今天的案例是关于化妆品电商平台的分享

从情境中学习数据分析，体会数据分析逻辑。

今天的案例是关于化妆品电商平台的分享哦

首先，第一步，就是查看数据基本情况以及数据预处理主要有'事件时间','事件类型','产品id','产品类别id','产品类别代码','品牌','价格','用户id','用户会话'这几个变量

1、5个表的数据读取以及拼接，最终合成为20692840行, 9个字段的数据。数据量较为庞大。因此在后续的数据处理过程中，要尽量关注内存消耗情况，及时删除不必要的变量释放内存，并且尽量使用性能较好的代码实现方式。

2、统计总计有四种事件类型，分别为浏览、加入购物车、移出购物车、购买。54571种产品，525个产品类别，273个品牌。

3、提取年份、月份、日、周数据方便后续进行分析。

4、查看数据缺失情况，发现产品类别代码有98.29%的缺失值，品牌也有42.3%的缺失值，其他数据并无缺失值。

5、数据无重复值。

第二步呢，我们进行的是对用户的分析

在业务数据分析中，一个很重要的分析思路，便是“人货场” 的分析方法那么对应本次的化妆品电商平台，“人”便是用户数据，包括用户属性、用户行为等，“货”便是产品，包括产品销售额、销量等，而场应该是不同的“商家”，由于本次数据并没有提供相应的商家信息，因此我们从人、货两个角度进行数据分析。首先是“人”的角度，即用户分析。在本项目中，从用户角度衡量的数据有UV（访客数）、PV（访问量）、客单价、月复购率。当然，如果继续挖掘，还可以有很多指标可以罗列，具体的通常要根据业务需求以及分析需要进行提取首先来看UV（访客数）日UV定义：一天内发生过任何行为的去重后用户数。即一天内用户多次访问也只计为一次。

月UV定义：一月内发生过任何行为的去重后用户数。即一月内用户多次访问也只计为一次。

计算每日的UV

计算每月的UV

日UV变化图

月UV变化图

一通分析之后我们来总结一下：

通过观察日UV变化图以及月UV变化图可以发现，UV在月度上的变化较为平稳，观察日UV变化趋势，可以发现该电商平台的UV再10月2日和10月6日迎来了该平台的高峰时期，可能是该平台在国庆节期间有促销活动等，因此吸引了大量的用户登录了该电商平台。

12月31日的UV较为异常，达到了整个统计时间段的最低值，直到1月3日左右才逐步恢复正常，因此改天的UV（访客数）需要特别关注，查明访客数低下的原因，即进行归因分析。其他日期的数据变化相对较为平缓。日PV定义：每日该平台发生过任何行为的行为次数。同一用户一天发生多次行为则记为多次，不进行去重。月PV定义：每月该平台发生过任何行为的行为次数。同一用户一月发生多次行为则记为多次，不进行去重。

日PV变化

月PV变化

日pv变化图

月pv变化图

1、日PV（访问量）的变化趋势和UV（访客数）的变化趋势有所不同。相同的地方是，10月1日和6日同样有一个小高峰，访客数增加了访问量自然会增加。

2、需要特别关注的是11月7日，11月21日-24日，11月28日，1月27日这几天的数据，这几天的PV分别达到了小高峰，有着不错的访问量，用户数却不是很多，说明会有一个用户在一天内进行多次加购、浏览、购买等行为，这就说明在这些时间点的用户质量都是较高的，11月份可能会有双十一等促销活动，其他日期的PV较高的原因还要进行进一步归因分析。

3、同样，12月31日附近的PV也达到了整个统计时间段的最低谷，按理来说，十二月底有圣诞节，1月1日有元旦节，过节期间，朋友送礼或者自己进行消费，应该会使得该平台的化妆品销量有所增加，PV、UV应该有所增加，而导致不增反降的原因，应当进一步结合业务部门进行确认分析。

UV和PV看完了，我们来看一下客单价

客单价定义：每日总收入 / 每日总用户数

计算每日客单价

接下来，我们来看月复购率这一项

月复购率定义：每月有过两次及以上购物行为的用户 / 当月有过购物行为的用户

分析分析，总结总结~~

1、通过观察购买人数与复购率对比图可以发现，购买人数与复购率的变化基本一致。购买人数较多的时候，复购率也较多。

2、整体月度复购率并不是很高，基本都在10%不到，也就是说，十个人里边，仅有不到一个人会在一个月内有复购行为。这也跟化妆品产品的特性有关，通常化妆品的复购发生间隔较长，用户可能要在初次购买后经过较长时间，等产品使用的差不多后才会进行相应的复购行为，因此需要更多的数据来统计用户的复购间隔，从而进行复购率的计算。

3、1月和11月的复购率较高，11月的PV和客单价均较高，因此复购率也相对较高。

用户分析之后，接下来就是对产品的分析

第一步，看销量、销售额

转存失败重新上传取消

分析总结部分：

1、观察各月销售额，同样可以发现，11月的销售额会有几个小高峰，11月7日和11月8日的销售额较高可能是双十一的预售活动等，11月底的销售额较高，可能是该平台的双十一促销活动与其他平台的双十一活动日期有所不同，也可能是双十一成交的订单在后续的时间段支付尾款，而双十一附近的销售额反而不高，可能双十一时候只是支付定金等，具体原因还需要进一步查明。

2、1月27日和1月28日的销售额较高，27日和28日的PV同样也有小高峰，这两天可能有促销活动什么的。

3、12月31日的销售额同样来到了低谷。

第二步，看看每日不同产品类别销售额top榜单

计算各天销售额并进行排序

提取各月前十榜单合并

从时间序列维度我们进行了销售额的分析，当然也要从产品的维度进行分析了。计算出了每个月销售额top10的产品类别榜单，查看各个产品的每月销售额的变化，哪个月哪个产品是爆款。

最后一部分也是老板最关心的部分哈——转化率

首先对整体转化率进行分析

在进行转换率计算时，首先要明确如何计算。是用行为发生次数计算还是用发生行为人数计算呢？用次数计算的话，可能会有同一个用户，一天有过10次浏览行为，只有一次购买行为的情况发生，这样的话，浏览-->购买的转化率就是10%。因此我们这里使用人数计算转化率。

浏览 --> 加入购物车转化率：当天有加入购物车行为的人数（一天有多次也记作一次）/ 当天有过浏览行为的人数（一天有多次也记作一次）

加入购物车 --> 购买转化率（加购转化率）：当天有购买行为的人数（一天多次记作一次）/ 当天有加入购物车行为的人数（一天多次记作一次）

加购率：当日加入购物车的用户数 / 当日全部用户数

购买率：当日有购买行为的用户数 / 当日全部用户数

注：因为几乎每天都会有用户没有进行浏览行为就进行了加入购物车或者就直接进行了购买行为，所以每天的浏览人数会少于当天的用户总数，可能是由于部分用户在当天直接从购物车对已经加购的商品进行了购买行为，或者是直接从一级界面进行了加入购物车的行为，因此这里要多计算两个指标，分别为加购率和购买率，加购率和购买率的计算方式和头两个有所不同。

计算各环节的人数

转存失败重新上传取消

计算转化率

10-1日有19230个用户，有浏览行为的有18392名用户，加购行为用户7676，购买行为用户1001，会有部分用户没有浏览直接进行购买等。

总结：绘制各环节的销售漏斗图可以发现，用户从浏览-加入购物车的转换率较低，大部分用户在浏览了商品以后，就直接划走了，并不会加入购物车，浏览到加购的总体转换率只有27.59%，这说明，十个人里只有3个人在浏览了商品以后会加入到购物车，这个数据并不是很客观，原因有可能是商品推荐的并不是用户喜欢的想购买的，或者是用户在浏览了产品后，并不会被商品详情页吸引，因此需要进一步查看从浏览-加入购物车过程中，到底在哪一部分使得用户放弃了加入购物车。

浏览-加购总体转化率

加购-购买总体转化率

总体加购率

转存失败重新上传取消

总体购买率

转存失败重新上传取消

总结：

1、绘制各环节转化率的仪表盘，可以发现，加购到购买的转化率并不是很高，仅有20.95%，10个加入购物车的客户仅有两个会进行最终的购买。因此在这一部分还需要进行优化，要将加入购物车的用户更多的转换为购买的用户。

2、总体购买率同样也不高，仅有5.5%，浏览-购买的转换率仅有5.7%，因此要优化对用户的推荐，尽量推荐其想要的产品，产品有降价、新品、活动等及时推送给用户，要注重维护平台老用户。加强会员管理等。

接下来看一看转化率时间序列变化分析

浏览-加购转化率和加购-购买转化率时间序列变化图

加购率和购买率时间序列变化图

总结：

1、观察转化率在时间维度上的变化，发现问题还是蛮明显的。大部分时间段的浏览-加购的转化率和加购-购买的转化率变化趋势基本一致，基本上浏览-加购的转化率较高的时候，加购-购买的转化率也会相应较高。

2、10月1日-10月6日的变化趋势是相反的，这就比较奇怪了。浏览-加购的转化率在这几天增高的时候，加购-购买的转化率反而会降低，大部分用户会在加购以后不立马进行购买行为。这也可能是该电商平台进行了特殊的促销活动，从而导致这样的现象发生。

今天的案例是关于化妆品电商平台的分享相关推荐

化妆品电商平台数据分析
一.背景和方法本项目为ModelWhale平台每周挑战的一个业务分析类项目.根据给出的关于化妆品电商平台五个月数据,进行探索性分析.找到数据异常点,并尝试分析问题的原因.给出建议所有分析过程大致遵 ...
如何通过小程序建立化妆品电商平台？
通过小程序建立化妆品电商平台可以让消费者方便地浏览和购买化妆品产品,以下是一些建立化妆品电商平台的步骤: 1.注册小程序账号:在微信公众平台上注册小程序账号,并选择适合的小程序模板. 2.产品选购:与 ...
化妆品电商平台数据分析报告
分析目标:描述该平台在用户以及用户在产品消费上的现状定位,找到该平台目前的核心优势或是亟待解决的核心问题,提供下一步发展最核心有效的方向和相应建议分析对象:国外某中型to c 化妆品在线商店数据来 ...
社交电商平台就是“分享经济＋新零售+粉丝经济
<中国分.享经济发展报告>预测,未来五年分享经济年均增长速度在40%左右,到2020市场规模占GDP比重将达到10%以上.未来十年,中国分享经济领域有望出现5~10家巨无霸平台企业,甚至会 ...
数商云化妆品行业电商平台系统解决方案
爱美是人的本性,在全民直播.网红当道的移动互联网时代推波助澜下,这种自然需求得到了前所未有的释放,中国人对美的追求也不再含蓄.随着人们对多元文化的日益接受,美不再是女性的专利.越来越多的男士也开始关注 ...
化妆品行业电商平台系统解决方案
爱美是人的本性,在全民直播.网红当道的移动互联网时代推波助澜下,这种自然需求得到了前所未有的释放,中国人对美的追求也不再含蓄.随着人们对多元文化的日益接受,美不再是女性的专利.越来越多的男士也开始关注 ...
【干货】单日10亿GMV的.NET5电商平台，是如何设计的？
自京东和唯品会转了Java,.NET就一直缺乏高并发电商案例,.NET5能做高并发电商吗?必须的,别停留在.NET Framework的旧印象了!这里为大家分享一家上市公司的项目案例,纯.NET5电商 ...
牛气！.NET5电商平台轻松承接10亿GMV，只因做对了这个！
自从京东和唯品会转了Java..NET就一直缺乏高并发电商案例,.NET5能做高并发电商吗?必须的!这里为大家分享一家上市电商公司项目案例:纯.NET5电商平台,轻松承接双11当天近10亿GMV! 系 ...
化妆品电商供应链系统解决方案：美妆化妆品品牌供应链质量管理、产品定位
美妆化妆品作为快消品行业的主要支柱之一,即便是在疫情期间短期受开工延迟影响,生产端反应迟缓,中期化妆品供求可能出现断层增速放缓,但整个化妆品电商市场很快在复苏中恢复.保持稳定的增长趋势.伴随化妆品市场 ...

今天的案例是关于化妆品电商平台的分享

今天的案例是关于化妆品电商平台的分享相关推荐

最新文章

热门文章