一、案例綜述
案例編號(hào)：
102002
案例名稱：
零售行業(yè)——電商女裝銷量描述與分析
作者姓名（或單位、或來源）：
朱江
案例所屬行業(yè)：
F523 紡織、服裝及日用品專門零售
案例所用軟件：
Rstudio
案例包含知識(shí)點(diǎn)：
案例描述：
目前網(wǎng)絡(luò)購(gòu)物異常的火爆，發(fā)展迅猛，基于數(shù)據(jù)分析的
精準(zhǔn)營(yíng)銷需求也隨之增加。目前網(wǎng)絡(luò)購(gòu)物的幾個(gè)特點(diǎn)是：私人消費(fèi)增長(zhǎng)中網(wǎng)絡(luò)消費(fèi)占的比重越來越大；移動(dòng)端購(gòu)物占網(wǎng)絡(luò)購(gòu)物的比例越來越大。
目前服裝行業(yè)的最大類目是女裝行業(yè)，不難理解相比于男裝女裝更新速度快、受眾廣以及品類多樣，而女裝行業(yè)中銷售額占比最高的5個(gè)子類依次是：連衣裙、T恤、襯衫、休閑褲及毛針織衫。
于是我們針對(duì)連衣裙零售業(yè)，從某線上購(gòu)物網(wǎng)站獲得月銷售量不低于99筆的連衣裙商品信息，共有5880個(gè)商品，每個(gè)商品包含自身的一些屬性、交易信息、商品所屬店鋪的信息以及評(píng)價(jià)信息。
通過這些商品信息，我們可以進(jìn)一步分析暢銷連衣裙有什么共性，即有什么樣性質(zhì)的服裝會(huì)更容易暢銷，銷量跟什么因素相關(guān)。借此我們可以把握整個(gè)市場(chǎng)的宏觀
特征，發(fā)掘高銷量服裝共性，找到影響銷量的顯著因素，并且量化這些顯著因素。從而指導(dǎo)賣家更合理有效的捕捉流行趨勢(shì)、定位市場(chǎng)、合理管理庫(kù)存以及更改營(yíng)銷策略。
數(shù)據(jù)文件說明：原始文件是從某線上購(gòu)物網(wǎng)站獲得的經(jīng)過處理的99個(gè)csv文件，這些文件包含所有六千個(gè)左右商品的信息，包含16個(gè)
特征，可以分為三大類：
1.無用
特征：數(shù)據(jù)獲取日期、獲取時(shí)間、商品id、店鋪名、平均價(jià)格、評(píng)論數(shù)、店鋪半年內(nèi)動(dòng)態(tài)評(píng)分、累計(jì)評(píng)價(jià)匯總。
2.商品相關(guān)信息：商品名稱、商品價(jià)格、產(chǎn)品描述、月銷量。
3.店鋪信息、店鋪評(píng)分。
無用
特征中有些是基本不含有有價(jià)值信息的
特征如時(shí)間、id、店鋪名、平均價(jià)格，有些是重復(fù)且難以抽取有用信息的
特征例如店鋪動(dòng)態(tài)評(píng)分，有些是預(yù)測(cè)后才能產(chǎn)品推行后才能獲得的數(shù)據(jù)例如評(píng)論數(shù)、累計(jì)評(píng)價(jià)匯總。由于我們的目的是在產(chǎn)品推行前給出合理的建議提高產(chǎn)品銷量，這些產(chǎn)品推行后的信息要么無法改善要么很難量化，故而歸為無用
特征。
本案例包含如下知識(shí)點(diǎn)：
1.讀取多個(gè)同格式的數(shù)據(jù)文件，并且合并
2.數(shù)據(jù)篩選，主要是字符變量的處理和關(guān)鍵信息提取
3.制作詞云
4.根據(jù)關(guān)鍵詞生成新數(shù)據(jù)
案例執(zhí)行形式：
單人上機(jī)
二、案例知識(shí)點(diǎn)：
知識(shí)點(diǎn)1：
知識(shí)點(diǎn)名稱：R讀入多個(gè)數(shù)據(jù)文件并且合并
知識(shí)點(diǎn)所屬工作角色：
數(shù)據(jù)導(dǎo)入
知識(shí)點(diǎn)背景：
使用R同時(shí)導(dǎo)入多個(gè)相同格式的csv文件，并且橫向合并這些文件
知識(shí)點(diǎn)描述
與讀入單個(gè)文件不同，讀入多個(gè)文件需要先列出所有要讀取的對(duì)象，然后采用apply函數(shù)族循環(huán)讀取，再講讀取結(jié)果合并
知識(shí)點(diǎn)關(guān)鍵詞：
知識(shí)點(diǎn)所用軟件：
Rstudio
操作目的：
R讀取多個(gè)csv文件并合并
知識(shí)點(diǎn)素材（包括數(shù)據(jù)）：
tmall1.csv，tmall2.csv，tmall3.csv，……，tmall98.csv
操作步驟：
1.啟動(dòng)Rstudio
2.將數(shù)據(jù)文件夾Text3拷貝至工作目錄下，設(shè)置當(dāng)前工作目錄到Text3文件夾
3.清空當(dāng)前全局環(huán)境中存儲(chǔ)的所有變量，釋放內(nèi)存空間
4.列出工作目錄下包含的所有文件的文件名，注意這里要通過
正則表達(dá)式指定讀取的文件名格式
5.通過apply函數(shù)族循環(huán)讀取列出的所有文件名，并且放在一個(gè)列表中
6.將列表中所有的元素橫向合并，注意這里使用到do.call函數(shù)
7.將讀取的文件寫入”total.csv”
操作結(jié)果：
存儲(chǔ)在內(nèi)存中的數(shù)據(jù)框如上圖，并且得到包含所有數(shù)據(jù)的total.csv文件
將R代碼文件保存為readdata.R以備后續(xù)使用。
知識(shí)點(diǎn)小結(jié)：
本案例巧妙的通過提取文件名并且運(yùn)用apply函數(shù)族簡(jiǎn)單快讀的讀取了多個(gè)數(shù)據(jù)文件到一個(gè)列表中，并且在避免循環(huán)的前提下使用do.call合并了所有數(shù)據(jù)
知識(shí)點(diǎn)2：
知識(shí)點(diǎn)名稱：數(shù)據(jù)篩選
知識(shí)點(diǎn)所屬工作角色：
知識(shí)點(diǎn)背景：
1.對(duì)缺失值進(jìn)行處理
2.從字符串中提取有用信息
3.根據(jù)之后描述性分析、探索性分析及建模需求，對(duì)數(shù)據(jù)進(jìn)行合理的轉(zhuǎn)化和處理，使得數(shù)據(jù)更具解釋性
知識(shí)點(diǎn)描述
1.去除帶缺失值的行
2.從字符串中提取有用信息
3.采用函數(shù)對(duì)變量進(jìn)行計(jì)算生成新的變量。
知識(shí)點(diǎn)關(guān)鍵詞：
知識(shí)點(diǎn)所用軟件：
Rstudio
操作目的：
1.處理缺失值
2.從字符串中提取有用信息
3.因子變量標(biāo)簽轉(zhuǎn)換，生成新的因子變量
知識(shí)點(diǎn)素材（包括數(shù)據(jù)）：
total.csv
操作步驟:
1.啟動(dòng)Rstudio
2.讀取數(shù)據(jù)total.csv
3.提取價(jià)格變量，提取銷量變量中的數(shù)字，去除缺失值
4.去掉沒有描述的商品，賦值給新的變量
5.分割產(chǎn)品描述，以回車和冒號(hào)分割
6.剔除非年齡信息
7.提取年齡
8.保存數(shù)據(jù)到csv文件
操作結(jié)果：
剔除了空元素在的行，通過字符變量處理生成了年齡變量
保存到新的數(shù)據(jù)文件
知識(shí)點(diǎn)小結(jié)：
一般從網(wǎng)站獲取的數(shù)據(jù)都不夠規(guī)整，如果獲取大段的文字信息在一個(gè)觀測(cè)中，字符處理就需要盡量全面的考慮所有情況，也要細(xì)致的核對(duì)結(jié)果。
包含大量字符的數(shù)據(jù)框?qū)懭隿sv文件時(shí)可能需要將所有數(shù)據(jù)統(tǒng)一轉(zhuǎn)換為字符格式。
知識(shí)點(diǎn)3：
知識(shí)點(diǎn)名稱：制作詞云
知識(shí)點(diǎn)所屬工作角色：
詞云
知識(shí)點(diǎn)背景：
在處理一系列文本信息或者字符信息對(duì)應(yīng)的詞頻分布時(shí)，詞云這種描述方式顯得非常直觀易懂，能夠清晰的分辨出前幾個(gè)重要詞以及次重要詞
知識(shí)點(diǎn)描述
詞云 描述性分析
知識(shí)點(diǎn)關(guān)鍵詞：
詞云 描述性分析
知識(shí)點(diǎn)所用軟件：
Rstudio
操作目的：
刪除非中文字符及關(guān)鍵詞
制作詞云
知識(shí)點(diǎn)素材（包括數(shù)據(jù)）：
totalold.csv
操作步驟:
1.讀取文件，提取商品名稱所在的向量
2.刪除非中文字符
3.結(jié)巴分詞，查看詞頻
4.去除無意義關(guān)鍵詞
5.選擇色系，字體，繪制詞云
操作結(jié)果：
繪制詞云得到詞云圖，從中找到關(guān)鍵標(biāo)簽，每次詞云顯示的效果不同，最好多做幾次取標(biāo)簽，結(jié)果如下
提取六個(gè)關(guān)鍵標(biāo)簽：新款、修身、韓版、中長(zhǎng)款、顯瘦、印花。選擇若干進(jìn)行后續(xù)分析。
知識(shí)點(diǎn)小結(jié)：
詞云分析一般先要對(duì)字符型變量進(jìn)行清洗，分詞，根據(jù)停用詞詞典去詞，找到詞頻分布，然后根據(jù)詞分布做詞云圖
知識(shí)點(diǎn)4：
知識(shí)點(diǎn)名稱：提取關(guān)鍵詞生成新數(shù)據(jù)
知識(shí)點(diǎn)所屬工作角色：
知識(shí)點(diǎn)背景：
提取關(guān)鍵詞生成新變量
知識(shí)點(diǎn)描述
知識(shí)點(diǎn)關(guān)鍵詞：
分詞 生成新變量
知識(shí)點(diǎn)所用軟件：
Rstudio
操作目的：
提取關(guān)鍵詞生成新變量
知識(shí)點(diǎn)素材（包括數(shù)據(jù)）：
totalold.csv
操作步驟:
1.讀取數(shù)據(jù)
2.提取商品名稱列，刪去非中文字符，分詞，使用分號(hào)隔開
3.在商品中提取關(guān)鍵詞“韓版”，包含“韓版”的商品標(biāo)記為1，其他為0，生成新變量“是否韓版”。對(duì)于其他關(guān)鍵詞：“新款”、“顯瘦”、“中長(zhǎng)款”、“印花”、“修身”同理
4.提取銷量中的數(shù)字，根據(jù)需要的變量生成新的數(shù)據(jù)框
5.將數(shù)據(jù)寫入totalold.csv和keywords.csv
操作結(jié)果：
知識(shí)點(diǎn)小結(jié)：
通過
數(shù)據(jù)清洗，提取關(guān)鍵詞生成新變量的過程，可以生成規(guī)整清洗的新的數(shù)據(jù)表格，方便之后的描述和推斷。
知識(shí)點(diǎn)5：
知識(shí)點(diǎn)名稱：描述性分析
知識(shí)點(diǎn)所屬工作角色：
描述性分析
知識(shí)點(diǎn)背景：
描述性分析的目標(biāo)主要在于描述數(shù)據(jù)集的大致變化趨勢(shì)和相關(guān)關(guān)系
知識(shí)點(diǎn)描述
描述性分析
知識(shí)點(diǎn)關(guān)鍵詞：
描述性分析 ggplot2
知識(shí)點(diǎn)所用軟件：
Rstudio
操作目的：
通過描述性分析分析銷量的分布情況以及各銷量對(duì)票房的影響
知識(shí)點(diǎn)素材（包括數(shù)據(jù)）：
totalold.csv
keywords.csv
total.csv
操作步驟:
1.讀取數(shù)據(jù)
2.提取銷量和價(jià)格，查看銷量分布，去除不關(guān)心的小于100銷量的產(chǎn)品，對(duì)銷量重新分區(qū)，ggplot2繪圖觀察
可見月銷量在100至150件之間的連衣裙占比34.8%，分布明顯右偏，月銷量高于250的商品數(shù)量分布相對(duì)比較平均
3.將價(jià)格這一連續(xù)變量離散化，使用ggplot2制圖
4.繪制年齡和對(duì)數(shù)銷售量的條件箱線圖
其中：箱體寬度代表不同年齡層的商品數(shù)量比較；25-29周歲年齡群對(duì)應(yīng)的商品數(shù)量居多(57.8%)，高銷量商品也較多；青少年及老年消費(fèi)者對(duì)應(yīng)的商品數(shù)量較少，但是平均銷量高，值得關(guān)注；各個(gè)年齡層之間的銷售量沒有明顯差異。
5.觀察是否顯瘦和銷量分別在全年齡段和25-29年齡段上的關(guān)系，分別做兩個(gè)條件箱線圖，并且放在一張圖上
可見：“顯瘦”特質(zhì)在整體上對(duì)銷量有一定的促進(jìn)作用；25-29周歲年齡群的女性“顯瘦”特質(zhì)的促進(jìn)作用較為顯著
6.觀察是否新款和銷量分別在全年齡段、25-29年齡段上以及35-39年齡段上的關(guān)系，分別做三個(gè)條件箱線圖，并且放在一張圖上
其中，“新款”特質(zhì)在整體上對(duì)銷量有一定的促進(jìn)作用，25-29周歲年齡群的女性更加偏好該特質(zhì)，35-39周歲年齡群的女性對(duì)該特質(zhì)無感甚至有輕微的負(fù)面反應(yīng)。
?
7.觀察是否中長(zhǎng)款和銷量分別在全年齡段、18-24年齡段上以及40-49年齡段上的關(guān)系，分別做三個(gè)條件箱線圖，并且放在一張圖上
可見，“中長(zhǎng)款”特質(zhì)對(duì)銷量的促進(jìn)作用相較之前明顯更好些，18-24周歲的青年人群中尤為受歡迎，40-49周歲年齡群的女性對(duì)該特質(zhì)仍有一定的好感但是特質(zhì)影響明顯小些
8.觀察是否韓版和銷量分別在全年齡段、18-24年齡段上以及35-39年齡段上的關(guān)系，分別做三個(gè)條件箱線圖，并且放在一張圖上
可見，“韓版”特質(zhì)對(duì)銷量有明顯的正向影響，35-39周歲年齡群的女性尤為暢銷，18-24周歲年齡群的女性對(duì)該特質(zhì)無感。
9.通過上面對(duì)商品屬性的特定
特征描述性分析，可以得到如下幾個(gè)小結(jié)：
i.月銷量100-200筆的商品數(shù)量較多，且隨著商品單價(jià)的上升有下降趨勢(shì)
ii.各年齡層的平均銷量差異并不明顯，25-29周歲年齡層消費(fèi)的商品數(shù)量較多
iii.從商品名稱中提取關(guān)鍵標(biāo)簽，發(fā)現(xiàn)“顯瘦”、“新款”、“中長(zhǎng)款”、“韓版”特質(zhì)整體對(duì)銷量都有不同程度的積極作用。并且不同年齡層對(duì)銷量的影響不同
10.讀取原始數(shù)據(jù)total.csv，使用
正則表達(dá)式提取地點(diǎn)（市）的關(guān)鍵詞，并且只保留商家較多的市
11.構(gòu)建地點(diǎn)和銷量數(shù)據(jù)集，并且通過中位數(shù)調(diào)整地點(diǎn)數(shù)據(jù)，排序
12.繪制地點(diǎn)銷量圖
其中，武漢的商品是最少的(0.88%)，但是商品平均銷量最高；杭州商品數(shù)量最多(24.4%)且平均銷量較高，優(yōu)勢(shì)較明顯；廣州、深圳，尤其是上海商品數(shù)量較多但是平均銷量卻一般
?
13.觀察開店時(shí)間對(duì)銷量的影響，先提取數(shù)據(jù)，在生成新的年份向量，最后制圖
14.觀察物流、服務(wù)、描述評(píng)分與銷量的箱線圖，去除缺失值，將評(píng)分因子化，合并4.6以下的評(píng)分
可見，店鋪各項(xiàng)評(píng)分均較大程度的集中在4.7或4.8；評(píng)分4.7的店鋪平均銷量最高；店鋪評(píng)分低于4.7的商品數(shù)量較少且月銷量較低
操作結(jié)果：
見操作步驟中每一部分的輸出圖形
小結(jié)：
1.武漢、東莞等少數(shù)城市雖然商品數(shù)量較少但是商品銷量卻居全國(guó)前列
2.杭州商品數(shù)量最多(24.4%)且平均銷量較高，屬于熱點(diǎn)城市
3.店鋪成立時(shí)間對(duì)銷量不會(huì)產(chǎn)生明顯的影響
4.高銷量連衣裙所屬的店鋪評(píng)分集中在4.7和4.8，其中4.7的店鋪平均銷量最高，評(píng)分4.7以下的店鋪商品銷量較少（很難達(dá)到100以上），很難入選該數(shù)據(jù)集
知識(shí)點(diǎn)小結(jié)：
通過數(shù)據(jù)描述性分析過程可以很直觀的得到一些基本的結(jié)論，這些結(jié)論能夠很好的幫助我們發(fā)現(xiàn)數(shù)據(jù)之間的內(nèi)在關(guān)系
知識(shí)點(diǎn)6：
知識(shí)點(diǎn)名稱：用多元
線性回歸進(jìn)行推斷和預(yù)測(cè)分析
知識(shí)點(diǎn)所屬工作角色：
多元回歸分析
知識(shí)點(diǎn)背景：
1.使用多元
線性回歸進(jìn)行推斷和預(yù)測(cè)分析
2.得到系數(shù)并且進(jìn)行初步的觀察和解釋
3.加入交互項(xiàng)改善模型擬合度
知識(shí)點(diǎn)描述
知識(shí)點(diǎn)關(guān)鍵詞：
知識(shí)點(diǎn)所用軟件：
Rstudio
操作目的：
1.使用多元
線性回歸進(jìn)行推斷和預(yù)測(cè)分析
2.得到系數(shù)并且進(jìn)行初步的觀察和解釋
3.加入交互項(xiàng)改善模型擬合度
知識(shí)點(diǎn)素材（包括數(shù)據(jù)）：
totalold.csv
操作步驟:
1.讀取數(shù)據(jù)，生成用于建模的新數(shù)據(jù)表格
用于分析的數(shù)據(jù)說明如下
2.回歸分析
結(jié)果分析：
R-squared: 0.05463，Adjusted R-squared: 0.05353?？梢婎A(yù)測(cè)性很差。參考價(jià)值僅在于相關(guān)性不在于預(yù)測(cè)性。
模型總結(jié)(顯著性水平選擇0.05)：
1.價(jià)格對(duì)銷量有負(fù)面影響，符合預(yù)期。由于價(jià)格和銷量均經(jīng)過取對(duì)數(shù)處理，則對(duì)應(yīng)的回歸系數(shù)體現(xiàn)了銷量對(duì)價(jià)格的彈性，即價(jià)格增長(zhǎng)1%，連衣裙月銷量相應(yīng)的減少約0.234%
2.“韓版”、“新款”、“顯瘦”、“中長(zhǎng)款”均對(duì)銷量有正面影響，其中“中長(zhǎng)款”、“顯瘦”對(duì)銷量影響較為明顯，“中長(zhǎng)款”特質(zhì)能有效提高約銷量月12.4%；“顯瘦”特質(zhì)提高11.6%。對(duì)應(yīng)回歸系數(shù)體現(xiàn)銷量的增長(zhǎng)率
3.年齡和“是否新款”對(duì)銷量的影響并不是很顯著
4.基于描述性分析的判斷，考慮加入年齡和各項(xiàng)標(biāo)簽的交互項(xiàng)
5.加入交互項(xiàng)后，變量描述如下
進(jìn)行回歸分析如下
結(jié)果分析：
R-squared: 0.05791，Adjusted R-squared: 0.0560?？梢姅M合優(yōu)度并沒有增加多少。參考價(jià)值僅在于相關(guān)性不在于預(yù)測(cè)性。
模型總結(jié)(顯著性水平選擇0.05)：
1.價(jià)格對(duì)月銷量的影響與未交交互項(xiàng)時(shí)基本一致
2.年齡、“新款”對(duì)銷量無影響
3.“顯瘦”、“中長(zhǎng)款”對(duì)銷量的正面影響依舊顯著，且相較之前系數(shù)變大即影響作用增強(qiáng)?！帮@瘦”會(huì)根據(jù)年齡層不同對(duì)銷量產(chǎn)生不同影響，隨著年齡的增加，“顯瘦”對(duì)銷量的影響作用減弱。
4.“中長(zhǎng)款”隨著年齡的變化對(duì)銷量無影響
5.“韓版”在加入交互項(xiàng)后對(duì)銷量產(chǎn)生負(fù)面影響，但是隨著年齡的的增長(zhǎng)對(duì)銷量的影響作用增強(qiáng)
綜上得到的結(jié)論
1.對(duì)商品標(biāo)簽進(jìn)行詞云分析能夠提取對(duì)銷量有顯著影響的因素：顯瘦、韓版、新款、中長(zhǎng)款?；貧w分析近一步將其效應(yīng)化
2.以上商品屬性對(duì)銷量的影響均會(huì)隨適用年齡層的變化而變化，通常25-29周歲和35-39周歲年齡層對(duì)其最為敏感，具體量化指標(biāo)由回歸分析中的交互項(xiàng)系數(shù)體現(xiàn)
3.商品所在店鋪信息對(duì)商品銷量亦有預(yù)測(cè)作用：并非店鋪評(píng)分越高商品銷量越高，高銷量易集中在中檔評(píng)分；同時(shí)可觀察到店鋪所在地與商品銷量的相關(guān)性，可進(jìn)一步考察典型城市
操作結(jié)果：
見操作步驟中的總結(jié)部分
知識(shí)點(diǎn)小結(jié)：
多元回歸分析只是眾多
有監(jiān)督預(yù)測(cè)方式的一種，由于存在線性假設(shè)，而線性假設(shè)在現(xiàn)實(shí)中并不常見，所以這里加入了交互項(xiàng)，而效果一遍，需要進(jìn)一步通過殘差分析，當(dāng)擬合優(yōu)度較差的時(shí)候預(yù)測(cè)性就會(huì)變得很差，只能說明相關(guān)性，不適于預(yù)測(cè)。
CDA數(shù)據(jù)分析師考試相關(guān)入口一覽（建議收藏）：
? 想報(bào)名CDA認(rèn)證考試，點(diǎn)擊>>>
“CDA報(bào)名”
了解CDA考試詳情；
? 想學(xué)習(xí)CDA考試教材，點(diǎn)擊>>> “CDA教材” 了解CDA考試詳情；
? 想加入CDA考試題庫(kù)，點(diǎn)擊>>> “CDA題庫(kù)” 了解CDA考試詳情；
? 想了解CDA考試含金量，點(diǎn)擊>>> “CDA含金量” 了解CDA考試詳情；
京公網(wǎng)安備 11010802034615號(hào)
經(jīng)營(yíng)許可證編號(hào)：京B2-20210330
