直播带货到底功力几何？从爆款商品销售数据分析的角度一探究竟

编辑导语：大家有没有过一段时间在网上不停刷到同一种商品，是不同的网红博主进行带货推荐，偶尔看到还觉得商品不错，但是刷到的过于频繁，甚至会怀疑它的真实性。本文作者对直播带货中的爆款商品进行详细的数据分析，我们一起来看一下。

前段时间，随着直播带货的兴起，电商平台上又多了几款由网红主播直播而火起来的爆款商品，南昌拌粉就是其中一个。

但是网红直播带货也引来了许多人的质疑，大家怀疑这种类似于传统电视购物的营销方式只是一场骗局，也对货品本身的背后供应链的可靠性进行质疑。

那么网红带货到底是否真的可行呢？还是一场骗局呢？

这次我们就从数据的角度，以一款最近爆红的商品——南昌拌粉的销售数据来一探究竟。

一、数据预览

这是一份来自某电商平台的南昌拌粉销售数据，数据中包含了400条南昌拌粉产品相关食品信息数据与店家的销售数据。

由于数据的种类比较多且冗杂，某些属性还有大量缺失值与不规范值，且并不是每一个属性都具有分析的意义，要进行下一步的分析，首先要对数据进行一个预处理。

二、数据预处理 1. 选取分析属性

电商商品一个重要的指标就是：销量与GMV；

因此需要留下元数据中的销售价、总销量、总销售额、30天销量，30天销售额。

同时，用户在进行网购时，商品的评价的数量一定程度上能够反映商品被用户的接受程度。

评价数量越多，用户在购买前能够了解到产品的信息就越多，用户就会越倾向于产生购买行为。

而在店家一端，商家的营业时间、商品的品牌、商品的规格也都是用户在购买商品是参考的指标。

综上，从原数据中提取出以下指标进行分析：

产品id

销售价

总销量

总销售额

30天销量

30天销售额

总评价数

开店日期

品牌

净含量

2. 数据异常值处理

对于筛选出来的数据字段，可以看到：

品牌字段中存在部分缺失值

净含量的数据形式混乱，不统一

因此，删除品牌和净含量字段中缺失的数据记录：

并将净含量中数据全部转换为以g作为单位的重量数据：

进行完以上的数据预处理后，我们就可以开始进行分析了。

三、数据分析

在数据分析的阶段，我们主要来解决两个问题

分析爆款商品爆款的原因

找出爆款商品

（以下的数据分析阶段中的数据的处理主要使用了MySQL对数据进行提取，Excel进行数据结构可视化，python进行聚类分析）

1. 分析爆款商品爆款的原因

1）商品净含量因素

从数据库中统计相关的数据：

结果：

可以发现：

净含量在600g以下的商品总的GMV比600g以上的商品总GMV少了约27%，但是在近30天内，600g以下的商品的GMV却是600g以下商品的将近5倍。

网上一包南昌拌粉的净含量约在200g-300g之间，而600g以下的商品代表的是1包-3包的包装。而600g以上则代表了5包以上的大包装。

在总的GMV上看：

购买食品类商品，人们肯定更倾向于一次购买多件，这样的方式更优惠；但在最近网红带货的影响下，潜在的购买用户或者原本对这个南昌拌粉不感兴趣的用户也加入了购买，但这些用户并不像那些长期购买的忠实用户那样一次买一大包吃很久，这类用户更多是一次性买2-3包尝鲜，因此小包装的商品更受这类用户青睐；最终也在30天GMV上表现出了巨大的购买潜力。

2）评价数因素

根据评论数的不同，将评论分为1+，10+，100+，1000+，10000+，100000+，一共6个类别；

并从数据库中对着六个类别的商品的30天内平均产品销量进行统计：

结果：

可以看出：

评价数量与商品的销量具有正相关的关系，评价数越多的商品，销量也相应的会增多，这符合我们的基本预期。

并且当评论数超过10000+时，30天的平均销量会比低于10000的商品多出近10倍（26036/2698.1=9.6）。

从网红带货的角度分析：