唯品会电商数据分析案例

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


唯品会电商复盘.jpg

三、项目实施

1.导入数据

(1)连接数据库
连接数据库.png

(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
读取商品信息表.png
读取商品热度表.png
读取用户销售明细表.png

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


商品信息表和热度表关联.png

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
销售明细表处理.png
合并处理后的销售表.png

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。
整体分析.png

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
汇总统计.png
计算同比去年双12的各项指标
同去年比较.png
整体运营结果表.png
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。
价格区间划分.png

(2)以价格区间进行分组统计
以价格区间进行分组统计.png
计算指标.png

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。
400以上商品数据.png
400以上各项指标.png
400以上商品统计数据.png
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。
折扣率划分区间.png
折扣区间统计.png

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:
0.35-0.4折扣区间商品指标.png
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。
最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 194,670评论 5 460
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 81,928评论 2 371
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 141,926评论 0 320
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 52,238评论 1 263
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 61,112评论 4 356
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 46,138评论 1 272
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 36,545评论 3 381
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 35,232评论 0 253
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 39,496评论 1 290
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 34,596评论 2 310
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 36,369评论 1 326
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 32,226评论 3 313
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 37,600评论 3 299
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 28,906评论 0 17
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 30,185评论 1 250
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 41,516评论 2 341
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 40,721评论 2 335

推荐阅读更多精彩内容