礼品文创品牌官方小店榜2026-07-21日榜

根据提供的数据，我们可以从以下几个维度进行分析：

1. 品牌集中度

• TOP3品牌店销售额占比：
  • 将前三大品牌的销售额加总。
  • 计算其占所有销售额的比例。

2. 多渠道投放

• 关联达人/直播/视频规模差异：
  • 统计每个品牌的小店关联的达人、直播间及视频的数量。
  • 分析不同品牌间的多渠道投放数量的差异，找出在多个渠道活跃的品牌。

3. 类目偏好

• 热门带货类目分析：
  • 将所有品牌小店的带货类目进行统计汇总。
  • 确定哪些是高频出现且销售额较高的类别。
  • 分析不同品牌的小店在这些类目上的表现，找出偏好的类目。

4. 运营效率

• 动销商品数与直播/视频投放的联动：
  • 统计每个品牌小店当前销售的商品数量（动销商品数）。
  • 计算每个品牌的直播和视频发布频率及互动数据。
  • 分析两者之间的关系，例如是否动销商品数多的品牌在直播和视频上的投入也更大。

具体数据分析

品牌集中度分析：

import pandas as pd

# 假设已有品牌销售数据的DataFrame df
df = pd.DataFrame({
    'brand': ['美的', '巴拉巴拉', '欧莱雅', ...],
    'sales': [10000, 5000, 3000, ...]
})

top_3_brands = df.nlargest(3, 'sales')
total_sales = df['sales'].sum()
top_3_sales = top_3_brands['sales'].sum()

brand_concentration = (top_3_sales / total_sales) * 100
print(f"TOP3品牌销售额占比: {brand_concentration:.2f}%")

多渠道投放分析：

df['num_reaches'] = df['reached_danawa'].fillna(0) + df['reached_live'].fillna(0) + df['reached_video'].fillna(0)

top_brands_by_channels = df.nlargest(3, 'num_reaches')
print(top_brands_by_channels[['brand', 'num_reaches']])

类目偏好分析：

category_counts = df.groupby('category').size().reset_index(name='counts')
most_common_categories = category_counts.nlargest(5, 'counts')
print(most_common_categories)

运营效率分析：

df['active_products'] = df['num_product_sold']
df['live_video_frequency'] = df['live_video_count']

efficiency_analysis = df[['brand', 'active_products', 'live_video_frequency']].corr()
print(efficiency_analysis)

通过以上步骤，可以全面了解各品牌小店在不同维度的表现，并进行深入分析和优化建议。希望这些方法对你有帮助！如果有具体数据或进一步的细节需求，请告知以便更精确地定制分析模型。

以上分析数据来源：互联岛