電商母嬰產品數(shù)據(jù)分析

時間：2023-03-26 04:58:01 | 來源：電子商務

時間：2023-03-26 04:58:01 來源：電子商務

一、分析背景及目的

時代變遷，中國父母，從過去生5-6個，到后來的計劃生育，再到現(xiàn)在的二胎。孩子生得少了，但是育兒的成本卻越來越高。尤其是近幾年來，移動時代的到來，新生代父母們對于科學育兒越來越重視。16年，二孩政策的到來，母嬰市場在未來，必將會發(fā)生天翻地覆的變化。

本文選取的是，淘寶天貓的母嬰產品在2012年到2015年的部分數(shù)據(jù)集，以及部分用戶信息的數(shù)據(jù)集，來源于阿里云天池。

通過對這2組數(shù)據(jù)集的分析，充分了解當時母嬰產品的銷售情況，找出銷售規(guī)律，幫助公司提高收益。

二、分析思路

三、數(shù)據(jù)預處理

（1）選擇子集

刪除auction_id字段，新增屬性復雜度、屬性復雜度級別、數(shù)量級別，年齡區(qū)間4個字段

（2）列名重命名

表1，user_id（用戶ID）、cat_id（商品ID）、cat1（商品類型）、proprety（商品屬性）、buy_mount（購買數(shù)量）、day（購買日期）

表2，user_id（用戶ID）、birthday（出生日期）、gender（性別）

（3）刪除重復值

無重復值

（4）缺失值處理

只有商品屬性有144個缺失值，商品屬性的值，有點像字典，冒號前的是key，冒號后是value，每個元素用分號隔開。

思考：假設字典中數(shù)據(jù)越多，是不是這個商品就越復雜，也就跟價值會有點關系呢，所以我們新增一個字段，叫屬性復雜度，通過函數(shù)

LEN($E2)-LEN(SUBSTITUTE($E2,IF(ISBLANK(E2),0,":"),""))處理成屬性復雜度。

商品屬性應該跟商品ID和商品類型，有著比較強的相關性，新增商品字段，把商品ID和商品類別組合起來。隨后把屬性復雜度非0的進行透視，計算每種商品的屬性復雜度平均值，再用vlookup函數(shù)替換缺失值。

剩余一部分缺失值，我們把商品類別跟屬性復雜度進行透視，得到各個類別的均值，再進行替換，到此我們用屬性復雜度替代商品屬性字段，我們刪除購買行為編號 ，商品屬性，商品三個字段。至此，我們把屬性進行了缺失值處理

（5）異常值處理

刪除表2的1984年出生的用戶。購買數(shù)量1000以上的不能判定是否異常。

（6）一致化處理

把日期通過分列的方法進行統(tǒng)一成標準的日期格式,。

表1中，購買數(shù)量進行統(tǒng)計描述

方差極大，樣本值很分散，均值跟第十最大值，相差較大。通過透視圖觀察，其占比主要集中在數(shù)量1跟2上。我們可以把購買數(shù)量進行按區(qū)段劃分，1為1區(qū)間，2為2區(qū)間，3-10為3區(qū)間，11-20為4區(qū)間，21-100為5區(qū)間，101到10000為6區(qū)間，通過vlookup實現(xiàn)，新增字段數(shù)量級別。

屬性復雜度，做柱狀圖可得

分布較為均勻，可以求四分位數(shù)，Q1=8，Q2=16，Q3=23，創(chuàng)建屬性復雜度級別

1-8為1級，9-16為2級，17-23為3級，24以上為4級，通過vlookup實現(xiàn)，每級樣本數(shù)基本相同。

表2數(shù)據(jù)導入表1，用函數(shù)round((購買日期-出生日期)/365,1),得到年齡分布

觀察上述年齡分布，可以年齡劃分幾個區(qū)段，新增年齡區(qū)間字段未出生，0-5個月,0.5-1.5歲，1.5-3歲，3歲-5歲，5歲-7歲，7歲-12歲，通過vlookup來實現(xiàn)。

（7）數(shù)據(jù)排序

按照購買日期排序

四、分析內容

（1）商品銷量在各時間維度上有怎樣的規(guī)律？

根據(jù)圖1，商品的銷量是逐年遞增的，每年各個季度也是遞增的，第四季度達到最大值，到了來年的一季度又會回落。從每個月份，按照數(shù)量級別，銷量最好的是5月，11月跟12月。

根據(jù)圖2，其中5月銷量分布比較均勻，14年5月12日出現(xiàn)了大幅度的增加，11月跟12月主要是雙十一跟雙十二增長較大。

根據(jù)圖3，除去雙十一，雙十二兩天活動，5月是要比11、12月銷量更高的，事實證明，舉辦大型促銷活動是能夠激發(fā)用戶的消費能力，也能大幅提高銷量。

（2）哪些類型的商品比較受歡迎？

根據(jù)圖4從購買數(shù)量可知，28,50014815，大批量購買較多。

根據(jù)圖5，可知50008168類型最熱銷，其次是28類型的商品。

根據(jù)圖6，熱銷商品50008168，用戶對于商品的復雜度要求比較高，選擇較認真

（3）屬性復雜度是否影響了商品的銷量？

根據(jù)圖7，從數(shù)量級別看，銷量隨著復雜度略微下降，從購買數(shù)量看，大批量購買主要集中在低復雜度的商品。

（4）不同性別與銷量，類型，復雜度的關系

根據(jù)圖8，性別0比1多6%左右，不同性別對銷量級別影響較小，但是性別為0的用戶，批量購買較多。不同性別對不同類型的需求量基本遵循（2）的分布。

根據(jù)圖9，性別0對復雜度級別在2的商品選擇較多。

（5）不同年齡段與銷量，類型，復雜度的關系

根據(jù)圖10，0.5-1.5歲用戶購買最多，其次是1.5-3歲，且0.5-1.5歲用戶批量購買也是最多的。類型50008168是所有年齡段必買類型，且在1.5-3歲需求量最大，其他類型在隨著年齡增加，逐漸就不再購買。

根據(jù)圖11，各年齡段對于復雜度的選擇并沒有特別的傾向，分布比較均勻。

五、結論

（1）每年按季度銷量是逐漸遞增，到來年又會回落，年初屬于淡季。11月，12月受雙十一，雙十二影響，銷量有很大增長。5月沒有大型活動，但是銷量也比較大。

（2）28,50014815類型商品，大批量購買較多。50008168類型最熱銷，且用戶在選擇是會仔細選擇屬性，屬性復雜度較高。

（3）更多人會選擇屬性更少的商品，尤其是批量采購的用戶，更喜歡屬性少的商品。

（4）不同性別嬰兒的用戶，對于商品屬性的選擇遵循（3）結論。性別為0的用戶存在更多批量購買型用戶。

（5）嬰兒未出生時，用戶更多選擇50022520類型的商品，出生后就沒有太大需求了。其他類型商品在嬰兒出生后，需求量立馬提升，在1.5歲后需求量降低。熱銷商品50008168在1.5-3歲的用戶，銷量達到最高峰，之后需求量緩慢下降，但需求量依然很高。