3C数码家电热门品牌榜2026-07-23日榜

添加日期：2026-07-25 04:35:12浏览：0

基于提供的信息，我们可以从以下几个方面进行核心分析：

头部效应：
- TOP3品牌的销售额占比：统计华为（223）、小米（167）和万利达（43）这三个品牌在销售额中的占比情况。
- 类目分布：查看这些品牌的类目分布，了解他们在哪些类目下的表现较好。
渠道效率：
- 关联达人/直播/视频数与销售额的相关性：对比不同渠道对销售额的贡献度。例如，华为、小米和万利达等品牌在哪些类型的达人或直播间中销量较高。
类目广度：
- 多类目布局品牌的表现差异：分析多个品牌在不同类型下的表现情况，比如有些品牌主要集中在电器类目下，而有的则分布比较广泛。
商品丰富度：
- 商品数与销量的关系：统计每个品牌的产品数量与其销售额之间的关系。一般来说，产品线越丰富、覆盖面越广的品牌可能会有更好的销售表现。

具体分析步骤

提取数据：
- 销售额数据（按品牌）。
- 关联达人/直播/视频的数量和类型。
- 商品数与销量的关系。

计算销售额占比：

# 假设销售额数据存储在字典中，格式为 {'品牌': 销售额}
sales_data = {
    '华为': 12000,
    '小米': 8500,
    '万利达': 3000,
    ...
}

total_sales = sum(sales_data.values())
top3_brands = [brand for brand in sales_data if sales_data[brand] >= max(sales_data.values()) * 0.2]
top3_sales_percentage = sum([sales_data[brand] / total_sales for brand in top3_brands])

print(f"TOP3品牌销售额占比: {top3_sales_percentage:.2%}")

分析渠道效率：

# 假设达人/直播/视频数数据存储在字典中，格式为 {'品牌': (达人数量, 直播间数量, 视频数量)}
channel_data = {
    '华为': (50, 30, 20),
    '小米': (40, 15, 25),
    ...
}

# 计算每个品牌的平均渠道数
avg_channels_per_brand = {brand: sum(channels) / len(channels)
                          for brand, channels in channel_data.items()}

# 计算销售额和渠道数量之间的相关性
import pandas as pd

df = pd.DataFrame(channel_data.items(), columns=['Brand', 'Channels'])
df['Sales'] = [sales_data[brand] for brand in sales_data.keys()]
correlation = df[['Channels', 'Sales']].corr().iloc[0, 1]

print(f"销售额和渠道数量之间的相关性: {correlation:.2}")

分析类目广度：

# 假设类目分布数据存储在字典中，格式为 {'品牌': 类目列表}
category_data = {
    '华为': ['电器', '3C数码家电'],
    '小米': ['3C数码家电', '厨卫家电', '原料包装'],
    ...
}

# 计算类目数量
num_categories_per_brand = {brand: len(categories) for brand, categories in category_data.items()}

# 找出销售表现最好的几个品牌，并分析它们的类目广度
best_brands = sorted(sales_data.keys(), key=lambda x: sales_data[x], reverse=True)[:10]
print(f"销售额排名前10的品牌及其类目数量: {num_categories_per_brand}")

分析商品丰富度：

# 假设产品数数据存储在字典中，格式为 {'品牌': 产品数}
product_data = {
    '华为': 300,
    '小米': 280,
    ...
}

avg_products_per_brand = sum(product_data.values()) / len(product_data)
best_brands = sorted(sales_data.keys(), key=lambda x: sales_data[x], reverse=True)[:10]
product_distribution = {brand: product_data[brand] for brand in best_brands}

print(f"最佳品牌的产品分布情况: {product_distribution}")

通过上述步骤，我们可以全面了解各个品牌在销售额、渠道效率

以上分析数据来源：互联岛

详细数据，请访问互联岛官网>

猜你想看