电商打折套路解析

最新推荐文章于 2020-06-08 15:32:41 发布

董师傅

最新推荐文章于 2020-06-08 15:32:41 发布

阅读量2.3k

点赞数 4

本文链接：https://blog.csdn.net/weixin_43235688/article/details/82844962

版权

该项目旨在解析电商打折策略，包括分析参与双十一活动的品牌数量、真伪打折商品、商家营销套路。通过对商品分类，计算价格变化，绘制图表，揭示了打折商品比例、折扣力度以及品牌打折特点。

摘要由CSDN通过智能技术生成

【项目08】电商打折套路解析

PS:如果各位有疑问的话，可以留下微信，我看到会第一时间加的，以后可以多多交流

1、项目需求

1、从现有数据中，分析出“各个品牌都有多少商品参加了双十一活动？
2、哪些商品真的在打折呢？
3、商家营销套路都是哪些呢？

2、项目思路

1、把所有的商品数据打上标，分类成以下几类
A. 11.11前后及当天都在售 → 一直在售
B. 11.11之后停止销售 → 双十一后停止销售
C. 11.11开始销售并当天不停止 → 双十一当天上架并持续在售
D. 11.11开始销售且当天停止 → 仅双十一当天有售
E. 11.5 - 11.10 → 双十一前停止销售
F. 仅11.11当天停止销售 → 仅双十一当天停止销售
G. 11.12开始销售 → 双十一后上架
从而计算出真正打折的商品有什么以及双11在售的商品比率是多少
2、根据分类计算出商品双11前后的价格比计算出双11商品的打折力度，并计算不同品牌的打折力度
3、通过散点图绘制象限图，分为4个象限，
a、少量少打折
b、少量大打折
c、大量少打折
d、大量大打折
从而分析出打折品牌套路和特点

3、结果实现

导入模块读取目标数据

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import os
import warnings
warnings.filterwarnings('ignore') 
# 不发出警告
from bokeh.io import output_file
output_file('项目08.html')
# 导入notebook绘图模块
from bokeh.plotting import figure,show
# 导入图表绘制、图标展示模块
from bokeh.models.annotations import Span
from bokeh.models.annotations import BoxAnnotation
from bokeh.layouts import gridplot
from bokeh.models import ColumnDataSource
 
os.chdir('C:\\Users\\Administrator\\Desktop\\项目资料\\项目08电商打折套路解析')
df1 = pd.read_excel('双十一淘宝美妆数据.xlsx')
df1.fillna(0,inplace=True)

1.1、查看数据，设置时间序列

#把数据设置成时间序列
df1.index = df1['update_time']
df1['date'] = df1.index.day
 
#计算商品总数和品牌总数
df1_sszs = df1['id'].value_counts()#商品总量
df1_ppzs = df1['店名'].value_counts()#品牌总量
print('问题1答案:\n商品总量为%i,品牌总量为%i' %(len(df1_sszs),len(df1_ppzs)))
 
'''
问题2:双11在售商品占比情况
'''
#计算商品的预售和双11当天在售的情况
df1_11 = df1[df1['date'] == 11][['id','date','title']]
df1_11['双11是否售卖'] = True
df1_gb = df1[['id','date']].groupby('id').agg(['max','min'])['date']
df1_gb = pd.merge(df1_gb,df1_11[['id','双11是否售卖']],left_index = True,right_on = 'id',how = 'left')

1.2、商品分类，绘制饼图查看占比情况

#商品分类
df1_gb['类别'] = np.nan
df1_gb['类别'][(df1_gb['min']<11) & (df1_gb['max']>11)] = 'A'
df1_gb['类别'][(df1_gb['min']<11) & (df1_gb['max']==11)] = 'B'
df1_gb['类别'][(df1_gb['min']==11) & (df1_gb['max']>11)] = 'C'
df1_gb['类别'][(df1_gb['min']==11) & (df1_gb['max']==11)] = 'D'
df1_gb['类别'][df1_gb['双11是否售卖']!=True] = 'F'
df1_gb['类别'][(df1_gb['max']<11)]= 'E'
df1_gb['类别'][(df1_gb['min']>11)]= 'G'
data1 = df1_gb['类别'].value_counts()
data1 = data1.loc[['A','C','E','D','B