【Python使用】嘿马python数据分析教程第3篇：全渠道业务概述,目的,获取数据,连带率【附代码文档】

程序员一诺python
2 阅读1分钟

教程总体简介：Excel的使用 全渠道业务概述 1. Excel的使用(预计4小时) 2. 全渠道业务分析(预计4小时) 第01章 Pandas基础 第02章 DataFrame基本操作 第03章 数据分析入门 第04章 选取数据子集 第05章 布尔索引 第06章 分组聚合、过滤、转换 第09章 时间序列分析 第10章 用Matplotlib、Pandas、Seaborn进行可视化

完整笔记资料代码：gitee.com/yinuo112/Ba…

感兴趣的小伙伴可以自取哦~

全套教程部分目录：

部分文件图片：

连带率

  • 计算公式

    • 连带率 = 消费数量 / 订单数量
    • 客单价 = 消费金额 / 订单数量

  • 作用: 通过提高连带率, 可以提高客单价, 从而提高销售金额 和 利润率

目的

  • 查看每一个店铺的连带率.

获取数据

  • 会员消费报表.xlsx, 会员消费记录

  • 门店信息表.XLSX, 主要用到地区编码这个字段

数据处理

  • 会员消费报表, 添加年月, 添加地区编码(前面已经做过了)

数据分析

  • 步骤

    • 统计订单的数量
    • 统计消费数量与消费金额
    • 合并数据: 拷贝 订单的数量,消费数量,消费金额 到新工作表
    • 计算连带率
    • 计算客单价

  • 根据年月,地区编码, 对订单编号去重

  • 统计订单的数量

  • 统计消费数量与消费金额

  • 合并数据: 拷贝 订单的数量,消费数量,消费金额 到新工作表

  • 计算连带率

  • 计算客单价

复购率

  • 根据企业主要业务选取时间段计算，这里选取一年作为复购时间计算复购率；

  • 一个会员同一天消费多次也算一次消费，所以会员消费次数按一天一次计算

  • 复购率 = 一年内消费次数大于等于2次的人数 / 全部人数

目标

  • 通过复购率, 复购率越高, 表示会员对商品越喜欢, 证明产品的质量,样式是受用户欢迎的.

  • 复购率 = 一年内消费次数大于等于2次的人数 / 全部人数

获取数据

  • 会员消费报表.xlsx, 会员消费记录

  • 门店信息表.XLSX, 主要用到地区编码这个字段

数据处理

  • 会员消费报表, 添加年月, 添加地区编码(前面已经做过了)

数据分析

  • 步骤

    • 统计会员消费次数与是否复购
    • 统计2018年01月~2018年12月复购率
    • 统计2018年02月~2019年01月复购率
    • 计算复购率环比

  • 统计会员消费次数与是否复购

    • 由于 一个会员同一天消费多次也算一次消费，所以会员消费次数按一天一次计算, 所有需要通过透视表, 对订单日期进行去重 
- 把订单日期去重后的数据, 拷贝到一个新工作表中, 命名为中间表
    ![](../imgs/11_11_03_订单日期去重数据_中间表中.png)


- 利用中间表, 构建透视表, 统计会员消费次数与是否复购
    ![](../imgs/11_11_04_利用中间表_统计会员消费次数.png)
    ![](../imgs/11_11_05_利用中间表_统计会员消费次数.png)
    ![](../imgs/11_11_06_利用中间表_统计会员消费次数.png)
    ![](../imgs/11_11_07_利用中间表_统计会员消费次数.png)
    ![](../imgs/11_11_08_利用中间表_统计是否复购.png)
    ![](../imgs/11_11_09_利用中间表_统计是否复购.png)
    ![](../imgs/11_11_10_利用中间表_统计是否复购.png)

  • 统计2018年01月~2018年12月复购率

    • 拷贝2018年01月~2018年12月会员消费次数与是否复购到新工作表中
    • 统计2018年01月~2018年12月复购率

  • 统计2018年02月~2019年01月复购率

    • 拷贝2018年02月~2019年01月会员消费次数与是否复购到新工作表中

    • 统计2018年02月~2019年01月复购率

  • 计算复购率环比

    • 拷贝复购率

    • 复购率环比

    • 复购率表格美化

全渠道业务概述

背景概述

  • 公司介绍

    • 公司是一家女性鞋业公司, 公司有线上天猫, 线下全国有700家门店; 天猫有电商仓, 线下每一个门店都有自己门店仓.

  • 需求背景

    • 传统电商、门店的隔离，两个场景

      • 电商: 库存备货问题; 举例: 电商销售曲线波动大，波峰突出明显，可是从商品运营效率出发，难以按照最高的波峰销量去备货，库存风险太大，但是大促一来，爆旺单款往往容易快速断货。
      • 门店: 调货流程繁琐,沟通成本高、效率慢、出错率高; 举例: A店铺畅销款42码预售一双，店长首先自己查区域内店铺有没有库存，如果没有，然后请地区商品帮忙，查本经营区域内是否有库存，如果还没有，地区商品联系总部帮忙，查哪个地区哪个渠道有库存，查到了，开始多层转接沟通调货、发货事宜

    • 全渠道业务

  • 通过全渠道寻源分单系统，打破商品的渠道壁垒、更智能、快速、有效地实现商品在各种销售渠道的最优流转 
    


* 项目导向:

   * 消费者认知上升
   * 消费者体验上升

* 项目目标

   * 商品效率最大化: 沟通更加顺畅
   * 销售利益最大化: 总体利润上升

业务逻辑

  • 库存

    • 线上: 电商总仓
    • 线下: 门店仓

  • 线上业务逻辑

    • 电商平台库存: 总仓 + 门店的一定比例(一般40%, 大促会下调) , 原因: 线上必须是全新的货品, 门店有试穿的, 陈列的,有瑕疵的, 预售的
avatar
文章
阅读
粉丝