个人护理关注引流榜2026-07-08日榜

根据提供的数据，我们可以通过以下四个维度进行分析：

1. 引流效率

短视频引流占比与销售额的相关性

• 平均短视频引流占比: 计算所有直播的短视频引流占比均值。
• 销售额排名与引流占比的关系: 分析销售额较高的直播间是否有更高的短视频引流占比。

import pandas as pd

# 假设数据已经存放在一个DataFrame中，名为df
df['short_video_ratio'] = df['short_video_viewership'] / (df['live_total_viewership'] + 1e-6)  # 防止除零错误

mean_short_video_ratio = df['short_video_ratio'].mean()

# 计算销售额排名与短视频引流占比的关系
sales_rankings = df.sort_values(by='sales', ascending=False)
correlation = sales_rankings['short_video_ratio'].corr(sales_rankings['sales'])

2. 头部效应

TOP3直播的引流人次占比

top_3_df = df.head(3)
total_viewership = df['live_total_viewership'].sum()
top_3_viewership = top_3_df['live_total_viewership'].sum()

top_3_ratio = (top_3_viewership / total_viewership) * 100

3. 类目特征

高引流占比直播的带货类目分布

high引流直播 = df[df['short_video_ratio'] > mean_short_video_ratio]
category_distribution = high引流直播['goods_category'].value_counts(normalize=True)

4. 粉丝体量

粉丝数与引流能力的关系

df['fan_size'] = (df['fans'] - df['fans'].min()) / (df['fans'].max() - df['fans'].min())
correlation_fan_size_short_video_ratio = df[['fan_size', 'short_video_ratio']].corr().iloc[0, 1]

结果汇总

print(f"平均短视频引流占比: {mean_short_video_ratio:.2%}")
print(f"TOP3直播引流人次占比: {top_3_ratio:.2f}%")
print("高引流占比直播的带货类目分布:\n", category_distribution)
print(f"粉丝数与短视频引流比的相关性: {correlation_fan_size_short_video_ratio:.2%}")

结论

通过以上分析，我们可以得出以下结论：

1. 引流效率：平均短视频引流占比和销售额的高低是否成正相关。
2. 头部效应：TOP3直播在总引流人次中的占比情况。
3. 类目特征：高引流占比直播间主要销售哪些类目的商品。
4. 粉丝体量：粉丝数与短视频引流之间的关系。

这些结论将帮助优化策略，提高整体的流量转化率。

以上分析数据来源：互联岛