天猫订单数据综合分析

一、项目介绍

本项目通过对天猫成交数据的探索，通过python对数据预处理，整个项目分为项目目的的确定、数据的预处理、对数据的分析和项目总结这五个部分。（本项目参考凹凸数据）

二、项目流程

项目目的

从结果指标出发确定目标，通过过程指标定位问题，提出合理建议

数据来源

本数据集来源于和鲸社区

一共收录了发生在一个月内的28010条数据
数据字段：'订单编号', '总金额', '买家实际支付金额', '收货地址 ', '订单创建时间', '订单付款时间 ', '退款金额'共7个字段

• 买家实际支付金额：最终成交金额，分为已付款和未付款两种情况

  • 已付款情况下：买家实际支付金额 = 总金额 - 退款金额

  • 未付款情况下：买家实际支付金额 = 0

• 收货地址：买家的收货地址，记录维度为省市，共记录了31个省市

• 订单创建时间：2020年2月1日 至 2020年2月29日

• 订单付款时间：2020年2月1日 至 2020年3月1日

• 退款金额：付款后申请退款的金额，如果没有退款，退款金额为0

指标维度梳理

通过上面的字段梳理可知，除了成交金额作为结果指标外，还有一系列的过程指标，那么就需要对指标间的关系做逻辑梳理。

这里我们引入电商的分析中最经典的公式：销售额 = UV *  转化率 * 客单价

• 指标梳理：

  • UV：一般指独立访客，在本数据集中，没有客户id作为UV数据，但我们可以把订单创建数量作为UV的数据

  • 转化率：转化流程为订单创建 -> 订单付款 -> 订单成交 -> 订单全额成交

  • 客单价：平均每单的售价，在本数据集当中，亦可以理解为各个产品的销量情况

• 维度梳理：

  • 时间维度：（周/日）订单创建/付款时间

  • 地域：各省市

  • 产品：假设每一种金额对应唯一的产品时，总金额便可以作为产品品类的标识

数据预处理

主要是运用python预处理。

导入模块

读取数据 

整体观察 

重复值处理 

缺失值处理 

 

字段处理 

日期格式提取 

 结果指标

#销售额图df_true_money=df.groupby('订单创建月日')['买家实际支付金额'].sum()x1=df_true_money.indexy1=df_true_money.valuesdf_true_money_sum=df['买家实际支付金额'].sum()picture_size=plt.figure(figsize=(20,8),dpi=80)#设置绘图大小plt.text(1, 200000, '二月份总销售额为{}'.forma