参赛队伍简介： 队名：巾帼不让须眉 队长：秀秀儿，某三级医院数据分析师（取数工程师）。天天写SQL有什么意思，把数据可视化后分析数据的底层逻辑才有意思，所以我来参加比赛了。 成员：人间可还值得，某世界500强运营。大学四年形影不离，比赛当然也要一起。比赛过程似乎干啥都不行，但审美能力以及和队长辩论的能力还不错。 一、背景概述       为优化消费者购物体验，优衣库开启全国门店自提服务，网店下单后门店可最快在1小时内完成备货，消费者可自行选择到全国任意适用门店取货。       “跨城送爱”更加便捷快速，春运出行的消费者亦能“轻”装出行，下了飞机去取新衣。还有更多贴心举措，如“免费改、轻松换”售后增值服务，满足修改裤长、同类商品换颜色、尺寸，以及当场试装等个性需求。 在电商时代快速发展的时代下，优衣库形成这种特殊情形的主要原因是：商业模式的独特性。首先，其店铺将自助式购物作为主要消费模式，很大程度上提升了消费者的购物体验，其次，店铺采用仓储和陈列一体化的模式，很大程度上降低了店铺的固定成本，从而减少了线上和线下销售价格的差异。为此，很大程度上提升了消费者对于线下渠道消费的喜爱程度。       所以对于优衣库来说，如何更好地提供顾客所喜欢的商品、如何提升商品的利润、以及如何高效利用仓储空间，则是一个非常重要的经营分析课题。   二、分析目的       本作品将从人、货、场三个维度，即客户维度、产品维度、区域维度（补充时间维度）对优衣库畅销款商品的销售情况进行数据分析和可视化报告展示，从而为优衣库在弄清用户行为偏好、提升商品利润以及优化店铺陈列等方面，提供营销决策的数据基础，并提出促进销售提升的建议和运营策略方案，促进店铺的销售提升。   三、数据整理   （一）数据说明       数据集来自往网上公开的数据，是一份有关优衣库销售数据共有22294条记录，13个字段。此次被用于分析数据共统计了一个月内全国十座城市下64家优衣库店铺的销售数据。为方便大家学习交流，特分享在百度网盘供大家下载。       共享链接：https://pan.baidu.com/s/1yk1coOE0wLGXcC7z8xqyag?pwd=q8k4   （二）数据清洗 1、删除重复数据       重复值会干扰数据的准确性，删除重复值确保数据是唯一的。由于在该数据集中没有唯一的可指定该数据行的字段，且同一个店铺同一时间的客户确实可以多次购买多件同样的衣服，因此可产生同样的数据，故该数据集不需要进行重复值操作。  2、列重命名（字段设置）       为方便后续理解数据真正的业务含义，将表述不清晰的列名进行重新命名。为在可视化图表便于直观展示，在这里将表中所有列的英文列名重命名为中文名。    3、缺失值处理       缺失值影响数据的准确性。采用定位条件定位空值，发现没有缺失值，故不进行缺失值处理。       对数据集各列进行缺失值查找，有三种方法查看缺失值：直接看各列的计数值是否相同；对各列筛选操作查看各列有没有空值；采用定位条件进行空值定位。       经查均未发现有缺失值，所以暂时不需要进行缺失值处理。 4、异常值处理       客户性别字段存在118个UNKNOW数据，年龄存在137个UNKNOW字段（异常值），同时两者重合度较高，因数据量不大故进行删除处理。       销售金额字段存在负值和零值31个（异常值），同样进行删除处理，这些数据占比较小进行删除处理同时也不会对整体数据产生影响。       说明：FineBI直接用“过滤”的方式将对应异常值进行“删除”处理。   5、派生指标处理 ①　平均销售额=SUM_AGG({销售金额})/SUM_AGG({购买数量}) ②　销售利润={销售金额}-{购买数量}*{产品成本} ③　客单价=SUM_AGG({销售金额})/SUM_AGG(${客户数量}) ④　销售占比=SUM_AGG({销售金额})/TOTAL(SUM_AGG({销售金额}),0,"sum") ⑤　累计占比=ACC_SUM(SUM_AGG({销售金额})/TOTAL(SUM_AGG({销售金额}),0,"sum"))   四、分析思路 ①　分析维度：人（顾客）维度、货（产品）维度、场（区域维度）、时间维度 ②　数据指标：销售额、订单数、销量、客户数、利润、客单价及其派生指标等。 ③　分析方法：四象限分析、帕累托分析、对比分析、占比分析、联动分析等。   五、分析过程   （一）产品维度   1、产品销售分析 利用帕累托分析，将销售情况按产品维度进行分析，对比不同产品的销售情况。         销售金额前三的产品类型有T恤、当季衣服、配件，销售额后三为有袜子、运动、短裤类型的产品；且各产品销售额之间的的差异巨大，T恤的销售额是当季衣服的两倍多，是配件销售额的3倍多。T恤销售额达到150万以上，而次之的当季新品和配件都在60万以下，其他产品的销售额还不到30万。       ABC 分类法全称为 ABC 分类库存控制法。又称帕累托分析法或巴雷托分析法、柏拉图分析、主次因分析法 、ABC分析法、ABC 管理法，平常也称之为「80 对 20」规则。 A 类产品 非常重要 80% 数量占比少，价值占比大 B 类产品 比较重要 10% 没有A类物品那么重要，介于 A、C 之间 C 类产品 一般重要 10% 数量占比大但价值占比很小       综上，A类产品包括T恤、当季新品、配件和毛衣，需重点管理；B类产品包括牛仔裤、裙子，需进一步挖掘增长点；C类产品包括：袜子、运动类和短裤三种产品，需发挥潜力。   2、产品波士顿矩阵分析 利用四象限分析方法（波士顿矩阵图）对比分析不同产品的利润和客单价情况。         本作品采用波士顿矩阵原理，对产品的“利润”和“客单价”两个指标进行分析。       综上，“明星产品”为当季新品、配件。同时，T恤利润最高，且客单价也较高。优衣库应该不断的合理加强管理、投资，积极扩大这几个产品的经济规模和市场机会，以长远利益为目标，提高市场占有率，加强竞争地位。最后，应注意换季新品的适时投入，推广引导销售，促进销售增长。   3、产品利润分析         由上图各类型产品的利润分布可知，T恤是利润最高的产品，利润达到63万，T恤利润占整体利润的38%，若加上配件和当季新品的占比就达73%，且不同产品类别的利润差异相差较大；其他产品的利润均在31万以下，毛衣、袜子、裙子、牛仔裤、短裤、运动服饰利润不到10万；运动和短裤的利润占比不到5%。         综合以上，店铺应重点关注T恤、配件、当季新品的宣传和营销，注意货架摆放，特别是T恤等销售更好的产品摆放到更为显眼的地方，放大此类产品的曝光量，吸引客户下单购买，优衣库可以适当减少牛仔裤、短裤、运动等类型产品的陈列和库存比例。   4、订单量和购买数量分析   不同产品的购买数量及订单数量也基本同步变化，销量分布排名前三产品类型的有T恤、当季衣服、配件。   各类型产品的购买量分布差异同样巨大，T恤的销量和销售额达到整体占比的40%以上，T恤的购买量是当季衣服购买量的3倍多，是配件购买量的4倍多。   T恤销量达到1.8万件以上，其他类型产品都在6千件以下；其中运动、毛衣、裙子的销量甚至还不到2千件。   购买量的大小能反映客户的产品消费偏好，日常生活中T恤的消耗量大，加上各类优衣库联名款的宣传加持，T恤产品最受客户的欢迎。   （二）客户维度   1、用户性别销售比例分析   女性用户占比是男性用户占比的2.3倍，女性用户的群体占比最大，符合如今用户群体消费的女性是消费主力的特征。   2、用户的购买时间偏好分析   由上图可知，无论是在工作日还是周末都是女性用户都是消费主力群体，而且工作日及周末时间女性用户数量是男性的2倍多。   3、用户购买渠道分析         无论是线上还是线下渠道，对比男性用户，女性用户仍然是消费主力群体。在男女用户中，线下渠道客户数量是线上渠道客户数量的4倍。         综合以上分析，店铺可对女性货架区重点铺货，线上渠道也可优先展示女性穿搭产品，同时增加女性模特穿搭相关广告宣传，增大女性用户的消费潜力和欲望。   4、用户的年龄段分析           按年龄段分布，不同年龄段的客户数量及购买数量呈类正态分布，购买群体主要分布在20-39岁的中青年群体，占整体客户数量的的76%，客户数量和购买数量都在5000人以上。该年龄段群体处于相对年轻化的，比较追求时髦同时购买力也较强的群体特征。20岁以下及40岁以上的群体相对较少，客户数量及购买数量都处在3000人以下，所以应当重点关注20-39岁的中青年群体的消费，对于线上渠道的曝光，对于宣传的穿搭模特需要选取20-39岁年龄段偏年轻态的模特，促进该年龄段用户群体的消费。         综合以上客户维度分析，优衣库在销售T恤、当季新品及配件时，需将20-40岁间的女性消费者作为重要价值客户，并制定相应的营销策略，根据女性群体特质销售女性合适款式的商品，有针对性地进行店铺陈列和货物摆放及，并且注意维护好周末时间的客户购物体验服务。   （三）区域维度   1、不同城市的销售情况分析         从不同城市的销售额分布来看，销售额排名前三的城市有深圳、杭州、武汉，都达到50万以上的销售额，其中深圳达到了70万以上的销售额，其他城市的销售额均在40万以下。其中西安、成都和北京及南京等城市的销售额较低，均在在22万以下。   2、不同城市客户量、销量、利润分析           不同城市的客户数量及购买数量及利润分布上，同样是深圳、杭州、武汉排名前三，远远甩开其他城市，是优衣库消费主力城市，这三个城市的销量占比达整体销量的50%以上，说明这些城市的用户消费潜力和需求较大，店铺可针对这些城市考虑增加分店，以及相对应地增加产品仓储库存，重点关注这些城市的产品宣传，制定更有地方特色更能融入地方消费者的宣传策略。   北京市的利润分布实在是太低了，是什么原因呢？利用联动分析，将北京市各产品类型的利润进行展开。         发现北京市的利润分布差距更大，T恤销售达3.1万，但是销售利润上万的仅配件和T恤，而袜子、毛衣、裙子、短裤、牛仔裤、运动类型的产品利润才3600以下，运动类型产品利润甚至不到1000。         北京的店铺需要调整产品类型的布局，增加T恤、配件、当季新品的库存和摆放，对于其他类型的产品还需要其他的数据进行调查论证究竟是什么原因导致的产品利润低。 （同样可以利用此方法对南京等其他城市进行探索分析，此处不再重复）   3、不同城市渠道用户销量情况         由上图可知，除了广州外其他城市的销量都是线下渠道销量高于线上渠道向量，不同城市的线上线下渠道销量的差异悬殊，消费者更喜欢在线下消费，其中上海的线下渠道销量是线上渠道销量的2倍，重庆的销量是线下是线上的7倍，西安的销量是线下是线上的5倍，只有武汉的线上及线下渠道销量基本齐平，消费者对于线上和线下渠道的选择不具有较大差异性，相较于其他城市而言消费者人数分布较均衡。而广州是唯一一个线上销售渠道下消费者人数超过线下渠道的城市，与其他城市相反，广州的消费者更加偏向于在优衣库的线上店铺进行消费，线上销售渠道的消费者人数约为线下的2倍。         按照客户消费习惯以及优衣库的价格销售策略，加上衣物普遍需要试穿才能确定是否适合的特点。大部分人是会在线下店铺里选品、试穿、然后合适就购买，或者在线下店铺选品、试穿然后记住合适的产品，在线上进行下单加购直到遇到更合适的价格再付款，所以线下渠道的销售仍然是主流，线上渠道的销售起锦上添花的作用。对于未开通线上渠道销售的深圳杭州等城市可考虑开通线上渠道销售，对于整体销售会有所提升。   （四）时间维度         由以上表格展示的工作日与周末的销售额、购买量及客户数分布情况可知，工作日的销售额比周末的高得多。但是由常识可以知道优衣库周末的销售明显比工作日更好，周末来店购买的人普遍更多。原因是因为工作日的销售额是5天的累积，而周末是2天的销售额累积。         为了更直观展示销售情况，所以上表增加了平均指标，发现确实是周末各类指标的平均销售都比工作日的平均销售更高，周末的平均指标都比工作日的平均指标的1.7倍。         说明客户周末休息时间更有时间进行消费，更有购买欲望更愿意多花时间在店铺选购，所以店铺需要重点关注周末的商品销售和客户服务，加强周末商品营销抓住周末客流多销量大的特点引导和吸引客户周末增加消费。   六、结论建议 （1）对于产品偏好类型分析，消费者比较偏好购买T恤、当季新品和配件类型的产品，且三种商品的销售利润达到整体销售利润的73%，是优衣库最为热卖的前三商品。 其中T恤利润占整体利润的38%，且不同产品类别的利润差异相差较大，运动和短裤的利润占比不到5%。 所以店铺应重点关注T恤、配件、当季新品的宣传和营销，注意货架摆放，优化货架产品的摆放，特别是将T恤、当季新品等销售更好的产品摆放到更为显眼的地方（例如陈列在靠近门口的位置），放大此类产品的曝光量，吸引客户下单购买；优衣库可以适当减少牛仔裤、短裤、运动等类型产品的陈列和库存比例。 （2）按用户性别属性分析，女性用户数量占比是男性用户数量的2.3倍，在男女用户中，线下渠道客户数量是线上渠道客户数量的4倍。 店铺可对女性货架区重点铺货，线上渠道也可优先展示女性穿搭产品，同时增加女性模特穿搭相关广告宣传，增大女性用户的消费潜力和欲望。 （3）根据年龄段分布情况，不同年龄段的客户数量及购买数量呈类正态分布，购买群体主要分布在20-39岁的中青年群体，占整体客户数量的的76%。所以应当重点关注20-39岁的中青年群体的消费，对于线上渠道的曝光，对于宣传的穿搭模特需要选取20-39岁年龄段偏年轻态的模特，促进该年龄段用户群体的消费。 同时，优衣库应适当增加T恤和当季新品类型的流行销售款式，并根据不同年龄段下消费者的特质制定针对性的产品设计和营销策略。优衣库在销售T恤、当季新品及配件时，需将20-40岁间的女性消费者作为重要价值客户，并制定相应的营销策略，有针对性地进行店铺陈列和货物摆放及，并且注意维护好周末时间的客户购物体验服务。 （4）不同城市的客户数量及购买数量及利润分布差异较大，其中深圳、杭州、武汉排名前三，远远甩开其他城市，是优衣库消费主力城市，这三个城市的销量占比达整体销量的50%以上，说明这些城市的用户消费潜力和需求较大，店铺可针对这些城市考虑增加分店，以及相对应地增加产品仓储库存，重点关注这些城市的产品宣传，制定更有地方特色更能融入地方消费者的宣传策略。 （5）依据用户购物渠道划分，优衣库的消费者更加偏向于进行线下渠道的消费。并且通过对十座一线城市的渠道销量情况的分析，可以发现深圳、杭州、成都、南京以及北京仅存在线下销售渠道，在线上和线下渠道共有的城市中，仅有广州的消费者更加偏向于在优衣库的线上店铺进行消费，线上销售渠道的消费者人数约为线下的2倍。其余城市的线下渠道销量可以达到线上的两倍及以上。 所以，店铺应重点关注线下渠道销售，对于线上渠道需要做好宣传推广。线上渠道的销售起锦上添花的作用，对于未开通线上渠道销售的深圳杭州等城市可考虑开通线上渠道销售，对于整体销售情况会有所提升。 （6）按消费时间选择偏好分析，用户都更加偏向于在周末的时间段内进行消费，周末的日平均销售指标是工作日的平均指标的1.7倍，周末时间用户购买欲望和潜力都更大，并且周末用户也更有时间在店铺进行消费选购。 为此，各门店可以选择在周末增加店铺内的商品样式陈列和货架摆放，或者在周末时间举行店铺促销活动以此来更大程度上提升客流量，加强周末商品营销抓住周末客流多销量大的特点引导和吸引客户积极消费。对于工作日店铺可以进行折扣促销活动吸引客户来消费。 作品链接：https://bisolutions.fanruan.com/webroot/decision/link/Gwxg  

我是去年开始学习了FineBI，之前一直和PowerBI打交道。可能是因为曾经被PowerBI的M函数和DAX函数吓到了，所以才转而决定深入学习FineBI。 课程过程中，系统学习了数据加工、仪表板的制作、OLAP功能、过滤功能、数据分析方法、美化布局等知识点。同时，也因为基于曾经的经历额外去学习对比了PowerBI与FineBI的区别。（这篇文章千万别转发，我怕PowerBI的老板找我算账，啊哈哈哈） 一、数据连接的区别 数据对接PowerBI支持常规的文件数据、传统的数据库，对于一些联机服务器数据源，支持得比较好，但不支持国内企业现今比较流行的大数据平台，不支持 SAP BW、Essba__se 多维数据库，对于一些需要基于java定制的api程序数据集也不支持；FineBI则可以直接连接国内的大数据平台，可以通过服务器数据集进行对接多维数据库。 个人感觉，FineBI对企业数据平台的对接能力更强。 二、可视化组件的区别 可视化PoweBI内置的图表种类相对较少，相对单调。但是提供了一个丰富的PowerBI 图表拓展市场供用户进行下载使用，图表类型的拓展能力还是十分强大的。不支持智能选择最适图表，不支持自动分析，支持移动端，但需要下载单独的Power BI移动端版本，学习时间长，各个功能全部掌握需要花费很多的时间成本，主要面向专业的数据分析师，IT人员，更换颜色主题操作比较繁琐，缺少字体颜色、背景色的设置，界面不是很友好，操作繁琐，另外由于是国外的软件，对于国内复杂的业务需求也不是很适应。 FineBI提供了无限的图表类型，不限制的图表属性组合映射效果以及智能的图表推荐功能。并且，FineBI 提供给用户更为友好的智能图表推荐功能。另外，FineBI由于支持用户将字段绑定到图表的颜色、大小、形状、标签等属性。在图表的拓展能力方面，FineBI没有类似PowerBI 的可拓展图表库供用户下载使用。FineBI 较 PowerBI 的可视化效果更加细腻灵活，图表的可视化呈现感染力更强。而且，听说FineBI6.0版本还加了箱型图等。 如果不考虑图表拓展市场的情况下，大家说谁更优呢？ 三、数据分析的区别 PowerBI 支持对数据进行钻取、联动、切片，但是不支持旋转操作，另外在超级链接跳转的时候无法自动进行模板之间的过滤配置，只能单独进行URL跳转。PowerBI比较依赖DAX函数（这鬼东西真要深入研究，可复杂了）来进行运算，例如想做类似同期环期、同比环比的快速计算，无法直接得出结果，需要用户书写一些 DAX 函数才能计算出相关结果。PowerBI 目前在数据挖掘分析领域中基本处于空白阶段，只是集成了一个 R 语言的执行脚本组件供用户书写代码使用。（FineBI也取消了数据挖掘功能，半斤八两） FineBIFineBI 商业智能解决方案提供了各种常见的 OLAP 分析操作，除基本的分组汇总外，还可以进行任意多维度的分析，多计算指标、过滤、联动、钻取换维、复用、数据预警等等分析功能。 这对比的结论，我就说谁优谁劣了。毕竟有些大神可喜欢写R语言了！ 四、技术服务的区别 PowerBI遵循着微软产品相似的理念、原则和体系结构，它也为 Windows 用户提供了一个简洁熟悉的操作界面，以帮助用户快速适用学习上手。另外学习资料方面，基础文档还算健全，但是有部分内容是英文的，另外学习视频无法访问（可能需要翻墙O），学习成本自然也就较高。 相较于国外产品而言，FineIBI 最大的优势在于帆软自主搭建的实施团队和服务团队，整个销售、实施和服务的流程都由帆软公司把控，而不是通过代理商或者其他第三方的机构，所以在 FineBI 在服务上的优势较为明显，再加上其相对合理的售价。技术服务方面，如果是企业级别的用户，还会有专业的技术服务团队响应服务。如果你不信，看看帮助文档有多齐全就知道了。（帮助文档地址：https://help.fanruan.com/finebi/） 经过了这几个方面的对比，以及平时学习或者工作实践中的体会。相信大家也会和我一样比较认可FineBI。那么，请和我一起喊出几个字：FineBI牛逼！ 当然，这只是我个人的一些观点，肯定还有其他方面的对比，可能还是各有优缺点。也欢迎大家各抒己见！  

一、成员介绍       注意到本次比赛的名称由“帆软BI可视化挑战赛”改成了“帆软BI数据分析大赛”，于是找来了李和平大神作为作品的指导老师一起向赛事发起挑战。从指导老师这里获知，本作品也由去年的特别注重可视化展示转变成特别注重分析过程。       本人，赖颖秀。个人详细信息在此就不介绍了，还单身的男士可以联系我要微信。   二、分析背景       随着国家陆续开放二胎、三胎（2021年）政策，婴儿市场规模也在不断的扩大，根据淘宝天猫的婴儿用品购买情况，对产品进行多维度分析，分析市场需求，定位产品方向，从而在满足市场需求的同时，提高销量。       本作品主要带着“销售为什么会提升？”的疑问，找到提升销售额的关键因素、分析不同特征用户对不同品类偏好，并找到如何提升销售额的方法。   三、报告简述       为了分析如何提升销售额，我们通过分析销售量随时间的变化趋势，发现特定节日销量较高，用4P营销理论进行假设检验分析，发现促销活动和产品品类扩充会导致销量上升；通过对不同品类产品分析销售状况，发现受用户喜欢的热销品类和不易销售的冷门品类；又对不同特征的用户群体分析其对品类的偏好，以及购买用户的复购行为进行分析，最终我们对“如何提升销售额”的问题，从不同品类的促销方式、库存以及对不同用户群体的运营推广方式提出了建议。   四、数据预处理       本作品数据包括订单明细表和用户婴儿信息表，加工处理操作过程包括但不局限于：字段类型转换、列重命名、删除空值（未发现空值）、删除重复值（未发现重复值）和一致化处理（“性别”处理：0为女婴，1为男婴，2为未知；增加“年龄段”字段）。以及，异常值处理（发现年龄出现28岁宝宝1项，删除）。 1、匹配用户婴儿的出生日期、性别信息 2、计算用户婴儿的年龄 3、对用户婴儿的年龄进行分组处理 4、对用户婴儿的性别进行一致化处理 5、选取数据分析所需字段，并进行位置移动   五、分析过程       下面，我们将带着其中三个问题，并应用营销4P理论，对孕婴商品的销售数据进行各维度的分析，探索进一步提升销量的方法。       在2019年-2022年2月，为什么销量呈现上涨趋势？       哪类商品最热销，可主推？       用户年龄段、性别对于销量的影响？如何做到精准营销？   5.1分析思路概述   5.2详细分析过程 5.2.1为什么销售量提升——对产品销售情况分析       对各年份销售数量进行对比分析，历年各月销量呈上涨趋势，每年5月分、9月份和11月份均有明显涨幅，其中5月和11月的涨幅尤为明显。       5月份和11月份涨幅较大，为何会上涨？我们对上涨原因进行分析。用4P营销理论提出假设：上涨原因为活动促销（促销）、产品品类增加（产品）、渠道扩充（渠道）、产品降价（价格）。 假设1：活动促销所致       对5月份波动分析，发现5月份较4月份较大增幅，注意到五一劳动节、母亲节、520淘宝天猫均做促销，故20年、21年的5月销量都有明显涨幅；对21年11月份波动分析，发现11月的销量相比9月和12月高出了不少。假设1成立！ 假设2：产品品类增加       通过分析19年、20年5月份的商品ID数目发现：21年5月份品类数目增加明显，但20年5月份品类数略增；比较20年5月和21年5月的销量，发现销量同时也增加；分析19年、20年、21年11月份的商品ID数目发现，品类均略增；对比同期销售量，发现19年、21年11月份销量波动与品类数目波动一致，但20年12月份持续上升。       继续深入探索分析，20年12月份为何品类没有增加，销量却上升了，我们对20年12月份数据检查发现，存在用户一次性购买2800个导致12月份销量提升；故不考虑该异常值。       综上，我可以得出结论：假设2成立。（但以上数据基于用户购买品类数目，存在幸存者偏差，建议应根据市场部实际新增品类数目进行分析） 假设3：渠道扩充所致       根据假设1中的历年个月销量波动图，可以看出，继5月份、11月份之后，销量并未持续上升；若假设3渠道扩充成立，后续月份不应出现大跌；故假设3不成立。 假设4：价格下降       本次实战数据集无价格相关数据，假设价格并未发生变化，假设4不成立。       综上，活动促销、品类扩充可以促使销量增加。 5.2.2发现热销产品、冷门产品——对各品类销售情况分析       对各品类销售数量和订单量进行分析，发现：YYCP-A-01品类销售量最大，其次是YYCP-A-04和YYCP-A-03，但YYCP-A-03品类订单量最多。       观察销量前三的3种品类按照销售量和订单量波动情况：YYCP-A-03品类订单量最高，大部分月份订单量均高于YYCP-A-01品类和YYCP-A-04品类；YYCP-A-01品类销售量最高，大部分月份销量高于YYCP-A-03品类和YYCP-A-04品类；反之，YYCP-A-04品类订单量最低，YYCP-A-03品类销售量最低。       备注说明：我们对“热销产品”的定义为品类被下单次数（避免因单个用户单次大量下单的因素影响比较结果）       综上，热销产品为YYCP-A-03品类，其次为YYCP-A-01品类；而YYCP-A-02品类和YYCP-A-05品类为冷门品类；另外，所有统计产品中，销量分布情况符合二八理论，20%的商品占据了80%的销量，已经培养了一系列爆款。 5.2.3新增什么品类更受用户喜欢以提升销量——对用户群体销售情况分析 1、根据年龄段不同的用户群体进行分析       对不同年龄段购买量分析，4-5岁宝宝用户购买数量最大，但0岁宝宝用户购量最少，其他年龄段的宝宝用户购买量差距不明显。（猜测：主要原因是因为孩子没出生前，用户已经购买了相关产品。）       进一步分析发现，0岁和2-3岁的宝宝用户对 YYCP-A-03 以及 YYCP-A-04 偏好度高；1-2岁的宝宝用户对 YYCP-A-01 、YYCP-A-04 偏好较高；3-4岁宝宝用户对各品类需求无明显区别；4-5岁宝宝用户对 YYCP-A-04 偏好较高；5岁以上宝宝对YYCP-A-03偏好较高。 （上图可点击切片，分别对不同年龄段的宝宝用户进行单独的产品偏好分析） 2、根据性别不同的用户群体进行分析       对不同性别宝宝用户对产品品类购买数量分析，发现：男女宝宝用户对YYCP-A-03品类产品需求较高，对其他产品需求无明显区别；但女宝宝用户对YYCP-A-04偏好更高，对YYCP-A-05几乎没需求，且对各类产品的需求差距明显。 5.2.4对用户复购情况分析       分析用户共计29,944名用户，但发生复购行为用户仅52名，用户复购率过低，分析为该些品类大部分属于无需重复性购买的物品，类似婴儿床、护栏等，小部分低耗品用户一次性购买多个；故用户一般购买一次就可以了，偶尔生二胎或者送朋友、或者旧物品损坏可能会重复购买。 六、总结与建议       1、除5月和11月外，不定期进行促销活动，如开学季、中秋、元旦跨年等，吸引用户提升销量；       2、对冷门品类YYCP-A-02和YYCP-A-05的相关产品进行不定期特价促销，也可与热销品类50006168品类、28品类进行捆绑，吸引用户、提升销量；       3、丰富商品品类，线上宣传，也可在促销活动时，将新品类商品和热销商品YYCP-A-01品类、YYCP-A-03品类进行捆绑，提升新品类的产品黏度；       4、借助热销商品带动滞销商品，开拓二八定律里的80%剩余商品的利用价值，建立热销产品和滞销产品之间的捆绑关系，推出捆绑营销，借助热销商品带动滞销商品，提高复购率。       5、关注产品库存情况，对热销产品YYCP-A-01品类、YYCP-A-03品类的库存适当增加、及时补货；       6、提升售后服务支持，提升客户满意度，提升复购率和K因子；       7、对于用户群体定期进行下一年龄段产品推送，可通过设置VIP客户、积分换购的方式链接用户，提升复购率。