电商促销复盘项目

电商促销复盘项目

---

一、项目概述

有一个专门做特卖的网站（特卖一般是指在特定的时间段里，以优惠的价格出售指定的商品）。本文是对部分特卖商品在2019年双11销售情况的复盘，通过jupyter notebook，使用python的pandas和numpy包完成分析，通过分析结果，优化商品结构，让商品实现更好的销售情况。

---

二、数据查看

1、数据预览

数据集为一份Excel表格，包含三张表：商品信息表、商品热度表、用户销售明细表。
包含如下字段：
1、商品信息表：商品名、售卖价、吊牌价、折扣率、库存量、货值、成本价、利润率、SKU；
2、商品热度表：商品名、UV数、收藏数、加购物车数；
3、用户销售明细表：用户id、购买日期、商品名、购买数量、购买单价、购买金额、是否退货、退货件数、退货金额。

2、读取数据

导包：

import pandas as pd
import numpy as np
import warnings
warnings.filterwarnings('ignore')  # 忽略警告

读取商品信息表：

# 读取商品信息
dt1 = pd.read_excel("销售数据.xlsx", sheet_name=0)
dt1.head()

读取商品热度表：

# 读取商品热度信息
dt2 = pd.read_excel("销售数据.xlsx", sheet_name=1)
dt2.head()

读取用户销售明细表：

# 读取销售明细表
dt3 = pd.read_excel("销售数据.xlsx", sheet_name=2)
dt3["是否退货"] = dt3["是否退货"].map({"是":1, "否":0}) 
dt3.head()

3、数据预处理

将三张表合并为一张表，便于后续计算和分析：

• 首先通过’商品名‘字段，将商品信息表和商品热度表合并
• 以’商品名‘为主，对用户销售明细表进行聚合
• 再将以上两张表通过’商品名‘字段合并，完成三张表的合并

合并商品信息表和商品热度表：

dt_product = dt1.merge(dt2, how='left', on='商品名')
dt_product.head()

聚合用户销售明细表

# 统计每个商品的销售情况
product_sales = dt3.groupby("商品名").agg({"购买数量":"sum",
                                                 "购买金额":"sum",
                                                 "退货件数":"sum",
                                                 "退货金额":"sum",
                                                 "购买单价":"mean",
                                                 "用户id":pd.Series.nunique}).reset_index()
product_sales.rename(columns = {"购买数量":"商品销售数量",
                              "购买金额":"商品销售金额",
                              "是否退货":"商品退货数量",
                              "退货金额":"商品退货金额",
                              "购买单价":"商品销售单价",
                              "用户id":"购买用户数量"}, inplace=True)
product_sales.head()

完成三张表的合并

dt_product_sales = dt_product.merge(product_sales, how='left', on='商品名')
dt_prodcut_sales.head()

---

三、整体运营情况

1、指标查看

总体运营部分，主要关注销售额、售卖比、UV、转化率等指标，其他指标作为辅助指标。销售额用来和预期目标做对比，售卖比用来看商品流转情况。
所以，制定如下指标，通过汇总了解整体运营情况：

• GMV：销售额
• 实销：GMV - 退货金额