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