Python電商數(shù)據(jù)分析實戰(zhàn)案例

1、Python電商數(shù)據(jù)分析實戰(zhàn)案例導(dǎo)讀： 今天給家?guī)韨€電商數(shù)據(jù)分析案例。我整理了下，以筆記的形式分享給到家。案例背景致是某電商連續(xù)年的總體銷售額都在上漲，但近年增速放緩，需要尋求有效的增漲點，以提升市場競爭。因為篇幅較長，因此本次案例分析共分為上下兩篇。章較長，建議收藏電商分析基礎(chǔ)知識在正式開始之前，云朵君為家準(zhǔn)備了些常見的基礎(chǔ)的電商分析基礎(chǔ)知識，對于數(shù)據(jù)分析較為友好，電商分析佬可酌情查看，若有寫得不好的地，還望佬糾正，共同進步！此處參考知乎：電商數(shù)據(jù)分析指標(biāo)1電商分析指標(biāo) 瀏覽量(PV)：戶訪問頁的總數(shù)。訪客數(shù)(UV)：獨訪客。臺電腦為個獨訪問數(shù)。可分為新訪戶和回訪戶。當(dāng)前在線數(shù)：指15分鐘

2、內(nèi)在線的UV數(shù)。平均在線時間：指平均每個UV訪問頁停留的時間長度。停留時間 = 訪客打開站第個頁的時間點 打開站最后個頁的時間點。平均訪問量：戶每次瀏覽的平均頁值。均流量：平均每天的流量。跳出率：只瀏覽了個頁就離開的訪問次數(shù)除以該頁的全部訪問次數(shù)。分為：頁跳出率、關(guān)鍵頁跳出率、具體產(chǎn)品頁跳出率等。這個指標(biāo)可以反映出個頁內(nèi)容的受歡迎程度。如果跳出率，說明該頁需要調(diào)整和優(yōu)化。跳出率不可怕，可怕的是不知道戶跳出的原因。有了流量之后，我們希望戶按照設(shè)計好的要求進動作，如希望戶注冊、收藏、下單、付款、參加我們的營銷活動等等。這些動作就是轉(zhuǎn)化。轉(zhuǎn)化率：指進了相關(guān)動作的訪問量占總訪問量的例。轉(zhuǎn)化率是電商營運

3、的核指標(biāo)，也是來判斷營銷效果的指標(biāo)。注冊轉(zhuǎn)化率：注冊戶數(shù)/新訪戶數(shù)。客服轉(zhuǎn)化率：咨詢客服員的戶數(shù)/總訪問數(shù)。收藏轉(zhuǎn)化率：即將產(chǎn)品添加到收藏或關(guān)注的戶數(shù)/該產(chǎn)品的總訪問數(shù)。添加轉(zhuǎn)化率：將產(chǎn)品添加到購物車的戶數(shù)/該產(chǎn)品的總訪問數(shù)。成交轉(zhuǎn)化率：成交戶數(shù)/總訪問數(shù)。成交轉(zhuǎn)化率可細(xì)分為渠道轉(zhuǎn)化率、事件轉(zhuǎn)化率、品牌轉(zhuǎn)化率等。成交指標(biāo)：成交額、成交數(shù)量、成交戶數(shù)訂單指標(biāo)：訂單額、訂單數(shù)量、訂單戶數(shù)、有效訂單、效訂單退貨指標(biāo)：退貨額、退貨數(shù)量、退貨戶數(shù)、額退貨率、數(shù)量退貨率、訂單退貨率效率指標(biāo)：客單價、件單價、連帶率、動銷率采購指標(biāo)：采購額、采購數(shù)量庫存指標(biāo)：庫存額、庫存數(shù)量、庫存天數(shù)、庫存周轉(zhuǎn)率、售罄率供應(yīng)

4、鏈指標(biāo)：送貨額、送貨數(shù)量、訂單滿率、訂單響應(yīng)時長、平均送貨時間傳統(tǒng)零售業(yè)和電商的會員概念上有些不同。傳統(tǒng)零售業(yè)中，戶需要消費到定的額數(shù)才有資格成為會員，所以傳統(tǒng)零售的會員定是顧客。電商中，般戶只要注冊成功便成為會員。是時效性的差異，部分傳統(tǒng)零售的會員管理有失效的規(guī)定，即如果會員不能在定期限內(nèi)消費達(dá)到某額就將會失去會員的資格。電商中的會員則沒有這種限制，只是對不同消費額的戶設(shè)定了不同的等級。注冊會員數(shù)：指曾經(jīng)在站上注冊過的會員總數(shù)。般來說這個定義沒有太的意義，因為存在有只注冊不買的戶和買過東西但已經(jīng)長時間不使的戶，所以把這個指標(biāo)定義為年中有購買記錄的會員更準(zhǔn)確?；钴S會員數(shù)： 指在段時期內(nèi)有過消費

5、或登錄為的會員總數(shù)?；钴S會員率： 活躍會員數(shù)占總會員數(shù)的例。會員復(fù)購率： 指在某時期內(nèi)產(chǎn)了第次或以上購買會員數(shù)占總購買會員的總數(shù)。平局購買次數(shù)： 某時期內(nèi)每個會員平均購買的次數(shù)。會員回購率： 指上期末活躍會員在下期時間內(nèi)有購買為的會員率。會員留存率： 某時間節(jié)點的會員在某特定時間周期內(nèi)登錄或消費過的會員率。電商般使消費數(shù)據(jù)，游戲、社交領(lǐng)域則使登錄數(shù)據(jù)。五、財務(wù)指標(biāo)新客成本：公司花了100萬獲得了10000個新客戶，則新客成本為100元/。新客成本般根據(jù)渠道計算，這樣也可以區(qū)分不同的渠道質(zhì)量。單成本： 營銷成本/訪客數(shù)。這的訪客不區(qū)分是否是新訪客、是否購買、是否注冊等。單筆訂單成本： 營銷成本/

6、產(chǎn)的訂單數(shù)費銷： 營銷成本/訂單額。它的倒數(shù)就是ROI。對于不同業(yè)、不同性質(zhì)、不同階段的公司來說，關(guān)注的指標(biāo)也是不樣的，所以所謂核指標(biāo)也并成不變的。對于個新電商來說，積累數(shù)據(jù)，找準(zhǔn)營運向是最重要的，所以這階段最關(guān)注的的指標(biāo)就是流量指標(biāo)，包括了：訪客數(shù)、訪客來源、注冊戶數(shù)、瀏覽量、瀏覽深度、產(chǎn)品的瀏覽量排、產(chǎn)品的跳出率、顧客評價指數(shù)等等。對于已經(jīng)營運了段時間的電商來說，通過數(shù)據(jù)分析提銷量就成為最重要的標(biāo)。這個階段最關(guān)注的的指標(biāo)主要包括流量和銷售指標(biāo)：訪客數(shù)、瀏覽量、轉(zhuǎn)化率、新增會員數(shù)、會員流失率、客單價、動銷率、庫存天數(shù)、ROI、銷售額等。對于具有了定規(guī)模的電商來說，利數(shù)據(jù)提升整體營運平就很關(guān)鍵

7、。他們的重點指標(biāo)就是訪客數(shù)、瀏覽量、轉(zhuǎn)化率、復(fù)購率、流失率、留存率、客單價、利潤率、ROI、新客成本、庫存天數(shù)、訂單滿率、銷售額等。電商案例分析接下來進我們今天案例分析的主題。1、了解業(yè)與公司現(xiàn)狀業(yè)現(xiàn)狀與趨勢，如涉及哪些業(yè)務(wù)公司在市場中地位2、溝通明確需求頭腦風(fēng)暴，挖掘需求或瓶頸多次溝通，最有價值的分析3、最后數(shù)據(jù)進驗證import numpy as npimport pandas as pdsns.set()pd.set_option(float_format, lambda x: %.2f % x)#顯中plt.rcParamsfont.family = Arial Unicode MSp

8、lt.rcParamsaxes.unicode_minus=False宏觀市場分析產(chǎn)品命周期(product life cycle)，簡稱PLC，是產(chǎn)品的市場壽命，即種新產(chǎn)品從開始進市場到被市場淘汰的整個過程。費農(nóng)認(rèn)為：產(chǎn)品命是指市上的的營銷命，產(chǎn)品和的命樣，要經(jīng)歷形成、成長、成熟、衰退這樣的周期。就產(chǎn)品，也就是要經(jīng)歷個起步、成長、成熟、衰退的階段。圖來絡(luò)1、起步期企業(yè)規(guī)?？赡芎?，關(guān)于該業(yè)的企業(yè)如何發(fā)展有不同看法，產(chǎn)品類型、特點、性能和標(biāo)市場不斷發(fā)展變化。市場中充滿各種新發(fā)明的產(chǎn)品或服務(wù)，管理層采取戰(zhàn)略持產(chǎn)品上市。產(chǎn)品設(shè)計尚未成熟，業(yè)產(chǎn)品的開發(fā)相對緩慢，利潤率較低，市場增長率較。策略：跟蹤對、

9、參與或觀望。2、成長期該業(yè)已經(jīng)形成并快速發(fā)展，多數(shù)企業(yè)因增長率在業(yè)中繼續(xù)存在。管理層需確保充分?jǐn)U產(chǎn)量達(dá)到標(biāo)市場份額。需量資達(dá)到增長率和擴產(chǎn)計劃，現(xiàn)短缺。利專利或者降低成本來設(shè)置進壁壘(內(nèi)在規(guī)模經(jīng)濟)，阻競爭者進業(yè)。策略：增加投、增加市場占有率、阻新進者。3、成熟期增長率降到較正常平，相對穩(wěn)定，各年銷售量變動和利潤增長幅度較，競爭更激烈。后期些企業(yè)因投資回報率不滿意退出業(yè)，部分企業(yè)主導(dǎo)業(yè)，需監(jiān)控潛在兼并機會(啤酒業(yè))、探索新市場(中國拖拉機出)、研發(fā)新技術(shù)、開發(fā)具有不同特功能的新產(chǎn)品。戰(zhàn)略管理關(guān)重要策略：提效率、成本控制、進和控制市場細(xì)分。兼并擴張，研發(fā)新品。4、衰退期業(yè)產(chǎn)過剩，技術(shù)被模仿后出現(xiàn)

10、的替代品充斥市場，市場增長率嚴(yán)重下降，產(chǎn)品品種減少，業(yè)活動平隨各公司從該業(yè)退出下降，該業(yè)可能不復(fù)存在或被并另業(yè)。業(yè)的存在期任何單產(chǎn)品都要長。充分運戰(zhàn)略管理很重要策略：及時退出。數(shù)據(jù)準(zhǔn)備本次案例數(shù)據(jù)量較多，下按照分類通過思維導(dǎo)圖的式將其展出來。級市場容量分析數(shù)據(jù)讀取wxtz=pd.read_excel(./baier/ /.xlsx)ff=pd.read_excel(./baier/ /.xlsx)mssc=pd.read_excel(./baier/ /.xlsx)wx=pd.read_excel(./baier/.xlsx)jrp=pd.read_excel(./baier/ /.xlsx)

11、wxp=pd.read_excel(./baier/ /.xlsx)wxy=pd.read_excel(./baier/.xlsx)將級市場到交易額按照份匯總到起，形成級市場到交易數(shù)據(jù)，來分析整個級市場（宏觀市場）到市場容量勢table.head()般后續(xù)分析要按照時間維度進各種匯總分析，最好把時間字段設(shè)置為該表的索引。table.set_index(,inplace=True)table=table.sum(axis=1)table.head()# table.plot()以時間索引為橫軸，級市場銷售總額為縱軸，繪制折線圖，查看級市場銷售趨勢。由圖中可以看出，銷售總額趨勢是周期性增長的?；貧w

12、算法預(yù)測銷售額這有兩點需要注意：般作宏觀市場容量分析，般要求5年。發(fā)現(xiàn)年度數(shù)據(jù)不規(guī)整，2018年11、12缺失，2015年只有11、12。接下來回歸分別對18年11、12數(shù)據(jù)做出簡單的預(yù)測。先預(yù)測18年11的銷售額，提取2015-2017年11的銷售額。table_02 = pd.concat(table2015-11,table2016-11,table2017-11,axis=0)table_02對級市場作回歸分析（上表每個字段作次）。from sklearn.linear_model import LinearRegressiony_11 = x_train=np.array(2015,

13、2016,2017).reshape(-1,1)y_pred = clf.predict(np.array(2018).round(1)y_11.append(round(y_pred0,2)y_116678677.55,71752495.99,1801318.82,193874.39,86784890.23將上得到的結(jié)果追加到15年到17年數(shù)據(jù)表中去。 ,name=date)table_02.locdate,:=y_11table_02同理，預(yù)測2018年12各個殺劑銷量。從預(yù)測結(jié)果可以看到，2018年11和12的市場銷售總額，會前三年還要進步增加。級市場容量分析將原始數(shù)據(jù)及預(yù)測得到的銷售數(shù)

14、據(jù)合并，再繼續(xù)分析。table_04 = table_04.drop_duplicates().sort_index(ascending=False).iloc:-2,:table_04.head()統(tǒng)計2016、2017和2018年級市場年銷售總額。并繪制折線圖。# table_04.resample(Y) .sum().plot()t4 = table_04.resample(Y) .sum()2016-12-31 917966079.692017-12-31 1395872729.272018-12-31 1699011039.03Freq: A-DEC, Name: ,dtype: f

15、loat64由上圖可以看出，2018年相對于2017年全年銷售總額增速有所降緩。進步分析級市場的容量，探尋市場增長點。table_05 = table_04.resample(Y).sum()table_05繪制各個驅(qū)劑三年內(nèi)年消費總額折線圖。從結(jié)果可以看到：級市場，滅殺劑市場銷售額市場最，增長幅度穩(wěn)定接下來對細(xì)分市場作分析，集中在滅殺市場內(nèi)，也是由于需求產(chǎn)品線所處對級市場。滅蚊市場占較，增加產(chǎn)品多樣性可以考慮滅蚊產(chǎn)品。級市場的占分析將所有殺劑年銷售額除以級市場銷售總額，得到每種殺劑市場占。a=for i in table_05.columns:a.append(table_05i/table

16、_05. )table_06=pd.DataFrame(a,index=table_05.columns)table_06.T將上得到的級市場占，進可視化分析，得到如下圖所的各殺劑銷售總額占。從結(jié)果可以看到：滅殺劑市場直以來占領(lǐng)級市場級市場60%以上的市場份額。其次是蚊液產(chǎn)品，占據(jù)20%以上份額。將各個殺劑每年年銷售總額做差分并除以上年年銷售總額得到年增幅。incre_01=(table_05.iloc1,:-table_05.iloc0,:)/table_05.iloc0,:incre_02=(table_05.iloc2,:-table_05.iloc1,:)/table_05.iloc1

17、,:incre=pd.DataFrame(incre_01,incre_02,index=16-17 ,17-18)incre將上述得到的數(shù)據(jù)進可視化。由上分析得到如下點：級市場容量的增幅確實是在放緩，放緩幅度較。級市場容量有所放緩，幅度較。本節(jié)使業(yè)排名top100品牌數(shù)據(jù)，包括品牌、業(yè)排名、交易指數(shù)、交易增長幅度、付寶轉(zhuǎn)化指數(shù)等個重要字段。brand=pd.read_excel(./baier/ /top100.xlsx)brand.head()這我們只需要品牌和交易指數(shù)兩個字段。brand=brand,brand.set_index(,drop=True,inplace=True)bran

18、d.head()并將業(yè)排名TOP10的品牌繪制餅圖，查看各個品牌市場占情況。微觀市場 競爭分析mm=pd.read_excel(./baier/ /.xlsx)ms=pd.read_excel(./baier/ /.xlsx)sc=pd.read_excel(./baier/ /.xlsx)sz=pd.read_excel(./baier/ /.xlsx)zl=pd.read_excel(./baier/.xlsx)t_01=sz,t_02=zl,t_03=mm,t_04=ms,t_05=sc,微觀市場容量分析將滅殺劑細(xì)分市場各個類別數(shù)據(jù)進合并，并按照類別聚類，對預(yù)估銷售額進求和。得到如下圖所

19、的各殺劑類別-預(yù)估銷售總額條形圖。t = pd.concat(t_01,t_02,t_03,t_04,t_05)t.set_index(,drop=True,inplace=True)(t.groupby().sum().plot(kind=barh,color=cmap1,ax=ax)從條形圖中可以獲得不少有價值的信息：在級市場內(nèi)，滅產(chǎn)品的預(yù)估銷售額是最。其次是才是滅蟑產(chǎn)品，前拜的在驅(qū)劑市場的產(chǎn)品主要集中在滅蟑和殺?？梢钥紤]滅和除螨的產(chǎn)品線。三級市場占分析將各個類別的產(chǎn)品除以總銷售額，得到每個產(chǎn)品的銷售額占情況，并繪制橫向條形圖。t = pd.concat(t_01,t_02,t_03,t_

20、04,t_05)(t.groupby().sum()/t.groupby( ).sum().sum(axis=0).plot(kind=barh,color=cmap1,ax=ax)從結(jié)果可以看到：拜主營業(yè)務(wù)市場，滅和滅蟑產(chǎn)品占市場份額60%左右。如果要介滅產(chǎn)品，以較低價引流產(chǎn)品為主，要以什么價格區(qū)間的滅產(chǎn)品較合適。引流產(chǎn)品價格定位通過對數(shù)據(jù)表進描述性統(tǒng)計，得到每個價格區(qū)間預(yù)告銷售額。ms_02 = ms.loc:,ID,ms_02.describe()價格數(shù)據(jù)離散化，設(shè)置0,50,100,150,200,250,300七個切割點，將售價切分為六個價格區(qū)間。labels = 0-50,50-1

21、00,100-150,150-200,200-250,250-300ms_02=pd.cut(ms_02,bins=bins_01,labels=labels)ms_02.head()以價格區(qū)間聚合，對預(yù)估銷售額進求和，得到如下結(jié)果?？梢悦黠@看到，價格區(qū)間在0-50時，預(yù)估銷售總額是最的，且是排名第的50-100價格區(qū)間總預(yù)估銷售額的近5倍。ms_02.groupby().sum().sort_values(ascending=False)價格區(qū)間15162086.5150-100 3335060.19100-150 2758086.29200-250 2743758.00150-200 62

22、9813.00250-300 237740.00Name: , dtype: float64如果拜想介滅產(chǎn)品，引流產(chǎn)品定位在0-50之間合適，但是哪個細(xì)分區(qū)間較合理？細(xì)化價格區(qū)間，將0-50價格區(qū)間繼續(xù)以0,10,20,30,40,50即每10元為個區(qū)間，劃分產(chǎn)品售價，得到如下結(jié)果。bins_02=0,10,20,30,40,50labels_02=0-10,10-20,20-30,30-40,40-50ms_02=pd.cut(ms_02,bins=bins_02,labels=labels_02)ms_02.head()同樣聚合求和并排序，得到如下結(jié)果，其中10-20及20-30價格區(qū)間總

23、預(yù)告銷售額相對較。ms_02.groupby().sum().sort_values(ascending=False)價格區(qū)間10-20 8102634.1420-30 4969620.9230-40 1240874.1940-50 707568.490-10 141388.77Name: , dtype: float64如果想做0-50塊之間滅引流產(chǎn)品，10-30元以內(nèi)較合適，市場較受歡迎，不容易虧損。競爭分析誰是我們的競爭對？他們的策略是什么？和他們相我們的優(yōu)勢和劣勢在哪？這些是我們必須經(jīng)常對的問題，競爭對處不在。作為名數(shù)據(jù)分析師，我們要如何幫助公司制定競爭策略？不能正確識別的競爭對會造成

24、各種被動，既浪費資源，還浪費寶貴的發(fā)展時機。本次競爭分析將從兩個著，是銷售競爭分析，其中包括拜、科凌控和安速家居銷售分析。是產(chǎn)品結(jié)構(gòu)分析，這部分將在本次案例分析下篇中繼續(xù)展開，本篇不涉及。本次使的數(shù)據(jù)是競爭數(shù)據(jù)中商品銷售數(shù)據(jù)內(nèi)的三家公司近30天銷售數(shù)據(jù)。安速家居 =pd.read_excel(./baier/ /30.xlsx)科凌控 =pd.read_excel(./baier/ /30.xlsx)查看下本次數(shù)據(jù)都包含哪些字段。拜 = pd.read_excel(./baier/ /30.xlsx).info()RangeIndex: 15 entries, 0 to 14Data colu

25、mns (total 16 columns):# Column Non-Null Count Dtype- - - -10 類11 物理形態(tài) 11 non-null object12 型號 15 non-null object13 凈含量 13 non-null object14 使對象 15 non-null object15 銷售額 15 non-null float64dtypes: float64(3), int64(4), object(9)memory usage: 2.0+ KB使切截取本次分析所需要的字段信息。baier = ID,30,baier.head()根據(jù)商品ID聚合，并對銷售額求和，按照總銷售額排序后繪制條形圖如下所。從結(jié)果中可以看出，爆款產(chǎn)品527604730327的銷售額遠(yuǎn)遠(yuǎn)超過其他任何個產(chǎn)品。(baier.groupby(ID).sum().sort_values(ascending=False).plot(kind=barh,color=cmap1,ax=ax)為了查看拜產(chǎn)品分不同使對象的總銷售額，對