【導語】：今天我們來聊聊最近的社交游戲新寵--劇本殺，Python技術部分請看第三部分。

Show me data，用數據說話

今天我們聊一聊 劇本殺

如果問，線下聚會可以玩兒什么?狼人殺?密室逃脫?

nonono，說道現在社交游戲的新寵，就不得不提到ta——劇本殺。

劇本殺，最初源于歐美派對游戲“謀殺之謎”。玩家們需要根據自己拿到的劇本扮演角色，與其他玩家一起共同演繹故事，通過線索推斷、交流，共同找到兇手并揭開故事全貌。

與狼人殺相似的是，二者都需要通過推理和表演找出兇手或者是掩飾自己。不同的是，狼人殺只有一個固定的劇情，即狼人在夜晚殺害村民，村民要在白天找出兇手。

而劇本殺則有不同的故事，無論從劇本、犯罪、作案到人物劇情都很多樣化，加上線下劇本殺配備的服裝、布景、道具，甚至玩上一局劇本殺，感覺像是經歷了一場驚險刺激的沉浸式懸疑電影!

今天，我們就用數據跟大家盤一盤劇本殺。

01被高分綜藝帶火的劇本殺

很多小伙伴第一次聽說劇本殺，可能都是因為《明星大偵探》(下文簡稱《明偵》)。2016年的3月，芒果TV首播明星推理真人秀《明偵》第一季。目前《明偵》共推出了五季，播出后在豆瓣的評分都還不錯，分別是9.3/ 9.1 / 9.1 / 8.6/ 8.5.角色扮演、搜證、推理基本構成了許多人對劇本殺的第一印象。

隨著《明偵》的大火，劇本殺也逐漸走進大眾的視野。

說白了，劇本殺就是一個集邏輯推理和角色扮演于一體的社交游戲。人生如戲，劇本殺讓玩家通過演繹角色切身體會到不一樣的多彩人生，同時通過邏輯推理讓玩家在游戲中獲得解謎燒腦的樂趣。

02從線下門店到線上應用 劇本殺到底有多火？

近幾年，劇本殺無論是線下實體店還是線上應用都得到了迅速的發展。

根據對美團點評的數據整理，2017年年初，劇本殺門店還僅有幾十家，2018年年初增加到幾百家，截至2019年12月，全國的劇本殺店已經由1月初的2400家飆升到12000家，一年之間開出一萬家門店。

在今年2020年初，因受疫情影響，無法出門活動的人們迅速將目光聚集到了線上。大年初一，正處于疫情初期，就有用戶反應《我是謎》APP游戲卡頓，同時微博熱搜榜劇本殺APP《我是謎》也登榜，大量網友均反映系統崩潰。

隨后《我是謎》創始人林世豪連忙發微博表示，對激增的訪問人數感到驚訝，并表示馬上叫程序員來修復。

說道劇本殺的核心，當然是劇本啦。故事寫得好不好，情節和邏輯設置是否吸引人都是玩家尤其關注的點。那么哪些劇本最受追捧，劇本都在什么價錢呢?下面我們帶大家分析下淘寶店鋪的數據。

03用Python分析淘寶店鋪劇本殺數據

作為桌游當中的一種，劇本殺在淘寶的銷量數據如何呢?

我們用Python爬取了淘寶上的桌游劇本殺的關鍵詞數據，下面一起具體看看：

桌游銷量TOP10淘寶店鋪

首先，我們看看那些桌游店鋪最熱門。

其中這家九卓家居專營店銷量最高，其次位居二三的分別是游卡桌游昆高專賣店和艾雅玩具店。不過要注意的是，比起普通玩家，這些店鋪買東西的主力肯定還是各大桌游店。

桌游店鋪地區排名TOP10

這方面可以看到，桌游方面的淘寶店鋪主要還是位于一線城市的。其中，上海、廣東為第一第二位。浙江名列第三，北京位居第四。

桌游卡牌的價格區間

什么價位的桌游卡牌銷量最高呢?

通過分析發現，顯然50元以下的桌游銷量最高，銷售額占比高達42.72%。其次是50-100元的，銷售額占比22.47%。然后比較貴的100-200的桌游銷售額占比17.05%。

其中最主要的原因就是便宜，現在的50塊錢可能連一頓下午茶錢都不夠，二是因為50塊錢的桌游大多數以紙牌為主，小巧便利，方便攜帶，出門消磨時光必備物件，很適合我們的生活方式，想要玩大型桌游，還是踏實去桌游店吧，規則看不懂還有法官。

劇本殺店鋪銷量數據

說完桌游店鋪的數據，那么專門出售劇本殺相關產品的店鋪數據如何呢?我們挑選了一家最火爆的劇本殺店鋪，進行了分析。下面看到具體分析步驟：

我們使用Python獲取了淘寶網上GoDan正版劇本殺商城商品和熱評的數據進行了數據分析，地址如下：

https://shop387156301.taobao.com/category-1515015677.htm

實做過程分為：

數據獲取

數據預處理

數據分析與可視化

1、數據獲取

代碼

# 導入所需包
import pandas as pd
import time
from selenium import webdriver
from selenium.webdriver.common.by import By
from selenium.webdriver.support.ui import WebDriverWait
from selenium.webdriver.support import expected_conditions as EC


# 登錄淘寶
def login_taobao_acount():
    # 登錄URL
    login_url = 'https://login.taobao.com/member/login.jhtml'

    # 打開網頁
    browser.get(login_url)
    # 支付寶登錄
    log = wait.until(
        EC.element_to_be_clickable((By.CSS_SELECTOR, '#login-form > div.login-blocks.sns-login-links > a.alipay-login'))
    )
    log.click()


# 解析一頁
def parse_one_page():
    # 保存信息
    title = []
    price = []
    sales_num = []
    comment_num = []

    # 獲取內容
    contents = browser.find_elements_by_xpath('//*[@id="J_ShopSearchResult"]//div[@class="item3line1"]//dl[contains(@class, "item")]')

    for content in contents:
        # 獲取標題
        title.append(content.find_element_by_xpath('.//dd[@class="detail"]/a').text)
        # 獲取價格
        price.append(content.find_element_by_xpath('.//dd[@class="detail"]//div[@class="cprice-area"]').text)
        # 獲取銷量
        sales_num.append(content.find_element_by_xpath('.//div[@class="sale-area"]').text)
        # 獲取評論
        comment_num.append(content.find_element_by_xpath('.//h4').text)

    # 保存數據
    df_one = pd.DataFrame({
        'title': title,
        'price': price,
        'sales_num': sales_num,
        'comment_num': comment_num
    })

    return df_one


# 獲取所有頁
def get_all_page():
    df_all = pd.DataFrame()

    # 初始URL
    start_url = 'https://shop387156301.taobao.com/category-1515015677.htm'

    # 獲取URL
    browser.get(start_url)

    # 休眠
    time.sleep(3)

    for i in range(7):  # 共6頁
        # 打印進度
        print('正在獲取第{}頁'.format(i+1))

        # 運行函數
        df_one = parse_one_page()

        # 循環追加
        df_all = df_all.append(df_one, ignore_index=True)

        # 判斷
        if i == 6:
            break
        else:
            # 點擊翻頁
            click_button = browser.find_element_by_css_selector('#J_ShopSearchResult > div > div.shop-hesper-bd.grid > div.pagination > a.J_SearchAsync.next')
            click_button.click()

            # 休眠3秒
            time.sleep(3)

    return df_all

if __name__ == '__main__':
    # 實例化
    browser = webdriver.Chrome()
    wait = WebDriverWait(browser, 10)

    # 先登錄
    login_taobao_acount()

    df = get_all_page()

我們獲取到的數據格式如下，共有7頁146條數據：

df.head()

2、數據導入和數據預處理

主要包含以下部分工作：

重復值處理

異常值處理

title：提取一級標題和二級標題

price：提取數值

sales_num：提取數值

comment_num：提取數值

sales_amount：price * sales_num

# 導入包
import numpy as np 
import pandas as pd  
import re 

# 讀入數據
df = pd.read_excel('../data/淘寶劇本商城數據.xlsx')

# 去重
df = df.drop_duplicates()

# 異常替換-預售
df['title'] = df.title.str.replace(r'【預售】', '')

# 標題
df['title_1'] = df.title.str.extract(r'【(.*?)】')
df['title_2'] = df.title.str.extract(r'【.*?】(.*)')
df['title_2'] = df.title_2.str.replace(re.compile(r'【.*?】'), '')

# strip
df['title_1'] = df.title_1.str.strip()
df['title_2'] = df.title_2.str.strip()

# 價格 
df['price'] = df.price.str.extract(r'(\d+)').astype('int')
# 銷量
df['sales_num'] = df.sales_num.str.extract(r'(\d+)').astype('int')
# 評論數量
df['comment_num'] = df.comment_num.str.extract(r'(\d+)').astype('int')

# 計算銷售額
df['sales_amount'] = df['price'] * df['sales_num']

# 刪除title
df = df.drop(['title'], axis=1)
df.head()   

3、數據探索和可視化

 
from pyecharts.charts import Bar, Pie, Page
from pyecharts import options as opts 
from pyecharts.globals import SymbolType, WarningType
WarningType.ShowWarning = False 

GoDan商城價格分布

bins = [0,200,500,1000,4900]
bins_label = ['0-200', '200-500', '500-1000', '1000以上']

price_num = pd.cut(df.price, bins=bins, labels=bins_label) 
price_num = price_num.value_counts().sort_index() 
price_num

# 產生數據對
data_pair = [list(z) for z in zip(price_num.index.tolist(), price_num.values.tolist())]

# 繪制餅圖
# {a}（系列名稱），（數據項名稱），{c}（數值）, {d}（百分比）
pie1 = Pie(init_opts=opts.InitOpts(width='1350px', height='750px'))
pie1.add('', data_pair=data_pair, radius=['35%', '60%'])
pie1.set_global_opts(title_opts=opts.TitleOpts(title='GoDan商城商品價格分布'), 
                     legend_opts=opts.LegendOpts(orient='vertical', pos_top='15%', pos_left='2%'))
pie1.set_series_opts(label_opts=opts.LabelOpts(formatter=":{d}%"))
pie1.set_colors(['#2C69B0', '#EA6B73', '#AC613C', '#E9C39B'])
pie1.render() 
 

首先看到價格區間。對比桌游50元以下的價格商品最熱門，GoDan的劇本殺就很不一樣了，而是價格在200 - 500之間產品最多，占比77.87%。畢竟一個劇本大概需要過五萬字的文學創作，這個價錢也對得起我們的內容創作者。

銷量TOP10劇本

# 銷量top10
sales_top10 = df.groupby('title_1')['sales_num'].sum().sort_values(ascending=False)[:10] 
sales_top10 = sales_top10.sort_values()
sales_top10

title_1
朝別梨怨          61
孤城            62
愛幼婦產醫院        64
古鏡奇談-月染長安     66
殺人回憶          76
愿我如星君如月       81
惡淵百物語         92
古木吟           95
窺鏡            96
情辭白帝         134
Name: sales_num, dtype: int32

# 條形圖
bar1 = Bar(init_opts=opts.InitOpts(width='1350px', height='750px'))
bar1.add_xaxis(sales_top10.index.to_list())
bar1.add_yaxis('', sales_top10.values.tolist())
bar1.set_global_opts(title_opts=opts.TitleOpts(title='GoDan商城銷量Top10劇本'), 
                     visualmap_opts=opts.VisualMapOpts(max_=134))
bar1.set_series_opts(label_opts=opts.LabelOpts(position='right'))
bar1.reversal_axis()
bar1.render()

最后就是萬眾矚目的top10的劇本排名，前三名「情辭百帝」、「窺鏡」、「古木吟」C君都還沒有玩過，可能是孤落寡聞了，但是「殺人回憶」這個本很多家桌游店都推過，玩起來非常不錯，有機會可以統統嘗試下。

04玩了幾百場劇本殺，如何精準發現當中套路

最近C君也沉迷于劇本殺，在玩了很多很多很多劇本后，發現一個驚人的事實，關于一個不用思考就可以找出兇手的邏輯，分享給你，保準你每次都是MVP。

當你玩了上百次劇本殺以后，你會發現當中的犯案動機真的是多種多樣的，有時候還讓人特別意想不到。所以想但從殺人動機、證據推理上推斷出兇手那根本不可能，而且現在許多新出劇本寫的越來越離譜，那該怎么玩兒呢?

所以古人有云，撥開表明看本質，當中的核心點就是“存在感”，而且是人越少越準。其實這和狼人殺中的珉人是一個道理，都是玄學。

但是劇本殺是游戲，是短時間信息密集游戲，所以每一個出場人物都有他純在的道理。舉個例子，去電影院看《唐人街探案》，人人都是福爾摩斯，但在生活中秒變腦殘黨，為什么?

其中很重要的就是圈層限定，兇手肯定是常出現的幾個人之中，去掉主角、去掉醬油、可能只有一個人讓你選了，劇本殺也一樣，每個人都有必要的任務，你把每個人任務弄清楚，基本可以得出兇手是誰，這可比去盤邏輯簡單多了。

有人會問，這不就失去了劇本殺的原本的樂趣了么?那就錯了，其實玩劇本殺的人都知道，能投對兇手的劇本都是好劇本，投錯了的劇本都是垃圾，最后結果還是很重要的。

結語

最后想說的是，劇本殺真的可以發散人的思維，因為這里有各種稀奇古怪的劇情，比電視劇可有意思多了，喜歡演戲，喜歡開腦洞的朋友們一定要去嘗試下哦。

參考文獻

劇本殺，能「殺」出一條財路嗎?| 36氪新風向

https://mp.weixin.qq.com/s/evCJdX6JMc3szImf8hwwQw

《天天向上》告訴你，劇本殺有多火

https://mp.weixin.qq.com/s/e4Y6r5pc1qJ2t5pOpfF3Zg

劇本殺是什么?

https://www.douban.com/note/693384771/

線上井噴，社交新寵劇本殺真的是門好生意嗎?

https://www.shangyexinzhi.com/article/517685.html