一、项目背景
该项目是唯品会某商家在双12活动之后,针对该活动进行数据分析,通过商品的售卖情况分析,评估该次活动的成果,优化商品结构,让商铺运营得更好。
二、项目流程
针对该项目,制作项目流程图
三、项目实施
1.导入数据
(1)连接数据库
(2)pandas读取目标表数据
采用pd.read_sql(sql,con)语句读取mysql中的数据,本次项目主要需要用到三张表,分别是商品信息表,商品热度表和商品销售明细表销售明细表中的“是否退货”字段在原表中的内容是:“是”,“否”;不利于后续分析过程的运算,所以通过map映射转换成 “1”和 “0”。
(3)数据处理
由于目标是优化商品结构,分析重点是关于商品的信息和售卖情况,以上三张表里面均有商品字段,可以通过这个字段将三张变关联起来
销售明细表是一张明细表,每个商品被一个用户买了就会产生一条数据,现在要分析商品的情况,只需要每件商品的总销量、销售金额等信息即可,故需要对销售明细表进行聚合操作
2.总体运营情况评价
总体运营部分,主要关注销售额、售卖比、UV、转化率等指标,其他指标作为辅助指标。销售额用来和预期目标做对比,售卖比用来看商品流转情况。
将近年双12的总体指标统计到一张表里,且保持同往年指标表的格式相同,方便后续的同比计算同比去年双12的各项指标从结果来看,今年活动的优惠力度更大,降低了商品价格,销量上也有了大幅度的提升,总体销售额GMV有了不小的提升。优惠力度的提高也增加了商品的转换率,这也是销售额增长的一个重要原因。但退货量也比去年增加了不少,这些商品需要进一步的优化,整体运营效果不错。
3.从价格区间来优化商品结构
本次项目采用电商行业常见的ABC分析法,从售卖比和转换率两个方面的指标进行衡量
(1)划分商品价格区间段
利用pd.cut函数进行数据离散化切分,这里主要划分成200以下,200-400,400以上三个区间。
(2)以价格区间进行分组统计
计算出各区间的货值占比、销售占比、客单价、转化率,本文选取400以上区间作为例子演示,先选出400以上的数据,计算每个商品的指标进行ABC分析。根据结果显示,400以上商品转化率的中位数为0.7%,运营部门打算以转化率=0.7%作为衡量标准,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
跟前面类似的方法,对商品进行折扣率区间划分,然后对商品各区间进行汇总,求货值占比、销售占比、客单价、转化率。
可以从结果看出:0.35-0.4折扣区间的销量最后,这里就选取0.35-0.4区间分析作为演示部分,步骤与前面类似,取0.35-0.4折扣区间的商品,分别计算转换率、备货值、售卖比指标,结果如下所示:我们这里的优化方案是选取0.35-0.4之间的0.37作为临界点,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,作为A级商品; 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%的部分作为B级商品,其余进行清仓处理。