【分析流程】
一、项目背景及目的
在美国，“黑色星期五”（每年11月的第四个星期五）已成为一种购物文化，商家在这一期间的促销力度空前，消费者们也纷纷抓住时机剁手血拼。由于活动涉及人群较多，商品品类繁杂，如何通过准确、精细化运营实现利益最大化，成了各大商家关心的重要问题。
本项目旨在通过对某平台“黑五”销售数据的分析，描绘相关消费特征并提出针对性建议，以更好的应对下一次活动。具体而言：
1)了解本次“黑五”整体销售情况
2)探究各地消费详情，指导市场推广
3)查找爆款商品，提早做好库存、陈列准备
4)分析消费基础属性及消费行为，进行精准营销
二、项目框架搭建
本次项目以常见零售指标搭建“人货场”分析框架，具体包括性别、年龄、职业等消费者基础属性指标，商品成交、客单价、销售额等消费者行为属性指标。
三、项目数据获取与处理
1、数据获取：
本次数据选自Kaggle上一个关于“Black Friday”的数据集, 记录了零售店在黑色星期五的交易记录样本。该数据集共包含537577条记录。
2、数据处理
用Excel、SPSS对数据进行预处理；
Mysql提取数据并分析
2.1字段描述
“Black Friday”数据集共包含12个字段，分别是User_ID，Product_ID，Gender，Age，Occupation，City_Category，Stay_In_Current_City_Years，Marital_Status，Product_Category_1，Product_Category_2，Product_Category_3，Purchase。
考虑后续观感，此次项目分析将上述字段替换为中文字段，具体如下表：
【字段解释】
零售商店中的交易数据，没有时间维度，职业、城市、婚姻状况进行了编码处理，产品分类进行了模糊处理。
该数据集包含537577条数据，5891个不同用户_id,3623个不同商品_id,7个年龄段，21类职业，3个城市，18种商品分类的不同维度数据。
a.年龄：分为0~17,18~25,26~35,36~45,46~50,51~55,55+共7个字段；
b.职业：共21类职业，分别以编号0~20处理；
c.商品类别：共3大类，18种商品，同一种商品可同时可以属于不同类别。
2.2数据清洗
【去重】
因数据量较大，Excel中“删除重复项”和“高级筛选”操作方法耗时太长，此处选择数据透视表查重法。
数据集中，同一用户有多次购买记录，故以用户_ID 和商品_ID作为主要查询对象，对用户_ID 和商品_ID进行纵向排列，统计交叉记录出现次数，结果显示537577条记录交叉次数均为1。故本例中无重复值。
【缺失值】
根据上表中“记录数”，仅“商品类别_2”和“商品类别_3”分别缺失166986、373299条记录。但同一种商品可同时可以属于不同类别，该数据集中“商品类别_2”记录完整，故此处不用处理缺失值。
【格式错误】
该数据集中无格式错误。
【离群值】
利用SPSS对连续性变量“购买金额”计算Z标准化得分，结果显示，最小Z值为-1.83674，最大Z值为2.93396，均在3倍标准差内。故数据集中无离群值。
【数据重构】
因需对该数据集中“年龄”进行分析，而原始数据中年龄以分段数据展示，故对年龄进行重构，计算平均年龄。
使用Excel中分列功能，插入最低，最高及平均年龄3列。结果显示，“平均年龄”列共出现20903条异常记录，均为55+字段，此处将异常记录平均值替换为55。
【字段选择】
根据分析需求，选取用户_ID、商品_ID等原始表中12个字段，加上重构后的“平均年龄”字段，另外为原始表每条记录附“ID”字段，共14个字段。
四、项目分析过程
1、商品交易统计
统计显示，本数据集“黑五”期间零售店交易共537577笔订单，销售总额为5017668378亿美元，人均购买金额为851751.55美元。
2、商品销售情况
2.1畅销品品类分布
统计显示，在商品类别_1中，销售总量排名前三的商品分别是：商品品类5，商品品类1，商品品类8，三款商品累计销量占所有商品销量的74.24%，累计销售额累计占比也高达72.74%。可见，品类5，品类1，品类8是客户集中购买的主力产品，是名副其实的畅销品类。
在商品类别_2中，畅销商品品类排名前三的分别是品类8，品类14，品类2，三款商品累计销量占总体销量的44.71%，累计销售额占总体的45.36%。
在商品类别_3中，畅销商品品类排名前三的分别是品类16，品类15，品类14，三款商品累计销量占总体销量的47.41%。
2.2畅销商品分布
统计显示，P00265242, P00110742, P00025442三款商品占据销量排行榜前3名。
此外，在销售量排名前10的商品中，有7款商品在商品类别_1中归属于品类1；有5款商品在商品类别_2中归属于品类2，商品类别_3中，畅销商品所属品类较为分散。
3、各地区消费群体结构
统计显示，C城市的消费人数最多，共3139人，占比达总购买人数的53.28%，但消费总额贡献却只占了32.66%；B城市的消费总额贡献是三个城市中最高的，占比达41.52%，客户总量仅次于C城市，占到28.98%； A城市的客户数量和消费金额占比都是最低的，但客单价却是最高的。
值得注意的是，A,B城市的人均消费金额分别是C城市的近似2倍，由此可以推测A,B城市的消费水平较高。
建议，在C城市的商家可通过折扣、优惠、套餐捆绑等活动激发客户购买欲，促进客单价提升；B城市是消费主力城市，客户需求旺盛且消费能力较强，建议可做捆绑销售进一步提升客单价；A城市的客单价最高，但消费总金额和消费人群较少，建议商家提升活动宣传力度，尝试引入高端商品。
4、用户画像分析
4.1性别、年龄分布
统计显示，5891个客户中，男性共4225人，占比71.72%，消费总金额占比达76.79%；女性客户人数占28.28%，消费占比23.21%。可以看出，本次“黑五”零售店的消费超7成由男性消费者拉动，男性成为本次大促的主力军。
其中，26—35岁年龄段的男性购买能力最强。这与我们的认知有一定差别，普遍认为女性消费欲望更高。推测认为，该年龄段的男性收入趋稳定，可能部分人为家庭或配偶买单，也有可能为自己购置高端产品，如电子产品、奢侈品、旅游产品等。当然，若要验证上述结论，还需对男性购买的商品做进一步分析，本数据集中商品类别已做模糊处理，此处略过。
4.2性别、婚姻分布
统计显示，未婚消费者的消费人数、消费金额远胜过已婚消费者。其中，男性未婚消费者的数量最多，占总人数的41.93%，消费金额也是最高的；男性已婚消费者的数量约占29.79%，这一数字占比甚至高于所有女性消费者数量的占比。
4.3职业分布
从职业分布看，职业为4,0,7的3类人群消费金额和购买人数累计排名靠前，购买欲望强烈。
人均消费金额排名前三的分别是职业20,19和15，这三类群体的消费能力较强。
4.4消费贡献力度排名
根据年龄、性别、职业字段对客户进行细分，可以看到，消费金额贡献度最大的群体是年龄在18-25岁，职业为4的男性；排在第二位的是年龄在26-35岁，职业为0的男性；年龄在26-35岁职业为7的男性贡献率排第三。
人均支出方面，剔除细分人群中人数占比不足1%的分类，购买能力排在前五的均为年龄在26-35的男性，分别是职业1，职业0，职业4，职业2，职业20的群体。
综合看来，消费群体较大且个人消费能力较强的群体包括年龄在26-35，职业为0,7,4,1的男性和年龄在18-25职业为4的男性。
五、项目分析结论及建议
1、畅销类目及爆款商品
在商品类别_1中，类目5,8,1为畅销品类，三款商品的累计销售贡献率高达70%，是客户集中购买的主力商品类目。建议在下次活动前，可提高此类商品库存，防止断货；另外提前按商品名单、类别等做好仓库管理工作，方便调度。
此外，本次活动中包括P00265242, P00110742, P00025442等在内销量排名前10的商品作为爆款商品，可通过位置陈列、捆绑销售等方式为其它商品引流，提升销量与销售额。
2、城市消费特征
A,B城市人均消费金额分别是C城市的2倍，可见A,B城市消费水平更高。其中B城市是消费主力城市，消费额贡献高达40%，客户需求旺盛且消费能力较强，建议客户运营部门做好客户维护工作，增强对品牌的认同；A城市个人消费能力虽强，但客户数量和消费金额占比都是最低的，建议在维护老客户的同时，举办促销活动吸引人气，同时加强活动宣传力度，以提高销量，另外可尝试引入高端消费品。
C城市的客户数量最高，占比超总人数5成，但客单价确实最低的，建议C城市的商家可通过折扣、套餐捆绑等活动激发客户购买欲，促进客单价提升。
3、客户消费特征
本次“黑五”零售店的消费超7成由男性消费者拉动。具体而言，年龄在26-35岁之间，职业分别为0,7,4,1的男性和年龄在18-25职业为4的男性属于消费中坚力量，不仅客户数量庞大，人均消费能力同样不容小觑。
后期可针对此类客户进行精准营销。例如，下次活动前可在一些社交媒体平台，常用APP等优质渠道上做线上活动推广，突出亮点，吸引消费者关注，同时有针对性的对此类客户进行邮件、短信推送营销。
另外，针对男性消费者群体比重较大这一分析结论，还需进一步拆解分析，了解其背后真实的用户偏好和购买行为，以达到精准营销的目的。