电商母婴产品市场销量分析报告

时间：2023-03-26 08:40:01 | 来源：电子商务

时间：2023-03-26 08:40:01 来源：电子商务

一、分析背景

随着购物网站的快速发展，人们的网络购物行为占比也快速增加。为了能够获取更多的用户，提升商家的销售量，需要从电商多维度进行分析，进而得到有价值的信息，指导商家进行获客和营销。本文就以淘宝天猫上母婴用品购买数据为例，通过对产品和用户进行分析，得出结论并提出可实施的建议。从2012年到2015年,店铺经过几年的发展,客户规模29944人,销量达到了42241件,取得了很大的增长。

数据来源阿里巴巴天池Baby Goods Info Data-数据集-阿里云天池

数据源包含两个表，具体数据如下：

二、分析目的

根据电商商家历史销售数据进行分析，帮助商家在不同时间节点和场景下进入有效销售和运营策略，提高商家销量、减少运营成本。

三、提出问题

我们利用常用的分析方法，根据分析方法分解数据内容。

（一）将电商商家母婴商品销量（根据人货场）多维度拆解分析：市场维度、产品维度、用户维度

（二）再将维度运用逻辑树分析为具体指标：

一般电商关注分析指标有：流量指标、转化指标、运营指标、会员指标、财务指标、关键指标。根据电商母婴产品销售数据进行分析，主要分析运营指标和会员指标。

市场维度：商品在不同渠道销售情况（此数据不包含）；市场销量概况及变动趋势

产品维度：a.运营指标：成交和订单情况；b.会员指标：会员购买次数、购买量、复购率

用户维度：用户群体特征对不同商品销量情况

分析思路框架如下：

四、数据清洗

涉及用户、商品维度的分析。关联两表，添加婴儿年龄字段，清洗步骤如下：

选择子集 ——列重命名 —— 删除重复值——缺失值处理——一致化处理——数据排序——异常值处理

数据清洗步骤可见：数据清洗

五、数据分析

5.1 市场维度

5.1.1 市场商品销售情况

从2012年到2015年,电商商家经过几年的发展,销量达到了42241件，每年销量如下：

其中2012年和2015年销量非常低，进一步当年销量2012年和2015年为部分数据，并非销量异常。整体趋势，每年商品销售同比增加，且每年相应月份也是同比增加，可见电商商家销量都是正向发展。

5.1.2 市场商品销售波动情况

对比每年销售数据，可以看出每年在不同季度销售有一定规律。第一季度为销售淡季，第四季度为销售旺季；2012-2014年每年11月份销量最高，2013和2015年2月销量最低，2012年1月销量最低。

进一步分析销量下滑和升高的原因和影响因素（利用假设分析）：

A.2013,2014,2015年在1,2月份销量最低：

提出假设：我国每年春节为1-3月期间，2013-2015年销售下滑可能受春节影响，春节前期全国统一放假快递停运，导致销量下降。

销售量指标拆分：销售量=购买人数*购买数量；进一步论证销量和用户数量情况。

假设论证：观察2013-2015年1,2月份单日销量和用户数：

上图中，红色圆圈标注2013年销量谷底为2月5日-2月14日，紫色色圆圈标注2014年销量谷底为1月27日-2月3日；2013年和2014年1、2月用户数情况同销量最低期间基本吻合。经过查阅，发现2013年的春节是2月10号，2014年的春节是1月31号，2015年的春节是2月19号（数据不全，忽略2015年）。

假设结论：假设成立，春运快递停运会影响销量的整体情况。

B.2013、2014年5月份销量会有一个小峰值

提出假设：可能处于节日有促销活动，影响销量有个显著的提升

假设论证：观察2013、2014年5月份每日销量和用户数：

上图中，2013年5月2日、18日、25日销量达到一个峰值，而购买用户数在5月12日、19日、26日有一个峰值；2014年5月2日、13日、15日、25日销量达到一个峰值，相应购买用户数在5月2日、14日、23日、27日达到一个峰值。经查阅5月节日比较多，劳动节、母亲节、520节日、儿童节，在当日节日销量或者购买人数有所上涨。（但整体购买用户数活跃度没有明显根据节日增多，说明电商商家在渠道吸引客户方面需要进一步加强。）

假设结论：假设成立，在节日尤其和母亲、孩子节日相关节日当天会促销商品销量。

C.2012、2013、2014年11月份销量最多达到一年内的峰值

提出假设：淘宝2009年开始双11光棍节促销活动开始，往年双11都是一个促销热潮。2012-2014年由于“双十一”有促销活动，当天商品折扣力度使得当日销量有个显著的提升。

假设论证：观察2012、2013、2014年11月份每日销量和用户数：

上图中，销售量和用户数在每年在11月11日都达到一个峰值，相比于其他日期翻了几倍增长。其中2012年-2014年其他日期也有其他峰值，但用户数并没有同步增长，可见是一些大单用户购买，可以结合其他信息再分析。

假设结论：假设成立，“双十一”活动是大型促销活动，当天进行一些运营促销活动可以使销量大幅度增长。

D.2012、2013、2014年12月份销量也有一定峰值

提出假设：继淘宝、京东双十一之后，再次12月12日推出年度最大型的网购盛宴，并将延续“全民疯抢”的活动。类似“双十一”当天商品折扣力度使得当日销量有个显著的提升。

假设论证：观察2012、2013、2014年12月份每日销量和用户数：

上图中，2012-2014年在12月12日销量和购买用户数都达到一个峰值，且比平时销量和用户数翻了几倍。

假设结论：假设成立，双十二也是一个促销热潮，商家商品销量会有显著提升。

5.2 产品维度

5.2.1 不同种类商品销量情况

由上可见，母婴商品种类50008168、28、50014815这三类为热销商品，市场占额总量达到80%。而母婴商品种类122650008、50022520、38这三类为一般销量商品。

进一步分析不同种类商品在每年的同比销量情况

由上可知，每年销量最好的产品是50008168、28、50014815三类商品，且每年的需求量都是正向增加。

5.2.2 不同种类商品订单量比较情况

由订单量在每年同比比较情况可见，订单量情况和成交量情况一致，都是50008168、28、50014815三类商品下单量更多。

5.2.3 不同种类商品销量与人均购买量、子类别数量关系

A. 销量根据售量指标进一步分解，销售量=购买人数*人均购买数量，分析商品销量原因

由上可见，购买用户数和购买数量都是在50008168、28、50014815三类商品具有明显优势；其中人均购买量最多的是38、122650008、50008168。

a. 商品种类50008168是最热销商品，不仅销量大，人均购买量也大。b. 商品种类28和50014815两类热销商品人均购买量一般，可能导致比50008168种类商品总销量低。c. 商品种类38、122650008虽然为一般销量商品，但人均购买力度很可观。

B.销量情况与子类别商品一级分类相关性分析

各商品分类的销量情况，具体从产品、运营、价格多维度分析：

• 产品：各商品二级分类下有多个商品一级分类，子分类数量*人均购买量可能导致总购买销量增加
• 运营：各商品二级分类的商品，在投放所占资源不同导致曝光量不同——页面设计位置，用户推荐排序，优惠活动频次力度
• 价格：各商品二级分类的商品标价是否比竞品商家标价高，导致用户流失

分析得出，商品种类子类别与销量的相关系数为0.23，表明俩者弱相关。所以销量多少与商品种类子类别个数没有必然原因。要从运营和价格方面进一步挖掘，购买销量热销和滞销的原因。

5.2.4 热销种类商品与普通销量种类商品原因分析

A.对热销产品进行年内同比比较，分析热销原因

上图中，商品种类28、50008168在每年在5月和11月销售量都有一个峰值，这与5月节日和11月双十一促销活动有关。可见每年在节日活动上28和50008168两类商品促销效果不错，可以进一步分析当时采用活动策略，辅助其他商品进行促销提升。

商品种类50014815虽然为热销产品但在5月和11月没有明显峰值增加，具体分析每年当月环比比较销售情况

由上可知，每年50014815在在母情节、劳动节、520节日、61儿童节、双11有一定销量增长，但不稳定且销量不够大。说明客户有一定需求量但主动性购买或者平台推销不够力度，可以针对50014815做运营促销。

B.对滞销产品进行年内同比比较，分析销量一般原因

上图中，商品种类38、122650008商品在5月、11月促销效果也不错。可以进一步进行保持往期活动促销，并且借鉴热销产品的促销手段。

商品种类50022520双11销量并不乐观，进一步分析11月份往年销量。上图中，50022520种类商品双11销量比往常有所增加，但销量不明显。50022520种类商品双11可以借鉴热销产品营销方式。

5.2.5 会员复购率情况

A.分析电商商家用户整体留存情况：

从会员复购率来看，用户购买后选择再次购买的概率非常低仅有0.17%。需要商家平台具体分析平台服务和商品质量等问题，来提升平台留客率；同时增加一些召回运营活动，提高老用户活跃度。

根据每年复购情况进一步分析，可见每年复购率并没有一个良性增长，说明在提升用户活跃度和存留率情况是目前电商最大问题。需要在用户活跃度和存留率具体分析各个转化率情况，定位复购率低的具体问题。（由于电商平台复购率极低不对年内进行分析）

B.电商商家用户对不同种类商品复购情况

进一步比较哪些种类商品用户倾向于复购

上图中，商品种类38、50008168用户再次购买的概率更多，其次28和50014815种类商品。针对买过此商品的用户可以进行同类商品推荐，增加销售量。

5.3 用户维度

5.3.1 不同婴儿年龄与各商品种类需求关系（把年龄分为五个年龄层，方便用户分类分析）

上图中，用户更偏向在婴儿乳儿期（0-1岁）购买产品，其次在婴儿期（1-2岁）、未出生和学龄前期（3-7岁）销量都比较多。进一步分析不同年龄层需要不同种类商品情况。

上图中，a. 未出生婴儿的用户对商品种类50022520、50014815需求量更多，可能为孕妇产品；b.乳儿期和婴儿期的用户对商品种类50008168、50014815、28需求量更多；c. 幼儿期、学龄前期、学龄初期婴儿的用户对商品种类50008168需求量更大，大于占比例50%，其次28商品种类。可以根据以上规律对用户画像进行准确商品推荐，提高用户活跃度，进而提高电商平台GMV总值。

5.3.2 不同婴儿性别与各商品种类需求关系

A.电商商家婴儿性别整体情况

由上可知，电商商家用户中婴儿性别女性的用户数和购买量占比超过50%，但整体销量并未从性别体现差距。可针对婴儿为女性的用户增加一些促销方式，例如优惠券、打折等活动，但不是主要提升业绩方式。

B.电商商家婴儿性别与各商品种类销售情况

上图中，a. 婴儿女性和男性的用户都对28、50008168、50014815种类商品的需求量更多；b. 婴儿男性的用户对122650008种类商品需求占比大于女性；c. 婴儿女性用户对50008168、50014815、38种类商品购买需求会占比大于男性。根据用户画像，针对婴儿为女性用户多推荐50008168、50014815、38种类商品；婴儿为男性多推荐28、122650008种类商品。

六、总结与建议

6.1市场维度

• 把握市场长期发展趋势，电商商家母婴商品销量逐年增长，可见市场盈利趋势很好。但全年销量波动较大，拓展引流获客渠道，扩充商品类别及商品种类，提高用户留存率以抢占在线母婴商品市场份额。
• 每年春节期间尤其春节放假前夕，由于快递停运影响商品销量下降为全年最低，可在春节前做大型促销活动减少商品库存量，且避免推广引流活动投入。
• 每年针对母亲节、520节日、61儿童节、感恩节节日进行促销运营活动，可以有效提高销量。双十一和双十二活动引流效果十分显著，可以提前进行活跃规划、运营规划、通知商家保证库存量。售后增加商品物流寄发批次保证商品发货运输速度，增加活动当日的客服工作人手，提高回复效率改善用户购物体验感，推出预购活动，减少备货压力、活动当日工作压力及商品积压风险。

6.2产品维度

• 平台复购率极低0.17%，说明电商平台要对客户服务、售后服务、商品质量等一些列环节进行优化调整，提高留客率。
• 28、50008168、50014815这三类商品为热销产品，且占母婴商品市场整体销售份额82%，电商商家应保证此三类商品库存。利用热销商品类别用户群体庞大的优势为其他利润空间大但用户数量少的商品类别引流，提高流量转化价值。
• 在营销方面50008168、38、122650008种类商品平均购买力度可观，可以增加买多增一等优惠活动进行促销。
• 节日和大型促销活动上，28和50008168种类热销商品促销销量可观，可以借鉴分析当时运营活动；50014815种类热销商品在节日和活动上促销力度不够，可以增加曝光展示和推荐营销促销；38商品人均购买量高，销量增长潜力客观，可以进一步在展示页面和推荐算法上进行优化，增加用户数量提高销售量。

6.3用户维度

• 根据用户画像，对用户进行用户群分类，可以进行精准推荐保证用户活跃度、留存率、成交量、销售额等指标。
• 针对婴儿为女性用户多推荐50008168、50014815、38种类商品；婴儿为男性多推荐28、122650008、50022520种类商品。
• 未出生婴儿的用户跟偏向购买50022520、50014815种类商品；乳儿期和婴儿期的用户更偏向购买50008168、50014815、28种类商品；幼儿期、学龄前期和学龄初期的用户偏向购买50008168、28种类商品。
• 在新产品角度：50008168商品优先推荐幼儿期、学龄前期和学龄前期婴儿的用户；50014815种类商品优先推荐未出生、乳儿期和婴儿期的用户；50022520种类商品优先推荐未出生婴儿的用户；28种类商品在乳儿期、婴儿期、幼儿期、学龄前期的用户需求量相差不大，可以进行多用户群体推荐。
• 根据数据更新结果及时优化推荐方案，利用大数据做出针对性的定制方案，定期回访客户并提醒用户购物储备，提高用户粘性。

七、分析报告