根据提供的数据，我们可以从以下几个维度进行分析：
1. 长期韧性
我们需要查看近90天（即2026年5月30日至7月8日）的数据，筛选出销量持续较高的商品。
- 销售总量：通过计算每一项商品在该时间段内的总销量。
- 销售波动性：分析各商品的每日销量波动情况。长期高销的商品应有相对稳定的销量曲线，而低销量的商品则可能在某几天出现高峰或低谷。
2. 达人生态
我们需要查看每个商品是否被大量达人带货的情况。
- 带货达人数量：统计过去90天内，有多少个不同的带货达人对每一项商品进行了推广。
- 达人覆盖频次：计算每种商品在不同达人群体中的平均曝光次数或参与度。
3. 类目特征
我们关注食品和个护类别的长期好货属性。
- 类目划分：根据商品名称判断其所属的子类别（如零食、饮料等）。
- 销量与分类关系：分析各个子类别下的商品销售情况，确定哪些子类别的商品具有长期稳定性。
4. 佣金结构
我们需要关注低佣金商品的长期生命力。
- 佣金比例：统计各商品的实际成交金额与平台收取的佣金金额之间的比率。
- 销量与佣金关系：分析在不同佣金水平下，商品的表现情况，找出那些即使佣金较低也能够保持良好销售的商品。
具体数据处理建议
-
计算每日销量总和：
- 对于每个商品，提取其2026年5月30日至7月8日的每日销量数据。
- 计算整个时间段内的累计销量。
-
分析销量波动性：
- 使用Python或Excel等工具绘制各商品的日销量曲线图。
- 评估这些曲线的整体平稳程度，寻找长期稳定性高的商品。
-
统计带货达人情况：
- 根据已有的数据记录，标记每个商品在90天内被多少个不同达人推广过。
- 计算每种商品的平均推广次数或覆盖率。
-
筛选食品和个护类别商品：
- 通过关键字匹配或其他方法，过滤出属于食品和个护类别的商品。
- 比较这些类目下的商品销售表现。
-
分析佣金结构：
- 对所有商品的交易记录进行整理，计算每笔订单的实际成交金额与平台收取的佣金金额之比。
- 找出那些低佣金比例但仍保持较高销量的商品。
通过上述步骤，我们可以更全面地了解每个商品在不同维度的表现，并据此识别出具备长期韧性的潜力产品。
以上分析数据来源：互联岛