天猫母婴店铺运营数据分析报告

时间：2023-03-26 06:16:02 | 来源：电子商务

时间：2023-03-26 06:16:02 来源：电子商务

一、分析背景

1.PEST分析

• 政策（Politics）：

电子商务已成为新常态下经济增长新旧动能转换、供给侧结构性改革的关键动力，2013年10月31日，商务部以商电函〔2013〕911号印发《关于促进电子商务应用的实施意见》，为加快实现电子商务重点领域应用突破提供了政策支持。虽然2012-2015全国人口出生率趋于下降，但在2015年10月，十八届五中全会决定，全面放开二孩政策。这些政策都将促进电商母婴用品行业的快速发展

• 经济（Economy）：

宏观环境利好，居民消费水平提升，可支配收入增加和母婴消费升级将共同促进我国母婴市场规模持续增长，2015年母婴行业市场规模为1.83万亿元，未来这一市场具有广阔的发展前景。

• 社会（Society）：

科学育儿与品质育儿成为母婴消费者的共识，育儿标准升级，更加注重科学育儿和母婴消费的品质。网购的便利、透明、高效使得越来越多的年轻家长选择在网上购买母婴用品。

• 技术（Technology）：

新技术助力母婴行业进一步提升服务品质：5G、大数据、AI技术助力提供更高效、更精细化服务，也能够帮助网店通过强大的数据分析技术更精准定位人群，对产品进行数字化营销

2.数据背景及数据字段含义

数据来源：阿里爸爸天池

数据源中包含两个表格：表一是购买商品信息表，表二是婴儿信息表，数据内容是淘宝和天猫上购买婴儿用品信息。

对数据字段含义的理解如下：

表一：购买商品

• 用户ID：user_id（唯一性）
• 商品编号（item_id）：auction_id（唯一性）
• 商品二级分类：cat_id，商品种类ID，表示商品属于哪个类别）cat_id，商品种类ID，表示商品属于哪个类别）
• 商品一级分类：cat1，商品种类ID，表示商品属于哪个类别）（商品的一级分类和二级分类，比如上衣和衣服，汽车和玩具汽车这样的关系。虽然都是数字串id，但是根据这层关系，就可以用数据透视表来展示逻辑关系。比如商品大类下面，哪个分类更畅销）
• 商品属性:property（属性值可以是大小，可以是尺码、毫升等数字，还可以指品牌等，一切可以描述商品特征的都可以称为属性值）:property（属性值可以是大小，可以是尺码、毫升等数字，还可以指品牌等，一切可以描述商品特征的都可以称为属性值）
• 购买数量：buy_mountbuy_mount
• 购买时间:day（可以通过excel将时间戳显示为日期格式，通过时间可以分析商品与时间段、季节、活动促销的关系）

表二：婴儿信息

• 用户ID：user_id（唯一性）
• 出生日期：birthday（换算成年龄，可知顾客群体及年龄分布；同年龄下受欢迎产品）
• 性别：gender（0女性；1男性；2未知的性别。可分析不同性别宝宝家长购买行为；同商品下，不同性别宝宝购买差异）

二、分析目的

了解店铺商品销售情况，确定目标用户市场及主打产品，获取更多用户，提升店铺销售量，同时对不同的用户开展有针对性的营销方式。

三、分析思路

由于此次分析的最终目的是提升店铺销量，细分用户并有针对性的开展店铺销售，而销量与成交量和复购数量有密切关系，因此从业务和用户两个维度，提出以下问题

业务角度：

1.店铺成交量和订单量随时间如何变化？为什么会出现这种现象

2.会员复购率如何？哪些商品会重复购买？

用户角度：

1.不同性别的婴儿对商品销量有什么影响？是否对商品有所偏好？

2.不同年龄的婴儿对商品销量有什么影响？是否对商品有所偏好？

四、分析内容

1.数据清洗

以下为数据清洗的7大步骤，我们按步骤对两个表格的数据进行处理

① 选择子集

② 列名重命名：在表2中通过if函数将性别的数字转换成文字，便于理解

③ 删除重复值：通过分析字段，未发现有重复值

④ 处理：查看列的计数判断是否有缺失，发现表1【商品属性】一列只有29828条数据，与其他列29972条数据数量不一致。通过【查找和选择】-【定位条件】-【空值】在153行找到第一个缺失值，因位于商品属性列，不知道相关属性信息，暂时用“0”代替，输入“crtl+enter”填充其他缺失值。最后检查列值，数据量与其他列一致，缺失值处理完毕。

⑤ 一致化处理

对两个表中的【购买时间】和【出生日期】日期数据处理

1. 选中-分列-选择日期为YMD格式
2. 设置单元格格式

⑥ 数据排序

对表1【购买数量】进行【降序】，发现用户ID 2288344467的用户购买的数量最多，为10000件

⑦ 异常值处理

2.具体分析

1.店铺成交量和订单量随时间如何变化？为什么会出现这种现象

成交量是对成交的商品销量进行统计，订单量是对订单数量进行统计，每个用户每下一次单，会形成一个订单，每个订单可以包含多件商品。通过表一可以看到，2012-2014年成交量逐年上升，2015年出现明显下降；需要分析成交量下降的原因；通过表二和表三看到，每年三、第四季度的成交量上涨，尤其是2014年11月的成交量较同期有大幅上升。需要分析成交量上升的原因。

利用假设检验分析方法和多维度拆解分析方法，分析2015年成交量下降的原因：

成交量可分为新用户成交量和老用户成交量，加上数据准确性的考虑，列出成交量下降的可能原因有三：数据是否准确？是否是新用户成交量下降？是否是老用户成交量？再逐一收集证据分析

假设1：2015年数据不完整？

收集证据：查询2015年商品销量情况

结论：假设1成立。2015年成交量下降的主要原因是2015年数据不完整，只有1、2两个月的数据，不能因此判定2015年成交量下降。

假设2：2015年新用户成交量下降？

收集证据：查询2013-2015年前两个月成交量数据

结论：经过分析2013-2015年前两个月成交量数据，发现2015年1月成交量最高，2015年2月成交量最低，但两者之和并不比前两年少，因此新用户成交量下降的假设2不成立。

假设3：2015年老用户成交量下降？

收集证据：查询2015年前两个月复购用户数

结论：老用户成交量即复购用户成交量，2015年前两个月复购用户6个，占比6/29971≈0.0002，复购用户极少，因此老用户成交量下降的假设3不成立。

利用假设检验分析方法、多维度拆解分析方法和对比分析方法，分析下半年第三、四季度成交量上升的原因：

通过上述分析，发现全店复购率都很低，因此成交量上升的原因假设如下三种：数据完整性、商品大类成交量增加和促销的影响。通过收集证据，发现商品大类成交量对第三、四季度成交量影响很大，便继续分析具体是哪些大类对成交量造成影响。

假设1：下半年数据不完整？

收集证据：从2012-2015年商品销售情况

结论：因2015年只有第一季度前两个月的数据，故将2015年排除。由上图可知，2012-2014年下半年数据完整，因此假设1不成立。

假设2：商品大类成交量增加？

收集证据：各季度各大类商品销售情况

结论：根据上图可知，拉动第三季度和第四季度成交量的商品品类主要是50008168和50014815，其中第三季度50008168成交量最多，第四季度50014815成交量最多。因此假设2成立，下半年成交量上升是受到商品大类成交量增加的影响。

商品大类成交量增加对第三和第四季度分别对比分析：

2014年9月份大类50008168的成交量拉动了整个第三季度成交量的上升，通过查询2014年9月各大类商品销售情况，发现是由于9月20日有一笔大类50008168成交2780件的订单

2014年11月份大类50014815的成交量拉动了整个第四季度成交量的上升，通过查询2014年11月各大类商品销售情况，发现是由于11月13日有一笔大类50014815成交10013件的订单

假设3：受到促销的影响？

收集证据：历年11月各类商品销售情况

因11月电商平台有“双11”的促销活动，假设11月13日的销量是受活动影响，通过分析历年11月销售数据，可以发现受“双11”影响不大。

结论：假设3不成立。第三、四季度成交量上升的主要原因是商品品类主要是50008168和50014815在2014年9月20日和2014年11月13日分别有两笔大成交量订单，受“双11”影响不大。

总结：总体来说，店铺2012-2014年成交量逐年上升，2015年因数据不完整出现成交量下降的情况；每年三、第四季度的成交量上涨受“双11”的促销活动影响不大，主要受商品大类成交量增加的影响。

2.会员复购率如何？哪些商品会重复购买？

订单总数有29971笔，其中25笔是重复购买的，共购买了52件商品，复购率为25/29971≈0.00083，复购率极低；结合表五分析各品类商品的购买次数，可知用户ID814316568的顾客购买了4次大类28的商品，其余用户购买了2次；在这复购的52件商品中，销量最多的是50008168，其次是28的商品。

总结：复购率极低，建议增加用户粘性，从产品，售后服务，评论等方面进行分析。对复购率较高的商品50008168和28，应该对其进行重点研究，为日后主推商品提供指引。

3.不同性别的婴儿对商品销量有什么影响？

利用假设检验分析方法，分析性别对商品销量的影响：

假设1：男女婴数量相差大，对销量有影响

收集证据：男女婴性别分布

结论：假设1不成立。女婴占51%，男婴占46%，通过饼状图可以明显看出女婴数量>男婴数量，但差别不大。

假设2：男女婴购买商品数量不同？

收集证据：男女婴购买商品数量

结论：假设2成立。女婴商品销量931，男婴用品销量559，女婴约为男性用品销量的1.6倍。性别跟销售数量有关，且女婴购买商品数量大于男婴。其中女婴购买最多的商品为50014815，男婴购买最多的商品为50008168。商品50014815总销量最多，为496件，女婴购买该商品数量约为男婴3倍；商品122650008销量最少，为54件。

假设3：男女婴成交量差异大？

收集证据：男女婴商品销售情况、订单成交量

结论：假设3不成立。男女婴订单成交量差异不大，女婴488单，男婴438单。因为总销售额=订单数量*购买数量*单价，在单价未知，订单数量接近的情况下，女婴销量大于男婴的根本原因，在于女婴用户每单购买量更多，购买力更强。

总结：由于女婴用户每单购买量更多，今后可有针对性对女婴用户的喜好进行页面设计、推广，对男婴用户重点推荐50008168的商品，提升男婴用户的订单量，也可以实现销售额的增长。

4.不同年龄的婴儿对商品销量有什么影响？

从图中明显可见0-3岁的婴儿为主要客群，男女数量接近，女婴更多一些。因此店铺在进行营销策略时，可以着力主推0-2岁的婴儿用品。

对于0-2岁的婴儿，50014815销量最好；其次是50008168和28

总结：店铺主要用户是0-2岁的婴儿，店铺在进行营销时候，主推适合0-2岁年龄段的婴儿用品。需求比较旺盛的50014815、50008168和28类商品，可以加大推广力度。

五、总结

1.公司每年的销售旺季集中在下半年，其中拉动下半年成交量的商品品类主要是50008168和50014815，需要重点对这两类商品进行推广，继续增加商品的成交数量。同时可以进一步细化大类下的子品类，进行组合营销，用重点商品带动相关联商品的销量。

2.店铺用户的复购率很低，建议增加用户粘性，可以从产品，售后服务，评论等方面进行提升。对复购率较高的商品50008168和28，应该对其进行重点研究，为日后主推商品提供指引。

3.女婴用户每单购买量更多，今后可有针对性对女婴用户的喜好进行页面设计、推广，对男婴用户重点推荐50008168的商品，提升男婴用户的订单量，也可以实现销售额的增长。

4.店铺主要用户是0-2岁的婴儿，店铺在进行营销时候，主推适合0-2岁年龄段的婴儿用品。需求比较旺盛的50014815、50008168和28类商品，可以加大推广力度。

六、建议

1.充分利用下半年“双11”的黄金销售期，增加重点商品成交额，灵活采用积分兑换、买赠、特邀短信用户专享折扣等促销活动，激活沉睡用户，提高复购率，带动相关商品的成交量。在其他季节也应多推不同的活动，如儿童节、母亲节、父亲节，提升淡季的成交量。

2.对热门商品要保证库存，继续保持高成交量。同时可以将28、50008168和50014815三类热门商品与其他品类进行组合营销，用高复购率商品和热销商品带动相关联商品的销量。

3.利用大数据分析，主动对女婴用户进行推广，吸引更多女婴用户的购买，同时对男婴用户重点推荐50008168的商品，可以设置加量促销，回购优惠等营销手段，提升男婴用户的订单量，也可以实现销售额的增长。

4.页面设置0-2岁婴儿用户专区，通过用户问卷调研、定期回访、建立新媒体社群等方式，了解用户的需求，在婴儿成长的不同阶段提供最需要的产品，增强用户的粘性，提高用户的复购率。