一、项目背景介绍
本数据来源于双十一期间唯品会上某商家的销售情况统计
分析的目的：评估该活动的成果，总结经验，优化商品结构，调整产品策略，从而达到利润最大化。
二、分析流程
1、总体运营指标
2、从价格区间找出表现不好的产品，优化商品结构
3、从折扣区间来找出表现不好的产品，优化商品结构
三、分析思路
1、数据 介绍&导入&预处理
（1)数据表介绍
表1 商品明细表数据：含有价格、折扣等主要商品信息；
表2 商品热度情况：含有UV、收藏数和加购物车数信息；
表3 用户销售明细：含有用户id、购买时间、购买商品、退换货等交易信息；
（2）导入数据
1.导入pandas和numpy，用warnings忽略警告值
2.导入表1 商品明细表数据
3.导入表2 商品热度情况，并且重命名
4.导入表3 用户销售明细，并且重命名 ，将是否退货列，是否改成0/1，方便计数
1.合并表1和表2，将商品信息和商品热度信息合并
2.处理表3 用户销售明细，统计汇总每款商品的销量情况
3.以上两个步骤用商品名合并，得到关于总体运营情况的总表
2、总体运营情况
（1）计算整体运营情况相关数值
1、GMV；2、实际销售额；3、销量；4、客单价；5、UV；6、转化率；7、折扣率；8、备货值；9、售卖比；10、收藏数；11、加购数；12、SKU数；13、SPU数；14、拒退量；15、拒退额；
最后统计汇总以上所以值；
（3）同期对比今年双11和去年双11销售情况
（4）结论 从运营整体来看今年比去年同期有显著的增长，说明今年双11活动销售情况比去年同期要良好。
3.从价格区间来优化商品结构
深入探究不同区间的数据，以此来优化后期的促销结构。
找到本次促销中此区间的销售数据源，源数据要求显示具体的款号、销售额、销量等信息。
再计数出每款的转化率、折扣率等数据。
（1）以售卖价为划分基准，将其划分为1_200，200_400，400及以上三个区间
（2）统计汇总各 价格分组中的 货值、商品销售金额、商品销售数量、UV数、购买用户数量、收藏数、加购物车数总和
（3）求 货值占比、销售占比、客单价、转化率，得到400及以上数值的货值占比最高
（4）取出400及以上价格区间的数据内容
（5）求出符合商品的转化率、备货值和售卖比，并将需要展示的指标重新列出来
（6）优化方案：
转化率大于0.7%的商品，暂时保留，用于下次促销活动；
转化率小于0.7%的商品，但是售卖比大于36%的商品予以保留参加下次促销活动，
转化率小于0.7%的商品，并且售卖比小于36%的商品进行清仓处理。
4.从折扣区间来优化商品结构
我们选择0.35-0.4折扣区间进行深入探究。 dt_product_discount_info表中，我们可以得到0.35-0.4折扣区间的售卖比为16.90%，转化率为0.53%，折扣率为37%，在进行商品结构优化的时候要着重对比这几个指标。
（1）划分折扣区间段
（2）统计汇总各 折扣区间分组中的 货值、商品销售金额、商品销售数量、UV数、购买用户数量、收藏数、加购物车数总和
（3）求货值占比、销售占比、客单价、转化率
（4）0.35-0.4价格区间的货值最高，所以取出该区间的数据内容
（5）求出符合商品的转化率、备货值和售卖比，并将需要展示的指标重新列出来
（6）优化结果：
折扣率大于37%的部分找出售卖比大于36.5%且转化率大于0.7%的商品予以保留，其余进行清仓处理；
折扣率小于37%的部分找出售卖比大于36.5%且转化率大于0.7%的部分予以保留，其余进行清仓处理。
以上是此时唯品会促销复盘案例所有的分析思路和代码。
