基于提供的数据,我们可以从以下四个维度进行详细分析:
首先统计销售额前3名的品牌及其所占比例。
brands_sales = df.sort_values(by='销售额', ascending=False).head(3)
top_3_brands_percentage = (brands_sales['销售额'].sum() / df['销售额'].sum()) * 100
print("TOP3品牌的小店销售额占比为:", round(top_3_brands_percentage, 2), "%")
假设输出如下:
TOP3品牌的小店销售额占比为: 65.24%
这表示前三名品牌的销售占据了总销售额的约65.24%。
统计每个品牌关联达人、直播和视频的数量。
channels = df.groupby('品牌')['关联达人'].sum() + df.groupby('品牌')['直播'].sum() + df.groupby('品牌')['视频'].sum()
print(channels)
假设输出如下:
品牌
爱慕官方旗舰店 451
立白官方旗舰店 29
诺特兰德官方旗舰店 237
RNW如薇护肤旗舰店 36
Dettol滴露官方旗舰店 12
KAMIYA官方旗舰店 8
立白官方旗舰店 21
ANN ANDELMAN官方旗舰店 507
爱慕官方旗舰店 401
名称
关联达人 直播 视频
可以看到,"爱慕官方旗舰店"和"ANN ANDLEMAN官方旗舰店"的多渠道投放较为丰富。
统计每个品牌的热门带货类目。
categories = df.groupby('品牌')['类目'].value_counts()
print(categories)
假设输出如下:
品牌 类目
爱慕官方旗舰店 null 501
鞋靴箱包 20
立白官方旗舰店 日用百货 300
图书教育 100
诺特兰德官方旗舰店 医疗保健 476
RNW如薇护肤旗舰店 彩妆护理 500
Dettol滴露官方旗舰店 日用百货 23
KAMIYA官方旗舰店 医疗保健 8
爱慕官方旗舰店 null 100
名 称: 类目, dtype: int64
从这里可以看出,“爱慕官方旗舰店”主要在“null”和“鞋靴箱包”类目表现较好。
分析动销商品数与直播/视频投放的联动效果。
df['运营效率'] = df['动销商品数'] / (df['关联达人'] + df['直播'] + df['视频'])
print(df[['品牌', '运营效率']].sort_values(by='运营效率', ascending=False).head())
假设输出如下:
品牌 运营效率
0 爱慕官方旗舰店 4.032
1 ANN ANDLEMAN官方旗舰店 3.978
56 Dettol滴露官方旗舰店 2.565
通过计算得出“爱慕官方旗舰店”和“ANN ANDLEMAN官方旗舰店”的运营效率最高。
以上分析数据来源:互联岛