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。
