作者：Cherich_sun
來源：公眾號「杰哥的IT之旅」ID：Jake_Internet

【導語】本篇文章是關于某化妝品企業的銷售分析。從分析思路思路開始帶大家一步步的用python進行分析，找出問題，并提出解決方案的整個流程。

需求：希望全面了解此某妝品企業的銷售情況，幫助企業運營領導層了解企業整體銷售運營情況及商品銷售情況，為該企業的營銷策略提供相對應的建議和銷售策略。

業務分析流程

1、 場景（診斷現狀）

對象：用戶；銷售
關注點：找到影響銷售的增長因素
目標：發現問題&提出解決方案

2、需求拆解

分析銷售趨勢，找到影響企業營收增長的商品或區域

按月份銷售趨勢圖（整體）
商品銷售額對比（一級、二級，找出最低、最高）
區域銷售額對比（下鉆：區、省，找出最低、最高）

探索不同商品的銷售狀況，為企業的商品銷售，提出策略建議

不同月份的各個產品的銷售額占比情況
產品相關分析

分析用戶特征、購買頻率、留存率等

購買頻率分布
復購率（重復購買用戶數量(兩天都有購買過算重復)/用戶數量）
同期群分析（按月）

3、代碼實現

獲取數據（excel）

為某化妝品企業 2019 年 1 月-2019 年 9 月每日訂單詳情數據和企業的商品信息數據，包括兩個數據表，銷售訂單表和商品信息表。其中銷售訂單表為每個訂單的情況明細，一個訂單對應一次銷售、一個訂單可包含多個商品。

import?pandas?as?pd import?matplotlib.pyplot?as?plt import?matplotlib?as?mpl mpl.rcParams['font.family']?=?'SimHei' import?numpy?as?np import?warnings warnings.filterwarnings("ignore") data?=?pd.read_excel('C:/Users/cherich/Desktop/日化.xlsx',encoding='gbk') data.head()

data_info?=?pd.read_excel('C:/Users/cherich/Desktop/日化.xlsx',encoding='gbk',sheet_name='商品信息表') data_info

數據清洗和加工

data?=?data.dropna() #?訂購數量結尾有字符'個'data['訂購數量']?=?data['訂購數量'].apply(lambda?x:str(x)[:-1]?if?str(x)[-1]?==?'個'?else?x) data['訂購數量']?=?data['訂購數量'].astype(int)#?訂購數量結尾有字符'元' data['訂購單價']?=?data['訂購單價'].apply(lambda?x:str(x)[:-1]?if?str(x)[-1]?==?'元'?else?x) data['訂購單價']?=?data['訂購單價'].astype(int) #?日期里有特殊字符?2019#3#11 def?proess_date(df):pos?=?str(df).find('#')if?pos!=?-1:df?=?str(df).split('#')return?df[0]+'-'+df[1]+'-'+df[2]else:return?df#?res?=?proess_date(df?='2019#3#11') data['訂單日期']?=?data['訂單日期'].apply(proess_date) data['訂單日期']?=?data['訂單日期'].apply(lambda?x:str(x).replace('年','-').replace('月','-')?if?'年'?in?str(x)?else?x?) data['訂單日期']?=?pd.to_datetime(data['訂單日期'])? #data.info()data?=?data[data.duplicated()==False] data['所在省份'].nunique() data['月份']?=?data['訂單日期'].apply(lambda?x:str(x).split('-')[1]) data

數據可視化

#?兩張表數據合并 total_data?=?pd.merge(data,data_info,on='商品編號',how='left') total_data

groups?=?data.groupby('月份') x?=?[each[0]?for?each?in?groups] y?=?[each[1].金額.sum()?for?each?in?groups] z?=?[each[1].金額.count()?for?each?in?groups] money_mean?=?data.金額.sum()/9 order_mean?=?data.金額.count()/9plt.figure(figsize=(18,?10),?dpi=80) plt.subplot(221) plt.plot(x,?y,linewidth=2) plt.axvspan('07',?'08',?color='#EE7621',?alpha=0.3) plt.axhline(money_mean,?color='#EE7621',?linestyle='--',linewidth=1) plt.title("每月銷售額趨勢圖",color='#4A708B',fontsize=24) plt.ylabel("金額/(億)",fontsize=16)plt.subplot(222) plt.plot(x,?z,?linewidth=2,?color?=?'#EE7621') plt.axvline('07',?color='#4A708B',?linestyle='--',linewidth=1) plt.axhline(order_mean,?color='#4A708B',?linestyle='--',linewidth=1) plt.title("每月訂單量趨勢圖",color='#4A708B',fontsize=24) plt.ylabel("訂單/(單)",fontsize=16) plt.show()

圖表說明：從整體來看，銷售額和訂單量從4月開始大幅度上升，均高于均值；8月份開始呈下降趨勢，處于均值水平。

groups_category=?total_data.groupby(['月份','商品大類']) category1?=?[] category2?=?[] for?i,j?in?groups_category: #?????print(i,j.月份.count())if?i[1]=='彩妝':category1.append(j.金額.sum())else:category2.append(j.金額.sum()) labels?=?x xticks?=?np.arange(len(labels)) width?=?0.5 p?=?np.arange(len(labels)) fig,?ax?=?plt.subplots(figsize=(18,8)) rects1?=?ax.bar(p?-?width/2,?category1,width,?label='彩妝',color='#FFEC8B') rects2?=?ax.bar(p?+?width/2,?category2,?width,?label='護膚品',color='#4A708B')ax.set_ylabel('銷售額/(億)') ax.set_title('每月護膚品和彩妝的銷售額對比圖(大類)') ax.set_xticks(xticks) ax.set_xticklabels(labels) ax.legend()plt.show()

圖表說明：護膚品需求滿足大多數人，明顯高于彩妝。并且5月—8月是護膚品需求旺季。相比彩妝的變化不明顯。

groups_categorys=?total_data.groupby('商品小類') x?=?[each[0]?for?each?in?groups_categorys] y?=?[each[1].金額.sum()?for?each?in?groups_categorys]fig?=?plt.figure(figsize=(18,8),dpi=80) plt.title('各個品類的銷售額對比圖',color='#4A708B',fontsize=24) plt.ylabel('銷售額(元)',fontsize=15) colors?=?['#6699cc','#4A708B','#CDCD00','#DAA520','#EE7621','#FFEC8B','#CDCD00','#4A708B','#6699cc','#DAA520','#4A708B','#FFEC8B'] for?i,?group_name?in?enumerate(groups_categorys):lin1?=plt.bar(group_name[0],?group_name[1].金額.sum(),width=0.8,color=colors[i])for?rect?in?lin1:height?=?rect.get_height()plt.text(rect.get_x()+rect.get_width()/2,?height+1,?int(height),ha="center",fontsize=12)plt.xticks(fontsize=15) plt.grid() plt.show()

圖表說明：面膜的銷售額第一，其次是面霜、爽膚水。銷售額最低的是蜜粉，眼影。

total_data?=?total_data.dropna() total_data['所在區域']?=?total_data['所在區域'].apply(lambda?x:str(x).replace('男區','南區').replace('西?區','西區')) groups_area=?total_data.groupby(['所在區域','商品小類']) results?=?{}? for?i,j??in?groups_area:?money?=?int(j.金額.sum())if?i[0]?in?results.keys():results[i[0]][i[1]]?=?money?????else:results[i[0]]?=?{}???for?cate?in?category_names:results[i[0]][cate]?=?0results[i[0]]['口紅']?=?moneyresults=?{key_data:list(values_data.values())?for?key_data,values_data?in?results.items()}def?survey1(results,?category_names):labels?=?list(results.keys())data?=?np.array(list(results.values()))data_cum?=?data.cumsum(axis=1)category_colors?=?plt.get_cmap('RdYlGn')(np.linspace(0.15,?0.85,?data.shape[1]))fig,?ax?=?plt.subplots(figsize=(25,8))ax.invert_yaxis()ax.xaxis.set_visible(False)ax.set_xlim(0,?np.sum(data,?axis=1).max())for?i,?(colname,?color)?in?enumerate(zip(category_names,?category_colors)):widths?=?data[:,?i]starts?=?data_cum[:,?i]?-?widthsax.barh(labels,?widths,?left=starts,?height=0.5,label=colname,?color=color)xcenters?=?starts?+?widths?/?2r,?g,?b,?_?=?colortext_color?=?'white'?if?r?*?g?*?b?<?0.5?else?'darkgrey'for?y,?(x,?c)?in?enumerate(zip(xcenters,?widths)):ax.text(x,?y,?str(int(c)),?ha='center',?va='center',color=text_color)ax.legend(ncol=len(category_names),?bbox_to_anchor=(0,?1),loc='lower?left',?fontsize='small')return?fig,?ax survey1(results,?category_names) plt.show()

圖表說明：東部地區占市場份額的35%左右，份額最低的是西部地區。

area_names?=?list(total_data.商品小類.unique()) groups_priv=?total_data.groupby(['所在省份','商品小類']) results?=?{}? for?i,j??in?groups_priv:?money?=?int(j.金額.sum())if?i[0]?in?results.keys():results[i[0]][i[1]]?=?money?????else:results[i[0]]?=?{}???for?cate?in?category_names:results[i[0]][cate]?=?0results[i[0]]['口紅']?=?moneyresults=?{key_data:list(values_data.values())?for?key_data,values_data?in?results.items()}def?survey2(results,?category_names):labels?=?list(results.keys())data?=?np.array(list(results.values()))data_cum?=?data.cumsum(axis=1)category_colors?=?plt.get_cmap('RdYlGn')(np.linspace(0.15,?0.85,?data.shape[1]))fig,?ax?=?plt.subplots(figsize=(25,20))ax.invert_yaxis()ax.xaxis.set_visible(False)ax.set_xlim(0,?np.sum(data,?axis=1).max())for?i,?(colname,?color)?in?enumerate(zip(category_names,?category_colors)):widths?=?data[:,?i]starts?=?data_cum[:,?i]?-?widthsax.barh(labels,?widths,?left=starts,?height=0.5,label=colname,?color=color)xcenters?=?starts?+?widths?/?2ax.legend(ncol=len(category_names),?bbox_to_anchor=(0,?1),loc='lower?left',?fontsize='small')return?fig,?ax survey2(results,?area_names) plt.show()

圖表說明：江蘇銷售額第一，其次是廣東省；銷售額最低的是寧夏、內蒙、海南

import?numpy?as?np import?matplotlib.pyplot?as?plt category_names?=?list(total_data.商品小類.unique()) groups_small_category=?total_data.groupby(['月份','商品小類']) results?=?{}? for?i,j??in?groups_small_category:?money?=?int(j.金額.sum())if?i[0]?in?results.keys():results[i[0]][i[1]]?=?money?????else:results[i[0]]?=?{}???for?cate?in?category_names:results[i[0]][cate]?=?0results[i[0]]['口紅']?=?moneyresults=?{key_data:list(values_data.values())?for?key_data,values_data?in?results.items()} def?survey(results,?category_names):labels?=?list(results.keys())data?=?np.array(list(results.values()))data_cum?=?data.cumsum(axis=1)category_colors?=?plt.get_cmap('RdYlGn')(np.linspace(0.15,?0.85,?data.shape[1]))fig,?ax?=?plt.subplots(figsize=(25,8))ax.invert_yaxis()ax.xaxis.set_visible(False)ax.set_xlim(0,?np.sum(data,?axis=1).max())for?i,?(colname,?color)?in?enumerate(zip(category_names,?category_colors)):widths?=?data[:,?i]starts?=?data_cum[:,?i]?-?widthsax.barh(labels,?widths,?left=starts,?height=0.5,label=colname,?color=color)xcenters?=?starts?+?widths?/?2#?????????r,?g,?b,?_?=?color #?????????text_color?=?'white'?if?r?*?g?*?b?<?0.5?else?'darkgrey' #?????????for?y,?(x,?c)?in?enumerate(zip(xcenters,?widths)): #?????????????ax.text(x,?y,?str(int(c)),?ha='center',?va='center')ax.legend(ncol=len(category_names),?bbox_to_anchor=(0,?1),loc='lower?left',?fontsize='small')return?fig,?ax survey(results,?category_names)plt.show()

圖表說明：眼霜、爽膚水、面膜：4，5，6，7，8月份需求量最大；粉底、防曬霜、隔離霜、睫毛膏、蜜粉1，2，3月份需求量最大。

data_user_buy=total_data.groupby('客戶編碼')['訂單編碼'].count() data_user_buy plt.figure(figsize=(10,4),dpi=80) plt.hist(data_user_buy,color='#FFEC8B')plt.title('用戶購買次數分布',fontsize=16) plt.xlabel('購買次數') plt.ylabel('用戶數') plt.show()

圖表說明：大部分用戶購買次數在10次-35次之間，極少部分用戶購買次數80次以上

date_rebuy=total_data.groupby('客戶編碼')['訂單日期'].apply(lambda?x:len(x.unique())).rename('rebuy_count') date_rebuy print('復購率:',round(date_rebuy[date_rebuy>=2].count()/date_rebuy.count(),4))

total_data['時間標簽']?=?total_data['訂單日期'].astype(str).str[:7] total_data?=?total_data[total_data['時間標簽']!='2050-06'] total_data['時間標簽'].value_counts().sort_index() total_data?=?total_data.sort_values(by='時間標簽') month_lst?=?total_data['時間標簽'].unique() final=pd.DataFrame() final #引入時間標簽 for?i?in?range(len(month_lst)-1):#構造和月份一樣長的列表，方便后續格式統一count?=?[0]?*?len(month_lst)#篩選出當月訂單，并按客戶昵稱分組target_month?=?total_data.loc[total_data['時間標簽']==month_lst[i],:]target_users?=?target_month.groupby('客戶編碼')['金額'].sum().reset_index()#如果是第一個月份，則跳過（因為不需要和歷史數據驗證是否為新增客戶）if?i==0:new_target_users?=?target_month.groupby('客戶編碼')['金額'].sum().reset_index()else:#如果不是，找到之前的歷史訂單history?=?total_data.loc[total_data['時間標簽'].isin(month_lst[:i]),:]#篩選出未在歷史訂單出現過的新增客戶new_target_users?=?target_users.loc[target_users['客戶編碼'].isin(history['客戶編碼'])?==?False,:]#當月新增客戶數放在第一個值中count[0]?=?len(new_target_users)#以月為單位，循環遍歷，計算留存情況for?j,ct?in?zip(range(i?+?1,len(month_lst)),range(1,len(month_lst))):#下一個月的訂單next_month?=?total_data.loc[total_data['時間標簽']?==?month_lst[j],:]next_users?=?next_month.groupby('客戶編碼')['金額'].sum().reset_index()#計算在該月仍然留存的客戶數量isin?=?new_target_users['客戶編碼'].isin(next_users['客戶編碼']).sum()count[ct]?=?isin#格式轉置result?=?pd.DataFrame({month_lst[i]:count}).T#合并final?=?pd.concat([final,result])final.columns?=?['當月新增','+1月','+2月','+3月','+4月','+5月','+6月','+7月','+8月'] result?=?final.divide(final['當月新增'],axis=0).iloc[:] result['當月新增']?=?final['當月新增'] result.round(2)

同期群分析

圖表說明：由新增用戶情況看，新用戶逐月明顯減少；留存率在1月-5月平均在50%，6月-8月留存率上升明顯。

結論與建議

1、從銷售額趨勢來看，整體是上升趨勢，但是從8月份銷售額突然下降，可能因為到淡季，需進一步確認原因；

2、商品銷售額，用戶對護膚品具有強烈的需求，尤其是面膜，爽膚水、面霜、眼霜。較低需求的是蜜粉。可以把高需求產品，組合成禮盒等套裝活動；

3、商品銷售建議：眼霜、爽膚水、面膜：4，5，6，7，8月需求最大；粉底、防曬霜、隔離霜、睫毛膏、蜜粉1，2，3月需求最大。以上說明用戶購買特定產品具有周期性；

4、從地域來看，東部地區是消費的主力軍，其中江蘇省、廣東省、浙江省的銷售額最大。可以增大市場投放量；也可以考慮在該地區建倉，節省物流等成本；

5、用戶：重點維護購買次數在10次-35次之間的用戶群體；

6、留存率在99%，證明用戶對產品有一定的依賴性；

7、從同期群分析來看，新用戶明顯減少，應考慮拉新，增加平臺新用戶（主播帶貨等）；

推薦閱讀 誤執行了rm -fr /*之后，除了跑路還能怎么辦？！程序員必備58個網站匯總大幅提高生產力：你需要了解的十大Jupyter Lab插件

總結

以上是生活随笔為你收集整理的利用 Python 分析了某化妆品企业的销售情况，我得出的结论是？的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。