🥳Tham gia Cộng đồng Scrapelessnhận thử nghiệm miễn phí của bạn để truy cập Bộ công cụ Web Scraping mạnh mẽ của chúng tôi!
Quay lại blog

Nghiên cứu sản phẩm với API Tìm kiếm Google: Khám phá sâu sắc Labubu sử dụng Scrapeless.

Emily Chen
Emily Chen

Advanced Data Extraction Specialist

19-Jun-2025

Giới thiệu

Việc đánh giá một sản phẩm mới như Labubu không đơn giản chỉ là duyệt vài trang web. Để thực hiện nghiên cứu có ý nghĩa, đặc biệt khi dựa trên dữ liệu để ra quyết định, bạn cần độ sâu, quy mô và khả năng xử lý cấu trúc thông tin. Đây chính là vai trò của Scrapeless Google Search API cao cấp.

Trong hướng dẫn này, chúng tôi sẽ chỉ bạn cách tận dụng Scrapeless để thực hiện nghiên cứu sản phẩm toàn diện, lấy thông tin về cảm nhận người dùng, thông số kỹ thuật, giá cả và nhiều hơn nữa.

Tại sao sử dụng Scrapeless để nghiên cứu sản phẩm?

Google Search API của Scrapeless cho phép bạn truy vấn Google Search theo lập trình và trả về kết quả có cấu trúc, dễ xử lý. Bạn không cần phải mở hàng chục tab thủ công, Scrapeless sẽ trình bày tất cả dưới dạng JSON gọn gàng, chính xác theo điều kiện tìm kiếm của bạn.

Điều này rất hữu ích cho nghiên cứu sản phẩm khi bạn cần:

  • So sánh chức năng đối thủ
  • Hiểu trải nghiệm thực tế của người dùng
  • Theo dõi cảm nhận trong các đánh giá và diễn đàn
  • Phân tích vị trí sản phẩm trên thị trường

Trước khi bắt đầu

Trước khi bắt đầu, hãy chắc chắn bạn có:

  • Token API Scrapeless hợp lệ (có thể lấy trong bảng điều khiển)
  • Cài đặt Python 3.x (hoặc môi trường script khác)
  • Danh sách câu hỏi tìm kiếm rõ ràng về Labubu

Dưới đây là một số ví dụ truy vấn tập trung vào sản phẩm:

  • "Mô hình giá của Labubu"
  • "Danh sách chức năng của Labubu"
  • "Kiểm tra hiệu suất Labubu"
  • "Độ ổn định API của Labubu"
  • "Kinh nghiệm tích hợp Labubu"
  • "So sánh Labubu với sản phẩm thay thế"

Những truy vấn này bao quát các khía cạnh chính của nghiên cứu, từ giá cả, khả năng kỹ thuật đến tình hình cạnh tranh.

Chuyển đổi kết quả tìm kiếm thành những hiểu biết

Khi nhận được kết quả từ Scrapeless, bạn có thể:

  • Phân tích nội dung để trích xuất chi tiết sản phẩm
  • Tổng hợp mô hình để nhận diện thông tin chung từ nhiều nguồn
  • Đánh giá cảm nhận dựa trên phản hồi người dùng
  • Theo dõi thay đổi theo thời gian đối với lượng thông tin về sản phẩm

Scrapeless cung cấp một quy trình tự động, có thể tái sử dụng, giảm tải công việc thủ công và tăng độ sâu, độ chính xác trong nghiên cứu.

Hiểu về tính năng và thông số kỹ thuật của sản phẩm

Sử dụng Google Search API của Scrapeless, bạn có thể thực hiện các tìm kiếm sau:

  • "Mô hình giá của Labubu"
  • "Danh sách chức năng của Labubu"
  • "Kiểm tra hiệu suất Labubu"
  • "Độ ổn định API của Labubu"
  • "Kinh nghiệm tích hợp Labubu"
  • "So sánh Labubu với sản phẩm thay thế"

Những truy vấn này giúp bạn đánh giá

  • Khả năng sản phẩm
  • Độ ổn định kỹ thuật
  • Mức độ dễ dàng tích hợp với đội ngũ

Bạn cũng có thể thêm logic so sánh tự động, ví dụ:

  • Labubu vs \[Tên đối thủ]

Điều này giúp bạn hiểu vị trí của Labubu trong hệ sinh thái.

Đo lường sự hài lòng và xu hướng cảm nhận của người dùng

Thông số kỹ thuật là quan trọng, nhưng phản hồi người dùng cũng rất thiết yếu.

Scrapeless giúp bạn tự động hóa tìm kiếm cảm nhận:

  • "Labubu đáng mua"
  • "Labubu được khuyên dùng"
  • "Trải nghiệm người dùng Labubu"

Những truy vấn này lấy thông tin từ:

  • Blog
  • Diễn đàn
  • Trang đánh giá

Bạn có thể thống kê số lần xuất hiện từ khóa tích cực và tiêu cực để xây dựng mô hình điểm cảm nhận cơ bản.

Lấy ý kiến chuyên gia và phân tích chuyên sâu

Muốn có góc nhìn chuyên nghiệp hơn? Thử các truy vấn có cấu trúc:

  • "Đánh giá chuyên gia về Labubu"
  • "Nghiên cứu trường hợp Labubu"

Những truy vấn này giúp bạn phát hiện:

  • Phản hồi từ các nhà phân tích
  • Thực tế sử dụng doanh nghiệp
  • Đánh giá chất lượng sản phẩm lâu dài

Điều này mang lại chiều sâu phân tích chiến lược hơn so với chỉ nhận xét của khách hàng.

Phần thưởng: Script Python dùng để đánh giá Labubu

Để nâng cao quy trình nghiên cứu của bạn, chúng tôi cung cấp một script Python cơ bản có thể:

  • Gửi truy vấn tới API Scrapeless
  • Đếm kết quả chứa từ khóa cảm nhận tích cực/tiêu cực
  • Trả về điểm số cơ bản phản ánh nhận thức công chúng

Bạn cần chuẩn bị:

  • Cài đặt Python 3.xTải tại đây
  • Có token API Scrapeless hợp lệ – thay thế SCRAPELESS_API_TOKEN trong mã
  • Cài đặt thư viện requests – lệnh terminal: pip install requests

Khi chạy, script sẽ in kết quả ra console và tạo file kết quả.

Python Script ( labubu_research_script.py )

language Copy
import json
import requests

SCRAPELESS_API_TOKEN = "SCRAPELESS_API_TOKEN"

def search_google_with_scrapeless(query, gl="us", hl="en", google_domain="google.com", num="10"):
    """Performs a Google search using the Scrapeless API and returns the JSON response."""
    host = "api.scrapeless.com"
    url = f"https://{host}/api/v1/scraper/request"

    headers = {
        "x-api-token": SCRAPELESS_API_TOKEN
    }

    json_payload = json.dumps({
        "actor": "scraper.google.search",
        "input": {
            "q": query,
            "gl": gl,
            "hl": hl,
            "google_domain": google_domain,
            "start": "0",
            "num": num
        }
    })

    try:
        response = requests.post(url, headers=headers, data=json_payload)
        response.raise_for_status()  # Raise an exception for HTTP errors
        return response.json()
    except requests.exceptions.RequestException as e:
        print(f"Error during API request: {e}")
        return None

def get_result_count(query):
    search_results = search_google_with_scrapeless(query, num="1") # Only need 1 result to get total_results
    if search_results and "search_information" in search_results:
        # Scrapeless API might not have spelling_fix, so we rely on total_results
        return int(search_results["search_information"].get("total_results", 0))
    return 0

def negative_queries(product_name):
    return [
        f'"{product_name} broken"',
        f'"{product_name} defective"',
        f'"{product_name} quality issues"',
        f'"{product_name} paint chipping"',
        f'"{product_name} fragile"',
        f'"{product_name} easily damaged"',
        f'"{product_name} not as pictured"',
        f'"{product_name} disappointed with"',
        f'"{product_name} regret buying"',
        f'"{product_name} waste of money"',
    ]

def positive_queries(product_name):
    return [
        f'"{product_name} cute"',
        f'"{product_name} adorable"',
        f'"{product_name} well-made"',
        f'"{product_name} high quality"',
        f'"{product_name} great design"',
        f'"{product_name} perfect gift"',
        f'"{product_name} highly collectible"',
        f'"{product_name} worth the price"',
        f'"{product_name} love my"',
        f'"{product_name} recommended"',
    ]

def conduct_labubu_product_research_with_scoring():
    product_name = "Labubu"

    negative_markers = 0
    positive_markers = 0

    print(f"Searching for product: {product_name}\n")

    print("Negative results found:")
    negative_results_output = []
    for query in negative_queries(product_name):
        count = get_result_count(query)
        if count > 0:
            negative_markers += 1
            negative_results_output.append(f'\"{query}\": {count}')
            print(f'\"{query}\": {count}')
    if not negative_results_output:
        print("none")

    print("\nPositive results found:")
    positive_results_output = []
    for query in positive_queries(product_name):
        count = get_result_count(query)
        if count > 0:
            positive_markers += 1
            positive_results_output.append(f'\"{query}\": {count}')
            print(f'\"{query}\": {count}')
    if not positive_results_output:
        print("none")

    score = positive_markers - negative_markers

    print(f"\nNegative markers: {negative_markers}")
    print(f"Positive markers: {positive_markers}")
    print(f"Score: {score}")

    # Save the output to a file for later inclusion in the article
    with open("labubu_scoring_output.txt", "w", encoding="utf-8") as f:
        f.write(f"Searching for product: {product_name}\n\n")
        f.write("Negative results found:\n")
        if negative_results_output:
            f.write("\n".join(negative_results_output) + "\n")
        else:
            f.write("none\n")
        f.write("\nPositive results found:\n")
        if positive_results_output:
            f.write("\n".join(positive_results_output) + "\n")
        else:
            f.write("none\n")
        f.write(f"\nNegative markers: {negative_markers}\n")
        f.write(f"Positive markers: {positive_markers}\n")
        f.write(f"Score: {score}\n")

if __name__ == "__main__":
    conduct_labubu_product_research_with_scoring()

Chạy script

Sau khi cấu hình môi trường và thêm token API, chạy lệnh sau trong terminal:

language Copy
python3 labubu_research_script.py

Script sẽ thực hiện các bước sau:
  • Duyệt qua tất cả các từ khóa đã định nghĩa trước
  • Gửi yêu cầu đến Scrapeless Google Search API
  • Hiển thị số lượng kết quả tự nhiên cho từng truy vấn
  • Lưu kết quả vào file labubu_search_results.json

Tổng quan cấu trúc mã

Các module chính:

  • search_google_with_scrapeless() — gửi yêu cầu đến API Scrapeless
  • get_result_count() — trả về tổng số kết quả phù hợp với truy vấn
  • positive_queries() / negative_queries() — định nghĩa từ khóa cảm xúc tích cực/tiêu cực cho Labubu
  • conduct_labubu_product_research_with_scoring() — hàm chính thực hiện logic chấm điểm và tạo báo cáo

Ví dụ điểm số kết quả

Ví dụ kết quả chạy script cho các từ khóa liên quan đến đồ chơi:

language Copy
Searching for product: Labubu

Negative results found:
""Labubu broken"": 869
""Labubu defective"": 721
""Labubu not as pictured"": 29700000
""Labubu disappointed with"": 2
""Labubu waste of money"": 5

Positive results found:
""Labubu cute"": 473000
""Labubu adorable"": 44900
""Labubu well-made"": 5
""Labubu high quality"": 17700
""Labubu perfect gift"": 3130
""Labubu worth the price"": 2430
""Labubu love my"": 4570
""Labubu recommended"": 375

Negative markers: 5
Positive markers: 8
Score: 3

Trong mô hình này, điểm số `0` biểu thị sự cân bằng trong cảm nhận; số dương cho thấy đánh giá tích cực, số âm cho thấy các mối quan ngại.
Bạn có thể cải thiện logic chấm điểm bằng cách cân nhắc:
  • Trọng số từ khóa
  • Phân tích cảm xúc trong đoạn văn
  • Phân loại và phân nhóm

Với Scrapeless, việc theo dõi tự động giúp bạn cập nhật phản hồi thị trường theo thời gian thực, rất quan trọng cho đội ngũ sản phẩm và marketing.

Kết luận

Nghiên cứu sản phẩm không cần phải phụ thuộc vào quy trình thủ công rườm rà nữa. Với Scrapeless, bạn có thể:

  • Thu thập dữ liệu web tự động
  • Lấy chính xác thông tin bạn cần
  • Theo dõi cảm xúc người dùng và thị trường theo thời gian thực

🧪 Bắt đầu xây dựng quy trình nghiên cứu sản phẩm của bạn: Scrapeless Google Search API

Tại Scrapless, chúng tôi chỉ truy cập dữ liệu có sẵn công khai trong khi tuân thủ nghiêm ngặt các luật, quy định và chính sách bảo mật trang web hiện hành. Nội dung trong blog này chỉ nhằm mục đích trình diễn và không liên quan đến bất kỳ hoạt động bất hợp pháp hoặc vi phạm nào. Chúng tôi không đảm bảo và từ chối mọi trách nhiệm đối với việc sử dụng thông tin từ blog này hoặc các liên kết của bên thứ ba. Trước khi tham gia vào bất kỳ hoạt động cạo nào, hãy tham khảo ý kiến ​​cố vấn pháp lý của bạn và xem xét các điều khoản dịch vụ của trang web mục tiêu hoặc có được các quyền cần thiết.

Bài viết phổ biến nhất

Danh mục