实战数据分析案例详解—— 巴西电商平台交易数据分析！

 

 

1.1 背景简介

 

数据来源于巴西Olist（2016年8月-2018年8月）电商数据平台的数据。本次数据分析作品只筛选了2017-2018年的数据来进行分析。 数据来源链接：https://www.kaggle.com/jainaashish/orders-merged

 

分析目的：分析该数据可以看出近两年的销售业绩变化，卖家的经营状况，客户的区域分布，客户的购买偏好等，以便改善现有的状况，提升业绩。

 

1.2 分析思路介绍

 

 

1.2.1提出问题

 

 

• ①　在2017年1月-2018年8月，为什么销量呈现上涨趋势？
• ②　哪类商品最热销，可主推？
• ③　用户的地域对于销量的影响？如何做到精准营销？
• ④　用户偏好哪种支付模式，是否可以在线支付公司深度合作？
• ……

 

1.2.1分析框架

 

 

 

 

1.2.3数据清洗整理

 

 

本作品分析数据来源于巴西电商平台的orders-merged交易数据，由于分析需要，在分析过程中只保留了2017-2018年（8月）的数据，相关字段描述如下：

 

 

序号	原始字段	字段类型	描述	作品是否使用
1	product_id	字符型	产品ID	是
2	seller_id	字符型	卖家ID	是
3	order_id	字符型	订单ID	是
4	customer_id	字符型	客户ID	是
5	order_status	字符型	订单状态	否
6	order_purchase_timestamp	日期型	下单时间	是
7	order_approved_at	日期型	审批时间	否
8	order_delivered_carrier_date	日期型	过账日期	否
9	order_delivered_customer_date	日期型	订单交货日期	否
10	order_estimated_delivery_date	日期型	预计交货日期	否
11	customer_unique_id	字符型	客户标识ID	是
12	customer_zip_code_prefix	数值型	客户邮政编号	否
13	customer_city	字符型	客户城市	是
14	customer_state	字符型	客户所在洲	是
15	review_id	字符型	评论ID	是
16	review_score	数值型	评论得分	是
17	review_comment_title	字符型	评论标题	否
18	review_comment_message	字符型	评论内容	否
19	review_creation_date	日期型	满意度调查日期	是
20	review_answer_timestamp	日期型	满意度回复日期	是
21	payment_sequential	字符型	付款顺序	否
22	payment_type	字符型	付款方式	是
23	payment_installments	数值型	分期付款数	是
24	payment_value	数值型	交易金额	是
25	order_item_id	数值型	序号	否
26	price	数值型	商品价格	是
27	freight_value	数值型	运费	是
28	seller_zip_code_prefix	数值型	卖家邮政编号	否
29	seller_city	字符型	卖家城市	是
30	seller_state	字符型	卖家所在洲	是
31	product_category_name	字符型	商品类别名称	是
32	product_name_lenght	数值型	产品名称长度	否
33	product_description_lenght	数值型	产品说明长度	否
34	product_photos_qty	数值型	产品照片数量	否
35	product_weight_g	数值型	产品重量	否
36	product_length_cm	数值型	产品长度	否
37	product_height_cm	数值型	产品高度	否
38	product_width_cm	数值型	产品宽度	否

 

 

3.2.4指标体系

 

 

序号	指标名称	解释说明	是否派生
1	交易金额	/	否
2	商品价格	/	否
3	客户数	FineBI计算逻辑为counted_agg(customer_id)	是
4	客单价	客单价 = 总交易金额 / 用户数	是
5	订单量	FineBI计算逻辑为counted_agg(order_id)	是
6	笔单价	笔单价 = 总交易金额 / 订单量	是
7	商家数	FineBI计算逻辑为counted_agg(seller_id)	是
8	城市数量	FineBI计算逻辑为counted_agg(customer_city)	是

 

 

1.3 数据分析过程

 

 

1.3.1整体情况

 

• 客单价 = 总交易金额 / 用户数；用户数：93104，客单价：162.45。
• 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。
• 近两年Olist电商平台的用户量、交易金额、商家数量有逐渐上升的趋势。

 

 

1.3.2时间维度

 

 

年交易情况

 

 

• 2017年交易金额：6798411，截止到2018年8月交易金额：8325970，环比2017年增长22.47%。
• 2017订单量：43428，截止到2018年8月订单量：52783，环比2017年增长21.54%。

 

 

季度交易情况

 

月交易情况

 

交易金额整体上有逐渐上升的趋势。2017年11月达到峰值：1138353元，环比增加54.11%。其中，订单量为7289。接下来分析，为什么销量一直上涨，特别是2017年11月突然上涨到了最高峰。

 

这里针对2017年11月交易金额达到峰值问题下钻。查看2017年11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。（注意到，11月24日是11月的最后一个星期五，即“黑色星期五”，由此可以得出其中一个结论，由于促销活动带来销量上涨）

 

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。

 

继续下钻看看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（前20），这里主要是由于sao paulo这个城市贡献的交易额和订单量。

 

 

1.3.3商家维度

 

数据结果显示，商家主要集中在SP、PR、MG这三个洲，占了78.83%。加上SC，占比超过了80%；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%，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。

 

 

另外商家数量2017-2018期间，一直处于增长趋势，这也是该平台销量呈现上涨趋势的原因之一。

 

 

1.3.4用户维度

 

 

流失用户占比等于总用户数的8.16%，流失状态占比较大，该电商应该更注重于用户维持。重要深耕用户人数占比为35.90%，交易金额 537.95 万，其次是重要挽回客户， 人数占比为22.99%  。重要深耕用户和重要挽留客户的交易金额总占比达到70%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8.15%，占比少。

 

 

用户在10-13点、20-24点这个时间段写评论的较多，5分的占了总评论数的58.92%，4分的占了总评论数的19.65%，好评率约为78%，差评率超过20%，需要重点关注。

 

 

3.3.5产品维度

 

2017-2018各商家共供货 73 种品类，30984 种产品，平均售价为 125.17 元；明星产品偏少，建议优化产品结构。

 

 

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。

 

 

1.4 总结与建议

 

 

• 促销活动与销售金额、订单量强相关，建议除了黑色星期五外，定期进行相关促销活动。
• 明星产品较少，建议鼓励商家做好市场调研，引进明星产品，并将明星产品与其他产品进行绑定销售。
• 做好用户回访，深入分析客户差评的原因，并进一步优化客服工作。
• 加强与在线支付公司credit_cart、boletol合作，维护好关系，达成长期合作合同，增加推广盈利收入。

 

数据分析可视化报告：

 

以上数据分析案例使用了FineBI制作，网站提供了丰富的数据和工具！

 

学习资料见知识星球。

以上就是今天要分享的技巧，你学会了吗？若有什么问题，欢迎在下方留言。

快来试试吧，小琥 my21ke007。获取 1000个免费 Excel模板福利​​​​！

更多技巧， www.excelbook.cn

欢迎 加入 零售创新 知识星球，知识星球主要以数据分析、报告分享、数据工具讨论为主；

1、价值上万元的专业的PPT报告模板。

2、专业案例分析和解读笔记。

3、实用的Excel、Word、PPT技巧。

4、VIP讨论群，共享资源。

5、优惠的会员商品。

6、一次付费只需99元，即可下载本站文章涉及的文件和软件。