一个公式三指标，电商分析的破局之道

作者简介
HeoiJin：立志透过数据看清世界的产品策划，专注爬虫、数据分析、产品策划领域。
万物皆营销 | 资本永不眠 | 数据恒真理
CSDN：https://me.csdn.net/weixin_40679090

一、前言

失踪人口终于想起了他的博客账号密码（狗头）。在上一篇商业分析实战《只会环比下降3%的数据分析师还有救吗？》，我们用母婴产品的数据集，详解了多维度单指标如何进行分析。那么本篇将与大家探讨进阶版——多维度多指标的数据该如何进行分析。

二、项目准备

• 语言：Python 3.7
• IDE：Pycharm
• 相关库：pandas 0.25.3、matplotlib 3.2.1、pyecharts 1.6.2、seaborn 0.10.0
• 其他：chromedriver 83.0.4103.39、Edge 83.0.478.37
• 分析框架：5w2h，销售额=UV*转化率*客单价

PS.

• 老规矩代码仅展示核心知识点部分，源码和数据集在文末或阅读原文

三、了解数据，梳理指标

3.1 数据字段梳理

数据集来自“和鲸”的天猫订单综合分析，只有一个文件report.csv，包含7个字段，共28010条数据，具体字段为：

• 订单编号
• 总金额：订单总金额，假设每一单只购买一件商品，该字段视作为商品的标价
• 买家实际支付金额：最终成交金额，分为已付款和未付款两种情况
  • 已付款情况下：买家实际支付金额 = 总金额 - 退款金额
  • 未付款情况下：买家实际支付金额 = 0
• 收货地址：买家的收货地址，记录维度为省市，共记录了31个省市
• 订单创建时间：2020年2月1日 至 2020年2月29日
• 订单付款时间：2020年2月1日 至 2020年3月1日
• 退款金额：付款后申请退款的金额，如果没有退款，退款金额为0

3.2 指标维度梳理

在天猫母婴商品的分析当中，仅销售量作为结果指标，所有的分析围绕这个结果指标即可。但通过上面的字段梳理可知，除了成交金额作为结果指标外，还有一系列的过程指标，那么就需要对指标间的关系做逻辑梳理。

这里我们引入电商的分析中最经典的公式：销售额 = UV * 转化率 * 客单价

• 指标梳理：
  • UV：在本数据集中，没有客户id作为UV数据，但我们可以把订单创建数量作为UV的数据
  • 转化率：转化流程为订单创建 -> 订单付款 -> 订单成交 -> 订单全额成交
  • 客单价：平均每单的售价，在本数据集当中，亦可以理解为各个产品的销量情况
• 维度梳理：
  • 时间维度：（周/日）订单创建/付款时间
  • 地域：各省市
  • 产品：假设每一种金额对应唯一的产品时，总金额便可以作为产品品类的标识

3.3 数据清洗理

进行处理之前，先通过info函数对数据情况进行初步了解

观察可知，除订单付款时间之外，均没有缺失值。付款时间缺失的原因是用户在订单创建后跳失，缺失也是存在业务意义，暂不处理空值。

另外，订单创建时间和订单付款时间的格式是object，需转化为时间格式，方便后续操作。Demo：

df['订单创建时间']=pd.to_datetime(df['订单创建时间'])

四、先看结果指标，确定现状

对于任何商业组织及其行为，最终目的都是获利，而在不考虑成本的情况下，收入便是最重要的结果指标。在本数据集中，第一步自然是要知道销售额的情况。

实现方法：

1. 以订单付款时间为分组条件，对买家实际支付金额求和
2. 用matplotlib绘制折线图

从上图可得知几个重点信息：

1. 整体的销售额为190万
2. 4号出现局部峰值，5-8号持续型下降，每日成交额低于万级水平
3. 10-16日共一周时间的销售额几乎低于千级，需要特别留意数据的真实性
4. 17日后出现持续型增长，25日出现本月峰值

但仅凭上面的信息并不足以支撑决策，因此我们对案例增加些背景假设：

1. 本月的销售额目标是220万
2. 除10-16日之外，所有数据的采集均没有错误
3. 10-16日的实际日均销售额为2万

在增加假设后，我们可以得知本月的真实销售额为200万，距离目标还差20万。接下来将从公式中的三个指标来拆解是什么环节出现问题，应该如何提升销售额。

五、拆解结果指标，进一步锁定问题

5.1 用户行为路径整体转化率

从字段梳理中可以得知用户行为路径为：订单创建 -> 订单付款 -> 订单成交 -> 订单全额成交。而转化率的计算方法有两种：

• 绝对转化率：每一个环节的订单数除以初始环节的订单数
• 相对转化率：每一个环节的订单数除以上一个环节的订单数

两种计算方式有各自的适用场景，个人理解在了解整体情况时绝对转化率更适合，而加入维度进行对比时，相对转化率则更适合。因此本环节中，使用绝对转化率进行计算。

实现方式：

正常的groupby函数并不能帮助我们对特定列进行复杂的筛选，因此需要手动计算各环节的订单数。

1. 求出各环节的订单数
   • 订单创建/付款：计次
   • 订单实际成交：筛选出买家实际支付金额大于0的所有行
   • 订单全额成交：筛选出买家实际支付金额等于总金额的所有行
2. 求转化率：用本环节的订单数除以订单创建数
3. 用pyecharts绘制漏斗图

rates = pd.Series({
   
    '创建':df['订单创建时间'].count(),
    '付款':df['订单付款时间'].count(),
    '实际成交':df[df['买家实际支付金额']>0].shape[0],
    '全额成交':df[df['买家实际支付金额']==df['总金额']].shape[0],
},name='订单量').to_frame()
# 绝对转化率=各环节订单数/订单创建数
rates['整体转化率']=rates['订单量'].apply(lambda x: round(x*100/rates.iloc[0,0],3