最近做的项目是唯品会的促销案例复盘,主要是用jupyter notebook,使用python的pandas和numpy包完成分析, 建立运营指标,利用ABC分类方法对商品进行分类,并评估每次促销活动的结果,根据具体情况优化商品结构。
分析流程:
- 1、总体运营指标,销售情况是否达标;
- 2、从价格区间找出表现不好的产品,进行下架操作,优化商品结构
- 3、从折扣区间来找出表现不好的产品,进行下架操作;表现良好的商品,增加首页流量,让它出现在显眼位置促进销售,从而优化商品结构
一、项目背景
唯品会是一个专门做特卖的网站,特卖一般是指在特定的时间段里,以优惠的价格出售指定的商品,一般以商城或者专卖店为多。该模式在线下早已存在(比如商场促销、街边的尾货甩卖),在国外成熟的大商场内也有针对滞销商品的打折特卖,如奥特莱斯。特卖一般是商家清库存,不过也有一些专门生产商品做特卖的商家。
在货源上,由于品牌尾货具备天然的清仓需求,是折扣零售最常见的货源,但实际上,只要成本足够低,新品首发、定制包销、自有品牌均可以成为折扣特卖零售的可持续货源。成立初期,唯品会货源以尾货为主,但随着唯品会在电商领域的不断发展,新品和专供品的占比不断提升,早在 2016 年 Q2 分析中,唯品会当季新品和平台特供品就已经占 37%了。
二、数据获取情况
通过远程jupyter notebook连接到数据库,获取以下三个表格的信息
1、商品信息明细表
包括商品名、售卖价、吊牌价、折扣率、库存量、货值、成本价、利润率、SKU等字段;折扣率和利润率情况已经列出,方便后面计算分析;
2、商品热度表
包含4个字段:商品名、UV数、收藏数和加购物车数。这些信息可以通过商品名字段与其它表格进行关联,计算转化率
3)用户销售明细表
记录了每个用户购买商品的详细情况,包含:用户id、购买日期、商品名、购买数量、购买单价、购买金额、是否退货、退货件数、退货金额这些字段。可通过商品名和前两张表关联,完成商品销售情况的聚合分析
三、数据处理
1、读取表格数据
表一表二
表三
2、合并表格
1) 合并商品信息表和商品热度表
2)聚合计算用户销售明细表
3)三表合并
四、总体运营情况分析
1、总体运营情况评价及字段介绍
总体运营部分,主要关注销售额、售卖比、UV、转化率等指标,其他指标作为辅助指标。销售额用来和预期目标做对比,售卖比用来看商品流转情况。
GMV:销售额,在唯品会里称为到手价;
实销:GMV – 拒退金额;
销量:累计销售量(含拒退);
客单价:GMV / 客户数,客单价与毛利率息息相关,一般客单价越高,毛利率越高;
UV:商品所在页面的独立访问数;
转化率:客户数 / UV;
折扣率:GMV / 吊牌总额(吊牌总额 = 吊牌价 * 销量),在日常工作中,吊牌额是必不可少的;
备货值:吊牌价 * 库存数;
售卖比:又称售罄率,GMV / 备货值;
收藏数:收藏某款商品的用户数量;
加购数:加购物车人数;
SKU数:促销活动中的SKU计数(一般指货号);
SPU数:促销活动中的SPU计数(一般指款号);
拒退量:拒收和退货的总数量;
拒退额:拒收和退货的总金额;
1)运营指标计算
GMV:销售额,成交总额
实际销售额:GMV – 拒退金额;
销量:累计销售量(含拒退);
客单价:GMV / 客户数,客单价与毛利率息息相关,一般客单价越高,毛利率越高;
UV:商品所在页面的独立访问数;
转化率:客户数 / UV;
折扣率:GMV / 吊牌总额(吊牌总额 = 吊牌价 * 销量),在日常工作中,吊牌额是必不可少的;
备货值:吊牌价 * 库存数;
售卖比:又称售罄率,GMV / 备货值;
收藏数:收藏某款商品的用户数量;
加购数:加购物车人数;
SKU数:促销活动中的SKU计数(一般指货号);
SPU数:促销活动中的SPU计数(一般指款号);
拒退量:拒收和退货的总数量;
拒退额:拒收和退货的总金额;
2)汇总统计,并与同期数据进行对比
将今年的数据汇总,转化为DataFrame形式转置并合并表格
2、从价格区间来优化商品结构
首先需要找到在本次促销中此区间的销售源数据,源数据要求显示具体的款号、销售额、销量等信息。第二步,计算出每个款的转化率、折扣率等数据。
查看指标:
- 销售额
- 销量
- 件单价
- 客户数
- UV
- 转换率
- 库存
- 货值
- 售卖比
1)对价格数据进行整理
首先对价格区间进行分组操作2)添加货值占比、销售占比、客单价、转化率等字段
3)选取区间数据并计算指标
前一部分可知,400及以上的价格分组其货值占比最高,因此选取该区间进行分析
计算指标:
转化率 = 客户数 / UV数
售卖比=又称售罄率,GMV / 备货值
抽取所需字段进行展示
4)提出优化方案
优化方案:
转化率大于0.7%的商品,暂时保留,用于下次促销活动;
转化率小于0.7%的商品,但是售卖比大于36%的商品予以保留参加下次促销活动,
转化率小于0.7%的商品,并且售卖比小于36%的商品进行清仓处理。
b、保留商品,找出转化率小于0.7% 但是 售卖比大于36%的部分商品
c、清仓处理商品,找出转化率小于0.7%并且售卖比小于36%的部分商品
3、从折扣区间来优化商品结构
我们选择0.35-0.4折扣区间进行深入探究。dt_product_discount_info表中,我们可以得到0.35-0.4折扣区间的售卖比为16.90%,转化率为0.53%,折扣率为37%,在进行商品结构优化的时候要着重对比这几个指标。
1)对折扣率数据进行整理
设置分组聚合统计
2)添加货值占比、销售占比、客单价、转化率等字段
3)选取折扣区间数据并计算指标
计算指标:
转化率 = 客户数 / UV数
抽取所需字段进行展示
4)提出优化方案
优化方案:
折扣率大于37%的部分找出售卖比大于36.5%且转化率大于0.7%的商品予以保留,其余进行清仓处理;
折扣率小于37%的部分找出售卖比大于36.5%且转化率大于0.7%的部分予以保留,其余进行清仓处理。
a、对于折扣率大于37%的商品
清仓处理:找出售卖比小于36.5%或转化率小于0.7%的商品
b、对于折扣率小于37%的商品
清仓处理:找出售卖比小于36.5%或转化率小于0.7%的商品
五、流量分布
在一级入口中,首页的流量占比最高,因此我们可以将畅销款(转化率较高,售卖比较高)A类商品布局在首页档期流。在唯品会中,我们需要不断的增加商品来保证我们的SKU数,对于新增的商品我们也会增加在其中。对于平销款(转化率一般,但售卖比较高)等B类商品,我们将其作为快抢和疯抢处理。对于各方面表现平平的C类商品,则作为清仓处理。