基于天猫订单的数据分析

---

前言

该项目来自和鲸社区天猫订单数据分析
该项目本来使用的是Python语言，但因自身的SQL+Excel实战经验较少，使用SQL+Excel进行分析。
分享给大家，如有错误，烦请指出！

一、项目介绍

对2020年2月份的真实天猫订单成交数据（共28010条记录）进行数据分析，阐述销售现状、挖掘潜在规律、发现存在问题、提出可行性建议。

数据集介绍：
数据集来自和鲸，包含了天猫2020年2月份的共28010条订单数据，有以下7个字段：

• 订单编号：共28010条
• 总金额：该笔订单的总金额
• 买家实际支付金额：实际成交金额。分为已付款和未付款两种情况：
  已付款：买家实际支付金额 = 总金额 - 退款金额
  未付款：买家实际支付金额 = 0
• 收货地址：维度为省份,共包含31个省市
• 订单创建时间：2020年2月1日 至 2020年2月29日
• 订单付款时间：2020年2月1日 至 2020年3月1日
• 退款金额：付款后申请退款的金额。没有申请退款或没有付过款，退款金额为0

二、实验环境

MySQL、VScode、Excel、Python

三、分析思路

分析目的：天猫2月份的订单情况，给出策略以提高销售额
思路：因为该数据只有订单的信息，首先使用多维度拆解分析方法把订单拆解为付款金额、付款时间、付款地区，并根据付款的业务流程，分析提交订单、付款以及退款的转化率。
1、根据付款金额区间将订单进行分组，查看每个区间的订单量分布。使用对比方法分析不同区间的数据指标。例如不同区间的销售额、销量、退款率。
2、根据付款金额将订单进行分组，查看月、周、日销售额、销量的变化趋势
3、根据付款地区将订单进行分组，查看每个地区的销售额和销量

四、数据预处理

优质的数据总是胜过优质的模型。

1. 将csv文件导入MySQL数据库中

参考：将CSV文件导入MySQL表

从和鲸社区下载order_report.csv 数据集，保存至mysql.ini文件规定的目录下

SQL语句创建表tmall

CREATE TABLE tmall(  
    order_id int NOT NULL PRIMARY KEY COMMENT 'Primary Key',
    total_amount float(9,1) NOT NULL COMMENT 'total amount',
    actual_amount float(9,1) NOT NULL COMMENT 'actual amount',
    address VARCHAR(255) NOT NULL COMMENT 'content',
    order_time DATETIME NOT NULL,
    pay_time DATETIME,
    refund_amount float(9,1)
) DEFAULT CHARSET UTF8 COMMENT 'newTable';

将数据从csv文件导入tmall表中

LOAD DATA INFILE 'C:/web/xxxx/uploads/order_report.csv' 
INTO TABLE tmall 
FIELDS TERMINATED BY ','
ENCLOSED BY '"'
LINES TERMINATED BY '\n'
IGNORE 1 ROWS;

查看tmall表结构

desc tmall

2. 缺失值处理

用count函数计算每个字段不为NULL的行数

发现实际付款金额存在缺失值，但实际生活中存在下单但是不付款的情况，而且在建表时’订单付款时间’数据字段设置可空，因此没有出现错误数据，判断不需要对其进行处理。

3. 异常值处理

忽视异常值的存在是十分危险的，如果不加剔除地把异常值包括进数据的计算分析过程中，那么将对结果会带来不良影响。
参考知乎博客：异常值处理
计算数字的关键特征。可以运用五数概括法对每个变量进行分析：最小值（min）、下四分位数（第 25 个百分位数）、平均值（mean）或中位数（median）、上四分位数（第 75 个百分位数）和最大值（max）。并通过箱线图、直方图进行可视化分析。
使用python绘制了总金额的箱线图：

import pandas as pd
import matplotlib.pyplot as plt
data = pd.read_csv('C:/web/xxx/uploads/order_report.csv')
plt.boxplot((data['总金额']),labels=('x'))
plt.show()

发现有一个订单总金额超过了175000，并且通过查找该订单也没有实际付款，所以该订单被认为是异常值删除。
对实际支付金额、退款金额进行箱线图可视化，均为发现有异常值。

4. 重复值处理

验证使用count(distinct xx)计算的行数是否和总行数一致，如果一致说明没有出现重复值。
也可以通过group by查找重复的行

---

五、数据分析

1. 描述性统计分析

描述性分析的目的是展现样本的关键数字特征，它应该阐明可以概括数据内分布的关键数字
例如：最小值（min）、下四分位数（第 25 个百分位数）、平均值（mean）或中位数（median）、上四分位数（第 75 个百分位数）、最大值（max）、分布类型等等。

2. 总体销售情况

计算2月份每天的成交金额GMV和订单数。
GMV：成交金额，属于电商平台的成交类指标，主要指拍下订单的总金额，包含付款和未付款两部分。

select DATE_FORMAT(order_time,"%Y-%m-%d")  as day, sum(total_amount) as gmv,
count(*) as order_num
from tmall
group by day
order by day
into outfile 'C:/web/mysql-8.0.19-winx64/uploads/day_order.csv' fields terminated by ","  escaped by '' optionally enclosed  by ''   lines terminated by '\n' ;

信息获取
1、2.17日之前，销售额都很少
2、2.10-2.16销售额都仅在1000内
3、2.17日的销售额持续增长，且在2.25日达到了本月最高销售额33.9万

原因分析

3. 周、日销售情况

分析一周内的销售趋势
需要思考如何把时间类型转换为周，参考date_format函数
这里还需注意，每个月多少个周一、周二是不固定的，需要求平均

select week, 
case week when 6 then order_num/5
else order_num/4 end as order_num,
case when week = 6 then total/5
else total/4 end as total
from (
select DATE_FORMAT(order_time,"%w") as week, count(*) as order_num,sum(actual_amount) as total
from tmall
group by week
order by week) t

观察到的信息：
1、每周周五销售额最高，其次是周二和周四
2、周末和周一销售额最低

分析
1、周五下班开启周末生活，大多数人可能会选择在周五购物来放松
2、周末大多数人会选择外出休闲，不会花费时间在电商购物
3、促销活动可以安排在周五

分析一天中每小时的销售趋势

# 日销售情况
select DATE_FORMAT(order_time,"%H") as hour, count(*) as order_num,sum(actual_amount) as total
from tmall
where actual_amount != 0 
group by hour
order by hour

观察到的信息
1、从早上六点，销量开始提升，中午11点左右、16点左右、22点左右出现销售高峰
2、销量最高是晚上22点，销量最低是凌晨5点

分析
1、在三个销量高峰时期，可以多推送促销信息，增加销量

4. 产品价格

计算订单在每个区间的数量，和占比
使用interval()函数 和 elt()函数 对生成价格区间
使用窗口函数计算每个区间的订单量的占比

SELECT *,SUM(num)OVER(PARTITION BY price)/SUM(num)OVER() as rate
from (
SELECT ELT(interval(actual_amount,0,100,200,300,400,500),'0-100','100-200','200-300','300-400','400-500','>500') as price, count(*) as num
from  tmall
group by price) t

观察到的信息
1、用户每次提交订单的额度大多在0-200内
2、用户更喜欢在20-40内下单，订单量最多
3、20元以下和400以上的订单就很少了

建议：
产品推广以价格0-200的产品为主，尤其着重推广20-40元的产品，这个价格区间的产品的订单量是最多的。

5. 地区分析

select address, sum(actual_amount) as total, count(*) as order_num
from tmall
group by address
order by total desc

获得信息
销售额最高的省市是上海，其次是北京、江苏、广东、浙江；
销售额高的省市主要集中在东部和南部沿海，以及四川省；
销售额最少的省市为西藏、青海、湖北、新疆、宁夏， 主要为西部地区。
建议
西南、中部以及东北地区有很大的发展潜力，建议先从这些地区开始开展促销提高销量。

6.转化率分析

本项目中，用户行为路径为：创建订单 -> 订单付款 -> 订单成交 -> 订单全额成交
因此计算该业务流程中的转化率。思路：需要分别计算用户提交订单数量作为下单数，用户付款的数量作为付款数，用户实际支付不为空的数量作为成交数，用户实际支付不为空且没有退款的数量作为全成交数。（这里需注意付款数和成交数不一样，付款数包括用户虽然付款但是全额退款的数量）

select pay_order/order_num, actual/order_num, fullrich/order_num
from ( 
SELECT count(*) as order_num, count(if(pay_time, 1, null)) as pay_order, count(if(actual_amount!=0, 1, null)) as actual,
count(if(actual_amount !=0 and refund_amount=0, 1, null)) as fullrich
from tmall) t

观察的信息
1、从0.86到0.67说明有一部分用户提交订单但是全额退款了。
2、从0.67到0.66存在1%的客户部分退款
3、绝大部分的退款行为都是全额退款
建议
需要找出大部分全额退款的原因，例如质量不达标、实物与图片不符、尺寸与标注不符、包装不好导致商品破损、快递运输过慢、发货出错、价格高于其他店铺…

总结

2月总销售额为190.25万元。

为了增加销售，可以从以下几方面开展行动：

找到导致高退款率的原因并解决，这是目前最重要的事情；
促销活动可以安排在周五开始；
促销信息、产品推广广告的推送时间最好安排在晚上9点，其次是10点、15点；
产品推广以价格20-200的产品为主，尤其着重推广20-40元的产品；
保持优势省市的订单量，大力发展西南、中部以及东北地区的销量。