本
文
摘
要
我们在做一个项目分析时，可以通过以下三个步骤来实现，
第1步，数据背景和理解数据
第2步，提出问题
第3步，使用excel工具来实现分析
数据源：阿里巴巴天池
数据集-阿里云天池tianchi.aliyun.com/dataset/dataDetail?dataId=45一、数据背景和理解数据
数据来自淘宝和天猫上购买婴儿用户，本数据集包括2个excel文件
（1）表1购买商品（sample)sam_tianchi_mum_baby_trade_history.csv）
用户ID：user_id
商品编号（item_id）：auction_id
商品二级分类：cat_id，商品种类ID，表示商品属于哪个类别）
商品一级分类：cat1，商品种类ID，表示商品属于哪个类别）
（商品的一级分类和二级分类，比如上衣和衣服，汽车和玩具汽车这样的关系。虽然都是数字串id，但是根据这层关系，就可以用数据透视表来展示逻辑关系。比如商品大类下面，哪个分类更畅销）
商品属性:property（属性值可以是大小，可以是尺码、毫升等数字，还可以指品牌等，一切可以描述商品特征的都可以称为属性值）
购买数量：buy_mount
购买时间:day（可以通过excel将时间戳显示未日期格式）
（2）表2婴儿信息（(sample)sam_tianchi_mum_baby.csv）
用户ID：user_id
出生日期：birthday
性别：gender（0女性；1男性；2未知的性别）
二、提出问题
1.全年总销量波动情况如何？
2.销量增长较高或下滑较大的原因？
3.销售旺季在哪些月份？
4.不同年龄段的购买情况分析
5.不同年龄段的男女比例购买情况分析
6.各大类产品不同年龄段受欢迎程度
三、使用excel工具来实现分析
1.清洗数据
（1）选择所需字段列
（2）列名重命名
（3）删除重复值
（4）缺失值处理
（5）一致化处理
（6）数据排序
（7）异常值处理
表1购买商品（sample)sam_tianchi_mum_baby_trade_history.csv），总共数据29971条，为了保障后续数据分析中异常值带来的影响，首先对异常值进行相关处理。
通过四分位数，可以得出单次购买数量超过1的都将作为异常值来处理，但这显然与实际情况不符，因为单次购买情况存在大于1的数量，于是通过将单次购买数次和购买人次统计，计算购买人次累计总占比得到
通过上表，我们的取值范围，保留了购买人次累计总占比小于等于99.0%的部分，即单次购买数量为1，2，3，4，5，6，8，10，12，20，这样既保留了购买人次累计总占比99%的部分，剔除了剩余1%的部分，排除了单次购买数量巨大值对分析结果的影响
（2）表2婴儿信息（(sample)sam_tianchi_mum_baby.csv），总共数据954条，为了保障后续数据分析中异常值带来的影响，首先对异常值进行相关处理。
通过四分位数，通过Tukeys test估算异常值方法，取k=1.5得到，取值范围0-8岁之间
通过年龄人数总占比，取占比小于等于99.1%，排除剩余1%的部分，与估算异常值结果相吻合，取值范围0-8岁之间，排除其他异常值影响
（一）产品角度
总体销量情况
图1：所有商品随时间变化的销量情况
图2：所有产品每年按月的销量分布情况
从图1和图2可以看出，每年销量的高峰出现在11月份，5月也是上半年的销量高峰，2月份时全年中销售最低的，通过整体销量图和按年销量分布图，可以得出每年销售情况与总体基本保持一致趋势
众所周知，双十一已经成为人们心中一个重要的购物节日，因此在每年11月份时，销量有所增长也是与实际情况相符的，接下来我们来分析一下2月下滑原因和5月增长的原因
先使用多维度拆解分析，对总销量这个指标拆解，总销量=人均购买量*人数，这里有两个变量，人均购买量和人数
图3：所有产品每年按月下单人数分布情况
图4：所有产品每年按月人均购买量分布情况
2月数据下滑，总销量（下滑）=人均购买量（上升）*人数（下滑），很有意思的是，总销量下滑了，人数也跟着下滑，人均购买量反而上升，这是为什么呢？
再用假设检验分析方法，来逐个验证哪个指标影响了总销量
先假人均购买量造成了销售量的波动，即2月销量下降很多，通过图4我们可以看出，人均购买量上升，然而却出现相反的结果，销售量却下降了，同样情况11月销量上升，人均购买量却下降，所以总销量的波动原因并不是用户人均购买量波动造成的
然后我们在假设总销量波动是购买人数引起的，可以通过图3我们看出，2月购买人数下滑，销售量也跟着下滑，11月购买人数上升，销量也跟着提升，同样5月购买人数上升，5月销量也跟着上升，因此总销量波动原因是由于购买用户数引起的
图5：:2013年-2015年1月、2月每日销量情况
图5可以看出，根据时间判断，这段时间是临近春节或春节期间，很显然，受物流快递和春节影响，购物的人数急剧下降，因此购物量也随之受到影响，这也可以解释前面提到有意思的地方，为什么购买人数下降，销量下降，人均购买量反而提升的原因，购买年货回家过年
图6：2013-2014年5月每日销量情况
5月购物小高峰，可以看到5月有多个小高峰，其中有母亲节、护士节促销活动，520节日促销，儿童节前促销活动，这些都是影响5月购物小高峰的因素
图7：2012年-2014年11月每日销量情况
由图7可以看出，双十一是一个购物狂欢的节日，很明显每年都在逐年增长，单日激增异常凸显，购买力也逐年增大的原因
（二）用户角度
图8：不同年龄段的购买情况分析
从图上可以看出，购买产品主要集中在0-1岁的乳儿期，可以针对这部分用户做一些优惠活动，加强她们的购买力，对1-2岁的婴儿期和3-7岁的学龄前期也需重点关注，通过一些政策和活动，提升这部分用户的购买力，随着年龄的增长，购买力随之而下降，可以看出婴幼儿产品占有很大的比重，因此针对这部分人群，活动力度要加强
图9：不同年龄段的男女比例购买情况分析
通过上图可以看出，每个时期，女孩产品受欢迎程度高于男孩，随着年岁的增长，产品销量也随之下降，需要把重点放在0-3岁的婴幼儿阶段，吸引更多的关注，提升购买力
图10：各大类产品不同年龄段受欢迎程度
从图上可以得出，50008168产品更偏向于男孩，在学龄前男孩是其主要购买人群，50014815产品更受女孩喜欢，尤其是0-1岁的女婴是其主要受众人群
总结：
1.2月销量下滑原因是购买人数减少并且恰逢过年期间购买力降低，受物流因素导致
2.5月销售小高峰，是由于5月中节日众多，母亲节，护士节，520活动，儿童节前期促销活动，带动销量的增加
3.11月销量增加原因，购买人数增加，加之双十一购物节带动销售激增
4.婴幼儿主要购买人群集中在0-3岁，需要把更多的关注放在这里，加大她们活动的投放力度，其中女孩的购买程度高于男孩，这也是需要对相关男孩产品进行优化，提升男孩受众的购买力
