淘宝婴儿用品购买情况分析报告-编程知识

一.分析背景和目的

随着购物网站的发展，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，需要从产品和用户不同的角度进行分析，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婴儿用品购买数据为例，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

数据集内容为淘宝天猫上用户2012年7月至2015年2月购买婴儿用品的购买记录

数据包含两个表，每个表的列名及含义如下：

二.分析思路

（一）根据数据集里包含的数据，提出以下问题进行分析：

1.产品角度

1）成交总数量的波动情况如何

单次购买量波动情况
购买次数波动情况

2）热销产品，销量最少的产品是哪些

2.用户角度

1）男女婴儿对不同商品类别的需求有无差异

2）不同年龄婴儿对不同商品类别的需求有无差异

下面的图展示了具体的分析思路及要用到的分析方法。之后在分析过程中会再详细展示如何用这些分析方法进行分析的

（二）数据清洗

1.将所有数据复制到新的表格里，在新的表格里进行数据清洗

冻结首行，将列标题的英文字段转换成汉字字段
检查是否有重复值：首先对表一用户ID和购买行为编号两列进行重复值突出显示，筛选出用户ID重复项，在此基础上筛选购买行为编号重复项，发现购买行为编号无重复值，故表1无重复值，无需删除。对表二用户ID列进行重复值突出显示，发现没有重复值，无需删除
隐藏不需要分析的列：隐藏掉购买行为编号，商品属性两列

3.查找缺失值

通过对各未隐藏列单元格计数，发现每列单元格数目相同，无缺失值，不做处理

4.一致化处理

通过数据分列功能将购买时间和生日日期戳转换为ymd日期格式
性别列，将1,2表达方式换为男女，通过IF函数实现，返回结果错误的，将其删掉

5.将两个表内容合在一起，通过vlookup函数实现。通过整合两个表发现，表一中的用户只有少部分有登记婴儿性别和出生日期。所以之后在分析问题时，如果有涉及到婴儿信息字段的，将只对登记了婴儿信息的用户购买行为进行分析

算出购买行为发生时婴儿的年龄（考虑到婴儿年龄跨度较小，并且考虑到不同年龄对商品需求差异可能会较大，故将婴儿的年龄及月份都计算列示出来，以便于后面的分析）

先通过dateif（出生时间，购买时间，“M”）计算购买时的月份，发现有的结果显示为负值，说明用户在婴儿未出生时就开始购买商品。之后将年龄用int和mod函数进行处理，得出岁数和未满一年的月份

6.处理异常值

以月龄为单位，计算的四分位数结果如下

可以看出极端异常值为120，表中超过120的有4条信息：129/130/141/339，将其作为异常值删掉

对所有商品的单次购买数量求四分位数，得出结果如下：

可以看出单次购买数量的最小值，四分位数都是1，最大值是10000，如果根据极端异常值来判断异常值，则单次购买数量大于1的都将作为异常值被删掉，这又显然不符合实际情况，因为确实存在用户单次购买数量大于1的情况

三.分析内容

（一）产品角度

1.成交总量

图1：所有商品总销售量随时间变化情况

图2：所有商品每年销售量按月分布情况

从上面两个图可以看出，每月的销售量同比都在增加，说明平台的销售量每年都在增长的。每年中的11月份销量达到最大，每年的5月也是一个高峰期。每年的2月销量是一年中最低的（因为2015年2月份只有1~5号的数据，所以2015年2月的销量很低）

接下来分析11月和5月销量增大以及2月份销量下滑的原因

先使用多维度拆解分析方法，对总销售量这个指标进行拆解，按照指标构成进行拆解。总销售量= $\sum$ 用户单次购买量，这里面其实有两个变量，用户单次购买数量和购买次数

再用假设检验分析方法，来逐个验证是哪个指标影响了总销售量

先假设是用户单次购买数量造成了销售量的波动，即用户在11月和5月单次购买数量增长很多。在2月单次购买数量下降很多，求出每个月用户单次购买数量的平均值，得出：
图3：用户每月单次平均购买量

可以看出婴儿的平均购买量为2.54，整体看来波动并不是很大，所以总销售量的波动原因不是用户的单次购买数量波动造成的

接下来假设总销量的变动是购买次数引起的，将所有用户购买次数按月分布，得到：

图4：用户购买次数按月分布情况

可以看出，购买次数在11月有较大增长，2月达到每年的最低，购买次数与总销售量的波动是一致的，可以判断出销售量的波动是由购买次数的波动造成的。所以在分析销量波动原因的时候可以分析购买次数的波动原因

下面分析11月份购买次数增加的原因

将2012~2014每年11月份的购买次数用折线图绘制出来，得到：

图5：用户2012~2014年11月份购买次数

可以看出，每年的11月11日的购买次数激增，当天的购买次数都远超当年日平均购买次数，并且每年的增长幅度逐渐增大。这是因为淘宝天猫在做双十一促销活动，所以这一天的购买次数特别高，并且随着双十一购物节深入人心以及经济的增长，每年的购买力度涨幅也逐年增大

同样将2013~2014年5月份每天的购买次数展示出来，得到下图：

图6:2013~2014年5月份每天购买次数分布情况

可以看出，2013和2014年5月的购买次数基本都在每年日平均购买次数上面，这说明5月份的购买次数之和将在全年购买次数分布中是一个小高峰

两条5月的购买次数每天的走势基本是一致的，三次增长的时间和原因如下：

下面分析每年2月份购买次数下降的原因

将2013~2015年每年的1~2月份每天的购买次数展示出来，得到

图7:2013~2015每年1~2月份每天的购买次数分布情况

可以看出，2013和2014年1~2月的购买次数基本都在全年日平均购买次数下面，这两个月的购买次数总和在全年分布中将是一个谷底

再看购买次数最低的时间和原因

2015年春节是在2月19日，原数据中只有到2月5日的数据，可以看出2015年的购买次数还未出现较大下滑。如果数据完整，可以合理预计2月19日的购买次数也是最低点

对购买次数指标再进行拆解，购买次数中包含了新用户购买次数和老用户购买次数，那么购买次数的变化主要是新用户带来的，还是老用户带来的

因为数据有限，我们假设在已有的购买记录中，第一次出现的用户ID都为新用户，第二次及之后出现的用户为老用户，将新老用户购买次数按月展示出来，得到：

图8：新老用户购买次数按月分布情况

可以看出，老用户购买次数极少。因为活跃用户数=新用户购买人数+老用户购买人数（极少），所以活跃用户数约等于新用户购买人数了。老用户购买次数极少也就说明了复购用户数极少，这个要结合更多的信息去判断原因，比如是不是这几种商品类别都是耐用品，不需要多次购买。如果是易耗品的话，复购用户这么少，就需要商家提高产品粘性

总成交量的变化不是由用户单次购买量引起的，因为用户平均单次购买量比较平稳。那么对于不同的商品类别，用户单次购买量是否同样比较平稳呢？将每种商品类别的季度婴儿平均购买量展示出来，得到：

图9：每种商品类别婴儿平均购买量（按季度）