print(item.get('link')) #可以打印結果，查看數據狀況
with open('', 'w+') as f: # 視數據類型，保存爲csv/txt/html等格式
for line in lines:
f.write(line)
f.write('\n')
二、數據清洗及分析：
1.數據清洗：
清洗異常值、缺失值等數據，結合Python的pandas模塊進行分類統計。
2.數據分析（Tableau及matplotlib可視化）：
有效樣本總量： 652；
樣本分佈：
女性佔比：75.73%；
男性佔比：24.27%；
樣本分佈不均，數據會有偏差。
年齡：
（1）女性爲23-43歲，男性爲24-46歲，兩者峯值均爲30歲（1988年生）；
（2）據過渡趨勢，可預見90後婚戀市場需求；
（3）匹配概率預估：
總體來看，男女性年齡分佈重合度較高，但對於錯位的現實需求，匹配率不容樂觀。
假設男女樣本不獨立：
1）30歲男性匹配年輕5歲的女性，概率約爲0.00052；
2）30歲女性匹配年輕5歲的男性，概率約爲0.00018；
兩者的概率，均很低。
薪資：
（1）整體範圍爲0.2-8.3萬/月，集中在0.8-2萬/月，男性薪資高於女性；
（2）針對30歲的主流人羣，薪資爲1萬/月的匹配率較高；而2萬/月的女性，2.5萬/月的男性，則更有優勢。
學歷：
（1）“專本碩博（含博士後）”四大類學歷，本碩爲主；
（2）在條件相當的情況下，本碩人羣匹配成功率更高。
（圖中紅色虛線爲均值，請留意均值右側的數據）
職業：
（1）就業於民營、國企、事業單位、政府機關等企業，分散在教師、銷售、公務員、醫生、技術人員、設計、律師等50類職業；
（2）女性看重穩定，男性看重發展。
城市：
廣州、深圳、東莞、佛山爲主，全國各地共23個城市。
身高
（1）男性整體身高高於女性，男性身高集中在170、175cm，女性身高集中在160cm;
（2）女性樣本身高差大於男性樣本，成功匹配的概率不高。
婚戀需求主題分析
抽取該平臺17%等文章數量，利用pyLDAvis和詞雲圖進行主題分析，提取頻次較高的幾個關鍵詞，總結人羣需求。
（1）pyLDAvis
抽樣人羣比較看重“城市“、“身高“、“工作情況“、“體重“、“宗教信仰“、“婚姻狀態“、“民族“、“性格“、“學歷“、“家庭背景“等方面。
（2）詞雲圖
對比pyLDAvis，抽樣人羣更看重“體重“、“民族“、“婚姻狀態“、“年齡“、“薪資“、“血型“等方面。
小結：抽樣人羣很看重“身高“、“體重“、“宗教信仰“、“婚姻狀況“、“民族“、“城市“這幾個方面，結合以上字段做婚戀營銷，會有不錯的效果。
3.總結
（1）該平臺成功匹配的概率不高；
非獨立樣本事件概率預估：
成功匹配一位30歲，身高165cm，居住在廣州，薪資1萬的女性的概率是：(78* 329* 44* 26)/652^4≈0.0001625，幾乎不可能發生。
（2）可遇見90後婚戀市場需求；
（3）平臺發展建議：
1）按性別、年齡、城市細分用戶羣體，利用公衆號、社羣等形成營銷閉環，相互導流；
2）結合“身高“、“體重“、“宗教信仰“、“婚姻狀況“、“民族“、“城市“等字段和算法進行營銷，能提高匹配度。
四、量化建議
匹配成功率不高的情況下，怎樣賦能用戶？量化。
把各項指標細分爲一二級指標，按優先級細分各項指標權重，統一打分標準，對比總分進行結果選擇。
打分示例：
A對象：身高182cm，學歷碩士，薪資23k/m，未婚，得分2.67分；
B對象：身高175cm，學歷本科，薪資15k/m，離異且無孩子，得分0.62分；
A>B，選A。
用戶選擇量化後，選擇不僅更加理性，做決策也更加迅速了。