个人护理品牌官方小店榜2026-07-03日榜

根据提供的数据和核心分析维度，我们可以进行以下几个方面的深入分析：

1. 品牌集中度

TOP3品牌小店销售额占比：

• 计算前三大品牌的销售额之和，并计算其占总销售额的比例。

top_brands = [240, 86, 79] # 假设前三大品牌的销售额分别为240万、86万和79万（单位：万元）
total_sales = sum(top_brands) + sum([sales for _, sales in data[3:]]) # 计算总销售额

top3_sales_ratio = total_sales / 1000 * top_brands[0] / (sum(top_brands) + sum([sales for _, sales in data[3:]]))
print(f"TOP3品牌小店销售额占比：{top3_sales_ratio:.2%}")

2. 多渠道投放

关联达人/直播/视频数：

• 统计每个品牌的关联达人、直播和视频的数量。
• 比较不同品牌在这方面的差异。

channels = {
    "达人数": [],
    "直播数量": [],
    "视频数量": []
}

for row in data:
    brand, sales, _, da_shu, live_nums, video_nums = row
    channels["达人数"].append(da_shu)
    channels["直播数量"].append(live_nums)
    channels["视频数量"].append(video_nums)

top_brands_channels = {brand: sum(channels[channel] for brand in top_brands) for channel in channels}
print(f"TOP3品牌达人/直播/视频数：{top_brands_channels}")

3. 类目偏好

品牌官方小店热门带货类目：

• 统计每个品牌的主类目。
• 分析哪些类目最受欢迎。

categories = {}

for row in data:
    brand, sales, _, _, _, _ = row
    category = categories.get(brand, None)
    if category is not None:
        categories[brand].append(category)

top_brands_categories = {brand: set(categories[brand]) for brand in top_brands}
print(f"TOP3品牌热门类目：{top_brands_categories}")

4. 运营效率

动销商品数与直播/视频投放的联动表现：

• 计算每个品牌的动销商品数量。
• 分析动销商品数和直播/视频数量之间的关联性。

active_products = [row[2] for row in data]
live_nums = [row[-3] for row in data]

correlation_coefficient = np.corrcoef(active_products, live_nums)[0][1]
print(f"动销商品数与直播投放的关联性：{correlation_coefficient:.4f}")

数据整理

• 以上代码需要在Python环境中运行，可以使用Pandas库进行数据处理。
• data是一个包含每个品牌的信息列表。

import numpy as np

# 示例数据（实际应从文件读取）
data = [
    ["花西子", "240.156837934", "彩妆/护肤品/香水", 5, 12, 8],
    # ... 其他品牌数据
]

top_brands = [240, 86, 79]  # 假设前三大品牌的销售额分别为240万、86万和79万（单位：万元）
total_sales = sum(top_brands) + sum([sales for _, sales in data[3:]])  # 计算总销售额

top3_sales_ratio = total_sales / 1000 * top_brands[0] / (sum(top_brands) + sum([sales for _, sales in data[3:]]))
print(f"TOP3品牌小店销售额占比：{top3_sales_ratio:.2%}")

channels = {
    "达人数": [],
    "直播数量": [],
    "视频数量": []
}

for row in data:
    brand, sales, active_products, da_shu, live_nums, video_nums = row
    channels["达人数"].append(da_shu)
    channels["直播数量"].append(live_nums)
    channels["视频数量"].append(video_nums)

top_brands_channels = {brand: sum(channels[channel] for brand in top_brands) for channel in channels}
print(f"TOP3品牌达人/直播/视频数：{top_brands_channels}")

categories = {}

for row in data:
    brand, sales, active_products, _, _, _ = row
    category = categories.get(brand,
---
<small>以上分析数据来源：互联岛</small>