品牌官方小店榜2026-05-05日榜

根据提供的数据，我们可以从以下几个核心维度进行分析：

1. 品牌集中度

• TOP3品牌小店销售额占比：

  • 计算前三个品牌的销售额总和及其占所有店铺销售额的比例。

  top3_brands = ['自然堂官方旗舰店', '诺特兰德官方旗舰店', 'AMORTALS尔木萄官方旗舰店']
  top3_sales = sum([data[brand]['销售额'] for brand in top3_brands])
  total_sales = sum([data[brand]['销售额'] for brand in data.keys()])
  concentration_ratio = (top3_sales / total_sales) * 100
  

2. 多渠道投放

• 关联达人/直播/视频数的规模差异：

  • 计算每个店铺在不同渠道上的投放数量，并对比其规模。

  channels = ['关联达人', '直播', '视频']
  
  for channel in channels:
    total_channel_count = sum([data[brand][channel] for brand in data.keys()])
    print(f"总{channel}数: {total_channel_count}")
  
    top3_brands_channel_count = [data[brand][channel] for brand in top3_brands]
    top3_avg_channel_count = sum(top3_brands_channel_count) / len(top3_brands)
    print(f"{top3_brands}均值{channel}数: {top3_avg_channel_count}")
  

3. 类目偏好

• 品牌官方小店的热门带货类目：

  • 分析每个店铺的销售类目，找出最常带货的类目。

  from collections import Counter
  
  all_categories = []
  
  for brand in data.keys():
    categories = list(data[brand]['类别'])
    all_categories.extend(categories)
  
  category_counter = Counter(all_categories)
  top_categories = category_counter.most_common(5)
  

4. 运营效率

• 动销商品数与直播/视频投放的联动表现：

  • 计算每个店铺的动销商品数及其与直播、视频投放数量的相关性。

  for brand in data.keys():
    active_items = data[brand]['销售单品数']
    live_video_count = sum([data[brand][channel] for channel in ['直播', '视频']])
  
    efficiency_ratio = (live_video_count / active_items) if active_items > 0 else 0
  
    print(f"{brand} 动销商品数: {active_items}, 直播/视频投放数量: {live_video_count}, 运营效率: {efficiency_ratio}")
  

总结

通过这些分析，我们可以得出以下结论：

• 品牌集中度：哪些品牌在小店市场占据主导地位。
• 多渠道投放：不同店铺在多个推广渠道上的投入情况和差异。
• 类目偏好：最常带货的类目及其变化趋势。
• 运营效率：动销商品数与直播/视频投放数量之间的关联性。

希望这些分析能帮助您更好地理解数据背后的信息，并做出相应的决策。如果有任何具体问题或需要进一步的数据处理，请随时告知！

以上分析数据来源：互联岛