数据分析案例--电商指标的实际应用

数据分析的一般过程

1. 明确项目背景，待解决的问题 ；
2. 分析逻辑，画出逻辑树，明确分析过程中的指标 ；
3. 提数分析，同时进行可视化 ；
4. 写分析报告 ；

数据来源及内容

数据来源以及代码参考
https://www.kesci.com/home/dataset/5eb60cab366f4d002d779163
本文在原有代码的基础上进行了进一步的整合分析。
数据内容
数据内容主要是行为数据。
1.订单编号：订单编号
2.总金额：订单总金额
3.买家实际支付金额：总金额 - 退款金额（在已付款的情况下）；金额为0（在未付款的情况下）
4.收货地址：各个省份
5.订单创建时间：下单时间
6.订单付款时间：付款时间（如果未付款，显示NaN）
7.退款金额：付款后申请退款的金额。未付款的退款金额为0

天猫订单分析过程

一.项目背景以及目的
对天猫一个月内的订单数据进行分析，观察这个月的订单量以及销售额。探索日期，地址等因素对订单量，退款率和销售额的影响，进而提高用户实际支付额。
目的
1.一个月内的总体趋势（订单量和金额）
2.地区对于订单量，退款率等指标的影响
3.订单转化率的漏斗分析
二.画逻辑树及分析指标
数据集的逻辑较简单，主要是从用户下订单到用户确认收货的过程，其逻辑如下图所示。涉及到的主要指标分为两种：总体运营指标和销售转化指标
电商数据分析基本指标体系：https://mp.weixin.qq.com/s/ukTmoK_fguG8_x9Q4C9ibw

总体运营指标：总订单数量，GMV（销售金额+取消订单金额+拒收订单金额+退货订单金额），销售金额和成交订单数
销售转化指标：订单数，支付数，下单支付转化率，成功订单数,退款率等。

三.数据提取及可视化
1.数据读取及处理

import numpy as np
import matplotlib.pyplot as plt
import pandas as pd
import os
import warnings
warnings.filterwarnings('ignore')

读取数据

df=pd.read_csv('tmall_order_report.csv')
df.head()

数据处理

#规范字段名称
df=df.rename(columns={'收货地址 ':'收货地址','订单付款时间 ':'订单付款时间'})

#查看基本信息
df.info()

其中，订单创建时间和订单付款时间的数据类型为object，把其转换为datetime方便后续处理

#类型转换
df['订单创建时间']=pd.to_datetime(df.订单创建时间)
df['订单付款时间']=pd.to_datetime(df.订单付款时间)
df.info()

#查看重复值
df.duplicated().sum()

#查看缺失值
df.isnull().sum()

订单付款时间为NaN表示订单未支付，为正常值。

#查看数据集描述性信息
df.describe()

从表中可以看出，总金额的平均值为107，75%与平均值相差不大，最大值与75%相差较大，说明符合二八法则。实际支付金额和退款金额也都符合二八法则。

2.总体运营指标分析
根据是否支付，可将总订单分为已支付和未支付，在已支付数据集中根据实际支付金额来判断卖家是否有金钱到款，在已支付数据集中根据退款金额判断出订单全额到款的部分数据。

df_payed=df[df['订单付款时间'].notnull()] #支付订单数据集
df_trans=df_payed[df_payed['买家实际支付金额']!=0]#到款订单数据集
df_trans_full=df_payed[df_payed['退款金额']==0]#全额到款订单数据集

总订单数量，GMV，销售金额和成交订单数在2月的变化趋势

df['day']=df.订单创建时间.values.astype('datetime64[D]') 
plt.figure(figsize=(12,12))
plt.subplot(221)
df.groupby('day').总金额.sum().plot(title='GMV')
plt.subplot(222)
df.groupby('day').总金额.count().plot(title='总订单数量')
df_trans['day']=df_trans.订单创建时间.values.astype('datetime64[D]') 
plt.subplot(223)
df_trans.groupby('day').买家实际支付金额.sum().plot(title='销售金额')
plt.subplot(224)
df_trans.groupby('day').买家实际支付金额.count().plot(title='成交订单数量')
plt.tight_layout() #不让每个图的坐标轴相重叠

总体来看，四个指标在上半个月都偏低，下半月的数值较高。这是由于
2月上半月企业多数未复工，快递停运，无法发货；下半个月，随着企业复工逐渐增多，订单数开始上涨。
补充另一种做法以及在图像上标具体数（成交订单数）：

#将订单创建时间设为index
df_trans=df_trans.set_index('订单创建时间')
#按天重新采样
se_trans_month = df_trans.resample('D')['订单编号'].count()
from pyecharts.charts import Line
#做出标有具体数值的变化图
name = '成交订单数'

(
    Line()
    .add_xaxis(xaxis_data = list(se_trans_month.index.day.map(str)))
    .add_yaxis(
        series_name= name,
        y_axis= se_trans_month,

    )
    .set_global_opts(
        yaxis_opts = opts.AxisOpts(
            splitline_opts = opts.SplitLineOpts(is_show = True)
        )
    )
    .render_notebook()
)

总订单数量，GMV，销售金额和成交订单数在不同地区的变化

plt.figure(figsize=(12,12))
plt.subplot(121)
fig1=df.groupby('收货地址').总金额.sum().sort_values(ascending = False).plot(kind = 'bar',title='GMV')
plt.subplot(122)
fig2=df.groupby('收货地址').总金额.count().sort_values(ascending = False).plot(kind = 'bar',title='总订单数量')
plt.tight_layout() 

plt.figure(figsize=(12,12))
plt.subplot(121)
fig3=df_trans.groupby('收货地址').买家实际支付金额.sum().sort_values(ascending = False).plot(kind = 'bar',title='销售金额')
plt.subplot(122)
fig4=df_trans.groupby('收货地址').买家实际支付金额.count().sort_values(ascending = False).plot(kind = 'bar',title='成交订单数量')

可以看出地区对订单数量和金额影响较大，一般较发达地区订单量和金额较大，边远地区较小。其中上海地区成交的金额是销售额第二多的北京的1.5倍，成交订单量是订单量第二多的广东省的1.5倍。这里可能需要具体分析每个地区的商品种类、消费群体以及优惠政策，快递等原因。可以根据原因进一步提高其他地区的订单数量和销售金额。
补充以更加直观的地图来观察成交订单数的变化
处理数据

se_trans_map=df_trans.groupby('收货地址')['收货地址'].count().sort_values(ascending=False)
# 为了保持由于下面的地理分布图使用的省份名称一致，定义一个处理自治区的函数
def strip_region(iterable):
    result = []
    for i in iterable:
        if i.endswith('自治区'):
            if i == '内蒙古自治区':
                i = i[:3]
                result.append(i)
            else:
                result.append(i[:2])
        else:
            result.append(i)
    return result
# 处理自治区
se_trans_map.index = strip_region(se_trans_map.index)

# 去掉末位‘省’字
se_trans_map.index = se_trans_map.index.str.strip('省')

import pyecharts.options as opts
from pyecharts.charts import Map
# 展示地理分布图
name = '订单数'

(
    Map()
    .add(
        series_name = name,
        data_pair= [list(i) for i in se_trans_map.items()])
    .set_global_opts(visualmap_opts=opts.VisualMapOpts(
        max_=max(se_trans_map)*0.6
    )
                    )
    .render_notebook()
)

3.销售转化指标
转化率以及订单数的呈现
总体转换率

#前面处理过的数据集
#df_payed=df[df['订单付款时间'].notnull()]  支付订单数据集
#df_trans=df_payed[df_payed['买家实际支付金额']!=0] 到款订单数据集
#df_trans_full=df_payed[df_payed['退款金额']==0] 全额到款订单数据集
dict_convs=dict() #字典
dict_convs['总订单数']=len(df)
df_payed
dict_convs['订单付款数']=len(df_payed.notnull())
df_trans=df[df['买家实际支付金额']!=0]
dict_convs['到款订单数']=len(df_trans)
dict_convs['全额到款订单数']=len(df_trans_full)

#字典转为dataframe
df_convs = pd.Series(dict_convs,name = '订单数').to_frame()
df_convs

#求总体转换率，依次比上总订单数
total_convs=df_convs['订单数']/df_convs.loc['总订单数','订单数']*100
df_convs['总体转化率']=total_convs.apply(lambda x:round(x,0))
df_convs

画转换率漏斗图

from pyecharts.charts import Funnel
from pyecharts import options as opts
name = '总体转化率'
funnel = Funnel().add(
                    series_name = name,
                    data_pair = [ list(z) for z in zip(df_convs.index,df_convs[name]) ],
                    is_selected = True,
                    label_opts = opts.LabelOpts(position = 'inside')
                    )
funnel.set_series_opts(tooltip_opts = opts.TooltipOpts(formatter = '{a}
{b}:{c}%'))

funnel.set_global_opts( title_opts = opts.TitleOpts(title = name),
#                         tooltip_opts = opts.TooltipOpts(formatter = '{a}{b}:{c}%'),
                      )
                        
funnel.render_notebook()

单一环节转化率

single_convs=df_convs.订单数/(df_convs.订单数.shift())*100
single_convs=single_convs.fillna(100)
df_convs['单一转化率']=single_convs.apply(lambda x:round(x,0))
df_convs

name = '单一转化率'
funnel = Funnel().add(
                    series_name = name,
                    data_pair = [ list(z) for z in zip(df_convs.index,df_convs[name]) ],
                    is_selected = True,
                    label_opts = opts.LabelOpts(position = 'inside')
                    )
funnel.set_series_opts(tooltip_opts = opts.TooltipOpts(formatter = '{a}
{b}:{c}%'))

funnel.set_global_opts( title_opts = opts.TitleOpts(title = name),
#                         tooltip_opts = opts.TooltipOpts(formatter = '{a}{b}:{c}%'),
                      )
                        
funnel.render_notebook()

从转化率可以看出，到款-支付转换率为79%，可以从退款率下手提高转换率。
退款率的地区分布

plt.figure(figsize=(12,12))
refund=df_payed.groupby('收货地址').订单创建时间.count()-df_trans_full.groupby('收货地址').订单创建时间.count()#退款订单数
(refund/df_payed.groupby('收货地址').订单创建时间.count()).sort_values(ascending = False).plot(kind = 'bar')#退款订单数/支付订单数

从退款率分布可以看出，大部分地区都维持在20%~30%之间，湖北和新疆则是达到了60%以上。湖北退款率高的原因推测为疫情的影响，新疆退款率高的原因推测为运费贵和疫情的影响。