一、分析背景和目的

随着建国后第三次婴儿潮（1985-1997年）出生人口进入育龄，同时叠加二胎政策影响，我国正在迎来新的人口出生小高峰。同时，收入增长带来消费能力提升和消费观念转变，育儿模式更加精细化。新的母婴消费观念和消费方式正在扩展。在母婴用品需求大、消费转型的大背景下，电商是否能够顺应潮流、抓住发展机遇、在发展自身的同时为广大母婴产品消费者提供商品服务？

本文通过查看运营数据，对店铺运营进行数据分析，从而把握市场规律，为商品营销和商品结构调整提供数据支持，提升店铺运营业绩。

二、 分析思路

具体包括以下几个问题：

1. 哪种商品的购买量最高？

2. 性别对购买量有什么影响？

3. 用户年龄对购买量有什么影响？

4. 购买量随时间如何波动？

5. 复购率是多少？用户最爱复购的商品是什么？

从业务运营指标以及用户群体两大方面分析。具体分析思路如下：

三、分析内容

1. 数据集字段含义

本文数据集来自阿里巴巴天池Baby Goods Info Data-数据集，主要收集在淘宝和天猫上购买婴儿的用户信息及购买商品信息，数据集包含两个Excel文档。数据字段如下：
表1包括淘宝用户的历史交易信息。字段信息如下（数据：7列29972行）：
user_id：用户id, 为用户的唯一的标识。
auction_id：购买行为编号。
cat_id：商品种类id，每一个商品有一个id。
cat1：商品大类，用来区别用户购买的商品大类。
property：属性，是对商品特征的详细描述。
buy_mount：购买数量。用户购买的商品数量。
day：时间戳，代表用户购买商品当天的年月日信息。
表2记录的超过9百条儿童信息，包括他们的生日和性别。字段信息理解如下（数据：3列954行）：
user_id：用户id。
birthday：生日。显示宝宝出生的日期，以年月日的形式呈现。 gender：性别。0代表女孩，1代表男孩，2代表性别信息不清楚。

2. 数据清洗

(1) 删除重复值

表1够买商品中查询user_id，发现重复值，删除重复值
表2婴儿信息中查询user_id，未发现重复值

(2)处理缺失值

缺失值会很影响分析结果。如果某一字段数据缺失比例过大，分析结果就不准确，需要考虑填充数据或删除数据或作其他措施。如果某一字段是关键字段且缺失值比例大，则需要采取措施填补缺失值，或采取其他措施减少缺失值对分析结果的影响。

通过定位空值查询表1、表2， 表1中property存在143条缺失值，表2中无缺失值。

(3) 重命名列名

将列名重命名为中文，方便使用。

(4）隐藏子集

隐藏商品属性、购买行为编号两列。

(5) 一致性处理

用数据-分列将表1中购买日期和表2中出生日期统一修改为日期格式。
在表1中添加出生日期和性别两列，使用 Vlookup 函数在表2中查找用户ID，将表2中的出生日期和性别关联到表1中。
用购买日期-出生日期算出婴儿年龄，具体公式:round((购买日期-出生日)/365, 1)。 最终处理结果如下图：

(6) 异常值处理

筛选年龄列，发现有-2.1、-1.8、-1.7、-1.6、28.3等这几个值。-2.1、-1.8、-1.7、-1.6为婴儿出生前两年或一年半，与考虑是婴儿父母提前购买商品，因此将小于零的年龄全部替换为0岁。至于28.3应该是填错了信息，需删除。
将性别列0-1-2分别替换为男-女-未知
筛选购买数量列，发现也有100以上的数据，考虑为异常值。普通人很少一有如此大的购买量，把100以上的数据替换为1。

(7) 将年龄分组

将年龄分为以下几组，使用vlookup模糊匹配：

最终清洗数据如下：

数据清洗部分完成。

3 构建模型及数据分析

(1) 购买量最高的商品

如图所示，最受欢迎的商品类别是28，其次是50014815和50008168。其余三款商品的销量都很低迷，需要和产品部门沟通是哪三类产品。产量低的原因是要和行业数据、产品数据以及收集到的竞品的数据去比对，研究是哪一种原因导致销量低迷。

(2) 婴儿性别对购买量的影响

从图中可以看出，根据提供的性别数据统计，男婴购买量为559，女婴购买量为7755。女男婴的购买需求强于女男婴。

不同大类的上瓶，男女的购买数量也不一样。

如图，50022520类商品，男婴的购买量超过女婴，122650008类商品，男女购买量持平。

其他4类商品的女婴购买量均多余男婴购买量。需注意：38类商品，女婴的购买量是男婴的两倍多；50014815类，女婴够买量是男婴的1.5倍，这两类商品性别偏差明显，女婴是购买主力。在进行宣传和促销方面，可以做针对性较强的推广，主打女婴。

50008168和28类，男婴够买量和女婴购买量差距不大，而且购买量都在100以上，这两类商品性别偏差不大，且比较受欢迎。在进行宣传和推广时，可以不突出性别偏差，而突出商品属性和功能。

(3) 用户年龄对购买量的影响

商品用户画像如图所示，基本趋势为：随着年龄大，购买量减少。未出生到一岁半的宝宝是购买主力。
0
0-1岁的婴儿的购买量最大，超过500。其次为1-3岁的婴儿，购买量将近500百。出生到一岁半的婴儿为购买主力。

从上图可以看出，50014815类商品的购买量最大。其次是50008168和28。因此，对于这三类商品源，需准备充分。

(4) 时间对购买量的影响

如图所见2014年的购买量为最高，超过4万多件。而2012和2015年的销售量不足1万。是什么原因导致差别如此之大？来看一下更加细分的数据透视图。


这张图片可以解释为什么2012年和2015年的购买量这么低。本数据是从2012/7/2-2015/2/6。所以2012年的数据只包含3、4季度的，2015年的数据只包含1月份-2月的，所以2012和2015年的购买量的数据是不完整的，不能直接和2013及2014年的全年购买量进行比较，也无法看出购买量趋势。

根据季度购买量透视图，可以看出2012-2014年的总体购买趋势为持续上升。2015的数据只有1月-2月，所以暂不考虑进去。图中的购买量高峰出现在2012年第4季、2013年第4季、2014年第2季和第4季；而购买量低谷出现在2013年第1季、2014年第1季和2014年第3季。
结合每月购买量透视图，趋势线将高峰和低谷划分的更加清晰。图中的高峰出现趋势线以上，分别为2012年11月、2013年11月、及2014年11月；而低谷出现在趋势线下方，分别是：2013年2月、2014年1月和2014年6月。

为什么会出现这样的波动？日期对购买量有何影响？

这里先做一个假设：春节、促销日对购买量有影响。

首先来验证一下高峰。高峰出现在11月，猜测双11活动会带来销量高峰。用数据来验证一下

每日购买量透视图中，可见每年双11、双12购买量都会达到一个高峰。
双11、双12是淘宝天猫一年一度的重要促销日。因此，数据验证了刚才的假设：双11、双12是形成每年11月、12月购买高峰的关键原因。
2013-2014，每一年的最高点均出现在11月份，接着是12月—仅次于11月，而另一高峰点是每年的5月份；最低点均出现在2月份；

订单量排序：11月>5月>2月

(5) 复购率情况

用户ID是指用户身份，为唯一的用户标识。查看用户ID是否有重复，就可以知道复购的用户数量。

将用户ID作为行标签，计数项：用户ID作为值，构建数据透视图并降序排列。如果值大于1就说明该用户为复购用户。
由上图得出以下结论：

重复购买的用户只有52个人，经过计算得到总购买人数有29971人，复购率：25/29971，复购率极低。绝大部分用户都只产生一次购买后便不再重复购买。用户粘性极低。需要和产品部门和售后部门沟通，明确销售的商品是否符合用户的需求，为什么用户只购买一次后就不再购买？对复购率极低的原因做深入研究。

四、 结论与建议

最受欢迎的商品类别是28，其次是50008168和50014815；这三类商品作为主打商品主推。
50022520类商品，男婴的购买量超过女婴，考虑主打男婴；
38类和50014815类，女婴是购买主力。在进行宣传和促销方面，考虑主打女男婴。
50008168和28类，性别偏差不大，且比较受欢迎。在进行宣传和推广时，可以不突出性别偏差，而突出商品属性和功能。
0至1岁的宝宝是购买主力，可以考虑将0-1岁的婴儿商品作为主打。
在0-3岁半的婴儿用品中，50014815类商品的购买量最大。其次是50008168和28，这几类商品源需准备充足。
对于一岁到一岁半的宝宝，38类商品也比较受欢迎，考虑按一定比例分配商品源。

每年双11、双12活动会形成购买量高峰，建议准备充分商品源，为每年的销售量创新高；每年5月份的母亲节、520母乳喂养宣传日等促销活动也是亮点，并且销售量快赶上双11活动，可以考虑加大促销力度，形成上半年的销售高峰。
复购率极低，用户黏性极低，考虑跟产品部门沟通，查明原因，做出优化和调整。