美妆热门品牌榜2026-05-02日榜

基于您提供的数据，可以从以下几个核心维度进行深入分析：

1. 头部效应

• TOP3品牌销售额占比：
  • 需要计算前三大品牌的总销售额，并求出它们在整体销售额中的比例。
  • 如果比例较大（例如超过50%），则表明头部效应明显；反之，若比例较低，则说明市场较为分散。

2. 渠道效率

• 关联达人/直播/视频数量与销售额的关系：
  • 对比不同品牌中具有较高关联度的达人的销售额贡献。
  • 分析直播间观看人数、互动量等对销售额的影响。

3. 类目广度

• 多类目布局的品牌表现差异：
  • 比较在多个类目均有布局的品牌与仅在一个类目中销售的品牌之间的销售额和增长率。
  • 如果一个品牌同时覆盖多个类目且表现优异，则说明其具有较强的跨品类拓展能力。

4. 商品丰富度

• 商品数量与销量的关系：
  • 统计每个品牌的商品总数及其中热销商品的数量。
  • 分析商品丰富度（即商品总数）是否与品牌总体销售额正相关或负相关。

具体操作步骤

1. 计算TOP3品牌的销售额占比

   import pandas as pd
   
   # 假设df是包含所有数据的DataFrame
   df = pd.read_csv('your_data.csv')
   
   top3_brands = df.nlargest(3, '销售额').brand.tolist()
   top3_sales = df[df['brand'].isin(top3_brands)]['销售额'].sum()
   total_sales = df['销售额'].sum()
   
   # 计算TOP3品牌的销售额占比
   top3_sales_ratio = (top3_sales / total_sales) * 100
   print(f'TOP3品牌销售额占比：{top3_sales_ratio:.2f}%')
   

2. 分析关联达人/直播/视频数量与销售额的关系

   # 假设df['达人数']、'直播间数'和'视频数'为相关列
   df['互动量'] = df['直播间观看人数'] + df['视频互动次数']
   
   correlation_live = df.corr().loc['销售额', '直播间数']
   correlation_video = df.corr().loc['销售额', '视频数']
   correlation_reach = df.corr().loc['销售额', '达人数']
   
   print(f'直播间数量与销售额相关性：{correlation_live:.2f}')
   print(f'视频数量与销售额相关性：{correlation_video:.2f}')
   print(f'达人互动量与销售额相关性：{correlation_reach:.2f}')
   

3. 比较多类目布局品牌的表现差异

   df['类目数'] = df['类目'].str.split(',').apply(len)
   
   # 分组计算不同类目数量的品牌的销售额均值
   grouped_sales = df.groupby('类目数')['销售额'].mean().reset_index()
   
   print(grouped_sales)
   

4. 分析商品丰富度与销售的关系

   # 计算每个品牌的商品总数
   brand_item_count = df['品牌名称'].value_counts().rename_axis('brand').reset_index(name='item_count')
   
   merged_data = pd.merge(brand_item_count, grouped_sales, on='brand', how='left')
   
   # 分析商品数量与销售额的关系
   print(merged_data)
   
   # 可以进一步进行线性回归分析来验证这种关系
   

通过这些步骤，您可以深入理解不同品牌在直播带货中的表现，并识别出影响因素和优化方向。希望这些建议对您有所帮助！如果有具体的数据文件或更详细的需求，请随时告知。

以上分析数据来源：互联岛