雙十一電商打折套路解析

 

 雙十一打折套路分析

1、從現有數據中，分析出“各個品牌都有多少商品參加了雙十一活動？”

1、從現有數據中，分析出“各個品牌都有多少商品參加了雙十一活動？”

① 計算得到：商品總數、品牌總數
② 雙十一當天在售的商品占比情況
（思考：是不是只有雙十一當天在售的商品是“參與雙十一活動的商品？”）
②    未參與雙十一當天活動的商品，在雙十一之后的去向如何？
③    真正參與雙十一活動的品牌有哪些？
其各個品牌參與雙十一活動的商品數量分布是怎樣的？
   * 用bokeh繪制柱狀圖表示

---->>>
① 數據的“id”字段為商品的實際唯一標識，“title”字段則為商品在網頁上顯示的名稱
   * 仔細看數據可以發現，同一個id的title不一定一樣（雙十一前后）
② 數據的“店名”字段為品牌的唯一標識
③ 按照商品銷售節奏分類，我們可以將商品分為7類
   A. 11.11前后及當天都在售 → 一直在售
   B. 11.11之后停止銷售 → 雙十一后停止銷售
   C. 11.11開始銷售並當天不停止 → 雙十一當天上架並持續在售
   D. 11.11開始銷售且當天停止 → 僅雙十一當天有售
   E. 11.5 - 11.10 → 雙十一前停止銷售
   F. 僅11.11當天停止銷售 → 僅雙十一當天停止銷售
   G. 11.12開始銷售 → 雙十一后上架
④ 未參與雙十一當天活動的商品，可能有四種情況：
   con1 → 暫時下架（F）
   con2 → 重新上架（E中部分數據，數據中同一個id可能有不同title，“換個馬甲重新上架”），字符串查找特定字符 dataframe.str.contains('預售')
   con3 → 預售（E中部分數據，預售商品的title中包含“預售”二字）
   con4 → 徹底下架（E中部分數據），可忽略
⑤ 真正參加活動的商品 = 雙十一當天在售的商品 + 預售商品 （可以嘗試結果去重）
   通過上述幾個指標計算，研究出哪些是真正參與雙十一活動的品牌，且其商品數量是多

 

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt

import warnings
warnings.filterwarnings('ignore')

from bokeh.plotting import figure, show, output_file
from bokeh.models import ColumnDataSource

'''
（1）導入數據
'''
import os
os.chdir(r'C:\\Users\\Administrator\\Desktop\\python數據分析\\項目\\08電商')
df = pd.read_excel('雙十一淘寶美妝數據.xlsx', sheetname = 0)

df.fillna(0, inplace = True)
df.index = df['update_time']
df['date'] = df.index.day
#加載數據，提取日期

'''
（2）雙十一當天在售的商品占比情況
'''
data1 = df[['id', 'title', '店名', 'date']]
d1 = data1[['id', 'date']].groupby(by = 'id').agg(['min', 'max'])['date'] #每個商品銷售的第一天和最后一天的日期；
#統計不同商品的銷售開始、結束日期

id_11 = data1[data1['date'] == 11]['id']
d2 = pd.DataFrame({'id':id_11, '雙十一當天是否售賣':True})
#篩選雙十一當天售賣的商品id

id_date = pd.merge(d1, d2, left_index = True, right_on = 'id', how = 'left')
id_date.fillna(False, inplace = True)
m = len(d1)
m_11 = len(id_11)
m_pre = m_11 / m
print('雙十一當天參與活動的商品為%i個， 占比%.2f%%' % (m_11, m_pre*100))

'''
（3）商品銷售節奏分類
'''
id_date['type'] = '待分類'
id_date['type'][(id_date['min'] < 11 ) & (id_date['max'] > 11)] = 'A'
id_date['type'][(id_date['min'] < 11 ) & (id_date['max'] == 11)] = 'B'
id_date['type'][(id_date['min'] == 11 ) & (id_date['max'] > 11)] = 'C'
id_date['type'][(id_date['min'] == 11 ) & (id_date['max'] == 11)] = 'D'
id_date['type'][id_date['雙十一當天是否售賣'] == False] = 'F'
id_date['type'][id_date['max'] < 11] = 'E'
id_date['type'][id_date['min'] > 11] = 'G'
#銷售節奏分類

result1 = id_date['type'].value_counts()
result1 = result1.loc[['A', 'C','B', 'D', 'E', 'F', 'G']]
#計算不同類別的商品數量

from bokeh.palettes import brewer
colori = brewer['YlGn'][7]

plt.axis('equal')
plt.pie(result1, labels = result1.index, autopct = '%.2f%%', colors = colori,
        startangle = 90, radius = 1.5, counterclock = False)

'''
（4）未參與雙十一當天活動的商品，去向如何
'''
id_not11 = id_date[id_date['雙十一當天是否售賣'] == False]
df_not11 = id_not11[['id', 'type']]
data_not11 = pd.merge(df_not11, df, on = 'id', how = 'left')
#找到雙十一當天未參與活動的商品對應的原始數據

id_con1 = id_date['id'][id_date['type'] == 'F'].values
#篩選出con1，雙十一暫時下架的商品
data_con2 = data_not11[['id','title','date']].groupby(by = ['id','title']).count()
#做個分類，區分，分組，計數

title_count = data_con2.reset_index()['id'].value_counts() #同一個id可能有兩個名稱
#data_not11[data_not11['id'] == 'A536510937963'] 這里id有多個名稱
id_con2 = title_count[title_count > 1].index
#篩選出con2,id不止一個的名稱

data_con3 = data_not11[data_not11['title'].str.contains('預售')]
id_con3 = data_con3['id'].value_counts().index
#篩選出con3，預售的
print('未參與雙十一當天活動的商品中：%i個為暫時下架，%i個重新上架商品，%i個為預售商品'%(len(id_con1), len(id_con2), len(id_con3)))

'''
（5）真正參與雙十一活動的商品及品牌情況
真正參與雙十一活動的商品 = 雙十一當天在售的商品 + 預售商品 （可嘗試結果去重）

'''
data_11sale = id_11 #雙十一當天在售的
id_11sale_final = np.hstack((data_11sale, id_con3)) #垂直豎向堆疊把他倆加起來，真正參加活動的商品
result2_i = pd.DataFrame({'id':id_11sale_final}) #把它變成dataframe
#真正參與雙十一活動的商品,只得到它的id，還要得到它的品牌---->>>
x1 = pd.DataFrame({'id':id_11})
x1_df = pd.merge(x1, df, on = 'id', how = 'left')  #把源數據找到
brand_11sale = x1_df.groupby('店名')['id'].count()
#不同品牌當天參與雙十一活動的商品數量
x2 = pd.DataFrame({'id':id_con3})
x2_df = pd.merge(x2, df, on = 'id', how = 'left')
brand_ys = x2_df.groupby('店名')['id'].count()
#不同品牌的預售商品數量

result2_data = pd.DataFrame({'當天參與活動的商品數量': brand_11sale, '預售商品數量':brand_ys})
result2_data['總量'] = result2_data['當天參與活動的商品數量'] + result2_data['預售商品數量']
result2_data.sort_values(by = '總量', inplace = True, ascending = False)
#計算結果

from bokeh.models import HoverTool
from bokeh.core.properties import value

lst_brand = result2_data.index.tolist()
lst_type = result2_data.columns.tolist()[: 2]
colors = ['red', 'green']
#基本參數

result2_data.index.name = 'brand'
result2_data.columns = ['sale_on_11', 'presell', 'sum']
source = ColumnDataSource(result2_data)

hover = HoverTool(tooltips = [("品牌", "@brand"),
                              ("雙十一當天參與活動的商品數量", "@sale_on_11"),
                              ("預售商品數量", "@presell"),
                              ("真正參與雙十一活動的商品總數", "@sum")])
output_file('project8_pic1.html')
p = figure(x_range = lst_brand, plot_width = 900, plot_height = 350,
           title = '各個品牌參與雙十一活動的情況',
           tools = [hover, 'xwheel_zoom, pan, crosshair'])
p.vbar(top = 'sum', x = 'brand', source = source,
       width = 0.9,
       #color = colors,
       alpha = 0.7,
       #legend = [value(x) for x in 1st_type]
        muted_color = 'black', muted_alpha = 0.2)
show(p)

print('finish')

 

 

 

2、哪些商品真的在打折呢？

2、哪些商品真的在打折呢？

① 針對每個商品，評估其打折的情況
② 針對在打折的商品，其折扣率是多少
   * 用bokeh繪制折線圖：x軸為折扣率，y軸為商品數量
③ 按照品牌分析，不同品牌的打折力度
   * 用bokeh繪制浮動散點圖，y坐標為品牌類型，x坐標為折扣力度

----->>>
① 打折情況評估方法：
   真打折：商品的價格在10天內有波動、雙11價格為10天內最低價、不存在漲價現象
   不打折：商品價格無變化
② 針對每個商品做price字段的value值統計，查看價格是否有波動，可以先用pd.cut將date分為不同周期：'雙十一前','雙十一當天','雙十一后'，得到period字段
   data[['id','price','date']].groupby(['id','price']).min()
   針對統計出來的結果，如果按照id和price分組仍只有一個唯一值，則說明價格未變，沒打折；否則為打折
③ 折扣率 = 雙十一當天價格 / 雙十一之前價格
④ 作圖過程中，清除掉折扣率大於95%的數據

 

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt

import warnings
warnings.filterwarnings('ignore')

from bokeh.plotting import figure, show, output_file
from bokeh.models import ColumnDataSource

from bokeh.models import HoverTool
from bokeh.core.properties import value

'''
（1）導入數據
'''
import os
os.chdir(r'C:\\Users\\Administrator\\Desktop\\python數據分析\\項目\\08電商')
df = pd.read_excel('雙十一淘寶美妝數據.xlsx', sheetname = 0)

df.fillna(0, inplace = True)
df.index = df['update_time']
df['date'] = df.index.day
#加載數據，提取日期

data2 = df[['id', 'title', '店名', 'date', 'price']]
data2['period'] = pd.cut(data2['date'], [4,10,11,14], labels = ['雙十一前', '雙十一當天', '雙十一后'])
#篩選數據
'''
（2）針對每個商品，評估其打折的情況
'''
price = data2[['id', 'price', 'period']].groupby(['id', 'price']).min()
price.reset_index(inplace = True)
#查看數據是否有波動

id_count = price['id'].value_counts()
id_type1 = id_count[id_count == 1].index
id_type2 = id_count[id_count != 1].index
#篩選出“不打折”與“打折”商品數量

'''
（3）針對在打折的商品，其折扣率是多少，並制作圖表
'''
result3_data1 = data2[['id', 'price', 'period', '店名']].groupby(['id', 'price']).min()
result3_data1.reset_index(inplace = True)
#篩選數據

result3_before11 = result3_data1[result3_data1['period'] == '雙十一前']
result3_at11 = result3_data1[result3_data1['period'] == '雙十一當天']
result3_data2 = pd.merge(result3_before11, result3_at11, on = 'id')
#合並數據

result3_data2['zkl'] = result3_data2['price_y'] / result3_data2['price_x']
#計算折扣率

bokeh_data = result3_data2[['id', 'zkl']].dropna()
bokeh_data['zkl_range'] = pd.cut(bokeh_data['zkl'], bins = np.linspace(0, 1, 21))
bokeh_data2 = bokeh_data.groupby('zkl_range').count().iloc[:-1]
bokeh_data2['zkl_pre'] = bokeh_data2['zkl'] / bokeh_data2['zkl'].sum()
#計算折扣區間占比

output_file('project8_pic2.html')
source1 = ColumnDataSource(bokeh_data2)
lst_zkl = bokeh_data2.index.tolist()
hover = HoverTool(tooltips = [("折扣率", "@zkl")])

p = figure(x_range= lst_zkl, plot_width=900 ,plot_height=350, title = '商品折扣率統計',
           tools = [hover, 'reset, xwheel_zoom, pan, crosshair'])
p.line(x = 'zkl_range', y = 'zkl_pre', source = source1, line_color = 'black',line_dash = (10,4))
p.circle(x = 'zkl_range', y = 'zkl_pre', source = source1, size = 8, color = 'red', alpha = 0.8)
show(p)

'''
（4）按照品牌分析，不同品牌的打折力度
'''
from bokeh.transform import jitter
brands = result3_data2['店名_x'].dropna().unique().tolist()
bokeh_data3 = result3_data2[['id', 'zkl', '店名_x']].dropna()
bokeh_data3 = bokeh_data3[bokeh_data3['zkl'] < 0.96]
source2 = ColumnDataSource(bokeh_data3)

output_file('project08_pic3.html')
p2 = figure(y_range = brands, plot_width = 900, plot_height = 600, title = '不同品牌的折扣情況',
            tools = [hover, 'box_select, reset, xwheel_zoom, pan, crosshair'])
p2.circle(x = 'zkl', 
          y = jitter('店名_x', width = 0.7, range = p2.y_range),
            source = source2, alpha = 0.3)
show(p2)

print('finish')

 

 

 

3、商家營銷套路挖掘？

3、商家營銷套路挖掘？

① 解析出不同品牌的參與打折商品比例及折扣力度，並做散點圖，總結打折套路
   * 用bokeh繪制散點圖，x軸為參與打折商品比例，y軸為折扣力度，點的大小代表該品牌參加雙11活動的商品總數
---->>>
① 折扣力度為該品牌所有打折商品的折扣均值，這里去掉品牌中不打折的數據
② 繪制散點圖后，可以將x、y軸繪制均值輔助線，將繪圖空間分為四個象限，基於該象限來總結套路

 

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt

import warnings
warnings.filterwarnings('ignore')

from bokeh.plotting import figure, show, output_file
from bokeh.models import ColumnDataSource

from bokeh.models import HoverTool

'''
（1）數據計算
'''



data_zk = result3_data2[result3_data2['zkl'] < 0.95]
result4_zkld = data_zk.groupby('店名_y')['zkl'].mean()
#篩選出不同品牌的折扣情況

n_dz = data_zk['店名_y'].value_counts()
n_zs = result3_data2['店名_y'].value_counts()
result4_dzspb1 = pd.DataFrame({'打折商品數': n_dz, '商品總數': n_zs})
result4_dzspb1['參與打折商品比例'] = result4_dzspb1['打折商品數'] / result4_dzspb1['商品總數']
result4_dzspb1.dropna(inplace = True)

result4_sum = result2_data.copy()

result4_data = pd.merge(pd.DataFrame(result4_zkld), result4_dzspb1, left_index = True, right_index = True, how = 'inner')
result4_data = pd.merge(result4_data,result4_sum,left_index = True, right_index = True, how = 'inner')


'''
（2）bokeh作圖
'''

from bokeh.models.annotations import Span            # 導入Span模塊
from bokeh.models.annotations import Label           # 導入Label模塊
from bokeh.models.annotations import BoxAnnotation   # 導入BoxAnnotation模塊


bokeh_data = result4_data[['zkl','sum','參與打折商品比例']]
bokeh_data.columns = ['zkl','amount','pre']
bokeh_data['size'] = bokeh_data['amount'] * 0.03
source = ColumnDataSource(bokeh_data)
# 創建ColumnDataSource數據

x_mean = bokeh_data['pre'].mean()
y_mean = bokeh_data['zkl'].mean()

hover = HoverTool(tooltips=[("品牌", "@index"),
                            ("折扣率", "@zkl"),
                            ("商品總數", "@amount"),
                            ("參與打折商品比例", "@pre"),
                           ])  # 設置標簽顯示內容

output_file('project8_pic3.html')
p = figure(plot_width=600, plot_height=600,
                title="各個品牌打折套路解析" , 
                tools=[hover,'box_select,reset,wheel_zoom,pan,crosshair']) 
# 構建繪圖空間

p.circle_x(x = 'pre',y = 'zkl',source = source,size = 'size',
           fill_color = 'red',line_color = 'black',fill_alpha = 0.6,line_dash = [8,3])
p.ygrid.grid_line_dash = [6, 4]
p.xgrid.grid_line_dash = [6, 4]
# 散點圖

x = Span(location=x_mean, dimension='height', line_color='green',line_alpha = 0.7, line_width=1.5, line_dash = [6,4])
y = Span(location=y_mean, dimension='width', line_color='green',line_alpha = 0.7, line_width=1.5, line_dash = [6,4])
p.add_layout(x)
p.add_layout(y)
# 繪制輔助線

bg1 = BoxAnnotation(bottom=y_mean, right=x_mean,fill_alpha=0.1, fill_color='olive')
label1 = Label(x=0.1, y=0.55,text="少量大打折",text_font_size="10pt" )
p.add_layout(bg1)
p.add_layout(label1)
# 繪制第一象限

bg2 = BoxAnnotation(bottom=y_mean, left=x_mean,fill_alpha=0.1, fill_color='firebrick')
label2 = Label(x=0.7, y=0.55,text="大量大打折",text_font_size="10pt" )
p.add_layout(bg2)
p.add_layout(label2)
# 繪制第二象限

bg3 = BoxAnnotation(top=y_mean, right=x_mean,fill_alpha=0.1, fill_color='firebrick')
label3 = Label(x=0.1, y=0.80,text="少量少打折",text_font_size="10pt" )
p.add_layout(bg3)
p.add_layout(label3)
# 繪制第三象限

bg4 = BoxAnnotation(top=y_mean, left=x_mean,fill_alpha=0.1, fill_color='olive')
label4 = Label(x=0.7, y=0.80,text="少量大打折",text_font_size="10pt" )
p.add_layout(bg4)
p.add_layout(label4)
# 繪制第四象限

show(p)

 

結論：

少量少打折：包括雅詩蘭黛、嬌蘭、蘭蔻、薇姿、玉蘭油等共5個品牌。
少量大打折：包括悅詩風吟、蘭芝、歐珀萊等3個品牌。該類品牌的打折商品較少，但折扣力度較大。
大量小打折：包括妮維雅、美寶蓮、蜜絲佛陀等3個品牌。該類型有半數以上的商品都參與了打折活動，但折扣力度並不大。
大量大打折：包括相宜本草、佰草集、自然堂等三大國產品牌。這些品牌不僅有90%以上的商品參與了折扣活動，而且折扣力度很大。