開篇先科普一下，其實廣義範圍來定義黃牛，做票務代理的都叫黃牛，只是要分大黃還是小黃，大黃就是大麥網，永樂，演唱會承辦方這類，可以稱為一級票代，小黃就是淘寶天貓，各地方票務銷售點，現場蹲點叫賣的那些賣票的，可叫著二三四…級票代。
主動權和利潤通常是從一級至下級遞減，
從高到低常常會盡力壓榨下一級，手法就是在制定售票價格上一級有話語權。還有種情況就是在門票賣得不好的情況下，會出現一種場景，就是大黃血虧，小黃掙得喜滋滋。
第一種情況大黃想要盡力提高利潤，第二種情況大黃想要盡力降低損失，這兩種的操作手法就是在制定票價上。
傳統上大黃給小黃制定的票價都是靠過往老司機經驗來判斷，但是想盡力壓榨下一級就需要更精確一點的資料來幫助做判斷。
幾年前我做了一個小程式，真的是小。寫爬蟲實時抓取淘寶，天貓等各大線上票務平臺的各個演唱會銷售資料，和 各種論壇討論該演唱會門票的帖子，分析整合各個票種的售賣情況和熱度，做一個視覺化的票務銷售情況頁面，再外加一點預測功能。
幫助那些老司機來輔助判斷今天該給小黃什麼價位，給多少張票。
抓取的資料大致包括(時間久了，有點記不太準確)，該票種原價票多少錢，折價後多少錢，賣了多少張，多少人買，多少人留言，有多少小黃在賣該場演唱會。
每天資料結構化後，做一個趨勢圖。
具體舉例一下，比如 楊大腕在北京有場演唱會，原價票有如下幾種：1888,1288,888,488,288，票賣得還是可以(實際上很多票都是小黃幫忙消化了的),大黃按每張票5-6折的價格賣個小黃，小黃每天樂顛樂顛的來拿票，賣得喜滋滋，大黃也覺得小黃挺給力的，但是有天發現小黃在網路上賣的票居然是全價賣，有點還加價賣，居然賣得還很好，大黃吐血，你掙得比哥狠啊，不行我要壓榨，狠狠壓榨，所以就想做一個票務銷售預測情況來輔助制定票價規則。
你可能要問，大黃可以不要小黃，自己在網上全價銷售就行了？
1.大黃不敢承擔這個風險，每場都賣的火爆很少，搞砸了就血虧幾百萬。
2.大黃要利潤較大化，要依靠小黃，因為加幾倍價錢賣這種事只能讓小黃去做，大黃的裡子不能這樣做。
你可能還要問，大黃自己降價賣不就行了嗎？
1.大黃的面子不能這樣做。
2.官方降價了，那之前全價買票的使用者咋辦？退差價？
所以大黃和小黃是吵吵鬧鬧的小夫妻，天天見到煩，久了不見怪想念。
演唱會買票這個事，只能說點皮毛，說多了怕被拍磚。
我的公眾號：猿人學 Python 上會分享更多心得體會，敬請關注。
***版權申明:若沒有特殊說明，文章皆是猿人學 yuanrenxue.com 原創，沒有猿人學授權，請勿以任何形式轉載。***