使用黄氏曲线评估零售店促销活动效果
1. 关于项目
这是一个线上电玩产品零售店在六一促销活动(2020年5.28-6.3)的复盘工作中的一个环节。
这一小节里,将使用黄氏曲线分析工具,从整体上对促销活动的效果进行评估。
黄氏曲线是零售业数据化管理工具之一,本质上是一种加权曲线。
一个完整的促销活动复盘工作还有很多繁杂的工作,包括目标回顾、评估结果、分析原因以及总结经验四个方面。
活动复盘是促进活动迭代的一个重要原因。通过交易数据、系统数据、用户反馈等来确定用户喜好、流程思考、活动设计。
2. 数据预处理
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns
sns.set()
%matplotlib inline
sales = pd.read_excel('sales.xlsx')
sales
年月 | 日 | 销售额 | |
---|---|---|---|
0 | 2019年3月 | 31 | 1256.80 |
1 | 2019年3月 | 30 | 1130.00 |
2 | 2019年3月 | 29 | 1214.80 |
3 | 2019年3月 | 28 | 1129.00 |
4 | 2019年3月 | 27 | 595.00 |
... | ... | ... | ... |
463 | 2020年6月 | 5 | 1939.42 |
464 | 2020年6月 | 4 | 1985.00 |
465 | 2020年6月 | 3 | 1668.29 |
466 | 2020年6月 | 2 | 2070.05 |
467 | 2020年6月 | 1 | 3572.06 |
468 rows × 3 columns
sales.info()
<class 'pandas.core.frame.DataFrame'>
RangeIndex: 468 entries, 0 to 467
Data columns (total 3 columns):
年月 468 non-null object
日 468 non-null int64
销售额 468 non-null float64
dtypes: float64(1), int64(1), object(1)
memory usage: 11.1+ KB
sales['日'] = sales['日'].astype(str)
sales['日期'] = pd.to_datetime(sales['年月']+sales['日'], format='%Y年%m月%d')
sales.drop(columns=['年月','日'], inplace=True)
sales.sort_values(by='日期', inplace=True)
sales
销售额 | 日期 | |
---|---|---|
30 | 187.00 | 2019-03-01 |
29 | 272.40 | 2019-03-02 |
28 | 255.60 | 2019-03-03 |
27 | 367.80 | 2019-03-04 |
26 | 605.40 | 2019-03-05 |
... | ... | ... |
462 | 1880.35 | 2020-06-06 |
461 | 1221.48 | 2020-06-07 |
460 | 1413.28 | 2020-06-08 |
459 | 1737.08 | 2020-06-09 |
458 | 1794.69 | 2020-06-10 |
468 rows × 2 columns
sales.sort_values(by='日期', inplace=True)
sales
销售额 | 日期 | |
---|---|---|
30 | 187.00 | 2019-03-01 |
29 | 272.40 | 2019-03-02 |
28 | 255.60 | 2019-03-03 |
27 | 367.80 | 2019-03-04 |
26 | 605.40 | 2019-03-05 |
... | ... | ... |
462 | 1880.35 | 2020-06-06 |
461 | 1221.48 | 2020-06-07 |
460 | 1413.28 | 2020-06-08 |
459 | 1737.08 | 2020-06-09 |
458 | 1794.69 | 2020-06-10 |
468 rows × 2 columns
3. 促销分析与评估
促销活动是零售业最常见的销售模式,随着促销的逐渐日常化,促销的分析和评估也变成一种固定的工作。
然而不管是线上或者线下的促销活动分析,往往会存在一些误区:
1.只关注促销的目标,完成目标就是成功了。
2.只关注促销活动的同比,且对比的误差比较大。
3.只关注促销前和促销中的数据,却从来不关注促销后的数据。
而黄氏曲线,是在对每日销售额进行权重处理的基础上,将促销活动以及前后相邻时间段的权重值进行对比,不仅关注促销本身的效果,同时关注促销对后续销售的影响,是一个对促销效果进行量化评估的有效工具。
3.1 企业周权重指数
周权重指数是以某段销售周期内的历史日销售额数据为基础,以周为单位,进行权重分析处理的一种管理工具。
周权重指数是一个相对概念,每个企业不尽相同,一般介于7.0~14.0之间。值越大表示该企业或者店铺的日销售额波动幅度越大。
周权重指数是零售店铺用来量化处理各种销售状况、销售事件的管理工具,非常强大。
plt.rcParams['font.sans-serif'] = ['SimHei']
sales.plot('日期','销售额', figsize