一、选手简介 1. 选手介绍 团队名称：吃饭不排队 队长介绍：帆软社区名：BHmVlZwp，现在是一名学生，对数据分析方向和领域比较感兴趣。希望再赛中学习到更多优秀案例提升自己。 成员介绍：帆软社区名：赵新茹，同班级的同学，有数据分析、BI可视化工具经验。 团队组成：老师推荐。 参赛初衷 我们希望通过比赛实践提升BI工具的使用方法和技巧，学习高手的分析方法和呈现，总结、提炼，希望可以在以后的工作中可以运用到。也希望可以更好地提升我们数据分析的思维。 作品介绍 业务背景/需求痛点 业务背景：随着国家开放三胎政策，婴儿市场规模也在逐渐扩大。随着电商行业的不断发展，线上购买已经成为母婴产品的主要销售渠道之一，各大厂家开始加快布局母婴电商，抢占市场份额。根据淘宝天猫的婴儿用品购买情况，对产品进行多维度分析，分析市场需求，定位产品方向，从而在满足市场需求的同时，提高销量。 数据来源 自选数据：阿里云天池：https://tianchi.aliyun.com/dataset/dataDetail?dataId=45 分析思路 通过分析消费者购买此店铺产品的时间规律和购买货物特点，以便对应规律做出适当的营销手段调整能进一步增加销售量。 从产品方面，这些产品为什么会连续或多次成为热销产品呢： 从消费者，产品销售量的波动： 数据处理 获取数据之后，为满足分析要求，针对数据进行数据清洗工作，去除异常值，运用excel和数据库对数据进行处理。对商品销售量主要针对时间进行分析，拆分为季度或是月等信息。 可视化报表 作品主题关于母婴销售销量分析，主要通过消费者购买此店铺产品的时间规律和购买货物特点进行分析，以便做出适当的营销手段调整能进一步增加销售量。 各季度的热销产品的变化 cat_id为50013636和211122的两种产品在连续1个季度成为top5热销产品，cat_id为50013207，50018831，50011993的三种产品在11个季度里超过5次以上成为top5热销产品。经过统计发现购买50013636产品的消费者中无一复购者，所以假设2消费者多次购买不成立。 但是消费者中购买超过1件产品的用户占比为5.32%。假设1消费者一次性购买大量购买成立。平均每个cat_id的消费者数为45人。cat_id为50013636的产品用户数远高于平均用户数。假设2多个消费者进行购买成立。在这基础上，进行下一步分析和假设。 假设产品是消耗品和假设产品是耐用品不需要重复购买需要对找到cat_id对应的具体产品。假设一次购买多量有优惠需要和咨询运营或市场部门相关优惠策略。假设产品质量不过关需要向运营部门了解客户投诉以及向产品部门咨询产品相关。假设售后服务有问题需要向运营部门了解客户投诉和评价反馈。假设从哪些渠道来的用户最多需要找到各渠道的转化数据。 结论：各季度的热销产品有所变化，但有几种产品长期保持为热销top5产品。以其中连续11季度成为热销top5但50013636为例，尽管该产品的复购率低，但是新增用户数和用户一次性购买数量很乐观。 建议：了解复购率低的原因，针对原因提高用户复购率。了解用户一次性购买多量产品的原因，利用此原因增加更多大量购买的用户，从而提高销售额。该产品新增用户数十分乐观，在所有产品中位列第一。找到新增用户数的来源渠道，优化渠道，吸引更多新用户。 消费者月份销售规律 从2012-2015年每月总销售量图中可以看出，总销售量波动规律强。如果以当年5月到次年5月为一个周期的话：每年5月达到小高峰后，6月销售量达到小低谷，7月开始渐渐上升并在11月达到当年最高点。11月达到最高点后在次年1月或2月达到最低点，最低点后再上升到次年5月的小高峰。可以得到每年的高峰月份和低谷月份几乎是固定的。5月小高峰，11月大高峰。6月为小低谷，1月或2月为大低谷。 总平均销售量和当月平均购买数量折线图中可以看出月份平均购买量没有出现明显偏离总平均购买量的情况。且在2012-2014三年里2012年的11月份的平均购买量甚至要低于总平均购买量，2014年的6月份的平均购买量甚至要高于于总平均购买量。所以说明销售量波动是由销售量引起的是不成立的。 总销售量与用户购买次数情况图中可以看出，总销售量波动折线与用户购买次数波动折线高度吻合。假设2：销售量波动是由用户购买次数引起的成立。推测出推测出销售量的波动与用户购买次数波动密切相关。通过统计用户复购情况可以得出结论用户购买次数增加是因为新用户增加。 新用户增加的原因 可以看到12、13年11月产品与次年1月产品有两个重复，14年12月与15年1月top5热线产品有4个重复。但重复产品销售量并没有明显差异。因此推测尽管品类发生变化，但并不存在11月产品更受欢迎的情况。假设3产品种类发生变化，11月份更受欢迎不成立。 从图中可以看出每年11月份购买次数远远超过该年平均购买次数。三年里11月11日前后的用户购买次数远多于当月其他日子，达到巅峰。可以推测出11月销售数量达到大高峰的原因在于11月11日双十一促销引起的用户购买次数的激增。 从2014和2015年5月用户购买次数情况图中可以看出两个年份中，前半个月份每天购买数量持续低于该月平均购买次数，但在13日前后会高于该月平均购买次数。后半个月份从5月19日开始用户购买次数开始持续高于该月份平均购买次数。5月13前后为母亲节，5月20日为情人节，推测5月份购买次数的波动与母亲节和情人节促销相关。 从2013，2014年各月购买次数和年平均购买次数图中可以看出5月份购买次数高于平均的部分和6月份购买次数低于平均的部分几乎相等。得出结论5月和11月出现销售数量出现高峰是由于5月和11的促销活动引起用户购买次数的增加。5月购买次数增加后6月份购买次数恢复正常。 2014年1月份出现销售额大幅下降的日期最早，紧接着是2013和2015。时间顺序符合（2013年2月9日春节，2014年1月30日春节，2015年2月18日春节）中春节时间顺序。由此可推测1月份购买次数少与春节有关。 结论与建议：1.因为5月份的促销和双十一促销，每年5月份和双十一是销售量增长最快的时候。但是在达到高峰之后会出现大幅下降。如何降低高峰期后的下降幅度是一个要重视的问题。建议通过实施如6月份儿童节促销活动和春节前促销活动等减少高峰期后的大幅下跌。2.店铺整体复购率极低。建议店铺从促销、产品改良等多方面增加复购率。也要在后续的工作中需要提取更多的数据分析原因，取推动是产品的价格原因还是质量原因还是市场替代品更具竞争优势3.店铺有几类产品长年处于热销top5，要注意管理热销产品的库存，避免出现断货现象。4.有几类产品新增用户数十分乐观，建议找到新增用户的来源渠道，优化渠道，进一步增加新用户。5.促销活动一定要有针对性，50013636类商品是热销商品，评估后应该采取相应的促销手段。 最终结果： 参赛总结 通过本次大赛又一次锻炼了自己的数据分析能力，希望通过这次大赛我们能够学习到等多知识，FineBi工具操作起来方便，很容易上手。大赛期间，通过与组员之间的相互讨论，我们都收获很多。参加这次大赛，我们对FineBi和数据处理操作的越来越熟练了，收获许多。