python电商_电商数据分析（python）

一、背景及目的

从多维度对某平台2016年电商数据进行分析，总结销售规律，为来年销售计划做准备，指导之后的产品销售。

二、理解数据

三、提出分析思路

四、数据清洗

此部分请见我之前写的文章：电商数据分析之数据清洗(python)mh赵：电商数据分析之数据清洗(python)​zhuanlan.zhihu.com

五、数据分析

首先，看下2016年的整体销售情况：

2016年，订单总量是104,329，总销售额为9,066,399元，共有102,447位用户参与购买，有流水的商品数为1,000件。

1、产品数据

1)销量前十、后十的产品

看出，销量前十的产品ID为895，762、103、587、385、60、38、403、345、823，他们的销量范围在280~360之间，这些产品是比较受消费者欢迎的。

销量后十的产品id

销量后十的产品id是948、856、621、272、563、347、597、468、986、1000，销量范围在10~30之间，这些产品的购买用户较少。

2)销售额前十、后十的产品

以产品Id分组求和，选取payMoney列，并按照进行payMoney降序处理。

销售额前十的产品：

销售额排名前十的产品销售额都在25万元以上，除了产品id为385产品销售额外，其余产品销售额差距不大。

销售额后十的产品：

销售额排名后十的产品销售额均在25,000元以下，可以看到，销售额前十的产品销售额是排名后十的产品销售额的十倍。

接下来，我们看下销量和销售额最后100个的交集，如果这些产品的销量和销售额都不行，需要看看是不是要优化或者下架。

3)不同城市的销量、销售额排名，方法同产品的销量和销售额分析，下面给出代码并求出销量和销售额都低的城市id

得出，cityid为280012、280010、70002、180023、380001的城市销量和销售额都很低。我们需要对每个城市进行详细的分析，为什么这些城市销量和销售额低。可以从推广，运营，用户等多个维度查找问题，此处不再赘述。

4、所有商品的价格区间怎样？有没有一个价格区间的商品卖的非常好？

绘图时加入中文字体：导入matplotlib 中的font_manager 库：

From matplotlib import font_manager

# 设置中文字体

my_font=font_manager.FontProperties(fname='C:\Windows\Fonts\msyh.ttc',size=18)

# 先按照100的区间分桶

bins = np.arange(0,25000,100)

pd.cut(order_data.price,bins)

#直方图

plt.figure(figsize=(16,16))

plt.hist(order_data.price,bins)

plt.xlabel('价格区间',fontproperties=my_font)

plt.ylabel('数量',fontproperties=my_font)

plt.title('商品的价格分布',fontproperties=my_font)

plt.show()

结果如下：

可以看到价格区间10,000以上的商品很少，我们修改价格区间范围最大值为10,000再次展示：

a、很多价格区间是没有商品的，如果可以根据市场情况，考虑要不要补上对应商品。

下面我们查找这些价格区间：

b、价格区间0~2000的商品居多，我们按照1000分桶再看下

结果如下：

看出，价格在1000以下的产品占71%，占所有商品的大多数。我们可以多研发这些本区间热销产品。

2、用户数据

1)我们可以根据不同时间的下单量，按照时间做推广

a、按照小时来看

中午12、13、14点下单比较多，晚上20点左右下单较多，这两个高峰期，我们需要着重推广商品。且下单高峰时段，我们也要注意网站的稳定性和可用性，不要因为一些不必要的因素导致销量低。

b、按照星期来看

周末下单最多，其次是周四周五

c、按照月来看每月交易情况

先将创建时间设置为表的索引：

df = order_data.set_index('createTime',inplace=False)

注意设置变量接收，尽量保持原表完整，便于下面分析。

制作每月销售额曲线：

看到，2016年从4月份销售额逐渐上升，7月份销售额最高，8月份稍有下降，9月份急剧下降。

再看2016年销量：

对于销量，5月份快速上升，7月达到最高销量，8月有所下降，9月急剧下降，销量趋势和销售额曲线基本吻合。

2)下单多久后支付

首先定义一个函数，获取支付时间和创建时间差(单位秒)，并添加到列

查看是否添加成功

在payDelta列分桶：

画饼图的时候，若有重合部分，我们可以调整分桶区间

饼图显示，支付时间在10分钟以内的用户占大多数(97%)

3、渠道数据

1)不同渠道的销量

看到，渠道2和渠道3的销量明显多于其他渠道的销量，再看不同渠道的销售额

2)不同渠道销售额

渠道2和渠道3的销售额也明显多于其他渠道销售额。可以看到，渠道2销量多与渠道3销量，但渠道2销售额小于渠道3的销售额，我们需要结合成本等来逐渐优化。对于销量和销售额都很低的渠道5、6我们要结合实际看看之后是否还要继续通过这两个渠道来进行推广。

六、结论及建议

1、2016年，订单总量是104,329，总销售额为9,066,399元，共有102,447位用户参与购买，有流水的商品数为1,000件。

2、不管是销量还是销售额来看，热销产品还是表较多的，我们可以结合市场情况主推销量和销售额都很多的385号产品；

对于销量和销售额都很低的产品，我们需要看看是要优化这些产品还是下架(具体产品参考problem_productId)。

3、对于各城市的销售分析看出，ityid为280012、280010、70002、180023、380001的城市销量和销售额都比较低。

具体情况我们还要对每个城市进行详细分析，为什么这些城市销量和销售额低。可以从推广，运营，用户等多个维度查找问题。

4、价格区间分析中，我们看到价格在1000元以下的产品占比71%，我们可以多研发这些区间的热销产品；对于没有商品的价格区间

我们可以根据市场情况，考虑要不要补上对应商品。

5、用户每小时的下单量，中午12、13、14点下单比较多，晚上20点左右下单较多，这两个高峰期，我们需要着重推广商品。且下单高峰时段，我们也要注意网站的稳定性和可用性，不要因为一些不必要的因素导致销量低。

从周看，周末的下单量最多，周四周五次之。

2016年每月销售分析趋势看，每年5月左右销售逐渐变好，8月稍有下降，9月份急剧下降，到11月跌至最低。

6、从用户下单到用户支付时间差看，用户支付时间在10分钟以内的占大多数(97%)，说明用户的购买意愿、目的性强。

7、渠道2销量多与渠道3销量，但渠道2销售额小于渠道3的销售额，我们需要结合成本等来逐渐优化。对于销量和销售额都很低的渠道5、6我们要结合实际看看之后是否还要继续通过这两个渠道来进行推广。