电商平台母婴商品销量数据分析报告

时间：2023-03-26 07:48:01 | 来源：电子商务

时间：2023-03-26 07:48:01 来源：电子商务

一、分析背景

本文数据来源自阿里天池 淘宝天猫婴幼儿商品数据集-阿里云天池

内容是某店铺婴幼儿商品销售数据与用户数据，包含两个表格，具体字段如下

二、分析目的

帮助商家在不同时间节点以及面对不同客群时制定相应的运营策略，以提高店铺销量。

具体所要分析的业务问题：

1. 该店铺整体销量情况，销量波动原因
2. 各商品品类的销售情况
3. 用户群体特征与消费行为差异

三、分析思路

四、数据清洗

数据分析开始前，需对数据集进行清洗，将原始数据转化为适合数据分析的形式，步骤如下：

1）查看子集：将不需要用到的字段【商品属性】、【商品编号】隐藏起来

2）列重命名：本数据集列名清晰，无需处理

3）重复值处理：检查数据集包含的两个表格中的【用户ID】，均无重复值

4）缺失值处理：查看两表格，除【商品属性】外无缺失值，暂不需处理

5）一致化处理：

• 将【购买时间】、【出生日期】转化为ymd日期格式
• 对【性别】中的信息进行转换，'0'转化为'女'，'1'转化为'男'，'2'转化为'未知'

6）数据排序：

• 对【出生日期】降序排序，发现异常日期'1984/6/16'，将其删除
• 对【购买日期】排序，确定数据集日期范围为2012年7月2日-2015年2月5日
• 对【购买数量】降序排序，发现有许多大额订单，最高单次购买量达10000

7）异常值处理：

• 删除【性别】为‘未知’的数据
• 对商品的单词购买数量进行分析。考虑实际购买情况，仅选取占比99.9%的购买数量进行分析以减少异常值影响，此处选取单次购买数量为1-195区间的数据。

数据清洗结束后，表1共有29942条有效数据，表2共有955条有效数据。

五、数据分析

业务问题1、产品维度-市场情况

通过日期排序我们已经知道2012年与2015年只有部分数据，其中2015年数据量过少，将其排除。

由图2我们可发现，店铺销量整体呈上涨趋势，波动较大。
在每年11月出现大高峰，5月出现小高峰，在每年1月或2月出现低谷。

接下来我们探讨两个问题：

• 每年11月出现大高峰的原因
• 每年5月出现小高峰的原因
• 每年1月2月出现销量下滑的原因

Q1：每年11月出现大高峰的原因

考虑到数据来源自淘宝，而近年来淘宝在每年双十一策划的大型购物节收到广大消费者的关注，商家也会配合平台活动在“双十一”投入更多推广资源。因此提出假设：11月出现销量高峰与“双十一”活动相关。

观察各年度11月单日销量数据

由图3可以观察到12年11月销量高峰出现在10日，13年和14年11月销量高峰出现在11日。

由图4可以观察到连续三年进店购买商品的用户数量都在11月11日达到高峰，并且逐年增长。

结合销量与购买用户数量，可以推测出店铺11月销售在“双十一”活动的带动下呈现爆发式的增长，并且呈现连年增长的趋势，说明“双十一”活动对于店铺来说推广引流效果明显。

Q2：每年5月出现小高峰的原因

每年5月份汇集了几个节日，包括劳动节、青年节、母亲节、520节，以及月底接近六一儿童节。除了节日因素，销量上涨还可能与店铺的产品上新情况、营销策略、推广渠道等方面相关。但由于本数据集的限制，此处仅验证5月销量小高峰是否与节日活动相关。

观察各年度5月份销量数据

由图5可观察到，5月份有多个销量上涨的波动，且与5.4青年节、5月11/12日母亲节，520节，6.1儿童节各节日相接近

由图6可以观察到，5月份单日的用户数量波动较大，其增长基本与销量的波动相匹配。

结合图2图5图6，店铺连续两年在5月份出现小高峰，且5月份节日密集，因此推测5月份的节日活动对销量增长有一定的促进作用。但销量没有形成明显的聚集现象，因此也不能排除店铺通过新渠道、推广策划等其他方式拉动了销量增长，具体分析需要与运营人员沟通。

Q3：每年1-2月销量下滑的原因

每年的1-2月接近中国传统节日春节，大部分商家与物流公司会在春节期间放假休息，因此提出假设：春节期间店铺与物流放假休息对销量带来影响。

查看每年1-2月的销量数据

13年低谷出现在2.2-2.14期间；14年低谷出现在1.21-2.4期间

1-2月购买用户数量的下滑时间与销量下滑时间相对应

经查日历，2013年春节假期为2.10-2.16，2014年春节假期为1.30-2.5，与图7图8的低谷时间相匹配，可以推测出1-2月店铺销量下滑是受到春节放假的影响。

业务问题2、产品维度-各商品品类的销售情况

由图10可看出【28】商品是热销品类，【122650008】商品则销量最低

由上图可以看出，各二级分类商品对一级分类商品的贡献度差异很大，商品【50014815】、【38】、【28】主要由单一 子类商品带动销量，商品【50008168】、【122650008】、【50022520】的子类销量较为平均。

将各品类按时间趋势查看

店铺商品的销量差异较大，增长速度不一，六个品类中有四个为季节性商品。

• 【28】品类属于热销商品，销量最高，且增长明显；
• 【50008168】和【50014815】品类销量位于第二梯队，呈现季节性波动特征；
• 【38】、【50022520】、【122650008】销量位于第三梯队；
• 【38】增长速度较快，【50022520】、【122650008】呈现季节性波动特征；

结合上述结果，进一步分析并提出问题：

Q1：影响各品类商品销量的原因是什么？

这里可以将“销量”指标拆解，转化为 销量=人均销量*购买人数

从图13-14可以观察到

• 【28】商品属于人均购买量多与购买人数多带来的热销；
• 【50008168】商品的销量高是因为购买人数极多；
• 【122650008】商品属于购买人数少且人均购买量少造成滞销；
• 【38】商品的人均购买量最高但是购买人数最少；

因为店铺各商品销量受到人均购买量、购买人数两个因素影响，但这两个因素在各品类中差异较大，进一步提出问题：

Q2：销量与哪个因素相关性较高？

通过Excel的相关系数矩阵分析，得到销量与人均销量的相关系数为0.08，销量与购买人数的相关系数为0.87。因此可以看出该店铺的销量与购买人数的具有正相关关系。

确定购买人数的重要性后，可以将购买用户数指标进行拆解，转化为

购买人数=新用户数+老用户数

此处老用户数我们可以通过店铺的商品复购率进行衡量。

对数据集汇总分析后，发现共有25名用户有复购行为，数据集中总用户量为29942，复购率仅为0.08%，这在母婴行业中属于较低水平。这说明店铺的购买人数主要构成为新用户，回头客极少。



业务问题3、店铺用户特征与消费行为差异

此时需要通过Vlookup将表1表2连接，排除缺失值后获得942个有效数据。

Q1：不同的用户性别是否有不同购买偏好和购买力？

• 分析不同性别用户的购买力

发现本店用户中女宝宝数量比男宝宝数量多出约6%

发现女宝宝商品购买数量比男宝宝多出约26%

由图15-16可得出，女宝宝用户数量比男宝宝多6%，但销量却多出了26%，说明本店铺受众较为平均，且女宝宝家长的购买力更强。

• 分析不同性别用户的购买偏好

在【50014815】、【38】品类中女宝宝购买数量明显高于男宝宝，也大于总体购买数量差异值26%；【50022520】品类是唯一男宝宝购买数量高于女宝宝的品类。

筛选了购买数量大于10的二级品类进行分析，发现【38】、【50014815】、【122650008】中的子品类购买数量都是 女宝宝>男宝宝。
【28】、【50008168】中子品类购买数量有 男宝宝>女宝宝，也有女宝宝>男宝宝。

由图17-18可看出，男女宝宝家长有着不同的购买偏好，【38】、【50014815】、【122650008】商品可以更偏向女宝宝用户群体进行推广；【28】、【50008168】商品则需要更全面的推广策略。

Q2：不同年龄是否有不同购买力和购买偏好？

• 分析不同年龄段用户的购买力

可以看出店铺的用户主体为<3岁的宝宝，在年龄大于三岁之后，用户数量快速下降。 由于8岁以上的用户量过少，后续分析将其隐藏。

发现<3岁的宝宝购买数量最高，且高于其用户数量占比，说明该年龄段的用户家长有更高的购买力。

• 分析不同年龄段用户的购买偏好

由图可以看出不同年龄段用户的购买偏好差异较大。 在一级分类商品中，<3岁用户最多购买的商品是【50014815】，3-8岁用户最多购买的商品是【50008168】，用户只在0-5岁间购买【38】、【50022520】商品。

总结&建议

总结

整体销量

1. 店铺整体销量呈上升趋势，但全年销量波动明显。
2. 每年5月、11月为店铺旺季，受到各类节日活动以及促销活动带来积极影响，出现销量高峰。其中“双十一”活动效果最为明显，对店铺引流效果好，销量翻倍增长。
3. 每年1-2月为店铺淡季，主要受到春节假期影响，购买人数与销量均出现下滑趋势。

产品销量

1. 店铺各类产品销量差异大，增长速度不一。
2. 商品中有明显的季节性商品，分别是【50008168】、【50014815】、【50022520】、【122650008】。
3. 【28】为热销产品，属于人均购买量多与购买人数多带来的热销；【50008168】和【50014815】品类销量位于第二梯队，且【50008168】商品的销量高是因为购买人数极多；【38】、【50022520】、【122650008】销量位于第三梯队，其中【122650008】商品属于购买人数少且人均购买量少造成滞销，【38】商品的人均购买量最高但是购买人数最少。
4. 各品类商品中子类商品的贡献度差异大，【50014815】、【38】、【28】主要由单一 子类商品带动销量，商品【50008168】、【50022520】、【122650008】的子类销量较为平均。
5. 商品的销量与购买人数有较强的正相关性，但购买人数中回头客极少，用户复购率低于1%

用户特征

1. 店铺目标用户主要为0-3岁的宝宝家长，在性别分布上差异不大。
2. 女宝宝家长购买力更强，商品【38】、【50014815】、【122650008】总体更受女宝宝家长欢迎；【28】、【50008168】的子类商品中性别购买偏好差异较大。
3. 0-3岁的宝宝家长购买力更强，<3岁宝宝家长购买最多的商品是【50014815】，3-8岁用户购买最多的商品是【50008168】；【38】、【50022520】商品只在用户0-5岁期间购买。

建议

产品部

1. 削减6岁以上幼童产品，围绕0-3岁的主要目标用户进行产品开发设计或选品。
2. 【50022520】、【122650008】商品销量低迷，考虑在其子类下设计并主推网红产品，以此带动整体大类的销量。
3. 季节性商品需要依据季节备货。

运营部

1. 节日活动与促销活动对店铺销量带动效果明显，可积极参与平台活动，并在在活动中投入充足的推广资源。
2. 0-3岁宝宝家长购买力更强，可以作为店铺主要拉新用户目标，以提升获客ROI。
3. 不同性别与年龄的用户购买偏好差异较大，需要依据用户特征进行精准营销。
4. 为不同商品设计不同的运营策略，如【38】商品人均购买量高但购买人数少，可以搭配其他热销商品作为套餐销售；【50022520】、【122650008】销量较差，可以作为热销商品的赠品，以提升商品的曝光度，也可收集更多用户反馈用于改进商品。
5. 需要采取措施提升店铺复购率，一是为客户提供更完善的售前售后服务，维护客户关系；二是主动回访客户，搭建社群，增强用户粘性。