1、bilibili会员购平台业务背景介绍

• 业务内容：B站自己的商业化业务板块，主要包括**商品（手办、周边）和票务（漫展、赛事）**两大类
• 业务逻辑：存在很多IP→IP衍生品→形成产业链（围绕IP做商品、展览，做推广、销售）和服务（ACG文化基础、更高的信息触达率、更高的用户信任度、经济规模优势）两个业务→给用户更多的价值感，提升作品影响力
• 用户画像：与B站几乎一致，年轻人、男性、一二线城市
• 内容标签：搞笑、日常、bilibili正版、电子竞技

2、平台相关数据介绍

商品编号（SKU）、商品名称、商品价格、票号（票务）、座位（票务）、联系地址、渠道（从哪个渠道下单买的，主页/搜索/测试渠道/广告/购物车/分类栏）、下单时间、支付时间、支付单号、店铺名称、店铺id、订单状态（待支付/已取消/待发货/售后状态/是否海外购/税费）

3、订单数据的数据分析方法

（1）订单数据的数据分析思路

①数据抓取（数据库数据调取）
②数据清洗（无效数据清洗、有效数据筛选）
③数据分析（用户属性判别、品牌渗透判别、订单时间/地区分布……）

（2）相关python知识点讲解

通常使用pandas包处理分析。
①数据读取（单个表格、多个表格读取）

 # 单表格读取
data = pd.read_excel('.xlsx')
data.head()
# 多表格读取
file_path = '数据路径'
file_list = os.listdir(file_path)
for orders in file_list:data = pd.read_excel(file_path + '\\' + ordersdata.head()

②数据处理（数据格式转换、数据清洗）
订单地区数据筛选，剔除“–”无效数据

data = dt[dt['联系地址']!='--']
data.rename(columns={'商品价格':'price','联系地址':'address})  #……

③数据分析（描述性分析、预测性分析、可视化分析）

# 描述性分析
df.describe()  # 各统计数值
df.hist(bins=20) # 直方图

（3）b站会员购订单数据的宏观分类与分析思路

①订单类型：
待支付（已经提交订单信息等待支付的订单）、已取消（被取消的订单，主动取消/支付超时被动取消）、待发货（已付款等待发货的订单）、待收货（已发货等待收货的订单）、已完成（完成所有订单环节的订单）
② 对取消订单针对性分析

• 恶意订单占货分析（提交订单不付款，占库存）
  excel操作：
  巨额取消订单筛选，判断是否为恶意压货订单
  a. 筛选，订单状态，选择已取消，得到所有已取消的订单。
  b. 将商品价格降序，看是否有高价订单，注意联系地址的重复性、空地址（案例数据结果：有些订单金额特别高（其中很多没有地址），属于恶意订单，较低金额的属于比较正常的，但多个订单同一地址的也需要关注）
  c. 根据商品编号，找到订单具体数据，找到用户id，看这个用户过去的购买记录，如果经常存在敏感操作→封禁此账号
• 剔除取消订单以确保订单数据（支付时间）的正确性(为后续的时间分布分析等服务)

（4）b站会员购订单数据的微观分类与分析思路

——订单量、订单额、客单价的统计分析（结合不同订单数据类型结合分析目的进行分析）

• 按年、季度进行订单统计→分析行业/市场需求波动（淡季、旺季）
• 按月进行订单统计→公司/部门业绩分析（根据不同阶段的业绩，提供对应优惠，促进购买）
• 按小时进行订单统计→消费者/用户消费习惯分析
• 按分钟/秒进行订单统计→促销/活动即时效果分析
  ① 订单时间分布分析
  有效下单时间筛选→小时+分钟数据筛选→小时+分钟订单统计
  excel操作：
  a. 全选下单时间，右键设置单元格格式，选择时间类型为全中文
  b. 选择下单时间列，插入数据透视表，确定，下单时间依次拖到行，值（计数项）
  c. 透视表中的数据，选择数据，插入柱状图，可加入数据标签（小时订单数统计）
  结果：晚8点为高峰期，凌晨1点-9点为低谷期，意外：晚10-12点属于高峰期
  d. 插入帕累托图
  80%的订单数来自于下午和深夜
  e. 插入订单量折线图，增加趋势线
  从0点到23点，订单量暴涨
  ② 订单价格分布分析
  按小时维度价格统计→按小时维度总订单额统计→按小时维度客单价统计

订单量分布、客单价分布
客单价变化、客单价交叉分析
excel操作：
a. 选中商品价格至下单时间列，插入数据透视表
b. 下单时间拖到行，将商品价格拖到值。插入柱状图，中午和下午两点、晚七点订单额较高
c. 将透视表的值调整为平均值。（设置数字格式保留1位小数）插入柱状图/折线图，增加数据标签
分析：客单价在凌晨4点、中午12点、中午、晚上10点11点高位，整体趋势逐步提升
③ 订单时间分布与价格分布的交叉分析
a. 订单量和订单额交叉分析
订单额：晚8点订单量最高，但订单额并不是最高，实际上晚8点订单额偏低
b. 订单量和客单价交叉分析
晚上8点：客单价低，订单量高
中午12点、晚上10点和晚上11点：客单价高、订单量高
c. 建议：
i. 晚上8点，消费人群主要是购买力不高的价格敏感性消费人群，可以发放一些优惠券或者开展促销活动；
ii. 晚上9点到晚上12点，增加广告的曝光量

——商品相关分析思路

①商品单维度分析
——分析不同商品的客单价分布

excel操作：
a. 商品编号+商品价格，插入数据透视表，商品编号拉到行，商品价格拉到值（求和项→平均值）。设置商品价格显示没有小数，按客单价降序排列
c. 选择客单价，插入柱状图（直方图的默认第一个），添加数据标签，得到客单价分布（箱的宽度可以自行设置）
分析：
[1,82]价格区间卖得最多，有部分商品非常昂贵，价格区间为[2350,2431]，符合长尾分布的趋势
d. 选择客单价，插入直方图（直方图的默认第二个，排列图）——客单价帕累托分析
分析：对80%商品对应的价格进行关注——80%的商品价格在360以下。
e. 将透视表中的值由平均值变为计数，得到不同商品的销量。按照商品销量降序排列，插入折线图。
分析：符合长尾分布，头部商品卖得特别多，随着排序逐步提升，销量逐渐趋向于0，但下降速度减缓。
可以考虑进行排序和销量的回归分析。新建一列=LN（商品销量），双击填充列，得到LN销量列。对LN销量插入折线图，相比前一折线图而言更具有可预测性。
f. 选择商品销量，插入直方图。
帕累托分析：长尾分布在B站会员购商品中非常显著，大部分商品一天的销量在17件以下，但已经占了90%的分布.
②商品+时间双维度分析
不同商品一天24小时的订单数量统计
excel操作：
a. 选择商品编号+商品价格+下单时间等，插入数据透视表，将下单时间设置为行，商品编号设置为列，商品价格设置为值（计数项），得到每个商品在每个小时下单量
根据商品编号-销量表中销量前五名的商品编号，在数据透视表中搜索到该商品编号对应的列，将这些列筛选出来，复制到一个新表，将第一列列名设为小时，后面五列依次为销量前五名的商品编号。
全选数据，插入折线图（默认第一个），系列1-5对应销量排序1-5的商品，得到不同商品在24小时内的销量波动趋势。
分析：
大多数商品0点销量还不错，1~8低谷期，9-10点销量上升，11-19期间销量波动，有两个商品在晚8点为销量高峰，符合前述分析认知，晚9点后为正常高峰波动；有一款商品（销量第四）在11点开卖，迅速进入高峰，开始波动，晚6、7点有比较高的销量，但晚8点并不是较高的位置。
根据商品编号查看订单数据，查看对应的商品名称：销量排名前三的商品价格都比较低，只有十几块，销量比较高；排名第四的商品价格122，为一个限定限量福袋，中午12点开售，晚上停售。销量第五的商品销量相对较低，且波动不大，333元的价格偏贵，所以消费量比较低迷，但因为也是限定限量商品，所以销量也排到了前五。
③商品地区客单价分析
按商品价格和联系地址统计订单，得到不同地区的平均客单价
excel操作：
a.筛选联系地址为–的数据，把这些没有具体地址的数据删除；在剩下的数据中，新插入一列“1级地址”，第一行单元格输入=LEFT(联系地址列第一行单元格)，双击填充剩余数据；选中商品价格+1级地址列，插入数据透视表，1级地址设为行，商品价格设为值（平均值项），改名为客单价并设置显示1位小数，按客单价降序排列；插入柱状图，得到不同地区客单价分布柱状图。
分析：
西藏的客单价特别高，但西藏的订单量特别少，所以是个特例，参考意义不大。
浙江客单价高，是个宝藏地区~
吉林客单价低~~

（5）B站会员购订单数据多表格数据的汇总与分析

汇总多订单表格数据后可以进行周订单波动分析、一周不同时间用户购物习惯差异分析……
方法：
①汇总周一到周日的订单数并求平均值
②选平均值最低的这一天，将权重指数设置为1
③将其他天的平均值除以平均值最低这天的平均值，得到对应的权重指数
④将7天的权重指数加起来得到周权重指数。周权重指数越与7的差距越大，波动越大，表明用户的消费习惯差距非常大，需要解决。

（6）B站会员购订单数据针对用户属性判别的分析

从订单量和客单价的时间分布，判断出主要用户——年轻人/晚睡晚起的互联网/新兴产业加班多的从业者

（7）针对地区品牌渗透度判别的分析

按联系地址统计订单数
excel操作：
a. 插入数据透视表，1级地址设为行，同时设为值（计数项），按订单数降序排列，插入柱状图。
b. 插入帕累托图，得到80%市场来自于哪些地区。
需要结合人口排名去分析品牌渗透度。通常人口多的地区订单数也就多，人口多而订单量少——品牌渗透度低。

注意：
用户画像相对于订单数据可视化更具有全面性。
分析用户画像的话，需要比较全面的数据。

• 数据统计时间至少以季度为单位（淡旺季）
• 数据统计商品至少以品类为单位（商品属性差异）
• 数据统计用户至少以平台为单位（产品功能的使用局限性）

项目总结——B站会员购订单数据分析

背景

B站的会员购业务，产生了许多的订单数据，记录了交易涉及的用户、商品及订单信息。

任务

①分析是否存在恶意占货的订单，找出封禁敏感用户账号。
②统计分析订单，找到用户的消费行为习惯，进而进行精细化运营。

行动

①宏观角度，筛选已取消的订单，并按商品价格降序。将价格特高/无收货地址的已取消订单、同一地址的连续多个已取消订单初步视为恶意压货订单，根据这些订单的用户id查询其过去购买记录，如果经常存在此类操作，则视为恶意用户，需要封禁此账号。
②微观角度，从时间、地区两个维度对订单数据进行统计分析。在时间维度上，分析订单量、订单额和客单价在一天24小时的变化，得出下单量和客单价的分布情况，分析推测不同时间段的用户群体类别，进而在不同时间段开展针对性地营销操作。
③微观角度，从时间维度和地区维度统计商品的销量和客单价，根据商品销量排名和客单价分布情况，得出畅销商品的价格区间，以及高价值的地区（订单量与客单价高的地区），进而向特定地区开放特定价格的商品。
④微观角度，在地区维度上，对订单量进行统计通过帕累托分析得到订单的主要市场地区，与人口排名结合，通常人口多的省市订单量也就多，人口少而订单量高的品牌渗透度强，人口多而订单少的地区品牌渗透度低，需要关注。

结果

①分析结果显示确实存在一些恶意订单，但没有查询这些订单用户的历史购买记录。
②晚上8点，消费人群主要是购买力不高的价格敏感性消费人群，可以发放一些优惠券或者开展促销活动；晚上9点到晚上12点，增加广告的曝光量。
③热销的商品通常价格都比较低，但限时限量的商品价格稍微高一点销量也比较高，但过高的价格会影响销量。
④浙江地区的客单价高，人数少而订单数多，品牌渗透度高，是个高价值地区。

《十周成为数据分析师》笔记——业务线 第四节 电商平台订单报表分析相关推荐

1. 《十周成为数据分析师》笔记——业务线 第五节 用户画像体系

   项目二 亚马逊平台入驻商订单报表分析 1.互联网电商平台入驻商数据分析的一般思路 (1)获取数据 (2)分析业务需求 (3)产生数据结果 2.亚马逊平台入驻商相关数据 3.入驻商用户画像体系介绍 (1 ...

2. 大数据交易研究_学术著作 | 基于电商平台大数据的特征价格指数研究——统计研究...

   基于电商平台大数据的特征价格指数研究 作者:雷泽坤,辽宁大学经济学院,清华大学中国经济社会数据研究中心:郑正喜,上海财经大学统计与管理学院,清华大学中国经济社会数据研究中心:许宪春,清华大学中国经济社 ...

3. 《十周成为数据分析师》笔记——业务线 第八节 常见互联网业务的数据分析报告的制作及用户分层模型

   互联网业务数据分析报告及用户分层模型 一.业务逻辑回顾及互联网相关指标 1.实战项目与业务逻辑回顾 数据报表(数据源)→用户画像(数据分析)→数据化运营(决策指导)→商业分析(宏观判断)→分析报告(结 ...

4. 《十周成为数据分析师》笔记——业务线 第三节 不做只懂技术不懂业务的“工具人”

   项目案例 bilibili站内CPC广告优化 1.bilibili广告系统相关背景及数据介绍 2.CPC广告投放系统的要素介绍--广告投放营销漏斗转化模型 (1)曝光量(展示量)涉及要素 (2)点击量 ...

5. 《十周成为数据分析师》笔记——业务线 第六节 以数据分析为导向的运营体系搭建

   项目三 以数据分析为导向的运营体系搭建 1.流量运营案例:如何用数据分析的思路解决广告优化问题 (1)电商入驻商广告业务简介及传统分析链路数据分析 (2)漏斗模型的搭建与入驻商相关广告应用 (3)多广 ...

6. 10周拿下数据分析师认证

   真诚的向大家推荐,<腾讯课堂数据分析师认证课程>,该课程也是腾讯课堂指定认证课程.专为在校学生.0~3年职场新人量身定制,真正体系化.专业化帮大家提升数据分析能力,成为大厂抢手的数据分析人 ...

7. 10周成为数据分析师！

   真诚的向大家推荐,<腾讯课堂数据分析师认证课程>,该课程也是腾讯课堂指定认证课程.专为在校学生.0~3年职场新人量身定制,真正体系化.专业化帮大家提升数据分析能力,成为大厂抢手的数据分析人 ...

8. 电商平台销售数据评测智能手表|数据分享

   " 智能手机的笨拙已经不能满足消费者解放双手的需求.因此,便于携带的智能手表受到了消费者的青睐,而技术的不断创新也使得智能手表的功能越来越强大,转变甚至取代了智能手机的功能. " ...

9. [学习笔记]B站视频：磨剑之作，七周成“师”！【七周成为数据分析师】- 第一周

   [学习笔记]B站学习视频:七周成为数据分析师-第一周 序 数据思维 结构化 公式化 业务化 数据分析的思维技巧 象限法 多维法 假设法 指数法 二八法 对比法 漏斗法 如何在业务时间锻炼数据分析思维 ...

最新文章

1. 220V黄金光的LED灯带测试与结构
2. disruptor框架为什么不流行_Java并发编程框架Disruptor
3. 如何禁止使用本地administrator进行共享连接
4. （转载）[MySQL技巧]INSERT INTO… ON DUPLICATE KEY UPDATE
5. Github 大牛封装 Python 代码，实现自动发送邮件只需三行代码
6. Filter_细节_web.xml配置方式
7. C#中ref与out区别
8. java字符串拼接_字符串拼接，什么时候会走StringBuilder？
9. Android开发笔记（一百六十）休眠模式下的定时器控制
10. EXCEL 代码大全
11. 010Editor分析
12. 存储结构的定义及其分类
13. 30天自制操作系统——自写设计
14. 【POJ 3322】 Bloxorz I
15. 七夕总结：2018新型婚恋交友 App 激增！18禁，年轻人有点敢玩
16. 【MySQL】单表访问之索引合并
17. html实现自动清理js、css文件的缓存
18. win32crypt :安装pywin32并解决模块找不到问题
19. 手机端扣扣浏览器图片居中_实现图片始终居中显示于浏览器窗口中心位置
20. QT下载网址（国内）

热门文章

1. 进程调度（一）——FIFO算法
2. Java--使用@Autowired报错Could not autowire. No beans of ‘XX‘ type found.
3. 中国气体插入市场趋势报告、技术动态创新及市场预测
4. u盘/内存卡可用容量变小有未分配空间如何解决
5. 集成webhook实现自动刷新
6. 工业互联网标识Handle企业节点搭建及开发服务
7. 本周最新文献速递20210822
8. jdk1.8下载需要登陆oracle账号解决
9. HomeBrew上发布自己的脚本
10. 【PHP】编写php扩展