Excel电商女装评价分析

电商女装评价分析
数据来源：https://www.kesci.com/home/dataset/5aab7e09afaabd5e93e4df30/project

项目背景
基于某电商女性服装评论数据集，从“人—货—场(店)”三个角度进行分析，以期得到不同年龄段的消费者评论的情况，不同类型服装被评论的情况，整体店铺的好评推荐情况

数据概况
数据集共包含23486行和10个特征变量。

根据特征变量的特性，我们将其分为4类。

1. 消费者信息类
   Age：消费者的年龄
2. 商品特征类
   Clothing ID：服装编号，具有唯一性
   Division Name：一级分类。分为General（常规服饰）、General Petite（小个子服饰）、Intimate（私人贴身服饰）。
   Department Name：二级分类。例如Tops（上装）、Bottoms（下装）、Dresses（裙装）等
   Class Name：三级分类。例如Pants（裤子）、Skirts（半身裙）、Jeans（牛仔裤）等，它们都属于Bottoms（下装）类。
3. 评论信息类
   Title：评论的标题
   Review Text：评论的内容
   Rating：星级，1~5级，级别越高表示越满意
   Recommended IND：是否推荐，1表示推荐，0表示不推荐
4. 其他购买者对于评论的反馈
   Positive Feedback Count：积极的反馈计数，可以理解为有多少人“觉得评论对自己有用”

数据处理
Title、Review Text、Division Name、Department Name、Class Name包含缺失值。
Title、Review Text缺失数据较多，但是Rating和Recommended IND并没有缺失值。这部分消费者只是没有写文字性的评论，Rating和Recommended IND两项可以代表他们对商品的态度，所以保留Title、Review Text的缺失数据。
Division Name、Department Name、Class Name均有14项缺失值，数据量极少，所以选择删除这14条数据。
为了方便分析，增加一列“rating rank”（L列），计算公式为lookup（F列,{0,3,4},{“negative”,” neutral”,” positive”}） F列为rating列。
Rating rank列：星级等级，1-2星为“不满意”，3星为“一般”，4-5星为“满意”
增加一列“age rank”，对年龄按照10岁的间隔分为一组，计算公式为=LOOKUP(C列,{10,20,30,40,50,60,70,80,90},{“10-19”,“20-29”,“30-39”,“40-49”,“50-59”,“60-69”,“70-79”,“80-89”,“90以上”})。C列为age。

数据分析
一 店铺整体情况分析
1.商品类型分析
选取Cloting ID、Department Name、Class Name列，先删除clothing ID重复项、然后使数据透视表统计各级分类的数量。