电商双11美妆数据分析项目

1、数据初步了解

查看数据集的前五行

查看数据中的所有类名及所有的数据类型

查看数据集的数据量

查看各数字类型特征的一些统计量

2. 数据清洗

2.1重复值处理

删除重复值(重复值对数据集无意义才可删除)

重新定义行索引

2.2 缺失值处理

观察sale_count,comment_count两列为空值的数据

存在的缺失值很可能意味着售出的数量为0或者评论的数量为0，所以我们用0来填补缺失值。

然后查看是否还有缺失值(true表示还有false表示数据集没有缺失值)

2.3 数据挖掘寻找新的特征

使用jieba包对title进行分词，进一步了解每一个商品的特征

商品添加分类

给出各个关键词的分类类别

查看数据列对应的数据量

对是否是男性专用进行分析并新增一列

可以看到男士专业和不是男士专业的数据量

对每个产品总销量新增销售额这一列

3.数据分析及可视化

通过图表不难看出以下几点：
悦诗风吟的商品数量遥遥领先，然而其商品销量只排在第三位，总销售额只排在第五位。
SKII,玉兰油，植村秀商品数量大概都在500-1500的范围，而销量为0。
相宜本草商品数量也只属于中游，但其销量销售额均排在第一位，由于其销量是第二名的大约两倍，而销售额远不到两倍，所以销售额/销量，也就是每一单的均价也是一个值得研究的新指标。

通过加入平均每单单价之后，观察销售额较高的几个品牌相宜本草，欧莱雅，佰草集，悦诗风吟，雅诗兰黛。其中相宜本草，悦诗风吟，欧莱雅都是平均单价200元以下的，佰草集为200-300元区间，雅诗兰黛为大于500元区间。是否能够判断价格亲民的品牌的销售额会相对来说更高？下面根据这里的数据先把平均单价分为几个区间，其中0-100元记为A类，100-200元记为B类，200-300元记为C类，300元及以上记为D类。

观察饼图，不难发现A类平均单价的品牌所占的销售额比例最高，D类最少，并且D类中的一半以上收入都来自于雅诗兰黛品牌，而最受欢迎的相宜本草由于其价格便宜，销售额也最高。综合分析来说，在价格方面，价格越高的一般来说销量就会越低，反之亦有所相似之处。销量前四的品牌都属于A类，而属于D类的五个品牌销量都在最后七名之中。但
收益来说也有很大的区别。从每个类中每个店的平均销售额也能看出，定价越低则平均销售额越高。

比如A类中的美加净，销售额很低，观察分析其是平均单价最低的品牌，而且销量也并不算高，所以可以考虑几点：1.商品质量问题，虽然便宜但是是否产品质量过低降低了用户使用体验？2.知名度问题，是否需要提高知名度获取更多点击率以提高销量？3.定价问题，在质量过关的前提下，是否因为定价过低而降低了收益？能否在不大幅影响销量的情况下涨价？

事实上，D类中，也就是高端商品中，雅诗兰黛占据了主要份额，一方面可能由于品牌效应，就个人主观的分析，雅诗兰黛为人熟知，在推广营销方面做的很好，所以销量尚可。另一方面，可能雅诗兰黛虽然相对价格较高，但是给使用者带来的使用体验非常好，所以很多消费者宁愿多花钱也要选择雅诗兰黛。这也可能是雅诗兰黛平均单价最高，然而销量却在D类中也最高的原因。

接下来考虑各个类别的销售情况