小编给大家分享一下Python数据分析内衣销售哪家强的案例，相信大部分人都还不怎么了解，因此分享这篇文章给大家参考一下，希望大家阅读完这篇文章后大有收获，下面让我们一起去了解一下吧！

前些天，我看到某公司对数据分析师的招聘要求有一条：

分析客户人群的购买习惯，并通过购买习惯做出相关数据分析。

研究亚马逊上Top100的细分品类——女(qing）式（qu）内衣的销售情况。

我的分析分为核心的三步：

第一步，爬取商品排名和详情页链接，需要的字段为：排名、商品名、详情页链接

第二步，爬取商品详情，需要的信息为：

·店家：这不就是竞争对手吗？分析其爆品情况，保留店家链接，后续可针对性挖掘分析

·价格：分析爆品价格区间，对商品定价、切分市场有帮助

·上架时间：新品？爆了多久？

·星级、评论数、评论标签、所有评论链接：进一步爬取评论内容，来分析爆品的优劣势

·尺寸、颜色：也是非常有价值的参考数据，但在实际爬取过程中遇到问题，后面会提到

·图片链接：难道你不想看看商品长啥样吗？

第三步，数据转化为可视化图表，并做分析。

文末分享本次研究的所有代码和数据，是不是迫不及待想要看过程了？

如何爬取内衣数据

爬取过程分为三步

1、链接数据库，安排header、代理信息

#0、创建数据库client=pymongo.MongoClient('localhost',27017)Amazon=client['Amazon']item_info_M=Amazon['item_info_M']#0、反爬措施headers={'User-Agent':'Mozilla/5.0(WindowsNT10.0;Win64;x64)AppleWebKit/537.36(KHTML,likeGecko)Chrome/72.0.3626.109Safari/537.36'}#http://cn-proxy.com/proxy_list=['http://117.177.250.151:8081','http://111.85.219.250:3129','http://122.70.183.138:8118',]proxy_ip=random.choice(proxy_list)#随机获取代理ipproxies={'http':proxy_ip}

2、爬取商品列表页和详情页

核心事项：

1)构建函数来获取单个商品的详细信息；

2)利用for循环，遍历商品详情页链接列表，来获取每个商品的详细信息

defget_item_info_2(item_url,data):wb_data=requests.get(item_url,headers=headers,proxies=proxies)soup=BeautifulSoup(wb_data.text,'lxml')#获取price（需要判断）price=soup.select('#priceblock_ourprice')data['price']=price[0].textifpriceelseNone#获取star和reviews（需要判断）star=soup.select('div>div>span>span>span>a>i>span.a-icon-alt')ifstar:data['star']=star[0].text.split('')[0]data['reviews']=soup.select('#reviews-medley-footer>div.a-row.a-spacing-large>a')[0].text.split('')[2]data['Readreviewsthatmention']=list(i.text.strip('\n').strip()foriinsoup.select('span.cr-lighthouse-term'))else:data['star']=Nonedata['reviews']=Nonedata['Readreviewsthatmention']=Nonedata['Date_first_listed_on_Amazon']=soup.select('#detailBullets_feature_div>ul>li>span>span:nth-child(2)')[-1].text#获取reviews_link（需要判断）reviews_link=soup.select('#reviews-medley-footer>div.a-row.a-spacing-large>a')ifreviews_link:data['reviews_link']='https://www.amazon.com'+reviews_link[0].get('href')else:data['reviews_link']=None#获取store和store_link（需要判断）store=soup.select('#bylineInfo')ifstore:data['store']=store[0].textdata['store_link']='https://www.amazon.com'+soup.select('#bylineInfo')[0].get('href')else:data['store']=Nonedata['store_link']=Noneitem_info_M.insert_one(data)#存入MongoDB数据库print(data)#3、将商品详情写入csv文件foriinrange(100):get_item_info_2(item_links[i],item_info[i])print('已写入第{}个商品'.format(i+1))

3、爬取评论

核心事项：

1)从上一步的csv文件中，读取Rank , item_name , reviews , reviews_link字段

2)构建函数读取每个商品的所有评论

3)利用for循环，获取所有商品的所有评论

4)存储到数据库和csv文件中

csv_file=csv.reader(open('C:/Users/zbd/Desktop/3.csv','r'))reviews_datalst=[]foriincsv_file:reviews_data={'Rank':i[10],'item_name':i[8],'reviews':i[6],'reviews_link':i[5]}reviews_datalst.append(reviews_data)delreviews_datalst[0]#删除表头#print(reviews_datalst)reviews_links=list(i['reviews_link']foriinreviews_datalst)#将评论详情页链接存储到列表reviews_links

4、爬取size和color数据

和第三步基本一样，代码基本一样，主要在于要确认每页评论的size&color个数。

headers=['_id','item_name','customer_name','star','review_date','review_title','review_text']withopen('C:/Users/zbd/Desktop/4.csv','w',newline='',encoding='utf-8')asf:f_csv=csv.DictWriter(f,headers)f_csv.writeheader()f_csv.writerows(all_reviews)print('写入完毕！')

爬取完毕后，对数据进行基本的清洗，包括去空值、统一数据格式等，便可开始做分析。

歪果内衣哪家强？

① 不同商家的星级排名

df_star=df['star'].sort_values(ascending=False)df_star.plot(kind='bar',color='yellow',grid=True,alpha=0.5,ax=axes[0],width=0.7,ylim=[3,5],title='不同商家的星级排名')axes[0].axhline(df_star.mean(),label='平均星级%.2f分'%df_star.mean(),color='r',linestyle='--',)axes[0].legend(loc=1)

·平均星级达4.15分，高于平均分的商家超过一半（17/32）

·Top1的LALAVAVA高达4.9分，紧随其后也有5家达到4.5分。

·倒数第一N-pearI只有3.2分

让我看看LALAVAVA长什么样。亚马逊上的商品，看上去就是普通泳衣，米国人还是很保守的嘛~

但评分高真的就说明产品好吗？不如来看看评论数吧——

②不同商家的平均评论数排名

df_reviews_mean=df['reviews_mean'].sort_values(ascending=False)df_reviews_mean.plot(kind='bar',color='blue',grid=True,alpha=0.5,ax=axes[1],width=0.7,title='不同商家的平均评论数排名')axes[1].axhline(df_reviews_mean.mean(),label='平均评论数%i条'%df_reviews_mean.mean(),color='r',linestyle='--',)axes[1].legend(loc=1)

·首先平均评论数只有193条，而且高于平均线的只有不到三成（12/32），想想淘宝动辄上万，我们的人口优势让米国人羡慕呀；

·再来看星级Top1的LALAVAVA，评论数少得可怜，那么对其商品真实质量就要存疑了；

·而星级倒数的N-pear I，同样评论数很少，那大概率其商品其实不咋地；

·反观评论数Top1的Garmol，其星级评价4.4，口碑佳评论也多，看来是不错的商品；

·紧随其后的几家，其星级分数就低于平均分了

那么，亚马逊的星级评价难道就只受评论数的几颗星比例影响吗？我查阅了网上的一些资料，发现亚马逊评价星级评定的三个重要因素：评论距离现在的时间，评论被买家投票采纳数，评论是否有verified purchase标志（意指真实买家）。此外，评论的字符数，被点击次数等因素也可能会对评论星级有影响。

看来，亚马逊对评论的监控和管理是非常严格而复杂的！当然，最重要的还是看看评论第一名的Garmol长什么样：

比上边的泳衣更点题了，大家说好才是真的好，very sexy！

③不同商家的价格区间排名（按均价）

avg_price=(d-c)/2avg_price.name='avg_price'max_price=avg_price.copy()max_price.name='max_price'df_price=pd.concat([c,avg_price,max_price,df_re['price_mean']],axis=1)df_price=df_price.sort_values(['price_mean'],ascending=False)df_price.drop(['price_mean'],axis=1,inplace=True)df_price.plot(kind='bar',grid=True,alpha=0.5,ax=axes[2],width=0.7,stacked=True,color=['white','red','blue'],ylim=[0,55],title='不同商家的价格区间')

·从图上来看，明显ELOVER锁定的是高端市场，定价区间在49刀左右；相反，Goddessvan定价仅0.39刀，还只有一款，猜测可能是亏本冲量，提高商家曝光，抢夺低端市场

·从均价来看，基本分布在10-20刀间，说明这是内衣市场的主要价格区间；但20-40刀区间居然没有任何商家，可以在这一块深入研究，看能不能找到证据说明该区间是蓝海，有更大的市场潜力

·而从每个商家的价格区间来看，大多数都是采取多颜色或款式的策略，一方面为用户提供更多选择，另一方面也体现了商家的上新能力；而仅有少数几家采取了单一爆款的策略

最奢华的ELOVER看上去果然比较女神，缩略图都比别家更用心。

那么，到底哪个商家的策略更靠谱，市场份额更大呢？

④商家的商品数量饼图

df_per=df_re['item_num']fig,axes=plt.subplots(1,1,figsize=(8,8))plt.axis('equal')#保证长宽相等plt.pie(df_per,labels=df_per.index,autopct='%.2f%%',pctdistance=1.05,#shadow=True,startangle=0,radius=1.5,colors=colors,frame=False)

·在Top100的商品占比中，Avidlove以28%的巨大优势称霸

·而其他商家基本都是个位数的占比，没有很明显的优劣势

Avidlove的内衣是酷酷风的，我喜欢。

单一方面毕竟还是很难衡量哪家商家更优秀，不如综合多个指标来分析吧~

⑤不同商家的加权分排名

df_nor=pd.concat([df_re['star_nor'],df_re['reviews_mean_nor'],df_re['price_mean_nor'],df_re['item_num_nor']],axis=1)df_nor['nor_total']=df_re['star_nor']+df_re['reviews_mean_nor']+df_re['price_mean_nor']+df_re['item_num_nor']df_nor=df_nor.sort_values(['nor_total'],ascending=False)df_nor.drop(['nor_total'],axis=1,inplace=True)df_nor.plot(kind='bar',grid=True,alpha=0.5,ax=axes[3],width=0.7,stacked=True,title='不同商家的加权分排名')

将星级、平均评论数、商品均价、商品数量进行标准化处理后，因为不好拍定加权的比例，便将4项的归一化结果x10后直接累加得到总分，并制作成堆积图。

而每个商家的4项指标的占比，则侧面反映其自身的优劣势。

·Avidlove，刚刚的酷酷风内衣，在其他三项中规中矩的情况下，以商品数量优势夺得综合分第一，有种农村包围城市的感觉

·Garmol，主要依靠口碑（星级、平均评论数）的优势，夺得了第二名

·ELOVER，主要依靠精准切分高端市场，夺得了第三名

·N-pearI，没有任何优势，不出意料的光荣垫底

口碑最差的N-pearI，能搜到的商品也最少，不过图很劲爆……

粗略来看的话，想要排名靠前，口碑一定不能太差，至少要保持在平均水平及以上！

⑥不同商家的星级/价格散点图

x轴为商家的商品均价，y轴为商家的星级，点大小为商品数量，商品数量越大，点越大，点颜色为评论均值，评论均值越大，颜色越深红。

利用价格均值和星级均值，将图切分为四个象限：

①左上象限：实惠好评的商家

②右上象限：有点贵，但一分钱一分货的商家

③右下象限：贵，但质量不咋地的商家

④左下象限：便宜没好货的商家

所以借助这张散点图，挑商家买东西就容易多啦：

·追求性价比，可选择Avidlove，而且商品多，任君挑选 （图中圆圈最大的浅红色商家）；

·追求高端，可选择ELOVER，它贵有它的道理 （图中最左侧且落在左上象限的商家）；

·追求大众，可选择Garmol，评论数最多，而且好评居多 （图中颜色最红的商家）

顾客可以根据自己的喜好挑选合适的商家，那么作为商家如何改进自己呢？

⑦词频分析

前面在爬取的过程中，同样爬取了评论标签，通过对此进行词频分析，可以发现顾客最关心的依次是：

1.是否合身：size、fit等相关字眼多次出现且排位靠前

2.质量：good quality、well made；soft and comfortable、fabric是对材质的肯定

3.款式：cute、sexy、like the picture你懂的

4.价格：cheaply made勉强算价格吧，但更多是对商品质量的怀疑

5.口碑：highly recommend，评论的还是非常有参考价值的

评论标签的数量较少，进一步对2.4w条评论进行词频分析，并制作成词云：

最直观的，仍然是跟“是否合身”以及质量或款式有关。那么我们就从顾客购买商品的Size&Color继续分析

可以明显看出：

Size方面：large、medium、small肯定均有涵盖，但另外还有xlarge、xxlarge、xxxlarge，亚马逊主要是欧美顾客，可能体型相对较大，所以商家应该多研发以及备货针对体型较大的顾客的商品。

Color方面：非常直观：Black > red > blue > green > white > purple....所以黑色、红色永远不会错；绿色是出乎我意料的，商家也可以大胆尝试。

Style方面：词频中出现trim、lace字眼，蕾丝最高！！！

在分析了Top100的商品信息和2.4w条评论后，作为一篇正经的python电商数据分析研究，我们来总结一下亚马逊女士内衣产品和销售策略：

1、一定要注意的竞品

Garmol、ELOVER、Avidlove分别在口碑、定价、产品数量三个方向有其核心优势，是需要重点研究的竞争对手。

2、口碑很重要

·Review和星级是影响口碑的重要因素，需要深入研究其算法机制并制定针对性的营销策略

·Review和星级有基础要求

·平均星级达4.15分，高于平均分的商家超过一半

·平均评论数只有193条，高于平均线的商家约三成

·Review相对淘宝评论较少，亚马逊的算法复杂且惩罚力度大，因此Review重精胜于重多

3、定价策略

·主流市场竞争激烈，价格多集中在10-20刀间

·高端市场有切入机会，目前仅ELOVER一家，价格在40-55刀间

·低端市场价值不大，利润空间小，为了提高曝光或铺量可考虑，但不利于以后冲击中高端市场

·中高端市场机会巨大，20-40刀区间暂无其他商家，有巨大的市场潜力

4、产品策略

·应结合目标市场和定价，提高研发和上新能力，先多产品试错，再尝试单一爆款巩固市场

·内衣尺寸：合身最重要，需贴合国外顾客的体型，一般large及以上。颜色上：保守可多使用黑色、红色，同时可大胆尝试绿色。款式上：多采用蕾丝装饰

·质量和品控是底线

5、拓展&思考：

用python做一篇正经的数据分析不仅需要python基本技巧，还需要强大的数据清洗知识、数据库知识、电商行业理解以及熟练的文字表述能力，作为数据分析师，要学习的还有很多，尤其是对项目的练习。

以上是Python数据分析内衣销售哪家强案例的所有内容，感谢各位的阅读！相信大家都有了一定的了解，希望分享的内容对大家有所帮助，如果还想学习更多知识，欢迎关注亿速云行业资讯频道！