1 团队介绍
本项目为个人参赛作品，由学生独立完成数据集理解、数据清洗预处理、计算字段开发、FineBI Next仪表盘搭建、报告撰写全部工作。本次参赛旨在锻炼电商业务数据分析思维，掌握快照类数据集处理逻辑与BI可视化交互设计能力，完整复现从原始数据到业务洞察的全流程，挖掘双十一美妆大促背后的销售规律。本人具备基础的数据处理经验，通过本次实践进一步掌握指标口径设计、图表选型、联动下钻的 BI 项目开发思路。
2 作品背景
双十一作为国内电商规模最大的消费大促，美妆类目品牌众多、商品丰富，行业竞争十分激烈。行业存在明显80‑20头部爆款效应：大盘销售额亮眼，但市场利润与销量高度集中于少数品牌，大量商品贡献极低。不同品牌、品类、价格段的商品，销售表现差距巨大。
本次所使用数据集为活动期间每日累计快照数据，同一商品在活动周期会生成多条日期记录，如果直接汇总多天数据，会造成销量、销售额重复累加，统计结果虚高失真。因此选取双十一核心爆发日11 月11日快照作为分析样本。
本作品期望借助可视化工具，解决以下业务问题：看清双十一爆发日整体销售大盘，理清品牌竞争格局；挖掘热销品类与消费者偏好价位区间；验证美妆行业80‑20爆款效应，评估套装礼盒对销售的拉动效果；为中小美妆商家的选品规划、产品布局、大促运营提供可落地的数据参考。
3 制作流程
图 1-制作流程图
流程图文字逻辑：原始快照数据集 →筛选保留 11‑11 数据、异常样本保留 →新增品类标签、套装 / 单品标签字段 →五大仪表盘模块（大盘总览、品牌格局、品类价格、商品对比、明细钻取） →品类全局筛选、图表联动下钻交互输出业务洞察
3.1 数据来源
数据来源于和鲸社区公开数据集，作者cowboy（淘宝双十一商品数据 电商数据 - Heywhale.com)。数据集包含更新时间、商品 ID、商品标题、价格、销量、评论数、品牌店名等字段，原始数据时间范围为11月5日‑11月14日，属于每日累计快照。本次选取11月11日快照作为全部分析数据源。
3.2 数据预处理
原始数据集属于每日累计快照，同款商品会存在多条不同日期的重复记录，直接汇总多天数据会出现数据虚高问题。为保证分析结果真实有效，仅筛选保留11月11日的商品记录开展分析，主要处理内容如下：
1）数据筛选：过滤日期字段，仅保留11月11日快照数据，得到去重后的商品数据集，用于品牌排名、价格带划分、帕累托分析、品类分析等全部图表制作。
2）新增计算字段：
图 2-品类标签 IF 嵌套关键词匹配规则
本计算字段使用多层IF嵌套结合FIND关键词匹配实现商品自动分类。逻辑上优先识别 “套装”“礼盒” 关键词标记为套装礼盒，解决商品标题同时携带多个品类关键词造成错分问题；后续依次匹配爽肤水、洁面卸妆、精华、面霜、乳液、面膜、彩妆；所有条件均不满足时归类为 “其他”。
3）异常样本处理：数据集中存在部分评论数大于销量的异常样本，本次不作删除，完整保留原始数据，在报告解读中客观说明该现象。
3.3 设计思路与仪表盘框架
整体遵循“总览大盘→品牌竞争分析→品类与价格分析→商品对比→明细钻取”的叙事逻辑。仪表盘为单页面设计，页面包含核心KPI指标卡、品牌分析、品类价格分析、商品对比、明细表。页面顶部配置品类全局下拉筛选控件，筛选作用于全部图表组件，可针对不同品类切片观察销售情况，页面内图表与明细表支持联动交互。
3.4 实现工具
使用 FineBI Next 网页版完成全部可视化制作，完成图表绘制、指标计算、组件排版、全局筛选与图表联动配置。
4成果展示
仪表盘链接：https://next.finebi.com/decision/application/9ccaeb7216ca4a53a3bec77d67aed1
本仪表盘基于双十一 11 月 11 日爆发日美妆商品快照数据搭建，完整还原大促爆发阶段市场全貌。项目构建完整分析链路：从大盘指标掌握市场规模，通过品牌图表验证 80‑20 头部集中效应，再拆解品类、价格带、套装单品结构，最后通过明细表完成从宏观大盘下钻至单条商品的完整闭环。仪表盘支持品类全局筛选，切换品类即可刷新全部图表；点击图表可以联动下钻查看商品明细，为美妆商家大促运营决策提供可视化支撑。
4.1 模块一：大盘总览
本模块设置 6 张核心指标卡，直观呈现双十一爆发日整体业务规模，指标包含商品总数、品牌数、总评论、总销量、总销售额、商品均价。页面设置品类下拉筛选器，切换品类后指标卡数值会同步更新。
图 3-双十一美妆商品大盘核心指标卡
分析解读：本次11月 11日共有2129个商品、19个美妆品牌参与大促；整体总销售额33.55亿元，总销量2782.02万，总评论250.33万，商品均价314.09元。通过核心指标能够快速建立对双十一爆发日市场整体规模的认知。
4.2 模块二：品牌竞争格局分析
本模块包含品牌销售额 TOP10 横向柱状图、品牌评论量排名条形图、头部品牌帕累托图、品牌销售额饼图。切换品类筛选后，图表将展示对应品类内部的品牌竞争情况。
图 4-品牌竞争格局可视化图表
分析解读：品牌销售额TOP10横向柱状图展示各品牌销售额排序，欧莱雅销售额遥遥领先，悦诗风吟、相宜本草紧随其后，头部品牌优势明显。
品牌评论量排名条形图反映各品牌消费者热度，评论数高代表市场曝光与用户讨论度高，可以观察发现评论热度排名和销售额排名并不完全一致。
头部品牌帕累托图结合柱状与累计占比折线，用于验证美妆行业二八效应，可以看到少量头部品牌贡献了绝大部分市场销售额，市场集中度较高。
品牌销售额饼图直观呈现各品牌市场份额占比，能够快速对比各个品牌在整体市场中的占比大小。
4.3模块三：品类与价格带分析
包含品类销售额排名柱状图、价格带柱‑线双轴组合图。
图 5-品类销售与价格带分析图表
分析解读：品类销售额柱状图对比各个品类销售贡献，套装礼盒、爽肤水销售额表现突出，是本次大促主力品类。
价格带柱‑线组合图为双轴图表，柱子代表对应价格区间商品销量，折线代表该区间销售额。从图中可以看出不同价位段的消费能力分布，帮助识别市场主力消费价位，为商家定价提供参考。
4.4 模块四：商品对比分析
该模块包含套装与单品销售结构对比图、品牌销量对比柱状图、多维度气泡图。筛选器变化时图表联动刷新。
图 6-商品结构与多维度可视化分析
分析解读：套装与单品销售结构对比图同时展示商品数量与销售额两个维度。可以看到单品的商品数量远高于套装，同时单品贡献的销售额也显著高于套装，说明本次大促市场以单品销售为主，但套装依旧拥有不可忽视的销售贡献。
品牌销量对比柱状图展示各品牌销量规模，结合前面的销售额图表对比可以发现：部分品牌销量很高，但销售额并不突出，反映该品牌商品客单价偏低。
多维度气泡图将多个指标整合展示，X轴、Y轴映射不同业务指标，气泡大小代表另一维度数据，可以同时观察品牌的销量、评论热度等多个特征。从气泡分布可以大致观察：高价商品较难获得高销量，评论热度较高的品牌整体销售表现更好。
相关性趋势深度探索：借助多维度气泡图开展进一步定性分析：商品价格与销量呈现弱负相关趋势，评论数与销量存在正向关联，说明价格只是影响销量其中一项因素，品牌实力、营销活动、商品口碑同样会干预成交结果。本项目没有在仪表盘内做回归运算，因此不输出R²、皮尔逊相关系数具体数值。原始数据存在部分评论数大于销量的异常样本，推测是平台历史评论未跟随销量同步更新，本次分析完整保留原始样本，不作删除处理。
4.5 模块五：明细钻取
明细表展示原始商品明细，字段包含店名、产品名、单价、销量、评论数、销售额。可配合筛选器查看不同条件下商品原始数据。
图 7-商品明细数据表
分析解读：明细表用于支撑前面所有图表，可下钻查看单条商品的真实数据，用于校验统计结果、定位爆款商品，实现从宏观指标到单商品数据的追溯。
5 总结与分享
本次作品围绕双十一美妆爆发日销售快照开展可视化分析，从需求梳理、数据清洗、指标构建到仪表盘设计落地，在数据口径处理、图表选型、页面叙事逻辑方面积累经验，同时也遇到不少实操问题，现将分析结论、业务启示、后续拓展方向与制作心得整理如下。
5.1 分析主要结论
1）双十一爆发日美妆市场爆款效应显著，少数头部品牌、头部商品占据市场大部分销售额，市场集中度较高，符合帕累托分布特征。
2）套装礼盒、爽肤水是本次大促核心贡献品类，套装礼盒具备拉动整体销售规模的作用；但市场成交仍然以单品为主，单品在商品数量和销售额上均高于套装。
3）消费者购买行为集中在部分主力价格区间，高价商品整体销量表现偏弱；价格并非影响销量的唯一因素，品牌力、口碑热度同样会左右商品成交情况。
4）本数据集属于快照型数据，多天快照存在大量重复商品记录，不能直接将多日数据合并累加统计。本次选取11月11日单日快照作为分析数据源，规避多日重复记录造成数据虚高的口径错误。
业务建议：美妆商家参与双十一大促时，可以重点布局套装礼盒、爽肤水等高贡献品类；集中资源运营头部爆款商品；参考市场主力消费价格带完成产品定价规划，同时重视品牌建设与商品评论口碑运营，不能单纯依靠低价争夺市场。
后续拓展方向
当前项目仅使用11月11日爆发日单天快照开展研究，后续还可以从多方面迭代完善作品：
1）引入11.5‑11.14全部多日快照数据，增加时序分析，对比大促全周期销量、销售额变化趋势，观察商品销售的时间演变；
2）尝试开展价格弹性建模，分不同品类探究价格变动对商品销量的影响程度，给商家定价提供更量化参考；
3）增加中小品牌、潜力商品识别逻辑，挖掘非头部商品机会点，面向中小美妆商家输出更加精细化运营建议。
5.2 作品制作心得与踩坑复盘
1）先理清数据口径，再开展图表制作。数据集为快照数据，不同日期快照会重复记录同款商品。初期尝试直接合并多份日期数据汇总，会造成销量、销售额虚高。经过调研比对后确定，选用双十一核心爆发日11月11日快照作为唯一分析数据源，从源头保证统计结果可信。
2）筛选交互设计要兼顾联动与分析目的。全局只配置品类筛选器，不增加品牌筛选。如果开放品牌筛选，会破坏品牌之间横向对比的分析逻辑；在FineBI Next中设置筛选器勾选 “应用到全部组件”，实现大盘、品牌、品类、明细表全部组件联动查看，兼顾整体分析和细分下钻。
3）仪表盘遵循分析叙事顺序排版，报告与看板严格对齐。图表不随意堆砌，页面按照大盘总览→品牌竞争格局→品类与价格带分析→商品结构多维分析→明细数据表的逻辑排布。
