医疗器械及保健用品品牌官方小店榜2026-07-13~2026-07-19周榜

根据你提供的数据，我们可以从以下几个核心维度进行分析：

1. 品牌集中度

• TOP3品牌小店铺销售额占比：
  • 计算前三大品牌的销售额之和占所有品牌销售额的比例。

2. 多渠道投放

• 关联达人/直播/视频数的规模差异：
  • 统计每个品牌在不同平台（如淘宝、抖音等）上的直播场次、短视频数量以及与达人的合作次数。
  • 计算每个品牌的平均多渠道曝光次数，比较各品牌之间的差异。

3. 类目偏好

• 官方小店铺热门带货类目：
  • 分析每个品牌在淘宝/抖音上主推的商品类目，如医疗器械、隐形眼镜等。
  • 统计各品牌在不同类目上的销售占比。

4. 运营效率

• 动销商品数与直播/视频投放的联动表现：
  • 计算每个品牌的平均动销商品数量（即上架且有交易记录的商品）。
  • 比较每家品牌在直播和短视频上的投入次数与其销售业绩之间的相关性。

具体分析步骤

1. 计算销售额占比

   # 假设data是包含所有品牌的销售数据的DataFrame
   top_3_sales = data[data['品牌'] == 'TOP3品牌的名称']['销售额'].sum()
   total_sales = data['销售额'].sum()
   top_3_sales_ratio = (top_3_sales / total_sales) * 100
   print(f"TOP3品牌的小店销售额占比为{top_3_sales_ratio:.2f}%")
   

2. 多渠道投放分析

   # 计算每个品牌的平均直播次数、短视频数量以及与达人的合作次数
   data['直播场次'] = data.apply(lambda row: 1 if '直播' in row else 0, axis=1)
   data['短视频次数'] = data.apply(lambda row: 1 if '视频' in row else 0, axis=1)
   data['达人合作数'] = data.apply(lambda row: 1 if '达人' in row else 0, axis=1)
   
   avg_channels_per_brand = data.groupby('品牌').agg({'直播场次': 'sum', 
                                                     '短视频次数': 'sum', 
                                                     '达人合作数': 'sum'}).mean()
   print(avg_channels_per_brand)
   

3. 类目偏好分析

   # 假设class为商品类别
   data['类别'] = data.apply(lambda row: 1 if row['商品'] in preferred_categories else 0, axis=1)
   
   category_sales_ratio = data.groupby('品牌')['类别'].sum() / total_sales * 100
   print(category_sales_ratio)
   

4. 运营效率分析

   # 计算平均动销商品数量
   active_products_per_brand = data.groupby('品牌').agg({'商品ID': 'nunique'}).mean()
   print(active_products_per_brand)
   
   # 计算直播/视频投放次数与销售业绩之间的相关性
   correlation = data[['直播场次', '短视频次数', '达人合作数', '销售额']].corr()
   print(correlation)
   

通过上述步骤，我们可以全面了解不同品牌在各个维度的表现，并据此进行优化策略的制定。希望这些分析对你有所帮助！如果需要更详细的代码或进一步的解释，请随时告知。

以上分析数据来源：互联岛