淘寶電商數(shù)據(jù)挖掘與分析

一、項(xiàng)目描述

該項(xiàng)目為一個(gè)咨詢項(xiàng)目，客戶為手機(jī)品牌商，主要目的是通過數(shù)據(jù)分析幫助制客戶制定品牌策略策略、產(chǎn)品策略和價(jià)格策略，助力客戶品牌的成長(zhǎng)和銷量的增長(zhǎng)。由于涉及到一些商業(yè)上的保密，所以本文最終公開的策略偏宏觀。

電商平臺(tái)為我們提供了大量的銷售數(shù)據(jù)，以及消費(fèi)者的反饋數(shù)據(jù)，從電商平臺(tái)入手我們能夠同時(shí)了解到市場(chǎng)、產(chǎn)品和消費(fèi)者，考慮到數(shù)據(jù)量以及用戶群體的豐富性，我們選擇了淘寶電商的數(shù)據(jù)作為我們的數(shù)據(jù)源。在項(xiàng)目中同時(shí)涉及到市場(chǎng)，產(chǎn)品和消費(fèi)者，所以我們的思路是同時(shí)獲取到淘寶電商平臺(tái)上手機(jī)的銷售數(shù)據(jù)以及評(píng)論數(shù)據(jù)，然后通過數(shù)據(jù)挖掘，從評(píng)論中挖掘出產(chǎn)品的屬性特征和用戶特征并進(jìn)行關(guān)聯(lián)，從而建立起市場(chǎng)、產(chǎn)品和消費(fèi)者三者直接的聯(lián)系，然后進(jìn)行數(shù)據(jù)分析，為我們幫助客戶制定品牌、產(chǎn)品以及價(jià)格策略提供依據(jù)。

二、數(shù)據(jù)采集

數(shù)據(jù)的采集上我們用python通過爬蟲的方式進(jìn)行采集，思路為先模擬登錄淘寶，然后再通過關(guān)鍵字進(jìn)行搜索，搜索后得到商品的列表，通過商品的列表信息，我們可以得到商品的id信息，得到id后我們通過把不同商品的id傳遞給不同的線程，通過多線程的方式同時(shí)爬取商品的銷售數(shù)據(jù)，評(píng)論數(shù)據(jù)和評(píng)分?jǐn)?shù)據(jù)。

這里不再進(jìn)行詳細(xì)的說明，有興趣的朋友可以參考具體代碼，鏈接(包括數(shù)據(jù))如下

https://github.com/qmqqyb/-/tree/master?github.com/qmqqyb/-/tree/master

由于評(píng)論的文件太大，沒辦法上傳到github上，所以如果有朋友對(duì)評(píng)論數(shù)據(jù)感興趣的可以私信我。

三、數(shù)據(jù)挖掘

數(shù)據(jù)挖掘這一部分相對(duì)來說比較困難一些，我們主要是對(duì)評(píng)論數(shù)據(jù)進(jìn)行了挖掘，挖掘兩個(gè)方面的信息，一個(gè)方面是評(píng)論的標(biāo)簽（產(chǎn)品屬性+評(píng)論觀點(diǎn)），一部分是用戶分組信息，挖掘這兩部分信息的目的主要用這兩部分?jǐn)?shù)據(jù)建立消費(fèi)者的用戶畫像，同時(shí)把消費(fèi)者和市場(chǎng)和產(chǎn)品關(guān)聯(lián)到一起，把評(píng)論信息結(jié)構(gòu)化數(shù)值化，為后面的數(shù)據(jù)分析做準(zhǔn)備。

在數(shù)據(jù)挖掘部分主要用到的一些技術(shù)和工具是：

哈工大ltp分詞、詞性標(biāo)注、依存句法分析、命名實(shí)體識(shí)別、詞義角色標(biāo)注;

Word2vect的gensim模塊進(jìn)行詞向量計(jì)算;

k_mens聚類，得到用戶分組和產(chǎn)品的屬性，并為后面產(chǎn)品評(píng)論特征和用戶特征做歸一化做準(zhǔn)備

具體大家可以參考如下代碼：

https://github.com/qmqqyb/comment_data_mining/tree/master?github.com/qmqqyb/comment_data_mining/tree/master

在鏈接的代碼中，涉及到的評(píng)論文本由于文件過大，暫時(shí)無法上傳，感興趣的朋友可以私信我。

四、數(shù)據(jù)分析

經(jīng)過數(shù)據(jù)的挖掘和一些數(shù)據(jù)的處理，我們得到4491款不同手機(jī)數(shù)據(jù)信息，數(shù)據(jù)包含61個(gè)字段

（1）數(shù)據(jù)的理解

①首先導(dǎo)入數(shù)據(jù)，查看數(shù)據(jù)的基本信息

df = pd.read_csv('F:\pycharm project data\\taobao\phone\\final_goods_info.csv', encoding='utf-8', index_col=0)

print(df.columns)

這里我們可以把字段氛圍四類

第一類字段為一些基本的信息，主要包括以下

itemid：商品的id

category：商品的分類

sellerid：店鋪id

location：發(fā)貨地址

comment_count：評(píng)論數(shù)量

price：價(jià)格

sale_amount：銷售量

title：商品標(biāo)題，標(biāo)題中包括包含著品牌信息

sale_volume：產(chǎn)品的銷售額

第二類字段為產(chǎn)品的評(píng)論信息，主要包含電池、屏幕、音質(zhì)等，其中在每個(gè)屬性下分為下標(biāo)0和1.0表示negative評(píng)論，1表示positive評(píng)論，例如：

電池_0：該字段就表示電池負(fù)面評(píng)價(jià)字段，對(duì)應(yīng)的數(shù)值表示評(píng)論中出現(xiàn)該標(biāo)簽的頻數(shù)

電池_1:表示電池方面的正面評(píng)價(jià)，對(duì)應(yīng)的數(shù)值表示評(píng)論中出現(xiàn)該標(biāo)簽的頻數(shù)。

第三類字段為用戶信息分字段，用戶信息字段根據(jù)年齡和角色，兩個(gè)字段

年齡分組中：主要包含兒童、青年、中年和老年人這些值

角色分組中：主要包含學(xué)生，爸爸，媽媽、女朋友、男朋友這些信息

第四類字段只包含一個(gè)字段，主要是用戶對(duì)該產(chǎn)品的評(píng)分

score：用戶對(duì)商品的評(píng)分，5分為滿分

（2）數(shù)據(jù)的清洗以及數(shù)據(jù)的處理

①缺失值的填充

對(duì)于數(shù)值型的數(shù)據(jù)，缺失值主要集中在評(píng)論頻次上，評(píng)論頻次的缺失主要由于該商品沒有涉及到該品論標(biāo)簽，所以我們可以直接填充為0.這樣也方便我們后續(xù)的數(shù)據(jù)類型的轉(zhuǎn)化;

df.fillna(0. inplace=True)

然后我們需要將頻次的數(shù)據(jù)轉(zhuǎn)化為以及其他一些有實(shí)際意義的數(shù)字轉(zhuǎn)化為int型

cols = ['itemid', 'category', 'sellerId', 'isTmall', 'comment_count', '系統(tǒng)很強(qiáng)大', '手機(jī)不錯(cuò)', '用得久', '手機(jī)一般', '電池_1', '電池_0', '信號(hào)_1', '信號(hào)_0', '性價(jià)比_1', '功能_1', '功能_0', '音質(zhì)_1', '音質(zhì)_0', '屏幕_1', '屏幕_0', '正品_1', '軟件_1', '軟件_0', '按鍵_1', '按鍵_0', '外觀_1', '外觀_0', '拍照_1', '拍照_0', '手感_1', '死機(jī)_1', '配件_1', '配件_0', '包裝_1', '贈(zèng)品_1', '贈(zèng)品_0', '物流_1', '物流_0', '視頻_1', '發(fā)熱_1', '發(fā)熱_0', '輕便_1', '操作_1', '性價(jià)比_0', '正品_0', '手感_0', '死機(jī)_0', '包裝_0', '總體_1', '總體_0', '視頻_0', '輕便_0', '操作_0']

for col in cols:

df[col] = df[col].astype('int64')

對(duì)于用戶分組的信息，如果發(fā)生缺失則代表，該商品中沒有提及到手機(jī)適合的用戶對(duì)象，所以我們用空值進(jìn)行填充

df.loc[df['年齡分組'] == 0. ['年齡分組']] = ''

df.loc[df['角色分組'] == 0. ['角色分組']] = ''

②異常值的處理

首先我們來看價(jià)格，我們做一各品牌手機(jī)價(jià)格的箱線圖：

我們可以發(fā)現(xiàn)，榮耀手機(jī)的價(jià)格接近100000.導(dǎo)致箱線圖其他數(shù)據(jù)在圖中直接沒有顯示出來，但是我們查看其銷售量卻為0.所以這類數(shù)據(jù)是存在異常的，我們使用分位數(shù)的方法來去除異常數(shù)據(jù)：

# 用分位數(shù)法去除異常值

high_q = df['price'].quantile(q=0.75)# 上四分位數(shù)

low_q = df['price'].quantile(q=0.25)# 下四分位數(shù)

interval = (high_q - low_q)# 分位數(shù)間隔

df = df.loc[(df['price'] > low_q - 3*interval) & (df['price'] < high_q + 3*interval), ]

去除異常數(shù)據(jù)之后，我們?cè)賮砜匆幌赂髌放剖謾C(jī)的價(jià)格情況：

從上圖中可以看出，進(jìn)行處理以后手機(jī)的價(jià)格基本位于11000元以下，符合我們的預(yù)期。

③數(shù)據(jù)分箱

為了方便我們后續(xù)的研究，我們對(duì)價(jià)格數(shù)據(jù)進(jìn)行分箱處理

# 對(duì)價(jià)格進(jìn)行分箱處理

labels = list(np.arange(60))

counts, bins_edge = np.histogram(df['price'], bins=60)

df['分組'] = pd.cut(df['price'], bins=bins_edge, labels=labels, include_lowest=True)

price_list = []

for bin_price in bins_edge:

price_list.append(round(bin_price, 1))

df['分組'] = pd.cut(df['price'], bins=bins_edge, labels=labels, include_lowest=True)

plt.figure(figsize=(20. 10))

sns.barplot(x=price_list[1: 61], y=counts)

plt.xticks(rotation=90)

plt.ylabel('count')

plt.title('price')

plt.show()

結(jié)果如下：

注意這里的橫軸表示每個(gè)價(jià)格小區(qū)間，如175.0代表0-175的價(jià)格，縱軸表示位于該價(jià)格區(qū)間中的商品數(shù)量。為了在后面表示方便，我們用0-59的標(biāo)簽來代表每個(gè)價(jià)格小區(qū)間。

（3）市場(chǎng)分析

首先根據(jù)價(jià)格分組我們可以得到價(jià)格和銷量，價(jià)格和銷售額之間的關(guān)系，如下：

# 按照價(jià)格分組數(shù)據(jù)進(jìn)行切分

gp_df = df.groupby('分組')

# 價(jià)格和銷量的曲線圖

g_sales_amount = gp_df['sales_amount'].agg(sum)

plt.figure(figsize=(20. 12))

sns.pointplot(x=np.arange(60), y=g_sales_amount.values[0: 60], color='r')

plt.title('price-sales_amount')

plt.xlabel('price')

plt.xticks(rotation=90)

plt.ylabel('sales_amount')

plt.show()

# 價(jià)格和銷售量的關(guān)系

g_sales_volume = gp_df['sales_volume'].agg(sum)

plt.figure(figsize=(20. 12))

sns.pointplot(x=np.arange(60), y=g_sales_volume.values[0: 60], color='r')

plt.title('price-sales_volume')

plt.xlabel('price')

plt.xticks(rotation=90)

plt.ylabel('sales_volume')

plt.show()

# print(bins_edge)

對(duì)比價(jià)格和銷量，價(jià)格和銷售額的的關(guān)系，我們可以得出以下信息：

①價(jià)格和銷售額以及銷售量的關(guān)系都呈現(xiàn)出復(fù)雜的脈沖關(guān)系；

②在價(jià)格和銷量的關(guān)系中出現(xiàn)了三個(gè)顯著的波峰位置，一個(gè)位置是0.對(duì)應(yīng)0-175元的價(jià)格區(qū)間；一個(gè)位置是6.對(duì)應(yīng)1049.9-1224.9元的價(jià)格區(qū)間；一個(gè)是31的位置，對(duì)應(yīng)的是5424.5-5599.5元的價(jià)格區(qū)間；

③在價(jià)格和銷售額的關(guān)系中出現(xiàn)了兩個(gè)最顯著的波峰位置，一個(gè)是6對(duì)應(yīng)1049.9-1224.9元的價(jià)格區(qū)間，在價(jià)格低于1224.9這個(gè)區(qū)間內(nèi)，價(jià)格和銷售額呈現(xiàn)出正相關(guān)的關(guān)系；另一個(gè)是31的位置，對(duì)應(yīng)的是5424.5-5599.5元的價(jià)格區(qū)間，在價(jià)格高于5599.5這個(gè)價(jià)位的時(shí)候銷售額明顯急劇下降。

④在6-31的位置區(qū)間內(nèi)不管是銷售量還是銷售額都呈現(xiàn)出反復(fù)脈沖的關(guān)系。

所以我們發(fā)現(xiàn)銷量和銷售額隨著價(jià)格的變動(dòng)情況只有在0這個(gè)位置上差異非常大，我們把這一部分產(chǎn)品篩選出來查看一下，發(fā)現(xiàn)這是因?yàn)樘幱?-175這個(gè)價(jià)位的有一些老年機(jī)和兒童手表電話賣的特別火，但是由于價(jià)格較低，其本身銷售額和手機(jī)比還是差很多，現(xiàn)在我們把這一部分的數(shù)據(jù)剔除得到如下關(guān)系：

# 舍去價(jià)格位于0-175的價(jià)位之間的產(chǎn)品

df = df.loc[df['分組'] != 0. ]

# 按照價(jià)格分組數(shù)據(jù)進(jìn)行切分

gp_df = df.groupby('分組')

# 價(jià)格和銷量的曲線圖

g_sales_amount = gp_df['sales_amount'].agg(sum)

plt.figure(figsize=(20. 12))

sns.pointplot(x=np.arange(60), y=g_sales_amount.values[0: 60], color='r')

plt.title('price-sales_amount')

plt.xlabel('price')

plt.xticks(rotation=90)

plt.ylabel('sales_amount')

plt.show()

# 價(jià)格和銷售量的關(guān)系

g_sales_volume = gp_df['sales_volume'].agg(sum)

plt.figure(figsize=(20. 12))

sns.pointplot(x=np.arange(60), y=g_sales_volume.values[0: 60], color='r')

plt.title('price-sales_volume')

plt.xlabel('price')

plt.xticks(rotation=90)

plt.ylabel('sales_volume')

plt.show()

# print(bins_edge)

我們現(xiàn)在可以發(fā)現(xiàn)，當(dāng)剔除了0-175之間特殊消費(fèi)的影響后，銷售額和銷售量隨價(jià)格波動(dòng)的具有非常高的一致性，仍然有兩個(gè)關(guān)鍵的位置，一個(gè)位置是6.對(duì)應(yīng)1049.9-1224.9元的價(jià)格區(qū)間;一個(gè)是31的位置，對(duì)應(yīng)的是5424.5-5599.5元的價(jià)格區(qū)間。價(jià)格低于1224.9時(shí)，銷量和銷售額隨著價(jià)格的升高而升高;當(dāng)價(jià)格位于1224.9-5424.5元區(qū)間內(nèi)時(shí)，價(jià)格和銷售量和銷售額之間都呈現(xiàn)出反復(fù)脈沖的關(guān)系;當(dāng)價(jià)格為5424.5-5599.5元區(qū)間內(nèi)的時(shí)候銷售額和銷售量都出現(xiàn)顯著的波峰;當(dāng)價(jià)格高于5599.5元的時(shí)候，銷售量和銷售額都隨著價(jià)格升高急劇下降。

所以按照這樣的關(guān)系，我們可以把手機(jī)市場(chǎng)切分了三個(gè)市場(chǎng)，一個(gè)是1225元以下，我們稱之為低端市場(chǎng)，一個(gè)是1225-5425元之間，我們稱之為中端市場(chǎng);一個(gè)是5425元以上，我們稱之為高端市場(chǎng)。

根據(jù)市場(chǎng)分析，我們首先來看一下各個(gè)市場(chǎng)的銷售額和銷售量的分布情況：

# 總體市場(chǎng)分析

df['市場(chǎng)分組'] = ''

df.loc[df['分組'].isin(list(np.arange(0. 7))), ['市場(chǎng)分組']] = 'low_market'

df.loc[df['分組'].isin(list(np.arange(7. 31))), ['市場(chǎng)分組']] = 'medium_market'

df.loc[df['分組'].isin(list(np.arange(31. 60))), ['市場(chǎng)分組']] = 'high_market'

print(df.head(100))

market_a_df = df.groupby('市場(chǎng)分組')['sales_amount'].sum().sort_values(ascending=False)

market_v_df = df.groupby('市場(chǎng)分組')['sales_volume'].sum().sort_values(ascending=False)

# 市場(chǎng)銷售額和銷售量分析

plt.figure(figsize=(10. 10))

plt.pie(market_a_df, labels=market_a_df.index, autopct="%1.1f%%")

plt.title('market_amount')

plt.show()

plt.figure(figsize=(10. 10))

plt.pie(market_v_df, labels=market_v_df.index, autopct="%1.1f%%")

plt.title('market_volume')

plt.show()

對(duì)比銷售額和銷售量在各個(gè)市場(chǎng)中的占比情況，我們可以得到以下信息：

低端市場(chǎng)中的銷售量占優(yōu)勢(shì)，但是由于價(jià)格過低，在營(yíng)收方面占比最少，而中端市場(chǎng)依靠42.6%的市場(chǎng)銷量，創(chuàng)造了62.7%的市場(chǎng)營(yíng)收，高端市場(chǎng)依靠6.9%的市場(chǎng)銷量，創(chuàng)造了23.0%的市場(chǎng)營(yíng)收。

主要原因是低端市場(chǎng)的價(jià)格太低，雖然在銷量上占優(yōu)，但是在營(yíng)收上遠(yuǎn)遠(yuǎn)低于中端市場(chǎng)和高端市場(chǎng)中。但是我們重點(diǎn)應(yīng)該關(guān)注的是低端市場(chǎng)高銷量背后，是否隱藏著商業(yè)機(jī)會(huì)？

針對(duì)這個(gè)問題，我們來看一下，低端市場(chǎng)中的用戶群體：

# 低端市場(chǎng)用戶分布研究

low_df = df.loc[df['分組'].isin(list(np.arange(0. 7))), ]

g_low_df = low_df.groupby('年齡分組')['sales_amount'].sum().sort_values(ascending=False)

# 低端市場(chǎng)的用戶分布

plt.figure(figsize=(10. 10))

plt.pie(g_low_df, labels=g_low_df.index, autopct="%1.1f%%")

plt.title('low_market_user')

plt.show()

在上面的圖中，左邊是低端市場(chǎng)中用戶按照年齡分類后的分布情況，右邊是我國(guó)目前的人口結(jié)構(gòu)中的年齡分布情況。對(duì)比我們可以發(fā)現(xiàn)在低端市場(chǎng)中，主要是老年人用戶群體，占比超過53.3%，這非常符合我們的預(yù)期。但是我們也要注意到，按照低端市場(chǎng)在總市場(chǎng)占比50.5%，低端市場(chǎng)的用戶中年人占比33.9%，中年人在我國(guó)人口結(jié)構(gòu)中占比71.2%來計(jì)算，這部分中年人用戶是一個(gè)龐大的基數(shù)。那這部分中年人的消費(fèi)為什么會(huì)在低端市場(chǎng)?

針對(duì)這個(gè)問題，我們來看一下中年人用戶的一些消費(fèi)偏好：

# 低端市場(chǎng)中年人用戶畫像研究

cols = ['系統(tǒng)很強(qiáng)大', '手機(jī)不錯(cuò)', '用得久', '手機(jī)一般', '電池_1', '電池_0', '信號(hào)_1', '信號(hào)_0', '性價(jià)比_1', '功能_1', '功能_0', '音質(zhì)_1', '音質(zhì)_0', '屏幕_1', '屏幕_0', '正品_1', '軟件_1', '軟件_0', '按鍵_1', '按鍵_0', '外觀_1', '外觀_0', '拍照_1', '拍照_0', '手感_1', '死機(jī)_1', '配件_1', '配件_0', '包裝_1', '贈(zèng)品_1', '贈(zèng)品_0', '物流_1', '物流_0', '視頻_1', '發(fā)熱_1', '發(fā)熱_0', '輕便_1', '操作_1', '性價(jià)比_0', '正品_0', '手感_0', '死機(jī)_0', '包裝_0', '總體_1', '總體_0', '視頻_0', '輕便_0', '操作_0']

# 進(jìn)行用戶分組分析

g_low_um_df = low_df.loc[df['年齡分組'] == '中年人', cols].sum(axis=0).sort_values(ascending=False)

# 中年人用戶關(guān)注性能分析

plt.figure(figsize=(10. 10))

plt.pie(g_low_um_df[0: 10], labels=g_low_um_df.index[0: 10], autopct="%1.1f%%")

plt.title('low_muser_point')

plt.show()

#中年人品牌分析

bm_df = low_df.loc[df['年齡分組'] == '中年人']

g_low_bm_df = bm_df.groupby('brand')['sales_amount'].sum().sort_values(ascending=False)

# 中年人用戶品牌分析

plt.figure(figsize=(10. 10))

plt.pie(g_low_bm_df[0: 8], labels=g_low_bm_df.index[0: 8], autopct="%1.1f%%")

plt.title('low_muser_brand')

plt.show()

在上面的圖中，左邊是中年人用戶對(duì)手機(jī)某方面屬性關(guān)注的占比情況，右邊為中年人用戶對(duì)品牌的偏好?？梢园l(fā)現(xiàn)中年人用戶更為關(guān)注手機(jī)的整體性能，以及外觀方面的屬性，更青睞于榮耀，華為和小米三個(gè)品牌。(注意這里把榮耀和華為拆開是為了后面的對(duì)比方便)

現(xiàn)在我們來看一下低端市場(chǎng)的用戶畫像：

# 低端市場(chǎng)用戶畫像研究

cols = ['系統(tǒng)很強(qiáng)大', '手機(jī)不錯(cuò)', '用得久', '手機(jī)一般', '電池_1', '電池_0', '信號(hào)_1', '信號(hào)_0', '性價(jià)比_1', '功能_1', '功能_0', '音質(zhì)_1', '音質(zhì)_0', '屏幕_1', '屏幕_0', '正品_1', '軟件_1', '軟件_0', '按鍵_1', '按鍵_0', '外觀_1', '外觀_0', '拍照_1', '拍照_0', '手感_1', '死機(jī)_1', '配件_1', '配件_0', '包裝_1', '贈(zèng)品_1', '贈(zèng)品_0', '物流_1', '物流_0', '視頻_1', '發(fā)熱_1', '發(fā)熱_0', '輕便_1', '操作_1', '性價(jià)比_0', '正品_0', '手感_0', '死機(jī)_0', '包裝_0', '總體_1', '總體_0', '視頻_0', '輕便_0', '操作_0']

# 進(jìn)行用戶分組分析

g_low_u_df = low_df[cols].sum(axis=0).sort_values(ascending=False)

# 低端市場(chǎng)用戶關(guān)注性能分析

plt.figure(figsize=(10. 10))

plt.pie(g_low_u_df[0: 10], labels=g_low_u_df.index[0: 10], autopct="%1.1f%%")

plt.title('low_user_point')

plt.show()

#低端市場(chǎng)品牌分析

g_low_m_df = low_df.groupby('brand')['sales_amount'].sum().sort_values(ascending=False)

# 中年人用戶品牌分析

plt.figure(figsize=(10. 10))

plt.pie(g_low_m_df[0: 8], labels=g_low_m_df.index[0: 8], autopct="%1.1f%%")

plt.title('low_user_brand')

plt.show()

我們可以發(fā)現(xiàn)低端市場(chǎng)中的用戶畫像和低端市場(chǎng)中中年人的用戶畫像差距非常大，在手機(jī)的屬性方面，低端市場(chǎng)的用戶更為關(guān)注的是手機(jī)的音質(zhì)、功能(手機(jī)的基本功能，例如電打電話、上網(wǎng)等)方面的屬性，這與低端市場(chǎng)中老年人占比較多有關(guān);品牌的偏好上，低端市場(chǎng)的用戶出現(xiàn)了一些不知名的小品牌，榮耀也占一定的比例。

現(xiàn)在我們來看一些中端市場(chǎng)的用戶畫像：

# 中端市場(chǎng)用戶畫像研究

cols = ['系統(tǒng)很強(qiáng)大', '手機(jī)不錯(cuò)', '用得久', '手機(jī)一般', '電池_1', '電池_0', '信號(hào)_1', '信號(hào)_0', '性價(jià)比_1', '功能_1', '功能_0', '音質(zhì)_1', '音質(zhì)_0', '屏幕_1', '屏幕_0', '正品_1', '軟件_1', '軟件_0', '按鍵_1', '按鍵_0', '外觀_1', '外觀_0', '拍照_1', '拍照_0', '手感_1', '死機(jī)_1', '配件_1', '配件_0', '包裝_1', '贈(zèng)品_1', '贈(zèng)品_0', '物流_1', '物流_0', '視頻_1', '發(fā)熱_1', '發(fā)熱_0', '輕便_1', '操作_1', '性價(jià)比_0', '正品_0', '手感_0', '死機(jī)_0', '包裝_0', '總體_1', '總體_0', '視頻_0', '輕便_0', '操作_0']

# 進(jìn)行用戶分組分析

medium_df = df.loc[df['分組'].isin(list(np.arange(7. 31))), ]

g_medium_u_df = medium_df[cols].sum(axis=0).sort_values(ascending=False)

# 低端市場(chǎng)用戶關(guān)注性能分析

plt.figure(figsize=(10. 10))

plt.pie(g_medium_u_df[0: 10], labels=g_medium_u_df.index[0: 10], autopct="%1.1f%%")

plt.title('medium_user_point')

plt.show()

#中端市場(chǎng)品牌分析

g_medium_m_df = medium_df.groupby('brand')['sales_amount'].sum().sort_values(ascending=False)

# 中年人用戶品牌分析

plt.figure(figsize=(10. 10))

plt.pie(g_medium_m_df[0: 8], labels=g_medium_m_df.index[0: 8], autopct="%1.1f%%")

plt.title('medium_user_brand')

plt.show()

對(duì)比中端市場(chǎng)用戶的畫像和低端市場(chǎng)中中年人的用戶畫像，可以發(fā)現(xiàn)在手機(jī)的屬性方面，中端市場(chǎng)用戶和低端市場(chǎng)中年人的用戶關(guān)注點(diǎn)近似，都是產(chǎn)品的功能(手機(jī)的基本功能，例如電打電話、上網(wǎng)等)、外觀、電池、拍照等;在品牌偏好上蘋果的價(jià)位較高，沒有千元機(jī)，所以低端市場(chǎng)的中年人用戶沒有選擇權(quán)，但對(duì)華為、榮耀、小米幾個(gè)品牌商認(rèn)同度接近。

通過中年人用戶的對(duì)比我們發(fā)現(xiàn)一下幾點(diǎn)信息：

①低端市場(chǎng)中中年人用戶占比較大，按照低端市場(chǎng)銷量占比和中年人人口占比來計(jì)算，這是一個(gè)龐大的消費(fèi)群體；

②單獨(dú)分析低端市場(chǎng)中年人用戶的畫像，發(fā)現(xiàn)其和低端市場(chǎng)整體用戶畫像差異較大而和中端市場(chǎng)整體用戶畫像差異較??；

③基于以上兩點(diǎn)，我們判斷，低端市場(chǎng)中的這一部分中年人的消費(fèi)需求理應(yīng)在中端市場(chǎng)，但是由于某種原因使得他們只能選擇低端市場(chǎng)；

④中端市場(chǎng)和低端市場(chǎng)最顯著的區(qū)別就是低端市場(chǎng)的整體價(jià)格比中端市場(chǎng)要低很多，所以我們可以判斷低端市場(chǎng)中中年人這個(gè)群體的消費(fèi)需求整體上受到收入上的抑制，并沒有充分釋放出來，在收入保持穩(wěn)定增長(zhǎng)的前提下，未來中端市場(chǎng)的存在繼續(xù)壯大發(fā)展的潛力。

（4）中端市場(chǎng)產(chǎn)品和價(jià)格分析

在了解了中端市場(chǎng)存在著巨大的發(fā)展?jié)摿?，如何壯大自己品牌在中端市?chǎng)的競(jìng)爭(zhēng)力呢?

針對(duì)這個(gè)問題，我們首先再來看一下中端市場(chǎng)價(jià)格和銷售量以及銷售額的關(guān)系：

# 中端市場(chǎng)分析

gp_df = df.groupby('分組')

# 價(jià)格和銷量的曲線圖

g_sales_amount = gp_df['sales_amount'].agg(sum)

plt.figure(figsize=(20. 12))

sns.pointplot(x=np.arange(7. 31), y=g_sales_amount.values[7: 31], color='r')

plt.title('price-sales_amount')

plt.xlabel('price')

plt.xticks(rotation=90)

plt.ylabel('medium_sales_amount')

plt.show()

# 價(jià)格和銷售額的關(guān)系

g_sales_volume = gp_df['sales_volume'].agg(sum)

plt.figure(figsize=(20. 12))

sns.pointplot(x=np.arange(7. 31), y=g_sales_volume.values[7: 31], color='r')

plt.title('price-sales_volume')

plt.xlabel('price')

plt.xticks(rotation=90)

plt.ylabel('medium_sales_volume')

plt.show()

可以發(fā)現(xiàn)中端市場(chǎng)的價(jià)格和銷售額以及銷售量都存在著反復(fù)脈沖的復(fù)雜關(guān)系，那為什么會(huì)呈現(xiàn)出這種關(guān)系呢?

我們來觀察一下中端市場(chǎng)的消費(fèi)者群體：

# 中端市場(chǎng)用戶研究

g_medium_df = medium_df.groupby('年齡分組')['sales_amount'].sum().sort_values(ascending=False)

# 低端市場(chǎng)的用戶分布

plt.figure(figsize=(10. 10))

plt.pie(g_medium_df, labels=g_medium_df.index, autopct="%1.1f%%")

plt.title('medium_market_user')

plt.show()

上圖是中端市場(chǎng)用戶的一個(gè)分布圖，由于我們?cè)趶脑u(píng)論中挖掘用戶信息的時(shí)候，主要是挖掘在評(píng)論中提及到的對(duì)象，比如某條評(píng)論中可能會(huì)提及到手機(jī)適合老人使用，那么我們就可以挖掘到老人這個(gè)用戶信息，但是對(duì)于大部分給自己買手機(jī)的消費(fèi)者來說，不會(huì)表明自己的身份，只會(huì)對(duì)產(chǎn)品本身加以評(píng)論，所以圖中缺失的80.1%的用戶信息主要集中在中青年，有獨(dú)立的消費(fèi)能力的人群中。

對(duì)于以中青年為主的中端市場(chǎng)，消費(fèi)者有什么樣的消費(fèi)偏好呢：

我們來看中端市場(chǎng)的用戶畫像：

對(duì)比以上兩個(gè)圖，我們可以得到以下幾點(diǎn)信息：

①中端市場(chǎng)的用戶除了關(guān)注手機(jī)整體性能這種通用屬性外，更加關(guān)注手機(jī)的外觀、拍照、電池、是否正品等方面的屬性；

②在品牌商中端市場(chǎng)的品牌偏好呈現(xiàn)多元化，華為、榮耀、vivo、小米、oppo等主要的品牌都占有一定的市場(chǎng)份額；

我們可以看到中端市場(chǎng)的用戶不管是在產(chǎn)品屬性還是品牌上，消費(fèi)需求非常的多元化，這就很好地解釋了為什么為什么中端市場(chǎng)在會(huì)出現(xiàn)反復(fù)脈沖的關(guān)系。由于用戶消費(fèi)需求的多元化，所以品牌商為了滿足不同消費(fèi)群體的個(gè)性化需求，利用產(chǎn)品設(shè)計(jì)和價(jià)格的多元化變相實(shí)施價(jià)格歧視，達(dá)到利潤(rùn)的最大化，所以基本在一定的價(jià)格區(qū)間內(nèi)就會(huì)出現(xiàn)一次銷量和銷售額的急劇上升，中端市場(chǎng)是一個(gè)多層次的市場(chǎng)。

為了這一結(jié)論更加可靠，我們可以從品牌的價(jià)格競(jìng)爭(zhēng)策略上做一個(gè)橫向?qū)Ρ龋?/p>

# 中端市場(chǎng)價(jià)格多元化與銷售量的關(guān)系

pro_list = ['華為', '蘋果', '小米', '榮耀', 'oppo', 'vivo', '三星']

g_b_medium_df = medium_df.groupby('brand')['price']

price_sum_list = []

for i in range(len(pro_list)):

b_df = g_b_medium_df.get_group(pro_list[i]).value_counts()

price_sum_list.append(len(b_df))

# print(price_sum_list)

plt.figure(figsize=(12. 8))

sns.barplot(x=pro_list, y=price_sum_list)

plt.title('medium_market_brand_price')

plt.show()

g_b_medium_volume_df = medium_df.groupby('brand')['sales_volume']

volume_sum_list = []

for i in range(len(pro_list)):

b_df = g_b_medium_df.get_group(pro_list[i]).sum()

volume_sum_list.append(b_df)

# print(price_sum_list)

plt.figure(figsize=(12. 8))

sns.barplot(x=pro_list, y=volume_sum_list)

plt.title('medium_market_brand_volume')

plt.show()

在上圖中，左邊的圖表示在中端市場(chǎng)中每個(gè)品牌手機(jī)制定的價(jià)格數(shù)量，右邊的圖表示每個(gè)品牌手機(jī)在中端市場(chǎng)中的銷售額，我們可以很明顯的看出一致性非常強(qiáng)，既制定價(jià)格數(shù)越多的品牌，其對(duì)應(yīng)的銷售額就越多，這也很好的證明了我們上面的結(jié)論。

所以，在未來，手機(jī)廠商們應(yīng)該重點(diǎn)把握中端市場(chǎng)仍未飽和的機(jī)會(huì)，注重以年輕用戶喜歡拍照，注重產(chǎn)品外觀，看中產(chǎn)品是否為正品等方面的性能為導(dǎo)向，打造個(gè)性化、多樣化的產(chǎn)品，制定多元化的價(jià)格策略，并制定一定的品牌驗(yàn)證機(jī)制，實(shí)現(xiàn)營(yíng)收上的增長(zhǎng)。

（5）高端市場(chǎng)產(chǎn)品和價(jià)格

高端市場(chǎng)在總的市場(chǎng)占比中超過20%，那么高端市場(chǎng)是否存在機(jī)會(huì)呢?

我們先來看一下高端市場(chǎng)的用戶分布情況：

上圖是高端市場(chǎng)用戶的一個(gè)分布圖，和中端市場(chǎng)類似，由于我們?cè)趶脑u(píng)論中挖掘用戶信息的時(shí)候，主要是挖掘在評(píng)論中提及到的對(duì)象，比如某條評(píng)論中可能會(huì)提及到手機(jī)適合老人使用，那么我們就可以挖掘到老人這個(gè)用戶信息，但是對(duì)于大部分給自己買手機(jī)的消費(fèi)者來說，不會(huì)表明自己的身份，只會(huì)對(duì)產(chǎn)品本身加以評(píng)論，所以圖中缺失的98.0%的用戶信息主要集中在中青年，有獨(dú)立的消費(fèi)能力的人群中。

接著我們來看高端市場(chǎng)用戶畫像：

# 高端市場(chǎng)用戶畫像研究

high_df = df.loc[df['分組'].isin(list(np.arange(31. 60))), ]

cols = ['系統(tǒng)很強(qiáng)大', '手機(jī)不錯(cuò)', '用得久', '手機(jī)一般', '電池_1', '電池_0', '信號(hào)_1', '信號(hào)_0', '性價(jià)比_1', '功能_1', '功能_0', '音質(zhì)_1', '音質(zhì)_0', '屏幕_1', '屏幕_0', '正品_1', '軟件_1', '軟件_0', '按鍵_1', '按鍵_0', '外觀_1', '外觀_0', '拍照_1', '拍照_0', '手感_1', '死機(jī)_1', '配件_1', '配件_0', '包裝_1', '贈(zèng)品_1', '贈(zèng)品_0', '物流_1', '物流_0', '視頻_1', '發(fā)熱_1', '發(fā)熱_0', '輕便_1', '操作_1', '性價(jià)比_0', '正品_0', '手感_0', '死機(jī)_0', '包裝_0', '總體_1', '總體_0', '視頻_0', '輕便_0', '操作_0']

# 進(jìn)行用戶分組分析

g_high_u_df = high_df[cols].sum(axis=0).sort_values(ascending=False)

# 高端市場(chǎng)用戶關(guān)注性能分析

plt.figure(figsize=(10. 10))

plt.pie(g_high_u_df[0: 10], labels=g_high_u_df.index[0: 10], autopct="%1.1f%%")

plt.title('high_user_point')

plt.show()

#中端市場(chǎng)品牌分析

g_high_m_df = high_df.groupby('brand')['sales_amount'].sum().sort_values(ascending=False)

# 中年人用戶品牌分析

plt.figure(figsize=(10. 10))

plt.pie(g_high_m_df[0: 5], labels=g_high_m_df.index[0: 5], autopct="%1.1f%%")

plt.title('high_user_brand')

plt.show()

上圖中左邊為高端市場(chǎng)中用戶關(guān)注的手機(jī)屬性分布情況，右圖為高端市場(chǎng)的用戶對(duì)品牌的偏好分布情況，對(duì)比后我們發(fā)現(xiàn)：

①區(qū)別于中低端市場(chǎng)，高端市場(chǎng)中，用戶除了關(guān)注手機(jī)的一些通用屬性外，更為關(guān)注產(chǎn)品的外觀以及是否為正品；

②高端市場(chǎng)中品牌的集中度非常高，蘋果的銷量占比超過70%，華為和三星占一定比例。

對(duì)于高端市場(chǎng)而言，是否存在中端市場(chǎng)中的價(jià)格多元化以及銷售額正相關(guān)的關(guān)系呢?

我們來看高端市場(chǎng)中制定各品牌制定的價(jià)格數(shù)量和銷售額之間的關(guān)系：

# 高端市場(chǎng)價(jià)格多元化與銷售量的關(guān)系

pro_list = ['華為', '蘋果', '小米', '榮耀', 'oppo', 'vivo', '三星']

g_b_high_df = high_df.groupby('brand')['price']

price_sum_list = []

for i in range(len(pro_list)):

b_df = g_b_high_df.get_group(pro_list[i]).value_counts()

price_sum_list.append(len(b_df))

# print(price_sum_list)

plt.figure(figsize=(12. 8))

sns.barplot(x=pro_list, y=price_sum_list)

plt.title('high_market_brand_price')

plt.show()

g_b_high_volume_df = high_df.groupby('brand')['sales_volume']

volume_sum_list = []

for i in range(len(pro_list)):

b_df = g_b_high_df.get_group(pro_list[i]).sum()

volume_sum_list.append(b_df)

# print(price_sum_list)

plt.figure(figsize=(12. 8))

sns.barplot(x=pro_list, y=volume_sum_list)

plt.title('high_market_brand_volume')

plt.show()

在上圖中，左邊的圖表示在高端市場(chǎng)中每個(gè)品牌手機(jī)制定的價(jià)格數(shù)量，右邊的圖表示每個(gè)品牌手機(jī)在高端市場(chǎng)中的銷售額，我們可以很明顯的看出華為在高端市場(chǎng)中價(jià)格制定相對(duì)比較集中，但是其在銷售額上仍然表現(xiàn)比較好，這其實(shí)反映了華為進(jìn)入高端市場(chǎng)是相對(duì)比較謹(jǐn)慎的。

那高端市場(chǎng)對(duì)于一個(gè)追求營(yíng)收最大化的品牌來說，應(yīng)不應(yīng)該重點(diǎn)布局呢?

我們這里先看一下各品牌的市場(chǎng)占比以及均價(jià)其情況：

# 銷量和銷售額分析

g_a_df = df.groupby('brand')['sales_amount'].sum().sort_values(ascending=False)

g_v_df = df.groupby('brand')['sales_volume'].sum().sort_values(ascending=False)

# 銷售量

plt.figure(figsize=(12. 12))

plt.pie(g_a_df[0: 8], labels=g_a_df.index[0: 8], autopct="%1.1f%%")

plt.title('high_user_brand')

plt.show()

# 銷售額

plt.figure(figsize=(12. 12))

plt.pie(g_v_df[0: 8], labels=g_v_df.index[0: 8], autopct="%1.1f%%")

plt.title('high_user_brand')

plt.show()

在上圖中，左邊的圖表示各品牌的銷量占比，右邊的圖表示每個(gè)品牌手機(jī)銷售額占比。結(jié)合三星在中高端市場(chǎng)多元化的價(jià)格策略分析，我們發(fā)現(xiàn)盡管三星在中端市場(chǎng)和高端市場(chǎng)中實(shí)施了多元化的價(jià)格策略，但是從整體上來看，中高端市場(chǎng)的價(jià)格多元化戰(zhàn)略并沒有給三星帶來整體市場(chǎng)在銷量以及銷售額上的提升。這是什么原因造成的呢？

對(duì)比三星在中端市場(chǎng)和高端市場(chǎng)制定價(jià)格和銷售額的關(guān)系，我們發(fā)現(xiàn)，三星在高端市場(chǎng)多元化的價(jià)格戰(zhàn)略實(shí)際上帶來了銷售的增長(zhǎng)，但是在中端市場(chǎng)中三星的價(jià)格多元化戰(zhàn)略明顯比較失敗，因?yàn)樾∶?、榮耀、vivo、oppo制定的價(jià)格數(shù)量都小于三星，但是在銷售額上卻要比三星的占比要高，最終從整個(gè)市場(chǎng)來看，榮耀、vivo、小米、oppo的銷售額都高于三星。

那為什么三星會(huì)在中端市場(chǎng)遭遇滑鐵盧呢?

我們來看一下中端市場(chǎng)各品牌手機(jī)的均價(jià)：

# 各品牌均價(jià)

g_mp_df = medium_df.groupby('brand')['price'].mean().sort_values(ascending=False)

plt.figure(figsize=(20. 8))

sns.barplot(x=g_mp_df.index, y=g_mp_df.values)

plt.xticks(rotation=90)

plt.title('m_brand_mean_price')

plt.show()

我們可以看出在中端市場(chǎng)，銷售額占比較大的幾個(gè)品牌除了蘋果外，華為、小米、榮耀、oppo、vivo的價(jià)格均低于三星。

從整體上來看，在中端市場(chǎng)中三星雖然價(jià)格也比較多元化，但是，第一品牌弱于蘋果，第二價(jià)格高于華為、小米、榮耀、oppo、vivo，所以導(dǎo)致三星在中端市場(chǎng)從品牌和價(jià)格上都不占優(yōu)勢(shì)，在中端市場(chǎng)中的銷量和營(yíng)收占比都較低。這是三星在戰(zhàn)略上的失誤，三星并沒有在中端市場(chǎng)取穩(wěn)固，取得優(yōu)勢(shì)的前提下，再進(jìn)入高端市場(chǎng)。

而相對(duì)來說國(guó)內(nèi)的品牌華為在中端市場(chǎng)穩(wěn)固的前提下非常謹(jǐn)慎地進(jìn)入高端市場(chǎng)，并取得了一定的成效。vivo基本上沒有進(jìn)攻高端市場(chǎng)，繼續(xù)做大坐穩(wěn)中端市場(chǎng)，并在2019年中市占率超過了oppo。oppo正在嘗試進(jìn)入高端市場(chǎng)，中端市場(chǎng)的穩(wěn)固性出現(xiàn)一定的調(diào)整。小米也在嘗試進(jìn)入高端市場(chǎng)，但是成效并不理想。

所以我們發(fā)現(xiàn)中端市場(chǎng)，對(duì)于一個(gè)品牌來說，不管是市場(chǎng)的穩(wěn)固，還是發(fā)展機(jī)遇都非常重要,對(duì)于高端市場(chǎng)，品牌的壁壘非常強(qiáng)，用戶對(duì)品牌的認(rèn)可度非常高，不應(yīng)該在中端市場(chǎng)得不到穩(wěn)固的情況下貿(mào)然進(jìn)入。

（7）策略建議

①中端市場(chǎng)在未來仍然存在著較大的市場(chǎng)發(fā)展空間，品牌商應(yīng)該把握住中端市場(chǎng)的機(jī)會(huì)，進(jìn)一步鞏固自己的市場(chǎng)地位。

②對(duì)于中端市場(chǎng)中競(jìng)爭(zhēng)的各大品牌來說，應(yīng)該聚焦于消費(fèi)者最關(guān)心的性能，重點(diǎn)打造差異化個(gè)性化產(chǎn)品，建立起與其他品牌的競(jìng)爭(zhēng)優(yōu)勢(shì)，為品牌創(chuàng)收，并形成品牌標(biāo)簽，增強(qiáng)品牌的傳播力度，同時(shí)為品牌的升級(jí)奠定市場(chǎng)基礎(chǔ)和消費(fèi)心理需求。

③在中端市場(chǎng)中，消費(fèi)者對(duì)品牌的認(rèn)可度相對(duì)來說不高，消費(fèi)者更加關(guān)注產(chǎn)品的性能和價(jià)格，對(duì)應(yīng)的應(yīng)該實(shí)施更為多元化的價(jià)格策略。

④目前國(guó)產(chǎn)品牌在中端市場(chǎng)占有絕對(duì)的優(yōu)勢(shì)，對(duì)于華為來說，高端市場(chǎng)的進(jìn)入取得了初步的成效，但是仍然需要注意防守中端市場(chǎng)；對(duì)于oppo和小米來說，中端市場(chǎng)有一定程度的下降，進(jìn)入高端市場(chǎng)需要謹(jǐn)慎，不能急于求成，一定要穩(wěn)固好中端市場(chǎng)；對(duì)于vivo來說，在中端市場(chǎng)得到強(qiáng)化的同時(shí)，應(yīng)該逐步打造幾款特征鮮明的產(chǎn)品，嘗試進(jìn)入高端市場(chǎng)。

⑤在高端市場(chǎng)，用戶的品牌忠誠(chéng)度非常高，品牌壁壘效應(yīng)強(qiáng)，不應(yīng)該在中端市場(chǎng)得不到穩(wěn)固的情況下貿(mào)然進(jìn)入。

⑥對(duì)于已經(jīng)進(jìn)入高端市場(chǎng)的品牌來說，需要建立品牌驗(yàn)證機(jī)制，同時(shí)和子品牌建立一定的品牌隔離，保證高端市場(chǎng)用戶的消費(fèi)體驗(yàn)。

⑦在低端市場(chǎng)中，能夠通過打造一些剛需產(chǎn)品，迅速拓展品牌的銷量，所以對(duì)于其他小品牌來說，品牌的塑造應(yīng)該從中低端市場(chǎng)切入，在低端市場(chǎng)打造高性價(jià)比的剛需產(chǎn)品，擴(kuò)大品牌受眾；在中端市場(chǎng)打造差異化、個(gè)性化的產(chǎn)品為品牌創(chuàng)收，強(qiáng)化自己的市場(chǎng)地位。

樂發(fā)網(wǎng)超市批發(fā)網(wǎng)提供超市貨源信息,超市采購(gòu)進(jìn)貨渠道。超市進(jìn)貨網(wǎng)提供成都食品批發(fā),日用百貨批發(fā)信息、微信淘寶網(wǎng)店超市采購(gòu)信息和超市加盟信息.打造國(guó)內(nèi)超市采購(gòu)商與批發(fā)市場(chǎng)供應(yīng)廠商搭建網(wǎng)上批發(fā)市場(chǎng)平臺(tái),是全國(guó)批發(fā)市場(chǎng)行業(yè)中電子商務(wù)權(quán)威性網(wǎng)站。

本文內(nèi)容整合網(wǎng)站：百度百科、知乎、淘寶平臺(tái)規(guī)則

本文來源： 淘寶電商數(shù)據(jù)挖掘與分析