鞋靴箱包带货达人榜2026-06-21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. 头部效应

• TOP3达人销售额占比：

  • 通过计算前三名达人的销售额占比，可以了解直播间的头部效应。

• 类目集中度：

  • 分析珠宝文玩类目的占比较大。

import pandas as pd

# 假设数据已经加载到 DataFrame df 中
top_3_sales = df[df['排名'].isin([1, 2, 3])]
total_sales = df['销售额'].sum()

top_3_sales_ratio = (top_3_sales['销售额'].sum() / total_sales) * 100

print(f"TOP3达人销售额占比: {top_3_sales_ratio:.2f}%")

2. 转化效率

• 直播场次与销售额/销量的相关性：
  • 可以通过计算每一场直播的平均销售额和平均销量来分析转化效率。

average_sales_per_show = df.groupby('主播名称')['销售额'].mean()
average_units_sold_per_show = df.groupby('主播名称')['销量'].mean()

print("平均每场直播的销售额:")
print(average_sales_per_show)

print("\n平均每场直播的销量:")
print(average_units_sold_per_show)

3. 类目特征

• 珠宝文玩类目的高客单价/高销量特征：
  • 可以筛选出珠宝文玩类目，并统计其销售额和销量，验证是否具有高客单价/高销量。

jewelry_sales = df[df['类目'] == '珠宝文玩']
total_jewelry_sales = jewelry_sales['销售额'].sum()
total_jewelry_units_sold = jewelry_sales['销量'].sum()

print(f"珠宝文玩类目的总销售额: {total_jewelry_sales}")
print(f"珠宝文玩类目的总销量: {total_jewelry_units_sold}")

4. 账号类型

• 官方旗舰店 vs 普通达人的带货表现差异：
  • 可以将账号分为官方旗舰店和普通达人，并比较它们的销售额。

official_accounts = df[df['账号类型'] == '官方旗舰店']
non_official_accounts = df[df['账号类型'] == '普通达人']

average_sales_official = official_accounts['销售额'].mean()
average_sales_non_official = non_official_accounts['销售额'].mean()

print(f"官方旗舰店的平均销售额: {average_sales_official}")
print(f"普通达人的平均销售额: {average_sales_non_official}")

结论与建议

1. 头部效应：如果TOP3达人销售额占比过高，可以考虑进一步培养和扶持其他中腰部达人。
2. 转化效率：根据每场直播的平均销售额和销量来优化直播策略，提高转化率。
3. 类目特征：针对珠宝文玩类目的特点进行精细化运营。
4. 账号类型：加强对官方旗舰店的支持与合作。

希望这些分析能帮助您更好地理解当前直播间的表现并制定更有效的策略。

以上分析数据来源：互联岛