数据分析——深入探索电商母婴数据

时间：2023-03-26 07:04:01 | 来源：电子商务

时间：2023-03-26 07:04:01 来源：电子商务

一、分析背景

随着互联网的普及和发展，人们越来越倾向于在网上购买商品。近几年的婴儿潮也使得母婴市场成为电商领域具有商机中的一个细分领域。本文通过对两组电商母婴产品数据的深入探索，运用多种分析方法，从不同维度寻找其中的规律及联系，从而给出提高销量的建议及方案。

二、数据背景

1、数据来源

表一包含了在12年到15年这个时间段，不同用户购买母婴类商品的数量及次数。

• user_id——用户ID
• auction_id——订单编码（购买行为）,但通过查重分析，同一个auction id的购买日期也不同。所以暂不做排重处理
• cat_id——二级分类
• cat1——一级分类
• property——商品属性
• buy_mount——购买数量
• day——购买日期

表二包含了953个用户的儿童信息，包含儿童年龄及性别

• user_id——用户ID
• birthday——生日
• gender——性别

2、数据清洗

• 用分列将day列修改为正确日期形式；
• 商品属性列有空值，但对最终分析结果没有影响，我们只需知道商品类别的销售总和，所以隐藏该列；
• 通过对购买数量列的描述统计分析，利用 平均值±3倍标准差方法剔除异常值，得出购买数量的正常值在（0，195）。剔除异常值后剩余29942行数据；
• 利用表一购买时间减去表二出生日期，可以得出表二中儿童的年龄（利用Roundup将年龄数据向上取整），剔除不属于儿童年龄的异常值。最后将儿童按照年龄分段；
• 利用Vlookup将表二信息匹配至表一，用数据透视表拉取不同维度信息。

三、分析思路

1、明确问题

如何提高今年母婴类产品销量？

2、多维度拆解问题

我们根据清洗后的数据可以体现的信息，将问题拆解成为三个维度，并且再继续细分以便逐一击破。

四、数据分析（可视化）

1、行为数据

• 问题：母婴产品的整体市场如何？
• 分析：我们通过对不同年份、不同季度的对比分析可以看出，15年第一季度的数据缺失导致不符合上升趋势，但整体上看，每年销售总量持续上涨，季度销量同比上期均为上升趋势。其中第二、第四季度都是每年销量较好的季度。

进一步观察月份的销售数据，可以看到每年的5月、11月均为销售高峰。深入到11月每一天的销售，每年的销售高峰都包含11.11，可以推断有双十一的活动影响。其中12年的销售高峰在11.5、11.10，可以确认下是否平台活动有不一样的地方；13年的销售高峰在11.6、11.11、11.30；14年的销售高峰在11.11、11.15、11.22、11.26，这些小高峰可以与平台方确认下是否当年有其他的平台活动。

同理，销售较好的12月，每年的销售最高峰日是在12.12，也可以推断是受到双十二影响，13年销售高峰在12.12、12.28。14年的12.6有一个销售高峰，可以跟平台确认下是否有做预售活动，从而提升了销量。

在图3的月份销量情况中我们可以看出，每年的5月也是销量高峰。拉取13、14年的5月日销量，可以看出销量14年从5.12开始就有较大幅度的上涨，而且每隔几日就有一个小高峰，由于没有数据支持，这里不展开分析，建议与相关平台人员查询14年5月的平台活动情况。

1月、2月为销售低峰，追溯往年春节时间，13年：2.9~2.15、14年：1.31~2.6，可以看出，在春节假期前一周，销量就已经开始进入低谷期，推断销售下滑提前的原因受到了物流停运的影响。

• 结论：大型平台活动（双11、双12）对销量提升很快，每年5月也是销量高峰，需要提前预热活动，预估往年销量联动商家进行采购囤货，避免出现无货可卖的情况；
• 母婴商品在年中的第三季度销售较为平稳，可以启动新平台活动。

用数据透视表拉取用户ID的计数总和，利用count、countif函数进行计数，进而求出复购率。从上表可以看出，整体的复购率都很差。其中一级分类中50008168的复购率最高。

• 问题：复购率差的原因有哪些？
• 分析：假设用户活跃度与复购率相关，其中与用户活跃行为相关的数据：复购人数、有儿童信息人数。我们利用相关关系分析方法，得出：有儿童信息人数与复购人数的相关系数=0.72，高度正相关。
• 结论：优化信息收集的流程，增加有儿童信息的用户数，一是可以帮助后续了解客户购买行为，二是借助这个流程（送券、积分等方式）可以提高用户活跃度，提升复购率。

2、用户数据

可以看出幼童时期的购买需求是最大的、女童家庭的购买需求比男童家庭大、胎儿时期性别对销量影响不大、婴儿阶段50014815需求最大。

• 问题：为什么男童销量比女童差那么多？
• 分析：我们用多维度拆解+假设检验进行分析。我们将销量拆解为用户、产品两个维度，提出假设。

• 假设1：与用户数量相关——不成立
  男童数量：439 女童数量：489，人数差距不大，该假设不成立
• 假设2：与产品品类相关——成立
  在第二张图表中可以看出6个大类中，50014815的男女销量差距最大，其次38，可以推断出这2个类别商品与男童相关的产品较少，女童相关则较多，导致销量差距过大。
• 结论：对不同阶段的老用户进行精准营销活动的推送，例如从婴儿期进入幼童阶段的用户，推送5008168的商品活动，及时对接用户该阶段需求；50014815、38大类中，增加引入与男童相关的产品，将潜在的男童家庭购买需求，转化为销量。

3、产品数据

• 一级分类中，28、50008168、50014815总销量最高；
• 一级分类中，28有最多的子分类，达267个；122650008只有17个子分类；
• 提问：一级分类的销量与二级分类数量是否有关？

图12

分析：利用相关分析可以得出两者相关系数=0.68，高度正相关，但是有个异常值，就是38分类，仅有34个二级分类，总销量排名却第三。

• 二级分类中，前10名高销商品分别来自50008168、28、50014815、38四个一级分类，值得注意的是，38大类下的热销商品211122的销量达到2058，排名第三；
• 选取销量5以下的二级分类定为滞销品类，其中滞销占比最高来自28、50014815、50022520这三个一级分类。
• 提问：滞销与品类数量是否有关系？

• 分析：结合一级分类的子类别数量，利用相关分析方法可以得出像相关系数=0.96，高度正相关。二级分类越多，滞销的就越多。
• 结论：38、50008168从销售总量以及品类来看，都有提高销量的潜力，可以增加引入二级分类商品；28大类中滞销商品类别过多，又是一级分类销量最高，在商品曝光引流机会多的情况依旧滞销，建议减少28大类中滞销的商品种类。

所有大类的销售情况均在第四季度表现最佳。一级分类中的28在每年的第二季度销量明显下滑，50014815、50008168对季节性较为敏感，波动较大。其余大类相对平稳。

• 问题：为什么50014815、50008168对季节性较为敏感，波动较大？
• 分析：我们拉取了这两个大类的销量前10的子分类在每个季度的销量，利用对比分析方法，可以看到只有50014815大类下的50018831销量在第四季度激增，细分到月份跟每日销量，可以看到12年11.5、11.10是销量高峰；13年的销量高峰则在11.6、11.30；14年的销量高峰在11.11、12.12、12.28，均与每年整体销量的趋势一致，可以判断为是受到平台活动影响。

• 结论：28大类在第二季度可以启动品类营销活动，联动每年5月的销售高峰，增加引流曝光度来提高销量；调查及分析二级分类50018831下的产品特性，分析是哪个环节帮助这类产品加强了平台活动效果。
• 问题：从这个结论我们再引申出一个问题，双十一活动对每个品类的销量都有很大的提升吗？
• 分析：用对比分析方法，拉取出每个品类在不同月份的销量对比，可以看出有三个大类对比另外三个在11月的销量提升并不明显。38大类反而是在14年的11.26有比较大的提升；前面提到，122680008及50022520大类的销量虽然垫底，但13、14年的双十一中也是销量激增。

五、总结与建议

产品维度建议：

1. 50014815、38大类中，增加引入与男童相关的产品，将潜在的男童家庭购买需求，转化为销量；
2. 38、50008168从销售总量以及品类来看，都有提高销量的潜力，可以增加引入二级分类商品；
3. 28大类中滞销商品类别过多，又是一级分类销量最高，在商品曝光引流机会多的情况依旧滞销，建议减少28大类中滞销的商品种类，节省营销成本；
4. 28大类在第二季度可以启动品类营销活动，联动每年5月的销售高峰，增加引流曝光度来提高销量；
5. 销量最差的122680008及50022520应引入市场上该分类下的爆品，对新商品做针对性的营销活动，增加流量；
6. 调查及分析二级分类50018831下的产品特性，分析是哪个环节帮助这类产品加强了平台活动效果。122680008及50022520大类的销量垫底，推断可能是曝光不足导致活动效果不明显，可以借鉴50018831，优化这两个大类的活动。

平台维度建议：

1. 大型平台活动（双十一）对销量提升很快，每年5月也是销量高峰，需要提前预热活动，预估往年销量联动商家进行采购囤货，避免出现无货可卖的情况；
2. 母婴商品在年中的第三季度销售较为平稳，可以启动新的平台活动；
3. 优化信息收集的流程，增加有儿童信息的用户数，一是可以帮助后续了解客户购买行为，二是借助这个流程（送券、积分等方式）可以提高用户活跃度，提升复购率；
4. 对不同阶段的老用户进行精准营销活动的推送，例如从婴儿期进入幼童阶段的用户，推送5008168的商品活动，及时对接用户该阶段需求，提高复购率；

六、商业分析报告