電商數(shù)據(jù)初分析

時(shí)間：2023-03-15 21:02:01 | 來源：電子商務(wù)

時(shí)間：2023-03-15 21:02:01 來源：電子商務(wù)

1、選擇數(shù)據(jù)集

選擇數(shù)據(jù)集：淘寶和天貓購買嬰兒用品的信息，表1購買商品字段，表2嬰兒信息。

數(shù)據(jù)集來源：阿里巴巴天池 https://tianchi.aliyun.com/dataset/dataDetail?dataId=45

表1數(shù)據(jù)集有29972條信息記錄，共有7個(gè)字段，分別為：

• user_id：用戶id
• auction_id：物品編號(hào)，即具體的商品編號(hào)
• cat_id：商品種類id， 以奶粉種類分類為例，則可分為1段/2段/3段/4段/孕媽奶粉/特殊配方奶粉/有機(jī)奶粉/羊奶粉（參考京東分類）
• cat1：商品種類id（商品一級(jí)分類）以母嬰用品分類為例，則可分為媽媽專區(qū)/嬰童寢居/奶粉/營養(yǎng)輔食/尿褲濕巾/喂養(yǎng)用品/洗護(hù)用品/童車童床/童裝/童鞋（參考京東分類）
• property：商品屬性，以奶粉為例，屬性包括規(guī)格/包裝單位/奶源地等信息
• buy_mount：購買數(shù)量
• day：購買時(shí)間

表2數(shù)據(jù)集有954條信息記錄，共有3個(gè)字段，分別為：

• user_id：用戶id
• birthday：出生日期
• gender：性別（0女性；1男性；2未知性別）

2、分析思路梳理

通過這兩張表格，我們想了解以下信息：

（1）整體的銷售情況

• 年度銷售情況
• 哪一類商品最受歡迎（銷量最多）？
• 同類商品，哪個(gè)子類更受歡迎（銷量最多）？
• 用戶更喜歡在哪個(gè)時(shí)間段下單？即計(jì)算用戶下單次數(shù)最多的時(shí)間
• 哪類商品分別在什么時(shí)間下單最多？

（2）購買數(shù)量最多的用戶和購買次數(shù)最多的用戶，找出高價(jià)值用戶和忠誠度高的用戶

• 哪些用戶回購次數(shù)多？
• 哪些用戶購買數(shù)量多？

（3）用戶偏好

• 不同性別的用戶購買偏好？
• 不同年齡的用戶購買偏好？

3、數(shù)據(jù)清洗

（1）選擇子集

表1中property商品屬性這一列為商品信息，里面信息多但與本次分析內(nèi)容不相關(guān)，我們選擇隱藏該列：

（2）列名重命名

分別對(duì)標(biāo)1表2的列名進(jìn)行重命名

（3）刪除重復(fù)值

在購物場(chǎng)景i中用戶可以多次重復(fù)購買，因此不對(duì)表1數(shù)據(jù)集進(jìn)行去重；

表2中對(duì)用戶id進(jìn)行去重，沒有發(fā)現(xiàn)重復(fù)值。

（4）缺失值處理

用ctrl+G定位表1、表2均沒有發(fā)現(xiàn)空值。

（5）一致化處理

• 設(shè)置日期格式

將表1、表2中的購買時(shí)間和出生日期按照yyyy-m-d類型設(shè)置時(shí)出現(xiàn)如下結(jié)果：

通過百度查找，需要進(jìn)行分列處理，選擇日期格式即可：

• vlookup函數(shù)聯(lián)結(jié)表2 和表1

表2的列比較少，因此可以考慮用vlookup函數(shù)，通過統(tǒng)一的用戶id將表1中的購買信息與表2相結(jié)合，豐富表2數(shù)據(jù)：

剩余列依次類推，在購買時(shí)間列時(shí)，卻出現(xiàn)數(shù)字：

百度查詢后，才發(fā)現(xiàn)是該列沒有設(shè)置成日期格式導(dǎo)致，設(shè)置成yyyy-m-d日期格式后即恢復(fù)正常。

• 計(jì)算用戶年齡

運(yùn)用DATEDIF函數(shù)根據(jù)“出生日期”和“購買日期”計(jì)算出用戶購買時(shí)的年齡：

計(jì)算后發(fā)現(xiàn)有錯(cuò)誤值：

檢查發(fā)現(xiàn)，原因是出生日期晚于購買時(shí)間導(dǎo)致，總共有143條錯(cuò)誤數(shù)據(jù)。因?yàn)橘徺I物品為母嬰用品，可以推斷是用戶在孕期購買所致，可將這一部分?jǐn)?shù)據(jù)剔除，單獨(dú)生成一張表3，后續(xù)對(duì)用戶孕期購買情況進(jìn)行分析。

（6）數(shù)據(jù)排序

對(duì)表1中購買數(shù)量列進(jìn)行降序處理，可以看到用戶2288344467在2014年11月13日購買了10000個(gè)編號(hào)為39769942518的物品，大手筆：

（7）異常值處理

對(duì)表2的年齡進(jìn)行篩選，發(fā)現(xiàn)有一個(gè)用戶購買年齡為28，因母嬰用品使用年齡一般在1-12歲內(nèi)，因此判斷為異常值，對(duì)這一條數(shù)據(jù)進(jìn)行刪除。

數(shù)據(jù)清洗后，表1數(shù)據(jù)集有29972條信息記錄，表2數(shù)據(jù)集有811條信息記錄。

4、數(shù)據(jù)分析

（1）整體的銷售情況

表1收錄了2012年第三、四季度、2013、2014全年和2015年第一季度數(shù)據(jù)，購買總數(shù)為76250。

銷量最多的商品

在表1數(shù)據(jù)透視表中選擇商品種類（二類）作為列，物品編號(hào)作為行，將購買數(shù)量之和降序排列，得出類別為50018831的物品編號(hào)為39768842518銷量為10000，銷量最多；

哪一類商品最受歡迎（銷量最多）？

在表1數(shù)據(jù)透視表中選擇商品種類（二類）和購買數(shù)量，得出50018831銷量為12657，銷量最多；

同類商品，哪個(gè)子類更受歡迎（銷量最多）？

在表1數(shù)據(jù)透視表中選擇商品種類（一類）作為列，商品種類（二類）作為行，將購買數(shù)量之和降序排列，得出在6個(gè)一類中：

一類50014815中的子類50018831銷量為12657，銷量最多；

一類28中的子類50011993銷量為3609，銷量最多；

一類50008168中的子類50007016銷量為2759，銷量最多；

一類38中的子類211122銷量為2058，銷量最多；

一類122650008中的子類50012359銷量為593，銷量最多；

一類50022520中的子類50023591銷量為487，銷量最多；

此外，一類28中的多個(gè)二類商品購買數(shù)量遠(yuǎn)高于其他類別，說明這些商品為用戶頻繁購買系列，可重點(diǎn)關(guān)注。

用戶更喜歡在哪個(gè)時(shí)間段下單？

在表1數(shù)據(jù)透視表中選擇商品購買時(shí)間作為行，將購買時(shí)間計(jì)數(shù)項(xiàng)降序排列，得出用戶在11月份購買次數(shù)最多，達(dá)到3753次，其次是12月份，推斷11月和12月為“雙十一”、“雙十二”活動(dòng)所致。最低購買月份在2月份，可推斷2月份為春節(jié)期間，快遞停發(fā)所致。

哪類商品分別在什么時(shí)間下單最多？

在表1數(shù)據(jù)透視表中選擇購買時(shí)間作為列，商品種類（二類）作為行，將購買數(shù)量之和降序排列，得出：

用戶在11月份購買50018831最多，達(dá)10906個(gè)；

用戶在1月份購買50011993最多，1721個(gè)；

用戶在12月份購買50012788最多，2827個(gè)；

用戶在9月份購買5000716最多，2750個(gè)；

通過表格可發(fā)現(xiàn)用戶更喜歡在下半年購買這幾類商品，不知是否與商品的使用屬性有關(guān)系。

（2）找出購買數(shù)量/次數(shù)最多的用戶，定位高價(jià)值/忠誠度高的用戶

哪些用戶回購次數(shù)多？

在表1數(shù)據(jù)透視表中選擇用戶id作為行，用戶id計(jì)數(shù)進(jìn)行降序排列，得出：

id為814316568的用戶下單次數(shù)最多，為4次。通過表格發(fā)現(xiàn)用戶的下單次數(shù)多為1次，復(fù)購率不高。

哪些用戶購買數(shù)量多？

在表1數(shù)據(jù)透視表中選擇用戶id作為行，商品種類（二類）作為列，購買數(shù)量求和進(jìn)行降序排列，得出：

id為2288344467的用戶下單購買數(shù)量最多，為10000，用戶117730165、173701616、1945590674、32141414購買數(shù)量也都在1000以上，屬于高價(jià)值用戶，后續(xù)需要重點(diǎn)關(guān)注。

（3）用戶偏好

不同性別的用戶購買偏好？

在表2數(shù)據(jù)透視表中選擇性別作為列（0女性；1男性；2未知性別），商品種類（二類）作為行，購買數(shù)量求和進(jìn)行降序排列，得出：

在購買總數(shù)上，女性是男性的1.82倍，尤其在種類50018831商品上，女性購買數(shù)量遠(yuǎn)高于男性，是其12倍。

不同年齡的用戶購買偏好？

在表2數(shù)據(jù)透視表中選擇年齡作為列，商品種類（二類）作為行，購買數(shù)量求和進(jìn)行降序排列，得出：

在購買總數(shù)上，0-3歲用戶（并非購買人實(shí)際年齡）占購買總數(shù)的80%，其中

0-3歲的用戶購買較多的種類為50018831、50013636、211122、50006602、50018825這5類。

（4）孕期購買情況

在表3的143條數(shù)據(jù)進(jìn)行數(shù)據(jù)透視，選擇商品種類（二類）作為行，購買數(shù)量求和進(jìn)行降序排列，得出用戶購買總量為235，喜歡購買的種類分別為250822、50011993、50006602、50012456、50006032，推測(cè)這幾類商品為初生嬰兒用品或者孕期營養(yǎng)品。

5、總結(jié)

• 11月份為銷售高峰期，2月份為全年銷售低谷；
• id為2288344467的用戶商品種類（二類）50018831為銷量最多商品，但是基本上由2288344467用戶購買；該用戶很有可能為經(jīng)銷商或者批發(fā)商，為高價(jià)值用戶，可重點(diǎn)持續(xù)關(guān)注，防止流失；
• 大多數(shù)用戶的下單次數(shù)為1次，復(fù)購率不高；
• 0-3歲用戶（并非購買人實(shí)際年齡）占購買總數(shù)的80%，為嬰兒用品購買主力，其中女童用品更受歡迎。