食品饮料抖音小店榜2026-06-30日榜

头部效应分析

1. TOP3小店的日销售额占比

   • 计算前三大店铺日销售额之和占所有店铺日销售额的比例。

2. 类目分布

   • 统计前三名店铺所在的具体子类目，如零食、糕点等。

渠道效率分析

1. 关联达人/直播/视频数与销售额的相关性
   • 计算每个小店关联的达人数（或次数）、参与直播和发布视频的数量。
   • 分析这些指标与店铺日销售额之间的相关性，可以使用相关系数或者回归分析。

类目特征分析

1. 高销量小店的热门商品类目分布

   • 统计所有销售额较高的小店内卖得最好的几类商品（如前三名）。
   • 判断是否有特定类目较为集中或具有普遍性。

2. 热销商品的销售表现

   • 选择一些代表性的小店进行个案研究，分析其最畅销的产品类型、价格区间等信息。

动销能力分析

1. 动销商品数与销售额的关系
   • 计算每个店铺有销量记录的商品数量。
   • 分析这些动销商品的总体销售情况与其总销售额之间的关系。

详细步骤

头部效应

# 假设已有数据df，包含列：'shop_name', 'daily_sales'
top3_shops = df.nlargest(3, 'daily_sales')
total_daily_sales = df['daily_sales'].sum()
top3_sales_sum = top3_shops['daily_sales'].sum()

head_effect_ratio = (top3_sales_sum / total_daily_sales) * 100
print(f"TOP3小店的日销售额占比为：{head_effect_ratio:.2f}%")

渠道效率

# 假设已有数据df，包含列：'shop_name', 'influencers_count', 'livestreams_count', 'videos_count', 'daily_sales'
channel_efficiency = df[['shop_name', 'influencers_count', 'livestreams_count', 'videos_count', 'daily_sales']].corr()
print("渠道效率相关性矩阵：\n", channel_efficiency)

类目特征

# 假设已有数据df，包含列：'shop_name', 'category'
category_distribution = df['category'].value_counts(normalize=True) * 100
print("类目分布比例（前3名）：\n", category_distribution.head(3))

动销能力分析

# 假设已有数据df，包含列：'shop_name', 'active_products'
sales_per_product = df.groupby('shop_name')['daily_sales'].sum() / df['active_products']
print("动销商品数与销售额的关系：\n", sales_per_product)

以上代码仅为示例框架，具体的数据处理和分析应根据实际数据格式进行调整。希望这些方法对你有所帮助！

以上分析数据来源：互联岛