学生党好物调研方法论

> 不是「买贵的就对了」。是「用有限预算买到最适合的」。

🆕 v1.2 满减券最优组合计算器

# 输入商品 + 券 → 枚举所有分组方案 → 输出实付最低方案
python3 scripts/coupon_optimizer.py --items "卫衣:199,牛仔裤:159,帽子:89" --coupons "满200减25,满480减60"

# 交互模式
python3 scripts/coupon_optimizer.py -i

# 示例
python3 scripts/coupon_optimizer.py --example

核心逻辑：枚举所有分组（≤3组）→ 每组用最优券 → 总实付最小者胜出。自动演示「差4块够不到满480」等边界场景——提示凑单思维。

跨平台比价

搜「好东西」的词

店铺筛选

问客服话术

国补使用

满减券最优组合计算（多商品+多券）

用户同时买 N 件商品、手上有多张满减券时，用脚本枚举算最优，不要心算：

方法（Python itertools 枚举）：

import itertools
items = {'商品': 价格, ...}   # 用用户给的到手价
total = sum(items.values())
# 方案1：一单全买（用最高档券）
# 方案2：枚举所有子集作"单1"，其余作"单2"，检查每单是否达某券门槛，
#        若达则记下总实付，取最小——注意同批次券每单只能用一张

核心经验（本会话实测）：
- 高门槛券可能反而最优：满1000减100（10%）vs 拆两单用满200减25+满480减60（合计85）——一单用 1000 券省 100 > 拆单省 85。不要只看"优惠率"，要看总实付
- 默认假设券不能同单叠加（阶梯满减取最高档）；若平台提示"再实付 X 享更高档"说明可能有更高档券——加购验证（往购物车加件商品看明细是否多出满减，验证完删掉）
- 凑单决策标准：为凑满减多买的商品，必须是本来就要买的（刚需）；为了用券买垃圾=亏。判断标准：多付金额 vs 多买到的东西原价（7 折以内值得）
- 用户报"到手价"（已含店铺立减）时，用到手价算券组合；但平台结算页显示的是原价+各项优惠，以结算页"金额明细"为准（截图回传核对实付）
- 国补（如商品已国补后价）确认与平台券不冲突再算

电商平台反爬时的调研策略（Agent 端）

现实：淘宝 PC 搜索页弹滑块验证（无法拖动）、移动端 s.m.taobao.com 返回 404、京东搜索页对无登录无头浏览器只返回导航壳——云端浏览器基本拿不到具体在售商品列表。

正确做法（不硬闯反爬，改打法）：
1. 品牌级对比代替商品级对比：给真实存在的品牌/价位/特点对比表（如睡裙：果壳 Gukoo 100-200 好看、芬腾 60-120 性价比、浪莎/俞兆林 30-80 平价），并明确"具体在售款需在京东/淘宝按下面方法筛选"
2. 给用户"手机上 5 分钟筛选法"：精确搜索词（品类词+材质词）、店铺筛选标准（评分≥4.8/销量>1000/带图评价≥50条/0评跳过）、详情页必查项（成分表/安全类别/关键工艺）、问客服话术（材质/缩水/关键功能）
3. 引导截图回传：让用户把候选款截图发回，再做最终对比决策——用户手机端已登录无验证问题
4. 绝不编造具体商品名/价格/销量（反爬拿不到就用方法论替代）

商品参数页审查清单（用户回传参数截图时）

用户会发"参数"弹窗截图，逐项核对后再给结论：