数据分析案例—天猫品牌店铺运营报告

背景：

前段时间去的某家天猫店铺面试数据分析的岗位，想在面试前对该店铺做一个简单的了解。通过获取到的数据，分析该品牌店铺的销售情况，了解店铺定位和运营方向，在客观的角度对该店铺有一个清晰的了解。

1、出售商品的类目分布情况

2、商品特点和人群定位

3、销量和成交额处于什么阶段

4、商品购买评价信息反馈

数据来源：

天猫：https://naitangpai.tmall.com/

import pandas as pd
df = pd.read_excel('D:\\MyProject\\TaoBao\\CandyLaVie_Tmall\\Data.xlsx')
df.describe()

数据简述

1、店铺主营类目是文胸，全店共有81件商品在售
2、商品销量最多的是2334件，最少是4件，平均每个单品有286的销量
3、在售商品中，原价（均值）227元，实际售价206元，折扣率为9折

df['categoryId'].value_counts()

from matplotlib import pyplot as plt
%matplotlib inline
plt.rc('font', family='SimHei', size=11)  # 显示中文
plt.figure(figsize=(8,4)) # 图片尺寸

category_df = df['categoryId'].value_counts()
x = list(category_df.index)
y = list(category_df)
# plt.xlabel('类目')
plt.ylabel('商品(个)')
plt.title('类目商品数分布图')
plt.bar(x, y)

for a,b in zip(x,y):
    plt.text(a, b+0.05, '%.0f' % b, ha='center', va= 'bottom',fontsize=12)
plt.show()

categorySell_df = df.groupby('categoryId')['sellCount'].sum()
x = list(categorySell_df.index)
y = list(categorySell_df)
plt.figure(figsize=(8,4))

plt.ylabel('销量(件)')
plt.title('类目销量分布图')
plt.bar(x, y)
for a,b in zip(x,y):
    plt.text(a, b+0.05, '%.0f' % b, ha='center', va= 'bottom',fontsize=12)
plt.show()

商品类目分布情况

1、全店出售的商品中 文胸 类目占多数，主营为该类目商品
2、文胸类目销量20026件，其次是文胸套装商品销量为1322件，内裤类目的单品销量也有562件
3、背心、搭扣、胸垫，该三个类目上架的商品都只有一件，但均有产出销量
4、全店共经营6个类目商品，动销率100%

price = df['price'][df['categoryId']=='文胸']
sellCount = df['sellCount'][df['categoryId']=='文胸']
plt.scatter(price, sellCount)
plt.xlabel("售价（元）")
plt.ylabel("销量（件）")
plt.grid(linestyle='-.')
plt.show()

# 爆款数
hot = df['price'][df['categoryId']=='文胸'][df['sellCount']>1500].count()
# 热卖数
selling = df['price'][df['categoryId']=='文胸'][df['sellCount']>500][df['sellCount']<1500].count()
# 常规数
normal = df['price'][df['categoryId']=='文胸'][df['sellCount']<500].count()

商品销量

1、按销量对产品热卖程度划分等级：爆款数(>1500):4，热销数(500-1000):9，常规(<500):50

price = df['price'][df['categoryId']=='文胸']
group_names = ['100-150', '150-200', '200-250', '250-300','300-350'] # 分组名
bins = [100,150,200,250,300,350] # 价格区间
a = pd.cut(price, bins,labels=group_names)
pd.value_counts(a)

商品售价

1、文胸类目中的63件商品定价多数集中在150-250元之间

商品定位

1、商品主要的消费群体是青少年女性用户
2、上架出售的商品主要功能以定型为主
3、目前出售的商品，上市时间集中在2019年的春季（44件），夏季和秋季的上新数分别是15，17件，冬季上新单品数是最少的，只有5件

品牌创始人为社交媒体起家，在上新单品之前都需要做调研，布料到外观设计都是自主研发，缺点开发周期很慢。但是商品的季节性不强，在商品维护上的重要性远大于上新

categorySale = df.groupby('categoryId')['sale'].sum().sort_values(ascending=True)
for k in categorySale.index:
    categorySale[k] = round(categorySale[k]/10000,2)
y = list(categorySale.index)
x = list(categorySale)
plt.figure(figsize=(8,4))
fig,ax = plt.subplots()
ax.barh(y,x)
ax.set(xlabel="成交额（万）",title="类目成交额排名")
bar_width=0.15
for y, x in enumerate(x):
    plt.text(x, y-bar_width, '%s' % x+'万', ha='left', va='bottom')
plt.xlim(0,500) # X轴间距范围
plt.show()

销售额

1、全店月成交额475.51万元，平均日成交15.85万元，月销量23206件，日均成交773件
2、文胸类目月成交434万，其次是文胸套装商品38万，内裤2.8万
3、针对商品功能维度，与商品上架一直，定型商品销量最多，占额也是最多的，其次是美背、上托
4、美背系列的成交额/销量处于第二，但是均价170元属于偏低，其他类型的都处于200元以上的客单价，可见该系列商品是走量型，主要依靠高销量维持
5、无痕和速干系列均价异常偏低，属于内裤类目商品，非主营类目

import jieba
from collections import Counter
wordlist = list()
delword = ['真的','非常','br','就是','哈哈哈','但是','没有','有点','这个','还是',
          '不会','之前','以后','这么','这次','知道','因为','而且','觉得','不是',
          ]
jieba.add_word('此用户没有填写评价')
for r in rate_df['评价']:
    wd = jieba.lcut(r)
    w = list()
    for d in wd:
        if len(d) > 1 and d not in delword:
            w.append(d)
    wordlist = wordlist +w
result = Counter(wordlist)

rate_date = rate_df['评价日期'].value_counts().sort_index()
x = rate_date.index
y = rate_date
plt.figure(figsize=(15,4))
plt.plot(x,y)
plt.xticks(rotation=-90) # X轴标签旋转，避免重叠
plt.grid(linestyle='-.')
plt.ylabel('评价数')
plt.title('每日评价数量趋势图')
plt.show()

商品评价

1、通过接口获取全店最近4000条评价记录，对内容做词频统计，舒服/好看/喜欢，等正面评价词语较多，通过反馈信息来看，消费者对商品质量还是比较满意的
2、四千条评价记录中，回评的数只有47，整体只针对较差的评价做回复，观察明细发现部分差评也是未作回评，估计该工作是非必要的
3、所有评价记录数按趋势图显示每日的评价数在60-140之间。