从情境中学习数据分析，体会数据分析逻辑。今天分享的案例是关于某电商店铺的年终销售业绩的分析哦~
在2011年的圣诞节前两周，老板希望回顾一下过去一年的销售业绩，数据来自该店铺的实际销售记录，其数据周期为2010年12月1日到2011年12月9日。
首先第一步！老生常谈了啊！对基础数据的准备，导入数据并处理。
具体过程：重命名字段、排除重复记录、标记特殊订单、处理客户ID、调整日期字段、补充分析字段、计算预处理后的数据情况然后导出数据。
清洗数据之后导入数据和库，我们得到
我们可以看出，过去一年的总销售额为9,239,800 英镑，店铺的销售额在9月到12月之间的月份有着更高的销售额，同时从9月份开始存在多周的销售额大幅上升。
接下来，我们来看看影响销售额变化的主要因素是什么？
首先考虑大客户的影响
店铺的主要客户是一些批发商，其会一次性购买大量的商品。
图上展示了客户的最大单日商品购买量的分布。其中，最大单日商品购买量 = 客户过去一年中的单日商品购买量的最大值。
约5%的客户的最大单日商品购买量在1000（红色虚线）以上。从1000左右开始，曲线快速上升，这体现客户的购买能力在此有了一个显著的提升。
据此，我们根据客户的购买能力对客户做了简单的划分
1、大客户：编号 ka，最大单日商品购买量大于等于1000的有客户ID的客户
2、一般客户：编号 general，最大单日商品购买量小于1000的有客户ID的客户
3、无名客户：编号 unknown，没有客户ID的客户，这些客户可能是零售商或一般消费者。
这是不同客户类型在销售额、用户数等的占比情况。
可以看到ka客户以4.8%的客户数量，贡献了33.3%的销售额。
下面我们来观察一下不同客户类型对于销售额变化的影响。
从图上我们可以看到的是：
1、蓝色代表的一般客户从9月份开始的销售额增加，体现出明显的季节性。
2、橙色代表的大客户是9月份销售额波动的主要因素。
3、红色代表的无名客户则在11、12月的月份的销售额大幅增加。
由此可以判断：
1、从9月份开始的销售额增长主要来自一般客户和大客户的共同作用。
2、其中9月份几周的销售额大幅上升来自于大客户的大规模采购。
3、无名客户的购买需求在在11月份、12月份才有大幅上升。
下面我们来进一步比较不同客户类型的行为特征
首先来看不同客户在一星期中的下单时间分布
下图是不同客户类型在一天24小时中的下单时间分布图
从上面的图表可以看出：
1、大客户和一般客户都倾向于周三、周四进行购买，且在中午12点左右购买的情况最多。
2、无名客户倾向于周二、周五进行购买，其在下午3点左右购买的情况最多。很少在下班时间和周末产生购买。
结合上述信息我们可以推测：
1、大客户是具有充裕资金的大型批发商，其从店铺采购大量商品主要用于批发。
2、一般客户为中小型批发商，其从店铺采购后主要用于批发。大客户和一般客户都最有可能是会用午休时间来完成采购。
3、无名客户主要是个体零售商或个体消费者，其通过零星采购来满足短期的需求。
因此，建议在合适的时间针对特定的客户类型开展营销活动，例如：
9月份中旬到10月份启动针对以年底节日为主的营销活动，鼓励大规模采购，主要面向中大型批发商。
11月、12月则开展富有节日气息的营销活动，增加对小型批发和其他消费者短期采购的需求的考虑。
给大家补充一些信息~
1、店铺的营业时间是早上6点到晚上8点，且周六休息。
2、没有客户ID的客户（无名客户）购买商品的单价普遍是有客户ID的客户的2倍。这可能是零售价格和批发价格的区别。
下面看看季节和节日的影响
作为一家以销售节日礼品、日用百货为主的店铺，季节和节日的影响是想必是存在的。
图中展示了每个月以销售额为权重的商品关键词的分布
对于上图中频繁出现的一些关键词以及一些节日词，我们来绘制一下其逐月的销售额变化
从上面的图表可以看出：
1、从9月份开始，名称中带有christmas的商品的销售额比重开始上升。
2、以hot、water、bottle代表的热水壶在寒冷的季节有着较好的销量，可能也是节日赠礼的好选择。
3、存在一些常青款，例如以bag、jumbo（巨无霸）等词代表的大袋子，在大多数月份里都能够看到。
所以为了年底的节日，特别是圣诞节，许多客户会从9月份就可以进行采购。上面仅仅列出直接包含圣诞节的商品，有不少商品虽然名称不包含圣诞节，但也是人们会为圣诞节而采购的物品。
下面我们来看看商品销售情况怎么样？
从上图可以看到：
销售额最高的商品的占比不到2%，销售额Top100的商品销售额占比也只有约31%。这体现了店铺商品销售额的长尾效应，销售额主要来自于大量自身销售额并不高的商品。
因此，在未来的店铺运营中，应当保证商品种类的多样性，重视改善店铺内的搜索和个性化推荐功能，让多样的商品满足各类客户的需求。
随后，我们来看看不同价格段的销售情况
从上图可以看到：
1、薄利虽然多销，但销售额并不一定能最大化。1英镑以下的销售量占比最高（约40%），但其销售额占比较低（约13%）。
2、从单价1英镑到10英镑之间的多个价格段都有着较高的销售额，特别是在2到3英镑之间的商品，其销售额占比最高（约25%），且单品平均销售额也很出色
这可能意味着2-3英镑价格段相比于0-1英镑商品更可能带来的销售额，增加2-3英镑价格段的新品引入可能可以带来更好的经济回报。不过，这还需要我们进行进一步的研究。
下面是不同价格段的商品销售额的分布图，作为补充参考
下面来看的是关于新客户的购买情况
新购买客户的增长情况肯定是我们最关心的
从上图中我们可以看出来：
1、产生购买的新客户数量增长缓慢，从4月开始还有明显的下滑。
作为对比，老客户数量保持上升趋势，特别是在9-11月的销售旺季，2、客户数量有显著的提高。这也体现了产生购买的新客户有效转化为老客户。
- 新客户的月度复购率平均在20%-25%左右，在销售旺季会有显著的提升。近一个季度的季度复购率达到约43%。新客户复购情况良好，具有较高的生命周期价值。
综上所述，店铺有着较好的客户粘性但新客户数量不足，因此建议增强新客户的获取，促进其完成购买，推动销售额的增长。
然后就是研究进一步提升复购的方法啦
从上图可以看到：
1、大部分复购用户的平均复购间隔在15-60天之间，也就是半个月到2个月之间。
2、如果一个用户在一个季度里购买的天数超过2天，则其在下个季度的复购概率要比只有1天购买的客户增长约20%。
因此，为了提升复购率，建议以月度为单位策划针对老用户的复购激活营销活动。例如每个月给老客户发送一封活动预告和新商品介绍的邮件，给有潜力的新客户订单中配送店铺定制的节日活动年历。
