電商促銷活動分析

1涝焙、業(yè)務(wù)背景

唯品會是一個專門做特賣的網(wǎng)站卑笨，隨著唯品會在電商領(lǐng)域的不斷發(fā)展，唯品會貨源中新品和專供品的占比不斷提升仑撞，新品首發(fā)赤兴、定制包銷、自有品牌均成為唯品會零售的可持續(xù)貨源派草。

2搀缠、業(yè)務(wù)需求

在每次特賣活動中，我們可分析活動運營情況來挖掘?qū)Υ黉N活動貢獻度高的商品近迁。其中，銷售額簸州、售賣比鉴竭、UV、轉(zhuǎn)化率等指標(biāo)是考量業(yè)務(wù)成績的幾個重要指標(biāo)岸浑。本項目的目的是建立促銷活動的運營情況評估指標(biāo)體系搏存，找到最優(yōu)的特賣商品結(jié)構(gòu)，從而更好地賣出商品矢洲。

3璧眠、業(yè)務(wù)分析指標(biāo)

  • GMV：銷售額，即到手價
  • 實銷：GMV-退貨金額
  • 銷量：累計銷量（含退貨）
  • 客單價：GMV/客戶數(shù)，客單價與毛利率有關(guān)责静，客單價越高袁滥，毛利率越高
  • UV：商品所在頁面的獨立訪問數(shù)
  • 轉(zhuǎn)化率：客戶數(shù)/UV
  • 折扣率：GMV/吊牌總額（吊牌價* 銷量）
  • 備貨值：吊牌價* 庫存量
  • 售賣比：即售罄率，GMV/備貨值
  • 收藏數(shù)：收藏某款商品的用戶數(shù)量
  • 加購數(shù)：加購物車人數(shù)
  • SKU數(shù)：促銷活動中的SKU計數(shù)（一般指貨號）
  • SPU計數(shù)：促銷活動中的SPU計數(shù)（一般指貨號）
  • 拒退量：拒收和退貨的總數(shù)量

  • 拒退額：拒收和退貨的總金額
    其中灾螃，銷售額题翻、售賣比、UV腰鬼、轉(zhuǎn)化率為主要關(guān)注指標(biāo)嵌赠，其余為輔助指標(biāo)。
    具體的業(yè)務(wù)分析框架如下：


    電商促銷活動分析.png

4熄赡、數(shù)據(jù)分析

4.1 數(shù)據(jù)源

sales_info1：商品信息表姜挺，數(shù)據(jù)結(jié)構(gòu)如下：


商品信息表.PNG

sales_info2：商品熱度信息表，數(shù)據(jù)結(jié)構(gòu)如下：


商品熱度信息表.PNG

sales_info3：用戶銷售明細表彼硫，數(shù)據(jù)結(jié)構(gòu)如下：
用戶銷售明細表.PNG

以上數(shù)據(jù)來源MySQL數(shù)據(jù)庫炊豪，通過Python讀取。

4.2 數(shù)據(jù)匯總

  • 統(tǒng)計每個商品的銷售情況
#dt3為用戶銷售明細數(shù)據(jù)
product_sales = dt3.groupby('商品名').agg({'購買數(shù)量':'sum',
                                           '購買金額':'sum',
                                           '退貨件數(shù)':'sum',
                                           '退貨金額':'sum',
                                           '購買單價':'mean',
                                           '用戶id':pd.Series.nunique}).reset_index()
product_sales.rename(columns={
                               '購買數(shù)量':'商品銷售數(shù)量',
                               '購買金額':'商品銷售金額',
                               '退貨件數(shù)':'商品退貨數(shù)量',
                               '退貨金額':'商品退貨金額',
                               '購買單價':'商品銷售單價',
                               '用戶id':'商品購買用戶數(shù)量'
},inplace=True)
product_sales.head()

得到每個商品的銷售情況匯總數(shù)據(jù)


每個商品的銷售情況匯總.PNG
  • 合并商品信息表乌助、熱度信息表和商品銷售匯總表
#dt1為商品信息表溜在、dt2為熱度信息表
dt_product = dt1.merge(dt2,how='left',on='商品名')
dt_product_sales = dt_product.merge(product_sales,how='left',on='商品名')

得到最終的分析數(shù)據(jù)，數(shù)據(jù)結(jié)構(gòu)如下：


最終分析數(shù)據(jù).PNG

4.2 計算業(yè)務(wù)分析指標(biāo)

  • 計算單個指標(biāo)
#1他托、GMV掖肋，銷售額
gmv = dt_product_sales['商品銷售金額'].sum()
#2、實銷：GMV-退貨金額
return_money = gmv - dt_product_sales['商品退貨金額'].sum()
#3赏参、銷量：累計銷量（含退貨）
all_sales = dt_product_sales['商品銷售數(shù)量'].sum()
#4志笼、客單價：GMV/客戶數(shù)
custom_price = gmv/dt_product_sales['商品購買用戶數(shù)量'].sum()
#5、UV：商品所在頁面的獨立訪問數(shù)
uv_cons = dt_product_sales['UV數(shù)'].sum()
#6把篓、轉(zhuǎn)化率：客戶數(shù)/UV
uv_rate = dt_product_sales['商品購買用戶數(shù)量'].sum()/uv_cons
#7纫溃、折扣率：GMV/吊牌總額（吊牌價* 銷量）
tag_sales = (dt_product_sales['吊牌價'] * dt_product_sales['商品銷售數(shù)量']).sum()
discount_rate = gmv/tag_sales
#8、備貨值：吊牌價* 庫存量
goods_value = (dt_product_sales['吊牌價'] * dt_product_sales['庫存量']).sum()
#9韧掩、售賣比：即售罄率紊浩，GMV/備貨值
sales_rate = gmv/goods_value
#10、收藏數(shù)：收藏某款商品的用戶數(shù)量
collect_cons = dt_product_sales['收藏數(shù)'].sum()
#11疗锐、加購數(shù)：加購物車人數(shù)
add_shop_cons = dt_product_sales['加購物車數(shù)'].sum()
#12坊谁、SKU數(shù)：促銷活動中的SKU計數(shù)（一般指貨號）
sku_cons = dt_product_sales['SKU'].sum()
#13、SPU計數(shù)：促銷活動中的SPU計數(shù)（一般指貨號）
spu_cons = len(dt_product_sales['商品名'].unique())
#14滑臊、拒退量：拒收和退貨的總數(shù)量
reject_cons = dt_product_sales['商品退貨數(shù)量'].sum()
#15口芍、拒退額：拒收和退貨的總金額
reject_money = dt_product_sales['商品退貨金額'].sum()
  • 合并分析指標(biāo)
#當(dāng)期數(shù)據(jù)
sales_state_dangqi =  pd.DataFrame(
    {"GMV":[gmv,],"實際銷售額":[return_money,],"銷量":[all_sales,],"客單價":[custom_price,],
     "UV數(shù)":[uv_cons,],"UV轉(zhuǎn)化率":[uv_rate,],"折扣率":[discount_rate,],"貨值":[goods_value,],
     "售賣比":[sales_rate,],"收藏數(shù)":[collect_cons,],"加購數(shù)":[add_shop_cons,],"sku數(shù)":[sku_cons,],
     "spu數(shù)":[spu_cons,],"拒退量":[reject_cons,],"拒退額":[reject_money,],}, 
    ) 
# 去年的數(shù)據(jù)是已經(jīng)統(tǒng)計好了的，不需要計算
sales_state_tongqi = pd.DataFrame(
    {"GMV":[2261093,],"實際銷售額":[1464936.517,],"銷量":[7654,],"客單價":[609.34567,],
     "UV數(shù)":[904694,],"UV轉(zhuǎn)化率":[0.0053366,],"折扣率":[0.46,],"貨值":[12610930,],
     "售賣比":[0.1161,],"收藏數(shù)":[4263,],"加購數(shù)":[15838,],"sku數(shù)":[82,],
     "spu數(shù)":[67,],"拒退量":[2000,],"拒退額":[651188.57,],}, 
    ) 
#當(dāng)期數(shù)據(jù)修改列名
sales_state_dangqi_s = pd.DataFrame(sales_state_dangqi.stack()).reset_index().iloc[:,[1,2]]
sales_state_dangqi_s.columns = ['指標(biāo)','今年雙十一']
#去年數(shù)據(jù)修改列名
sales_state_tongqi_s = pd.DataFrame(sales_state_tongqi.stack()).reset_index().iloc[:,[1,2]]
sales_state_tongqi_s.columns = ['指標(biāo)','去年雙十一']
sales_state = pd.merge(sales_state_dangqi_s,sales_state_tongqi_s,on='指標(biāo)')
#計算同比指標(biāo)
sales_state['同比'] = (sales_state['今年雙十一'] - sales_state['去年雙十一'])/sales_state['去年雙十一']
今年-去年各項指標(biāo)比較.PNG

如上所示雇卷，客單價同比下降了鬓椭，客單價與毛利率有關(guān)颠猴，需要追蹤客單價下降的原因；客單價與GMV小染、UV數(shù)和UV轉(zhuǎn)化率有關(guān)翘瓮， 這三個指標(biāo)同比都上升了，猜測客單價下降的原因是【高質(zhì)量客戶流失氧映，買低價的客戶較多春畔；促銷價格過低】。此外岛都，折扣率同比也下降了律姨，做特賣折扣是一個運營的關(guān)鍵點，通過比較不同折扣力度的運營效果臼疫，為折扣力度的設(shè)置提供數(shù)據(jù)參考择份。

4.3 根據(jù)價格區(qū)間來確定合適的促銷商品結(jié)構(gòu)

這部分的主要工作：根據(jù)價格區(qū)間劃分?jǐn)?shù)據(jù)，分析價格相對高的商品此次促銷情況烫堤，以此來優(yōu)化后期的促銷結(jié)構(gòu)荣赶。

  • 根據(jù)價格劃分?jǐn)?shù)據(jù)
#劃分價格區(qū)間
listBins = [0, 200, 400, 100000]

#設(shè)備切分后對應(yīng)標(biāo)簽
listLabels = ['1_200', '200_400', '400及以上']

#進行數(shù)據(jù)切分
dt_product_sales['價格分組'] = pd.cut(dt_product_sales['售賣價'], bins=listBins, labels=listLabels, include_lowest=True)
  • 計算每個價格區(qū)間的業(yè)務(wù)分析指標(biāo)
    這里用到的業(yè)務(wù)分析指標(biāo)如下：
    • 貨值
    • 貨值占比
    • 銷售額
    • 售賣比
    • 銷售占比
    • 銷量
    • 客單價
    • UV
    • 收藏數(shù)
    • 加購數(shù)
    • 轉(zhuǎn)化率
    • 用戶數(shù)
# 貨值 銷售額 銷量 UV 用戶數(shù) 收藏數(shù) 加購數(shù)
dt_product_sales_info = dt_product_sales.groupby(['價格分組']).agg({
                            '貨值':'sum',
                            '商品銷售金額':'sum',
                            '商品銷售數(shù)量':'sum',
                            'UV數(shù)':'sum',
                            '商品購買用戶數(shù)量':'sum',
                            '收藏數(shù)':'sum',
                            '加購物車數(shù)':'sum'
}).reset_index()
# 貨值占比 售賣比 銷售占比 客單價 轉(zhuǎn)化率
dt_product_sales_info['貨值占比'] = dt_product_sales_info['貨值']/dt_product_sales_info['貨值'].sum()
dt_product_sales_info['售賣比'] = dt_product_sales_info['商品銷售金額']/dt_product_sales_info['貨值']
dt_product_sales_info['銷售占比'] = dt_product_sales_info['商品銷售金額']/dt_product_sales_info['商品銷售金額'].sum()
dt_product_sales_info['客單價'] = dt_product_sales_info['商品銷售金額']/dt_product_sales_info['商品購買用戶數(shù)量']
dt_product_sales_info['轉(zhuǎn)化率'] = dt_product_sales_info['商品購買用戶數(shù)量'] /dt_product_sales_info['UV數(shù)']

得到三個價格區(qū)間各自的業(yè)務(wù)指標(biāo)值


三個價格區(qū)間業(yè)務(wù)指標(biāo)結(jié)果.PNG

如上圖所示，價格在400以上的商品鸽斟，銷售額拔创、售賣比均大于另外兩個價格區(qū)間的商品，轉(zhuǎn)化率與另外兩個價格區(qū)間的商品勢均力敵富蓄。雖然是促銷活動剩燥，不一定只是看價格低這個因素，此處高價的商品也很值得分析立倍，因此選取價格在400以上的商品單獨分析灭红。

  • 選取高價商品分析
#取出價格400及以上的數(shù)據(jù)
product_400 = dt_product_sales.loc[dt_product_sales['價格分組'] == '400及以上']
#計算轉(zhuǎn)換率 售賣比
#轉(zhuǎn)換率=客戶數(shù)/UV
product_400['轉(zhuǎn)換率'] = product_400['商品購買用戶數(shù)量']/product_400['UV數(shù)']
#備貨值=吊牌價* 庫存量
product_400['備貨值'] = product_400['吊牌價'] * product_400['庫存量']
#售賣比：售罄率，GMV/備貨值
product_400['售賣比'] = product_400['商品銷售金額']/product_400['貨值']

得到高價商品的運營情況結(jié)果


高價商品的運營情況結(jié)果.PNG

根據(jù)上圖所示口注，通過比較轉(zhuǎn)換率和售賣比這兩個指標(biāo)变擒，可以給出下面的優(yōu)化方案：

  • 轉(zhuǎn)換率大于0.8%的商品（即A006、B006寝志、C010娇斑、E007、F001）材部，保留悠菜，用于下次促銷活動；
  • 轉(zhuǎn)換率小于0.8%但是售賣比大于30%的商品（即G001败富、G010、H006）摩窃，還是可以作為下次促銷活動的備選商品兽叮；
  • 轉(zhuǎn)換率小于0.8%且售賣比不足30%的商品芬骄，給予清倉處理。

4.4 根據(jù)折扣區(qū)間來確定合適的促銷商品結(jié)構(gòu)

這部分的主要工作：根據(jù)折扣區(qū)間劃分?jǐn)?shù)據(jù)鹦聪，分析折扣貢獻度較高的商品此次促銷情況账阻，以此來優(yōu)化后期的促銷結(jié)構(gòu)。

  • 根據(jù)折扣劃分?jǐn)?shù)據(jù)
#劃分折扣區(qū)間
#設(shè)置切分區(qū)域
listBins = [0.15, 0.2, 0.25, 0.3, 0.35, 0.4, 0.45, 0.5, 0.55, 0.6, 0.65, 0.7, 1]

#設(shè)備切分后的標(biāo)簽
listLabels = ['0.15_0.2','0.2_0.25','0.25_0.3','0.3_0.35','0.35_0.4','0.4_0.45','0.45_0.5','0.5_0.55','0.55_0.6','0.6_0.65','0.65_0.7','0.7_1']

#劃分?jǐn)?shù)據(jù)
dt_product_sales['折扣區(qū)間'] = pd.cut(dt_product_sales['折扣率'],bins=listBins,labels=listLabels,include_lowest=True)
  • 計算每個折扣區(qū)間的業(yè)務(wù)分析指標(biāo)
    這里用到的業(yè)務(wù)分析指標(biāo)如下：
    • 銷售額
    • 銷量
    • 客單價
    • 客戶數(shù)
    • UV
    • 轉(zhuǎn)換率
    • 庫存
    • 貨值
    • 售賣比
    • 收藏數(shù)
    • 加購數(shù)
    • 貨值占比
    • 銷售占比
# 貨值 銷售額 銷量 UV 客戶數(shù) 收藏數(shù) 加購數(shù)
dt_product_discount_info = dt_product_sales.groupby(['折扣區(qū)間']).agg({
                            '貨值':'sum',
                            '商品銷售金額':'sum',
                            '商品銷售數(shù)量':'sum',
                            'UV數(shù)':'sum',
                            '商品購買用戶數(shù)量':'sum',
                            '收藏數(shù)':'sum',
                            '加購物車數(shù)':'sum'
}).reset_index()
#客單價 轉(zhuǎn)化率 貨值占比 銷售占比
dt_product_discount_info['客單價'] = dt_product_discount_info['商品銷售金額']/dt_product_discount_info['商品購買用戶數(shù)量']
dt_product_discount_info['轉(zhuǎn)化率'] = dt_product_discount_info['商品購買用戶數(shù)量']/dt_product_discount_info['UV數(shù)']
dt_product_discount_info['貨值占比'] = dt_product_discount_info['貨值']/dt_product_discount_info['貨值'].sum()
dt_product_discount_info['銷售占比'] = dt_product_discount_info['商品銷售金額']/dt_product_discount_info['商品銷售金額'].sum()

得到各個折扣區(qū)間的業(yè)務(wù)指標(biāo)結(jié)果


各個折扣區(qū)間的業(yè)務(wù)分析指標(biāo)結(jié)果.PNG

如上圖所示泽本，除了轉(zhuǎn)化率略低于其他折扣區(qū)間的商品淘太，折扣在0.35_0.4的商品各項指標(biāo)均優(yōu)于其他商品，因此此處單獨分析折扣在0.35_0.4的商品此次促銷情況规丽。

  • 選取折扣在0.35_0.4的商品分析
#取出折扣區(qū)間在0.35_0.4的數(shù)據(jù)
discount_354 = dt_product_sales[dt_product_sales['折扣區(qū)間']=='0.35_0.4']
#售賣比 化率
discount_354['售賣比'] = discount_354['商品銷售金額']/discount_354['貨值']
discount_354['轉(zhuǎn)化率'] = discount_354['商品購買用戶數(shù)量']/discount_354['UV數(shù)']

得到折扣在0.35_0.4的商品各項指標(biāo)結(jié)果


折扣在0.35_0.4的商品業(yè)務(wù)指標(biāo)結(jié)果.PNG

如上圖所示蒲牧，通過比較轉(zhuǎn)化率和售賣比兩個指標(biāo)，可以給出以下優(yōu)化方案：

  • 折扣率大于37%的部分找出售賣比大于35%且轉(zhuǎn)化率大于0.8%的商品（即G005）予以保留赌莺；
  • 折扣率小于37%的部分找出售賣比大于25%且轉(zhuǎn)化率大于0.5%的商品（即C005冰抢、G001）予以保留；
  • 其余清倉處理艘狭。

5挎扰、流量分布

在一級入口中，首頁的流量占比最高巢音，我們可以將暢銷款（上述分析中予以保留的商品）布局在首頁檔期流遵倦。在唯品會中，我們需要不斷的增加商品來保證我們的SKU數(shù)官撼。對于平銷款（上述分析中予以清倉的商品）梧躺，我們將其作為快搶和瘋搶處理。

最后編輯于 ：
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請聯(lián)系作者
  • 人面猴
    序言：七十年代末歧寺，一起剝皮案震驚了整個濱河市燥狰，隨后出現(xiàn)的幾起案子，更是在濱河造成了極大的恐慌斜筐，老刑警劉巖龙致，帶你破解...
    沈念sama閱讀 217,657評論 6贊 505
  • 死咒
    序言：濱河連續(xù)發(fā)生了三起死亡事件，死亡現(xiàn)場離奇詭異顷链，居然都是意外死亡目代，警方通過查閱死者的電腦和手機，發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 92,889評論 3贊 394
  • 救了他兩次的神仙讓他今天三更去死
    文/潘曉璐 我一進店門嗤练，熙熙樓的掌柜王于貴愁眉苦臉地迎上來榛了，“玉大人，你說我怎么就攤上這事煞抬∷螅” “怎么了？”我有些...
    開封第一講書人閱讀 164,057評論 0贊 354
  • 道士緝兇錄：失蹤的賣姜人
    文/不壞的土叔 我叫張陵革答，是天一觀的道長战坤。 經(jīng)常有香客問我曙强，道長，這世上最難降的妖魔是什么途茫？ 我笑而不...
    開封第一講書人閱讀 58,509評論 1贊 293
  • ?港島之戀（遺憾婚禮）
    正文 為了忘掉前任碟嘴，我火速辦了婚禮，結(jié)果婚禮上囊卜，老公的妹妹穿的比我還像新娘娜扇。我一直安慰自己，他們只是感情好栅组，可當(dāng)我...
    茶點故事閱讀 67,562評論 6贊 392
  • 惡毒庶女頂嫁案：這布局不是一般人想出來的
    文/花漫 我一把揭開白布雀瓢。 她就那樣靜靜地躺著，像睡著了一般笑窜。 火紅的嫁衣襯著肌膚如雪致燥。 梳的紋絲不亂的頭發(fā)上，一...
    開封第一講書人閱讀 51,443評論 1贊 302
  • 城市分裂傳說
    那天排截，我揣著相機與錄音嫌蚤，去河邊找鬼。 笑死断傲，一個胖子當(dāng)著我的面吹牛脱吱，可吹牛的內(nèi)容都是我干的。 我是一名探鬼主播认罩，決...
    沈念sama閱讀 40,251評論 3贊 418
  • 雙鴛鴦連環(huán)套：你想象不到人心有多黑
    文/蒼蘭香墨 我猛地睜開眼箱蝠，長吁一口氣：“原來是場噩夢啊……” “哼！你這毒婦竟也來了垦垂？” 一聲冷哼從身側(cè)響起宦搬，我...
    開封第一講書人閱讀 39,129評論 0贊 276
  • 萬榮殺人案實錄
    序言：老撾萬榮一對情侶失蹤，失蹤者是張志新（化名）和其女友劉穎劫拗，沒想到半個月后间校，有當(dāng)?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體，經(jīng)...
    沈念sama閱讀 45,561評論 1贊 314
  • ?護林員之死
    正文 獨居荒郊野嶺守林人離奇死亡页慷，尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點故事閱讀 37,779評論 3贊 335
  • ?白月光啟示錄
    正文 我和宋清朗相戀三年憔足，在試婚紗的時候發(fā)現(xiàn)自己被綠了。 大學(xué)時的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片酒繁。...
    茶點故事閱讀 39,902評論 1贊 348
  • 活死人
    序言：一個原本活蹦亂跳的男人離奇死亡滓彰，死狀恐怖，靈堂內(nèi)的尸體忽然破棺而出州袒，到底是詐尸還是另有隱情揭绑，我是刑警寧澤，帶...
    沈念sama閱讀 35,621評論 5贊 345
  • ?日本核電站爆炸內(nèi)幕
    正文 年R本政府宣布郎哭，位于F島的核電站洗做，受9級特大地震影響弓叛，放射性物質(zhì)發(fā)生泄漏。R本人自食惡果不足惜诚纸，卻給世界環(huán)境...
    茶點故事閱讀 41,220評論 3贊 328
  • 男人毒藥：我在死后第九天來索命
    文/蒙蒙 一、第九天 我趴在偏房一處隱蔽的房頂上張望陈惰。 院中可真熱鬧畦徘，春花似錦、人聲如沸抬闯。這莊子的主人今日做“春日...
    開封第一講書人閱讀 31,838評論 0贊 22
  • 一樁弒父案，背后竟有這般陰謀
    文/蒼蘭香墨 我抬頭看了看天上的太陽溶握。三九已至杯缺，卻和暖如春，著一層夾襖步出監(jiān)牢的瞬間睡榆，已是汗流浹背萍肆。 一陣腳步聲響...
    開封第一講書人閱讀 32,971評論 1贊 269
  • 情欲美人皮
    我被黑心中介騙來泰國打工， 沒想到剛下飛機就差點兒被人妖公主榨干…… 1. 我叫王不留胀屿，地道東北人塘揣。 一個月前我還...
    沈念sama閱讀 48,025評論 2贊 370
  • 代替公主和親
    正文 我出身青樓，卻偏偏與公主長得像宿崭，于是被迫代替她去往敵國和親亲铡。 傳聞我的和親對象是個殘疾皇子，可洞房花燭夜當(dāng)晚...
    茶點故事閱讀 44,843評論 2贊 354