燃气灶行业分析、淘宝平台销售分析

内容：1.燃气灶（不含集成灶、嵌入式灶，单指家用灶）整体行业分析  2.淘宝平台销量分析  3.针对性建议（见仁见智就略过吧）

一、基本情况

（一）产品定义：

以液化石油气（液态）、人工煤气、天然气等气体燃料进行直火加热的厨房用具

按气源：基本常用的是液化气灶、天然气灶；

按灶眼：分为单灶、双灶，也有多灶的，基本都是专业厨房才会用到。

（二）销售渠道

主要分为线上、线下模式。

线下：商超、专卖店（授权店）、加盟店、个体等其他店铺

线上：各网购平台、直播平台，以及占比较小、渠道来源复杂的私域流量（厂家的推手、有粉丝的个人、朋友圈带货达人等）

从一些咨询机构获取的整体数据来看：

2022年数据，线上零售989万台，占总46.0%，较2021年增加了5%；线下零售1162万台，占比54.0%；

目前来看：

线下渠道占比五成多，占比呈逐年减弱趋势；

线上平台占比四成多，并呈逐年上升趋势，有望超过线下渠道，未来的整体市场，会被各类线上、直播逐步挖墙脚；

咨询机构虽然有比较宽泛的渠道和信息来源，但数据也不一定完全准，但大趋势是对的！

（三 ）当前行业现状

历史：我国燃气灶起步于1980年，近几十年以来，国内外各种燃具进入市场；

市场整体需求在下降，原因可能是①其他炊具替代影响（**集成灶**）②人口增长放缓③房地产销量下滑

未来大趋势：燃气灶市场较为成熟，客户需求主要在①旧灶换新灶②家庭必备③小餐饮店需要

总体来看：头部的品牌，已占据大部分销量，并且头部效应会愈发明显，小品牌生存空间将进一步缩小；

整体销量图

近年来，2017年为顶峰，销量3186.8万台，零售额215.2亿元。2018年以来，逐年下降，至2020年销量2803.9万台，

零售额为188.4亿元；

近期数据，2022年，国内燃气灶零售量为2151万台，较上年下降15%。

销售额图

2022年，国内燃气灶零售额约为170亿元，与零售量一样有所下滑，但销售额下滑比例比数量少，证明平均单价有所上升；

二、线上情况分析

纸上得来终觉浅，咨询机构的数据可信又不能完全信，实际干一票看看情况：

搜了一下淘宝关键词：“燃气灶不锈钢单炉”的数据；

基于以下假设：

假设1：大品牌应该有自己的线上销售团队，如果线下销售靠前的牌子，线上不会太差；

假设2：线上销售额，占比约一半，可以代表整体的销售排名；

拟爬取淘宝和1688的销售数据：

需要懂的知识：

①淘宝的销量，也有刷的，不完全真实，但整体的趋势还是有价值；

②数据模糊，例如销量4000+，3万+，不会显示具体数，销量几个、几十个的会显示具体个数（如65人付款，会准确到具体数），销量极少一般都是对线上不在乎、或者无能力线上发力的卖家；

③部分销量，显示为多少人已看过（如：10785人看过），一般都是花钱推广的产品，看过几个，销量都比较低，也不是大牌子，这类数据都转为0；

④淘宝销量，为近一年的历史销量，2023年下半年改的，以前一直是近30天的月销；

⑤无法知晓每个SKU的具体销量，需要开店后申请相关权限，只能知道整个链接的销量；

SKU解释：Stock Keeping Unit的首字母缩写，产品唯一标识码，用于区分每个不同的产品，例如iphone14 的 64GB和128GB，虽然都是iphone14，但却是两个不同的SKU，虽然都是同一类产品，颜色不同、内存大小不同，是不是pro、max等，都是不同的SKU；

2.1爬数据

大概长这样，每个链接都点进去，容易被ban，所以只抓首页上面的信息，某宝是显示100页；

基本处理：

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns
from pyecharts.charts import Bar
from pyecharts.options import *
plt.rcParams['font.sans-serif'] = ['SimHei']

# 只将一些需要的列导入，重命名
path = "C:/Users/Administrator/Downloads/rqz.xlsx"
df = pd.read_excel(path,usecols=[0,3,4,5,6,7,8,9,10,11,12,13])
pd.set_option('display.max_columns',10)
df.columns = ['title','advan1','advan2','price1','advan3','price2','sales','city','province','shop_name','promo1','promo2']
# 先把完全重复的删掉
df = df.drop_duplicates(subset=['title','shop_name','sales','price1','price2'],keep='first')
# 查看缺失值
# import missingno as msgo
# msgo.bar(df)

同一个店铺，可能有多个商品被搜到，并且还有价格一样但标题不同的，还有同一个店完全一样的链接，被搜到多次，毕竟能爬100个页面，数据约3072条，知道这个很重要；

自行定义了一些列名，解释：

advan--short for advantage ，每个商品可以放最多三个标签；
promo--promotion ,促销标签，最多可以有两个，略微复杂； 

2.1.2处理价格、销量

# 抓的数据，整数和小数部分，是分开的
df['price'] = df['price1'] + df['price2']
df.drop(['price1','price2'],axis=1,inplace=True)

# 处理销售数量
def clean_sales(df):
    if '看过' in df.sales:
        return 0
    elif '万' in df.sales:
        return int(df.sales.split('万')[0]) * 10000
    elif '+' in df.sales:
        return int(df.sales.split('+')[0])
    else:
        return int(df.sales.split('人')[0])

df['sale_amount'] = df.apply(clean_sales,axis=1)
df.drop('sales',axis=1,inplace=True)

销量按照最少的来取，其中销量按最低算，例如7000+人已付款，则将销量定为7000；

这些销量要看看规则，例如2万+人付款，200+人付款，很少的几十个以内的，会显示具体数字如23人付款；还有极少部分写多少人例如13506人看过。对于多少人看过，选了几个点进去，发现销量都比较少，想着销量要真不错，也不至于不写多少人买，应该是花了大价钱付费推荐的，直接计为0；

2.2销量动态图

用pyechart画的图，比较好看点，还可以设置缩放，就是稍微麻烦些，很多参数要仔细设置；

不把销量和销售额放在一个图里，因为销量多的，销售额不一定特别多，这样有一个轴不会变动，看起来不甚聪明；

# 选择销量、销售额靠前的 逆序是为了横向柱状图从大到小显示
groups_1 = df.groupby('shop_name')['money'].sum().sort_values(ascending=True)[-30:]
groups_2= df.groupby('shop_name')['sale_amount'].sum().sort_values(ascending=True)[-30:]

from pyecharts.charts import Bar,Grid,Page
bar_1 = Bar()
bar_1.add_xaxis(list(groups_1.index))
bar_1.add_yaxis("销售额",list(groups_1.values))


bar_1.reversal_axis() # 翻转x和y轴
bar_1.set_global_opts(title_opts=opts.TitleOpts(title='销售额'),
                    xaxis_opts=opts.AxisOpts(name='店铺名称'),
                    yaxis_opts=opts.AxisOpts(name='抓取的销售额'),
                    datazoom_opts=[opts.DataZoomOpts(type_='inside',orient='horizontal',xaxis_index=0,pos_left='10%'),
                                   opts.DataZoomOpts(type_='inside',orient='vertical',xaxis_index=1,pos_right='10%'),
                                  ],
                    legend_opts=opts.LegendOpts(type_='plain',pos_left="30%")
                      
                    )
bar_1.set_series_opts(label_opts=opts.LabelOpts(position="right"), # 设置数值显示在右侧
                    markline_opts=opts.MarkLineOpts(
                        data=[
                        opts.MarkLineItem(type_='max', name='最大值'),
#                         opts.MarkLineItem(type_='min', name='最小值'),
                        opts.MarkLineItem(type_='average', name='平均值')
                            ],linestyle_opts=opts.LineStyleOpts(color='red',opacity=.5,width=2,type_='dashed')
                    )
                     )
# 设置第二个柱状图
bar_2 = Bar()
bar_2.add_xaxis(list(groups_2.index))
bar_2.add_yaxis("销量",groups_2.values.tolist())
bar_2.set_series_opts(label_opts=opts.LabelOpts(position="right"),
                     markline_opts=opts.MarkLineOpts(
                        data=[
                        opts.MarkLineItem(type_='max', name='最大值'),
                        opts.MarkLineItem(type_='average', name='平均值')
                            ],linestyle_opts=opts.LineStyleOpts(color='grey',width=2,type_='dashed'))
                    
                )
bar_2.set_global_opts(
                        title_opts=opts.TitleOpts(title='销量'),
                    xaxis_opts=opts.AxisOpts(name='店铺名称'),
                    yaxis_opts=opts.AxisOpts(name='抓取的销量'),

                    )  
bar_2.reversal_axis()
# # 显示图像
grid = Grid(init_opts=opts.InitOpts(width="1600px",height="1200px"))
grid.add(bar_1,grid_opts=opts.GridOpts(pos_bottom='49%'))
grid.add(bar_2,grid_opts=opts.GridOpts(pos_top='60%'))
grid.render_notebook()

2.3 竞争对手地域分析

competitor = group_place.set_index(['province','city'],inplace=False)
# 添加临时辅助列
temp=competitor.groupby(level=0)['shop_name'].sum()
hehe=pd.merge(left=competitor,right=temp,left_index=True,right_index=True,how='left')
hehe2 = hehe.sort_values(['shop_name_y','shop_name_x'],ascending=False)

col_1 = 100*(hehe2['sale_amount'].cumsum()/hehe2['sale_amount'].sum()).values
col_1 = [str(round(i,2))+'%' for i in col_1]

# 临时决定多加一列
col_3 = 100*(hehe2['sale_amount']/hehe2['sale_amount'].sum()).values
col_3= [str(round(i,2))+'%' for i in col_3]

col_2 = 100*(hehe2['shop_name_x']/hehe2['shop_name_x'].sum()).values
col_2= [str(round(i,2))+'%' for i in col_2]
hehe2.insert(loc=1,column='销量占总体比',value=col_3)
hehe2.insert(loc=2,column='销量累计占比',value=col_1)
hehe2.insert(loc=4,column='店铺数占总体比',value=col_2)
hehe2.drop(columns='shop_name_y',inplace=True)
hehe2.columns=['销量','销量占比','销量累计占比','店铺数量','店铺数占总体比']

主要的竞争对手：

广东--中山、佛山，广州也有点苗头；

浙江--杭州、金华，宁波、绍兴也有点；

再就是山东--滨州、江苏--南京；

经历过就知道，很多产业都集中一片区域，小家电在中山佛山比较多，因为零配件厂都在附近，大家都扎堆，很多江浙鲁区域的，可能是云仓发货，亦或者批量进货后再售卖；

2.4不同店铺竞争力分析

旗舰店（姑且定义为一手厂家）、专卖店企业店（一级、二级授权店铺）、大型商超店（仅限苏宁易购、天猫超市、天天特卖工厂）、其他普通个人店（包含很多名字假装是直营店，实际只是忽悠人的个人店，也包含一些无法简单判定是否为二级授权的店铺，都归为杂牌店）的销量分析；后续发现，可能分的不够准，不同店铺的类型需要仔细查看规律，有个什么国货甄选旗舰店，好像也得划分到大型商超店里；

def map_shop(ss):
    if "苏宁易购" in ss:
        return 3
    if "旗舰店" in ss:
        return 1
    elif "专卖店" in ss or "企业店" in ss:
        return 2
    elif "天猫超市" in ss or "天天特卖工厂" in ss:
        return 3
    else:
        return 5
df['shop_type'] = df['shop_name'].apply(map_shop)

temp_2 = df.groupby('shop_type').agg({"sale_amount":sum,'money':sum,"shop_type":'count'})
pd.set_option('display.float_format', lambda x: '%.4f' % x)
new_names = ['旗舰店','专卖\企业店','苏宁天猫淘工厂','杂牌店']
temp_2.index = new_names

temp_2.sort_values(by='money',ascending=False,inplace=True)
# 销量占比
va1 = 100*(temp_2['sale_amount']/temp_2['sale_amount'].sum()).values
va1 = [str(round(i,2))+'%' for i in va1]
# 销售额占比
va2 = 100*(temp_2['money']/temp_2['money'].sum()).values
va2 = [str(round(i,2))+'%' for i in va2]
# 蓝海值计算
temp_2.insert(loc=1,column='销量占比',value=va1)
temp_2.insert(loc=3,column='销售额占比',value=va2)
temp_2['销量蓝海值'] = temp_2['sale_amount']/temp_2['shop_type']
temp_2['销售金额蓝海值'] = temp_2['money']/temp_2['shop_type']
temp_2

销量蓝海值粗略计算=对应的销量/店铺数

销量金额蓝海值=销售额/店铺数

蓝海值越高，就是能分到的蛋糕越多，越大越好！ 

可以看到旗舰店、专卖店还是受到了更多消费者的青睐，杂牌店开的人多，竞争比较激烈，天猫、淘工厂亦蹭顺风车，搞了一部分销量；

---

2.4.2了解一下数据：

总共抓取了淘宝网页端100页的链接数据，3073条数据，去掉完全重复的后2358条，其中店铺去重后，1194个店铺，意味着有的店铺可能抓取到多条链接；看了一下，淘宝自家或者利益非常相关的店铺，搜索到的链接明显多于其他家，看来胳膊肘是朝着自己的；

2.5 宣传卖点标签

可以看到，商品都有个摆在前面的宣传标签；

aa =pd.DataFrame(df.advan1.value_counts().sort_values(ascending=False))
aa.rename(columns={'advan1':'统计'},inplace=True)
aa.reset_index(inplace=True)

bb =pd.DataFrame(df.advan2.value_counts().sort_values(ascending=False))
bb.rename(columns={'advan2':'统计'},inplace=True)
bb.reset_index(inplace=True)

cc =pd.DataFrame(df.advan3.value_counts().sort_values(ascending=False))
cc.rename(columns={'advan3':'统计'},inplace=True)
cc.reset_index(inplace=True)

dd=pd.concat([aa,bb,cc],axis=1,ignore_index=True)
dd.columns=['宣传卖点-1','统计-1','宣传卖点-2','统计-2','宣传卖点-3','统计-3']
dd

 这些卖点，在商家中宣传得比较多，应是当下产品的重要竞争力！

基于以下经验知识：商家比较清楚当下热门卖点以及消费者需求，可以把自家产品往这方面靠或者吹；

2.6促销分析

ee=pd.DataFrame(df.promo1.value_counts().sort_values(ascending=False))
ee.reset_index(inplace=True)

ff=pd.DataFrame(df.promo2.value_counts().sort_values(ascending=False))
ff.reset_index(inplace=True)

gg=pd.concat([ee,ff],axis=1,ignore_index=True)
gg.columns=['促销手段-1','统计-1','促销手段-2','统计-2']
gg

促销标签这块规则比较乱稍微复杂一点，同时我们发现宣传卖点和促销标签，存在不同列之间有重复的，决定重新合并统计一次；

2.7 两组标签合并统计

2.7.1 宣传卖点标签

ll = list(df.advan1)+list(df.advan2)+list(df.advan3)
# 将三列advan合并统计
empty_dict ={}
for i in ll:
    if i not in empty_dict:
        empty_dict[i]=1
    else:
        empty_dict[i]+=1
empty_dict= sorted(empty_dict.items(),key=lambda d: d[1], reverse=True)
xc_labels=pd.DataFrame(data=empty_dict,columns=['卖点名称','统计数量'])
xc_labels

2.7.2 促销标签

# 将两列promo合并统计
kk = list(df.promo1)+list(df.promo2)
empty_dict_2 ={}
for i in kk:
    if i not in empty_dict_2:
        empty_dict_2[i]=1
    else:
        empty_dict_2[i]+=1
empty_dict_2= sorted(empty_dict_2.items(),key=lambda d: d[1], reverse=True)
pr_labels = pd.DataFrame(empty_dict_2,columns=['推广标签','统计'])
pr_labels

因为准备搞点特征衍生，所以现在是提前做了准备； 

2.8 特征衍生

2.8.1 宣传标签衍生

xc_labels.drop(labels=xc_labels[xc_labels['卖点名称'].isna()].index,inplace=True)
xc_labels['percent'] = xc_labels['统计数量']/xc_labels['统计数量'].sum()
xc_labels['statstic'] = xc_labels['统计数量'].cumsum()/xc_labels['统计数量'].sum()

# 将标签从热门-->冷门分级
level_1 = xc_labels[xc_labels['statstic']<=0.75]['卖点名称'].values
level_2 = xc_labels[(xc_labels['statstic']>0.75)&(xc_labels['statstic']<=0.95)]['卖点名称'].values
level_3 = xc_labels[(xc_labels['statstic']>0.95)&(xc_labels['statstic']<=0.99)]['卖点名称'].values

# level_1
# ['不锈钢', '一级', '脉冲电子点火', '旋火', '5.2KW', '钢化玻璃', '热电偶熄火保护', '直火',
       '钢化玻璃、不锈钢', '双旋火']

简单来讲，对卖家的标签，按照热门程度，最热门的给4分，其次3分，比较冷门的1分，不写0分； 

# 先把那些填充为0比较好搞
df2 = df.copy()
print('去重前:',df2.shape)
df2.drop_duplicates(inplace=True)
df2.fillna(value=0,inplace=True)
def map_advan(df):
    score = 0
    for col in ['advan1','advan2','advan3']:
        if df[col] in level_1:
            score+=4
        elif df[col] in level_2:
            score+=3
        elif df[col] in level_3:
            score+=2
        elif df[col]==0:
            score+=0
        else:
            score+=1
            
    return score
df2['advan_score'] = df2.apply(map_advan,axis=1)
print('去重后:',df2.shape)
df2

新生成的特征列： 

 2.8.2 促销标签页

pr_labels.drop(pr_labels[pr_labels['推广标签'].isna()].index,inplace=True)
pr_labels['percent'] = pr_labels['统计']/pr_labels['统计'].sum()
pr_labels['statstic'] = pr_labels['统计'].cumsum()/pr_labels['统计'].sum()
pd.set_option('display.max_rows',20)
pr_labels

促销这块，种类很多，根据个人主观判断，什么公益宝贝、绿色节能，都没什么卵吸引力，比较厉害的、并且无法量化的是这些：
array(['包邮', '3期', '新品', '30天价保', '6期', '12期'], dtype=object)

先添加一个包含重要且不太好量化的指标列，本人俗称其为犀利值；

def map_promo(df):
    start = 0
    for col in ['promo1','promo2']:
        if df[col] in p_level_1:
            start+=1 
    return start
df2['promo_priority'] = df2.apply(map_promo,axis=1)
df2

再就是比较难搞的，满多少减多少，有很多种，要仔细看原数据，发现规律，总结研究；

有满300元减20元，有淘金币抵扣**元，有官方立减元，有限时直降元，有包邮、3期、6期、12期，多少天保价之类的，一个商品最多有两个标签，而这些分为第一列、第二列，随意组合的，我将有淘金币抵扣的，不论金额大小，都算作商品有一个特征列为1，因为我查到淘金币抵扣的钱，一般都不会太多，主要是正则表达式+各种条件判断太麻烦；

import re
# 先新建合并列 
for i in df2.index:
    df2.loc[i,'combine'] = str(df2.loc[i,'promo1'])+str(df2.loc[i,'promo2'])
    
def temp_map(df):
    pattern_1  = re.compile(r'(\d+)减(\d+)')
    pattern_2  = re.compile(r'[立减,降,补](\d+)')
    pattern_3  = re.compile(r'已抵(\d\.?\d*)')
#     if '抵' in df['combine']:   
#         """淘金币抵扣，情况太复杂，可能多个促销，前后不一，简化处理"""
#         result = re.search(pattern_3,df['combine'])
#         return result.groups()[0]
    if '立减' in df['combine'] or '降' in df['combine']or'补' in df['combine']:   
        """官方立减、限时直降、已补多少"""
        result = re.search(pattern_2,df['combine'])
        return result.groups()[0]    
    if "满" in df['combine']:
        """满多少减多少"""
        result = re.search(pattern_1,df['combine'])
        return result.groups()  # 返回两个数的元组
    else:
        return 0     
df2['new'] = df2.apply(temp_map,axis=1)
df2

如果满a减b,得到是个元组，还要进一步处理； 

df2['满多少'] = [i[0] if type(i)==tuple  else 0 for i in df2['new']]
df2['减多少'] = [i[1] if type(i)==tuple else i if int(i)>0 else 0 for i in df2['new']]
df2['淘金抵'] = [1 if '淘金币'in i else 0 for i in df2['combine']]

# 将没有满多少减多少的，满多少 这一列，设为5000,已知最大为3563
temp_index = df2[df2['满多少']==0].index
df2.loc[temp_index,'满多少'] =5000

# 先转换数据类型
df2[['满多少','减多少']]=df2[['满多少','减多少']].astype(float)
# 新建可学习列
df2['dis_condition'] = df2['满多少']/df2['price'] # 越大打折门槛越高
df2['disount'] = df2['减多少']/df2['price']  # 越大，促销力度越大

df2.drop(columns=['combine','new','满多少','减多少'],inplace=True)
df2.sample(20)

最终，关于促销手段，我们衍生出了4列；
promo_priority就是包含比较犀利、无法量化的，犀利程度；
淘金抵，简化为0和1，能用淘金币抵扣的就是1，不管多少，查资料好像最大值为商品的1%-5%，费用商家出，其实也不是很多，主要是淘金币抵扣有的在前、有的在后，排列组合多，懒得弄那么细了，后期有仔细处理，但懒得改本文了；
dis_condition，是满a减b中的a除以商品价格，比如商品价格50元，要满300减20；则=300/50=6，可知越大越难满减；没有满减的，就将数值设得比较大，超过列的最大值；
disount，是满a减b中的b,再除以商品价格，=20/50=0.4，越大则优惠力度越大； 

2.9 标题列

import jieba
# 提取所有标题
title_list_all = df2['title'].values.tolist()
title_s=[]
# 先进行切分
for line in title_list_all:
    title_cut = jieba.lcut(line)
    title_s.append(title_cut)

# 去掉没什么意义的词
stopwords = [line.strip() for line in open('d:/停用词表.txt', 'r', encoding='utf-8').readlines()]
title_clean = []
for inner_list in title_s:
    line_clean = []
    for single_word in inner_list:
        if single_word not in stopwords:
            line_clean.append(single_word)
    title_clean.append(line_clean)

# 转为一个大列表
final_list=[]
for line in title_clean:
    for word in line:
        final_list.append(word)

df_word = pd.DataFrame(data={'words':final_list})  # 先转为df好统计
word_count = df_word.words.value_counts().reset_index()
word_count.columns = ['word', 'count'] # 名字有点乱，改一下

2.9.1 提取销量最高的100个词

有个问题，标题中含得最多的词，并非是最好的，要看销量中，含哪个词的销量最高，这样统计数据会重复，不过能代表关键词和销量的关系！

# 发现有单个字的，删掉，补充直到100
count_list=[]
i=0
while len(count_list)<100:
    value = word_count.loc[i,'word']
    if len(value) >1:
        count_list.append(value)
    i+=1


result_dict = {}
for index in df2.index:
    for single_word in count_list:
        if single_word in df2.loc[index,'title']:
            result_dict[single_word] = result_dict.get(single_word,0)
            result_dict[single_word]+=df2.loc[index,'sale_amount']

top100_df = pd.DataFrame(list(result_dict.items()),columns=['word','sale_amount'])
top100_df.sort_values(by='sale_amount',ascending=False,inplace=True)
top100_df.reset_index(drop=True,inplace=True)
top100_df['percent'] = top100_df['sale_amount']/df2.sale_amount.sum()
top100_df

2.9.2 画图看看

plt.figure(figsize=(12,10))
plt.title("标题中最热门的50个词",fontsize=15,fontweight='bold')
sns.set(font='SimSun')
sns.barplot(data=top100_df[:50],x='percent',y='word',alpha=.8)
for i,j in enumerate(top100_df[:50]['percent']):
    plt.text(j+0.03,i,round(j,3),ha='center',va='center')
plt.xlabel('标题词占总销量比')
plt.ylabel('标题关键词')
# plt.savefig('d:/标题关键词热门.jpg',dpi=400,bbox_inches='tight')

三、特征重要性 

目标列是销量，我们衍生了一百多列的特征，后面有些稀疏，用回归算法看看影响销量的因素；

3.1 RF特征重要性 

考虑用RF随机森林、GBDT梯度提升和Lightgbm看看，实际中我的参数换过一些，这边只放一部分，过程中内容比较多，这边就直接放结果了；

解释：判断线上平台，各个表面因素对【销量】的影响：

①promo_priority  推广标签吸引力，首先将推广标签统计，含有【'包邮', '3期', '新品', '30天价保', '6期'】任意一项加一分，一个链接最高2分，最低0分，什么公益宝贝、绿色节能（总共只出现9次）等看起来没什么竞争力的词，不算为有吸引力的标签；promo_priority  即为推广标签吸引力对销量的影响力；

②dis_condition,为打折条件，比如标价是50元，打折条件是满300减20元，打折条件即为300/50=6，单就这个因素，数字越大，证明要满减越难，倍数越小则越容易打折，只包含这个300，减的20影响力较小排在后面；

③price 链接价格  

④has关键词，将标题拆分为很多个短关键词，选了出现次数最多的前100个，例如has苏泊尔，即标题中出现了苏泊尔这个词；

注意：has志高，并非因为标题有志高而销量高，而是因为志高旗舰店，销量排第一，才导致这个因素排在前面，因果关系要知道；has苏泊尔、has太太同理，其他一个不带牌子的例如has猛火、has炉灶，则是标题中，比较火热的；经过实地略微调研，潜伏了解情况，虽然都是贴牌，大厂都外包给别人做，别人工厂直接贴需要的牌子，看来产品做得好，不如宣传得好，看来商业模式最容易搞到钱的，就像什么什么奶茶一样，雇人去当演员排队买奶茶，实际上根本没那么火、没那么好，然后让别人跟风，营造出火爆的现象；噗！

⑤advan_score： 商品卖点标签的影响力，也是对宣传卖点进行统计，比较火热的给4分，一般火的3分，冷门的1分，不写的0分，每个产品最多写3个卖点标签，一个都不写的0分，最高的12分； advan_score 即为卖点标签的影响力；

⑥count_keys ，商品标题包含最热门的100个词的数量，一些卖的比较火的产品，标题会包含十大几个到20个热门词，较少的也有个六七个，标题越火越容易被搜到（单就标题这个因素而言），成交量一般也高一点；

⑦shop_type:  店铺类型，旗舰店列为1等，专卖、企业店2等，天猫超市、苏宁等列为3等，其他杂牌店列为5等；

3.2 GBDT特征重要性 

GBDT算的结果，是比较偏准的；

3.3 LightGbm

注意此处，importance_type='gain'，不是用的split;

criterion不同，对结果也有一部分差异，但主要的大差不差啦；

其实，要调调参数的，但我主要就是想看看特征重要性而已，树模型基本都能找到规律，主要就是看一眼而已；

四、定价策略

这块，是有一些商业性的分析建议的，水平不敢说太高，就算了；

网上平台销量，可以信一些，但不能全信，很多销量，都是刷的；

4.1  全价格VS销量
 

df2_price= df2[['price','sale_amount','money']]
price_group= df2_price.groupby('price')['sale_amount'].sum()

price_group.plot(figsize=(14,8))
plt.xlabel('价格')
plt.ylabel('淘宝平台显示销量')
plt.legend().set_visible(False)
plt.title('价格与销量图')

要对一些异常高的销量专门看看，比如700元、500元这两个价位段；具体内容略过；

 4.2 三百以内的

price_group_2_df = pd.DataFrame(price_group[(price_group.index < 300)&(price_group.values > 0)])
price_group_2_df.plot(figsize=(14,8))
plt.xlabel('价格')
plt.ylabel('淘宝平台显示销量')
plt.legend().set_visible(False)
plt.title('三百以内销量至少1的价格与销量图')
plt.xticks(ticks=range(0,310,15),labels=range(0,310,15),minor=False)
plt.grid(visible=False)
plt.savefig('d:/三百以内的与销量图.jpg',dpi=400,bbox_inches='tight')

总体来说，家用燃气灶，就是那种查个煤气罐管子的，消费人群大部分为，租房打工、临时用用、小餐馆小摆摊，消费能力不太高的，一般不太愿意花太多钱，所以在价格比较低的价位，销量高出很多，一些价格偏高的，是嵌入式灶，就是需要家里的灶台有个凹坑，灶体大部分塞下去的那种，价格会高很多，浮动范围也大很多；

4.3  两百而以内的

因为200的价格有段很突出，所以拉长一点到220；

4.4 品牌店铺对比

 4.5 单个店铺对比

由于我们添加一个店铺销量累计和列，所以上面数据很多是带有一些重复性质，例如排名第一的志高厨卫旗舰店，有很多个单链接销量都比较高，我们现在只单纯按照店铺划分，就算一个店铺占了前一二三名，也只要一个数据，这样数据会从430行变为144行；

4.6 销量区间分箱查看

看看，销量很多、销量一般的店铺，占总体的比例，这边只看旗舰店部分；

可以看到，大部分的销量都在较少的范围，根据鄙人研究过的运营知识，愿意投入大手笔刷单刷数据的商家，还是少数，所以有的店铺销量会高得离谱，绝大部分还是选择点到为止；

End!