【知识专栏丨python数分实战】电商数据分析案例

今天这篇文章将给大家分享一个电商数据分析的案例。

下面我们先来简单了解一下数据。

01

数据信息

字段介绍

Unnamed: 行号

event_time：下单时间

order_id：订单编号

product_id:产品标号

category_id :类别编号

category_code :类别

brand :品牌

price :价格

user_id :用户编号

age :年龄

sex :性别

local:省份

02

分析目的

通过分析销售数据来了解在线销售业务的消费情况，分析用户消费数据来分析用户的消费行为，为用户推荐相匹配的商品。

分析问题

店铺销售情况

每月成交额

每月销售金额

每月消费人数

每月订单数量

每月客单价

不同省份用户数量

不同省份订单数量

不同省份成交金额

订单数随星期分布

订单随小时分布

用户消费行为

用户消费次数

用户消费金额

消费次数与消费金额关系

用户购买周期

新用户、活跃用户、不活跃用户、回流用户、回流率

复购率和回流率

消费人群分层情况

按性别分析

按年龄段分析

按喜好品牌分析

03

结论先行

1、销售金额、订单量、消费人数、客单价在清明小长假、五一小长假、暑假、开学季、十一小长假，几个假期节点表现不错，尤其是开学季的情况最好，在几个关键的节点开始前，店铺一定要提前储备库存，保证货源。

2、北上广销售金额、订单量、消费人数、客单价都优于其他省份，湖南省消费人数少，但是客单价、订单量都表现优异，湖南省潜力巨大，因此要加大对湖南省的宣传力度，增加湖南省的消费人数。

3、75%的消费人群购买力不高，对30岁以下的人群主要推荐亲民价格的商品。

4、40-50岁的人群购买力高，而且男性对高价格的商品购买力强，因此给40-50岁的男性推荐高价格的商品，对女性推荐较高价格的商品。

5、多数用户至少消费了两次，且消费金额与购物次数有较强的正相关，用户消费次数越多销售额越大。可在8天、28天对用户进行召回，引导客户消费。

6、订单集中在早晨，8点到13点是消费高峰期，这段时间要注意维持好网站的稳定性。

7、店铺可以在1-4月份减少营业人员，5-11月增加营业人员，应对销售高峰期。

接下来给大家介绍一下分析的过程，包括数据嗅探、数据清洗等步骤。

04

数据分析过程

数据嗅探

#导入第三方库import osfrom datetime import datetimeimport numpy as npimport pandas as pdimport matplotlib.pyplot as pltimport seaborn as sns%matplotlib inline#设置中文编码和负号的正常显示#plt.rcParams['font.sans-serif']=['SimHei']plt.rcParams['axes.unicode_minus']=False#导入数据df=pd.read_csv('./电子产品销售分析.csv')df.head()

输出结果：