一个案例教会你：全面的数据分析应该怎么做？

↑ 关注 + 置顶 ~ 别错过小z的干货内容

 

大家好，我是小z

最近收到一些交流群的同学反馈，想要学习更多流程相对完整的分析案例。喏，今天介绍的这篇，就是咯~

本文所分析的数据是天猫电商平台关于婴幼儿的产品在2012年7月2日至2015年2月5日的销售详细数据，数据包含两个文件，分别是购买商品的信息以及婴儿信息，主要涵盖的数据字段以及含义如下：

向上滑动阅览

user_id：用户id，用户登录时的账户名称。

auction_id：购买行为编号，用户购买行为的唯一识别编号。

cat_id：商品种类ID，购买商品的种类。

cat1：商品属于哪个类别，商品类别。

property：商品属性，商品的基本属性。

buy_mount：购买数量。

day：购买时间。

birthday：出生日期，婴儿的出生日期。

gender：性别（0 男性；1 女性）

下面我们就可以开始进行数据分析了！

一、分析目的

希望可以通过对数据中的信息进行挖掘，找出需要进行改善的地方，针对性的采取措施，从而提高最后的产品销量。

二、分析思路

1. 销量随时间变化的规律是怎样的？
   

2. 婴儿年龄对产品销量的影响？

3. 婴儿性别对产品销量的影响？

三、分析内容

这里要分析销量的各种关系，所以先对销量数据进行数据清洗：

从购买数据可以发现，平均购买量为2.5，这里最大购买数量居然达到了10000，所以购买数据中存在异常数据，这里的处理方法是将超过平均值3倍标准差的异常数据进行剔除，平均值为2.5，标准差为63，剔除购买数量大于191.5的数据。

1、销量随时间变化的规律

通过统计数据发现，2015年的销量出现了断崖式下跌。

首先，我们要分析的问题是2015年销量下降的原因是什么？

这里将购买数量大于2的用户筛选出来，这里统计出共52位用户，占总用户数的52/29971=0.0017，占比较少，所以不再分析，着重分析新用户购买量。

结论1：老用户占比较小，所以对销量的影响较小，老用户购买量下降导致2015年销量下降的假设不成立。

这里通过对数据处理可以发现，2015年的数据只有1，2月的数据，这可能就是数据的不完整导致了2015年的购买数量出现了大幅的下降。

我们进一步的对每一年的1，2月份的购买数量进行对比，进一步发掘2015年的1，2月的购买数量是否真的出现了下降。

结论2：通过对比分析可知，2015年1、2月的购买数量相比较2013以及2014年并没有大幅的下降，所以2015年销量下降的原因是数据不完整所造成。

当将销量的数据的时间维度拉到季度后可以发现，三四季度的销量发生了上涨。

因此我们的第二个问题是第四季度销量全年较高的原因是什么？

这里我们要用到假设验证方法：

如果假设是因为老用户再次购买数量的提升，通过统计可知，再次购买的老用户的购买数量位90个，占比较少，所以此假设不成立。

接着我们再做出假设，可能是因为双十一及其他活动造成单月销量增加，然后我们要去搜集证据验证这个理论：

从图中可以看出，2012-2014年间，11月份的销售数据是当年最好的，所以11月份的销售数据对第四季度的影响最大，这里再对11月份的详细数据进一步的分析。

从图中可以发现11月中11号的销售数据出现了较高值，所以可能是双11促销活动提升了产品销量。

结论：从以上数据可以得出，四季度销售数据的提高主要是双11活动的拉动，假设成立。

那有没有可能还是别的原因造成第四季度上升的呢，我们再做出假设三：可能是因为爆款产品的出现拉动了四季度产品的销售数据。

通过对不同产品的销量数据进行统计可以发现，500118831销量占比最高，所以下面从这这个产品的销量数据入手进行分析。

从图中可以发现500118831在11月份的销量出现了遥遥领先的数据，购买量急剧的提高。

结论：爆款产品500118831拉动了四季度的销售数据。

2、婴儿性别对产品销量的影响关系

假设1：异常数据

从上面两幅图可以清晰的发现，男童用户的几笔大额交易的购买数量位160以及40个左右，而女童用户的购买数量最大只有13个左右，因此这几笔较大的交易量使得男童的购买量大于女童，这里需要对数据进行进一步的分析，研究数据来源是否准确，到底是因为用户本身造成的偏差还是数据来源的问题。

结论1：异常数据对结果造成的偏差，假设成立。

假设2：男童数量大于女童

结论2：从性别分布图中可以发现，男女比例基本相同，所以假设2不成立。

假设3：年龄对购买量有影响，且男童的年龄分布与女童不同

对比分析：

（1）相同性别内年龄分布对购买数量的影响

男童年龄分布对购买量的影响

女童年龄分布对购买量的影响

从上述两幅图中可以发现，无论是男童还是女童，0-1岁的年龄购买量是最高。

（2）男童与女童的年龄分布

从图中可以发现，男童以及女童的年龄分布是类似的，也就是0-1岁分布的最为聚集，综合上述的分析可以得出

结论3：0-1岁孩童的购买量最多，男童和女童的年龄分布又较为类似，因此男童和女童年龄分布差异对销量影响的假设不成立。

3、婴儿年龄与产品销量的关系

在婴儿性别对产品销量影响的分析中发现，0-1岁的购买量最大，之后随着年龄的增加，购买量逐渐下降。

这里提出假设：可能是商品主要面对低龄儿童，高龄儿童的商品缺乏，导致了随着年龄的增长，商品销量逐渐下降。

从图中可以发现，不同商品即使销量不同，但是趋势类似，即随着年龄的增加，商品的销量出现了较为明显的下降。

结论1：主要的商品面对的是低龄儿童，所以随着年龄的增加，产品购买量出现了明显下降。

结论与建议

结论：

1. 2015年的销量出现了异常是因为源数据的不完整所导致。

2. 四季度是婴儿产品销量的高峰期，其主要原因是双十一等促销活动的开展对产品销量的促进，同时爆款产品的出现也对销量的提升有很大的帮助。

3. 婴儿性别与商品销量的关系主要是几笔较大的购买造成，与婴儿本身性别关系无关。

4. 电商的商品主要面对低龄儿童，因此随着婴儿年龄的增长，商品的销量出现了下降。

建议：

1. 建议在商品销量较低的月份采用促销的方式来促进淡季的销售数据。

2. 调整产品范围，缩减适用于5岁后孩子的产品，集中供应0-1岁的婴幼儿产品。尤其是要丰富1岁前孩子适用的婴幼儿产品，特别是男童，给顾客创造更多消费的机会。

3. 针对不同的客户采取不同的营销策略，例如对一些购买量较大，购买频率较低的顾客要多加交流和联系，提高购买次数。

本文转载自：知乎

作者：SANGHUAYU

延伸阅读

    同同同期群分析到底是个啥？    Pandas熟练？进来测测这50道题吧！    实战解读：数据分析，如何更进一步？
数据不吹牛读者群已经建立，后台回复“入群”，即可加入有趣讨论，交流数据干货

“有点香”