服装抖音小店榜2026-07-09日榜

根据提供的数据，我们可以从以下几个核心分析维度进行深入分析：

1. 头部效应

• TOP3小店日销售额占比：

  • 统计TOP3店铺的日销售额总和，并计算其占所有店铺日销售额的比例。

• 类目分布：

  • TOP3小店的主营类目分布情况，如女装、男装等。

2. 渠道效率

• 关联达人/直播/视频数与销售额的相关性：
  • 比较各店铺的日销售额与其关联达人数、直播场次及视频数量之间的相关性。

具体操作步骤如下：

1. 计算TOP3日销售额占比：

   top3_stores = stores.sort_values(by='day_sales', ascending=False).head(3)
   total_day_sales = stores['day_sales'].sum()
   top3_day_sales = top3_stores['day_sales'].sum()
   top3_sales_ratio = (top3_day_sales / total_day_sales) * 100
   

2. 分析类目分布：

   top3_categories = top3_stores['category'].value_counts()
   # 输出TOP3店铺的主营类别及其占比情况
   print(top3_categories)
   

3. 类目特征

• 高销量小店热门商品类目分布：
  • 将所有店铺按日销售额排序，选取前10%的小店，分析其热销品类。

具体步骤：

1. 筛选出销售业绩较好的店铺：

   top_sales_stores = stores.sort_values(by='day_sales', ascending=False).head(int(stores.shape[0] * 0.1))
   

2. 统计高销量小店的热门商品类目分布：

   popular_categories = top_sales_stores['category'].value_counts()
   # 输出热销品类及其占比情况
   print(popular_categories)
   

4. 动销能力

• 动销商品数与销售额的关系：
  • 统计每个店铺的日动销商品数量，分析其与日销售额的相关性。

具体步骤：

1. 统计各店铺的动销商品数量：

   stores['active_products'] = stores.apply(lambda row: len(row['products']), axis=1)
   

2. 绘制动销商品数与日销售额的关系图：

   import seaborn as sns
   import matplotlib.pyplot as plt
   
   # 绘制散点图
   plt.figure(figsize=(10, 6))
   sns.scatterplot(x='active_products', y='day_sales', data=stores)
   plt.title('Active Products vs. Day Sales')
   plt.xlabel('Number of Active Products')
   plt.ylabel('Day Sales (元)')
   plt.show()
   

结果展示

• TOP3日销售额占比：计算出的具体数值，例如20%。
• 类目分布情况：如女装、男装等类目的具体占比。
• 高销量小店的热门商品类目：例如女装、内衣等具体类别及其占比。
• 动销能力分析图：展示动销商品数与日销售额之间的关系，观察是否存在正相关性。

以上步骤可以帮助你全面了解这些小店在不同维度的表现，并提供进一步优化和改进的方向。

以上分析数据来源：互联岛