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。