本阶段学习小结
因为在应付着秋招，所以本周学习的进度显然慢了许多，下周开始会安排好零碎时间继续学习。
对于本阶段来说，学习的内容主要是两个部分，一部分是电商行业的指标，第二部分是学习在业务场景中具体的工作。
对我个人来说，本阶段的学习并不太难，电商行业的指标需要每天进行消化，而案例方面则是在提高用Python做数据分析的熟练度，以及在项目中学习一些新的模块和语句。
进入项目阶段后，我的学习方法有了一点改变：先把视频看完，了解具体的工作，然后先不看案例代码，先自己对着每一个指标或者分析的需求，自己先写。碰到了问题、或者没有思路的时候，就去看一下案例代码。
这样做的原因：想自己有一个主动思考的过程，不要让自己依赖‘答案’，检验一下自己在这段时间的收获程度。
回顾第五阶段和第六阶段的案例操作，这种方法对我来说是挺有用的。
本阶段遇到的问题
1.业务上要继续加强，但是感觉需要有针对性，一方面基本的一些指标要熟；另一方面因为不同的行业指标不一样，现在也许只能大概了解一下指标和其含义，以及计算方法。（要好好思考自己要进入什么行业了！！！）
2.Python数据分析的问题：需要复习和通过实践来熟悉cut函数，尤其是范围bins的选取，需要积累经验！
PS:
pandas.cut(x,bins,right=True,labels=None,retbins=False,precision=3,include_lowest=False)
x:需要切分的数据
bins:切分区域
right : 是否包含右端点默认True，包含
labels:对应标签，用标记来代替返回的bins，若不在该序列中，则返回NaN
retbins:是否返回间距bins
precision:精度
include_lowest:是否包含左端点，默认False，不包含
接下来就用项目的实际操作来总结本阶段的学习
分析目的：通过对本次活动的复盘，对产品进行分层分析，对参与促销活动的产品进行结构优化，为下次促销活动作准备。
分析框架：
1.导入、探索、整理清洗数据
2.了解商品总体运营指标，并作同期对比
3.按照价格区间，对产品进行分层分析
4.按照折扣区间，对产品进行分层分析
一、导入、探索、整理清洗数据
1.导入数据
2.探索、整理清洗数据
3.三表合并
二、了解商品总体运营指标，并作同期对比
1.指标：GMV、实销、销量、客单价、UV、UV 转化率、折扣率、备货值、售卖比、收藏数、加购数、 SKU数、SPU数、拒退量、 拒退额
2.汇总，作同期对比
三、按照价格区间，对产品进行分层分析
1.产品分层（按照价格）
按照描述性统计得出的数据，75%的产品售卖价总和只有426.5，可以看出大部分产品的售卖价都比较低。根据描述性统计的情况，这里把价格分为三层，分别是1—200，200-400，400以上。
2.查看各价格区间的产品销售情况
指标：货值 、货值占比 、销售额 、售卖比 、销售占比 、销量 、客单价 、UV、收藏数、加购数、转化率
3.分析具体区间销售状况
200_400以上价格区间的产品销售额最高，达到41%，以下查看该价格区间的销售情况
指标：销量、单价、客户数、UV、转化率、库存、备货值、售卖比
4.产品分类（ABC分析法）
将产品按等级分层：
A类产品：转化率大于0.7%的商品。保留，用于下次促销活动
B类产品：转化率小于0.7%的商品，售卖比大于36%。保留，参加下次促销活动
C类产品：转化率小于0.7%的商品，并且售卖比小于36%。清仓处理
四、按照折扣区间，对产品进行分层分析
1.产品分层（按折扣区间）
2.各折扣区间销售情况
指标：货值、货值占比、销售额、销售占比、销量、客单价、UV、收藏数、加购数、转化率、购买人数
3.分析具体区间销售状况
0.35_0.4折扣区间的产品贡献了最多的销售额和销售量，分别为36.5%,30.7%。在这里选择查看该折扣区间的销售情况
4.产品分类（ABC分析法）
A类产品：折扣率大于37%，售卖比大于36.5%且转化率大于0.7%。保留。
B类产品：折扣率小于37%，售卖比大于36.5%且转化率大于0.7%。保留。
C类产品：折扣率大于37%，售卖比小于36.5%或转化率小于0.7%的商品。清仓。
