小红书销售数据分析-基于Excel的分析和可视化

一、数据源

数据来自于和鲸社区。本文已将源数据字段改为简单中文，并新增用户id一列便于分析。

1.数据说明

数据集包含29452条数据，部分数据字段说明

• 第三方购买的数量：用户过往在app中从第三方购买的数量，为0则代表只在自营商品中购买
• 性别 ：0:女；1:男 ；未知则空缺
• 是否参加活动：最近30天在app上有参与重点活动（讨论，卖家秀），0：未参加；1：参加；未知则空缺
• 生命周期：分为A,B,C （分别对应注册6个月内，1年内，2年内）
• 最近一次下单距今的天数：小于1则代表当天有下单 

2.部分数据展示如下

用户id	性别	年龄	是否参与活动	生命周期	最近一次下单距今的天数	第三方购买的数量	购买金额	累计购买金额
1	1	59	0	B	4.26	0	72.98	2343.87
2	1	51	0	A	0.94	0	200.99	8539.872
3	1	79	0	C	4.29	1	69.98	1687.646
4				C	14.9	0	649.99	3498.846
5				C	21.13	4	83.59	3968.49
6	1	80	0	C	15.13	10	319.99	2811.491

二、数据处理 

• 空值的检查与处理：多方考虑，不做删除处理
• 异常值的检查与处理
• 数据类型的检查与调整：已修改为合适的数据类型

对于缺失值：通过对数据的筛选等操作，可以看出性别、年龄、是否参加活动三列有许多空值数据，但其他列数据没有空值。那么缺失值对于其他列的某些研究影响不大，因此，我们不对缺失值进行删除处理。

三、数据分析

从以下几个方面进行研究：

1.研究性别对于用户购买金额的影响

结论：男性购买人数、累计购买金额和平均购买金额都比女性多（跟想象中的不一样），可以针对女性用户制定方案，提高女性用户消费人数。

注意：但由于性别列缺失值过多，总数据的1/3多都缺失，而且小红书上的性别可以随意填写，因此该分析结果存疑。

2.研究年龄对于用户购买金额的影响

将年龄进行分组，得到如下表格：

插入图表：

结论：15-19岁的用户购买人数最低，但平均购买金额最高，说明15-19岁的用户有很大的开发空间。40~79岁这部分中老年群体是小红书消费用户主力军。除了15-19岁群体平均购买最高，其他群体的平均购买金额相差不大。

注意：但由于年龄列缺失值过多，各年龄段严格不能均衡，尤其是15-19、20-24岁的用户样本过小，而且小红书上的年龄可以随意填写，因此该分析结果存疑。

3.是否参与活动对顾客购买金额的影响

结论：参加活动的用户以及累计购买金额较多，平均购买金额却是未参加活动用户的3/5。由此可看出，未参加活动的用户有很大的购买潜力，应该考虑如何才能吸引这部分人，提高购买次数

注意：是否参加活动列缺失值较多，样本不均衡，分析结果可能受影响比较大。

4.研究生命周期对于购买金额的影响

结论：注册2年内的用户数以及累计购买较多，但平均购买金额最低。注册6个月内的用户平均购买金额较高，说明生命周期在6个月的顾客购买力比较强。

5.是否在第三方购买的人数与金额比较

结论：第三方购买人数、平均购买金额都要比自营多。