一份电商数据分析案例
1. 分析背景
这是一份巴西Olist(2016年8月-2018年8月)电商数据平台的数据。这里只筛选了2017-2018年的数据来进行分析。
分析该数据可以看出近两年的销售业绩,店铺的经营状况,客户的区域分布,客户的购买偏好,以改善现有的状况,提升业绩。
数据链接:https://www.kaggle.com/jainaashish/orders-merged
数据解读:
2. 分析框架
3. 可视化+分析
3.1 整体情况
笔单价 = 总交易金额 / 订单量
近两年的总交易金额:15124382,订单量:96211,笔单价:157.20。
客单价 = 总交易金额 / 用户数
用户数:93104,客单价:162.45。
3.2 时间维度
3.2.1 年交易金额、订单量情况
2017年交易金额:6798411,2018年交易金额:8325970,环比2017年增长22.47%。
2017订单量:43428,2018年订单量:52783,环比2017年增长21.54%。
3.2.2 季度交易金额、订单量情况
各季度交易金额、订单量总体上呈现上升趋势。
预测2018第三季度交易金额:308W左右,订单量:19000。
预测2018第四季度交易金额:233W,订单量:14000。
预测2018年总交易额突破1000W。
3.2.3 月交易金额情况
交易金额整体上有逐渐上升的趋势。2017年11月达到峰值:1138353,环比增加54.11%。
这里针对2017年11月交易金额达到峰值问题下钻。
查看2017年10月-12月的交易金额、订单量情况。
2017年11月24日这天的交易金额、订单量达到峰值,导致11月整个月的交易金额、订单量达到峰值。
由于这里的产品分类比较多,不好下钻到某些爆款产品的。
下钻11月24是哪个洲的交易金额和订单量最多。
11月24的交易金额、订单量主要来自SP这个洲。
下钻哪个城市的交易金额、订单量比较多。
这里城市数量比较多,只截取了交易额、订单量最多的部分。
这里主要是由于sao paulo这个城市贡献的交易额和订单量。
继续下钻到产品的类别名称。
类别名称:cama_mesa_banho的交易额和订单量最大,其次是relogios_presentes的交易金额居第二。
其中类别名称:cama_mesa_banho、relogios_presentes、moveis_decoracao、beleza_saude这四个当天销售额达到12K以上。
3.2.4工作日的交易金额、订单量情况
巴西人民主要在工作日在Olist电商平台购买东西。
3.2.5那个时间段的订单量多
该电商平台除了睡觉时间,其他时间的客流量都相对稳定。
3.3 商家维度
3.3.1 商家洲分布
商家主要集中在SP、PR、MG这三个洲,占了78.83%。
3.3.2 洲交易金额、订单量情况
SP洲的交易金额和订单量位居第一,与第二的PR洲差距明显,SP洲的交易金额占了总交易金额的64.57%,订单量占了70.95%。SP洲的头部效应明显。
SP、PR、MG这三个洲的累计交易金额和订单量都达到 81% 以上,该电商平台应该重点关注这三个洲。
3.3.3 交易金额前10的城市
sao paulo这个城市的交易金额最多,为3040825。
3.3.4 RFM模型分析用户价值
用户主要是流失用户、新用户、重要深耕用户、重要挽回客户居多。
其中,流失用户占比等于总用户数的24.43%,1/4的处于流失状态,该电商应该更注重于用户维持。
重要深耕用户人数占比为23.34%,交易金额占了38.37%,其次是重要挽回客户,交易金额占比37.28%。重要深耕用户和重要挽留客户的交易金额总占比达到75%以上,这两类的客户应该重点关注。
重要价值的客户的人数仅占了3.04%,占比少。
3.4 用户维度
3.4.1 用户洲分布
SP洲的客户群占比最高,41.96%,其次是RJ和MG洲,差异明显。
3.4.2 用户城市分布
sao paulo这个城市用户最多。
3.4.3 评论分数及其占比
划分标准:
4-5分:好评
3分:中评
3分以下:差评
5分的占了总评论数的58.75%,4分的占了总评论数的15.27%,好评率达到74.02%,差评率:18.79%。
3.4.4 评论活跃时间段
用户在10-13点、20-24点这个时间段写评论的较多。
3.5 产品维度
3.5.1 销售额前10的产品
各产品的交易金额较均衡,差距不大,说明头部产品的作用不明显。
产品ID:bb50f2e236e5eea0100680137654686c的交易金额最多,为64081。
3.5.2 前10类别名称及其占比
前10类别名称的占了总交易额的62.47%,前17类别名称的占了总交易额的79.94%,头部效应明显。
3.6 支付方式
3.6.1 支付方式及其占比
用户主要选择credit_cart、boletol来进行支付。
75.79% 的用户选择用credit_cart来支付。
19.89% 的用户选择用boleto来支付。
3.6.2 分期付款数及其占比
近一半的用户选择分期付款数1。
分期付款数主要集中在2-10期。
分期付款数大于等于2的都选择用credit_cart来进行支付。
3.6.3支付金额在那个区间的人数多
交易金额在50-99的人数最多,占了30.21%。
其次是100-149以下的,占了19.69%。
4. 总结
Olist电商平台的交易金额、订单量有逐渐上升的趋势。
2- 018年前8月份的交易金额已超过2017年的交易金额,预计2018年总交易金额突破1000W。2017年11月的交易金额达到峰值是由于SP洲的san paulo这个城市的当天的订单量多,导致交易金额增加,下钻到类别名称是cama_mesa_banho、relogios_presentes、moveis_decoracao、beleza_saude这四个类别的商品购买需求增加。
巴西人民更倾向于在工作日、工作时间内去Olist购物,在10-13点、20-24点写评论的较多。
商家和用户主要聚集在SP洲最多、接着就是PR、MG、SC、RJ这四个洲。
san paulo这个城市的交易金额最多,该重点关注该城市。
Olist电商平台的好评率达到74.02%。
- MySQL数据分析案例---电商数据分析
- 案例:电商交易数据分析
- Python案例分析——电商交易数据分析
- 电商数据分析入门-基于RFM模型的用户分析案例笔记
- 大数据Spark “蘑菇云”行动第96课:基于Hive对电商数据案例分析
- 电商数据分析案例
- Python数据分析案例实战
- 利用 Python 进行数据分析(二)尝试处理一份 JSON 数据并生成条形图
- R语言 - 基于'狗熊会'基础数据:[筝声琴韵,寻寻觅觅]的案例分析 - 未完成
- 数据分析挖掘全套课程视频spss/sas/R/excel/案例实战体系教学
- 如何写一份完美的数据分析报告?
- 【用户行为即时分析查询】 数据仓库实现 案例分享
- 2017年数据分析与机器学习实战到经典案例全套高清视频教
- 电商平台系统架构设计案例分析
- 学习笔记(04):零基础搞定Python数据分析与挖掘-爬虫案例3 -- 历史天气数据
- 淘宝电商用户行为数据分析及可视化—基于MySQL/Power BI(含代码)
- 第113课:Spark Streaming电商广告点击综合案例实战模拟点击数据的生成和数据表SQL建立
- 百亿级别数据量,又需要秒级响应的案例,需要什么系统支持呢?下面介绍下大数据实时分析工具Yonghong Z-Suite
- Spark商业案例与性能调优实战100课》第2课:商业案例之通过RDD实现分析大数据电影点评系统中电影流行度分析
- 4大案例分析金融机构如何“驾驭”大数据