最近写了篇关于品类的分析，这里记录和分享下思路，刚才提前写了下品类之间关联性的文章，可以参考下：
最后的结果，貌似不太好，哈哈哈，好像没什么关联性，目前看来是这样的
这次做商品分析，其实想从单品、系列、品类展开的，我这里的系列和品类都是基于商品的维度，大概有这些
就是对商品的不同分类规则
1. 从哪里开始切入呢？
开始写分析报告之前，先要有一个目标，就是确定写些什么内容，分析的维度/方向有很多，我们没有必要大而全，所有的内容都写，只要有一个点，或者讲明白我们这一次想要表达的内容就行，太多了，反而不突出重点
所以，这次一开始是想写商品分析，想着得写单品、系列、品类吧，写着写着发现，内容会很多，干脆，分成3篇好了，单品篇、系列篇、品类篇，一个主题，3篇内容，相互独立，又有关联，看不同篇的时候，心里也有些重点，容易理解。
2. 写些什么呢？
当确定了些品类篇的时候，就要想想，关于品类，写哪些内容呢？
因为这次还是基于我们小程序来的，所以，想着，不如就看看19年，每个品类的表现情况吧，边做边探索，看有没有别的发现
因为主题，还是商品，所以，从商品来看，就有常用的指标：
- 销量
- 销售额
- 浏览人数
- 购买人数（购买率）
- 复购人数（复购率）
- 毛利率
有了这些基础指标，我们可以看看销量Top的商品，给商品分个ABC、也就是和用户类似的分层运营，因为商品的特殊性，我们选择这款商品上市，会先对它有个定位，比如引流商品，高毛利商品，等等等
再深入，其实就类似商品画像了，这个的话，是从单品角度看的，后面在单品篇可以说一下。
比如看看购买人数多的商品，销量、销售是不是也很高，购买率、复购率都怎样，平时的曝光如何？都是可以去探索的点
在写的过程中，还想到价格这个因素，可以看看购买人数集中在哪个价位，销售额都集中在哪个价位
3. 思路
- 价格分布
因为是品类篇，所以我的习惯是，先说说有哪些品类，这些品类的特征是什么，也就类似概览这样的
本来是想从价格带的角度出发，展示话，因为品类也挺多的，所以最好一个品类一个品类的展示
偶然间呢，发现一个散点图，seaborn中的， 就来个了价格的分布图，感觉也够用了其实
这里不用关注每个单品，可以看出商品价格的集中性，不错
关于散点图，参考：seaborn实例-stripplot-散点图
- 价格的GMV贡献度
因为正好看了价格了，所以，不同价格的贡献度也就顺便看了下，这个要脱离品类的范畴，当然，可以看看不同品类下，每个商品的贡献度也是可以的，也就是找出不同品类下的高贡献度商品
这个就用这种面积图，加上个占比，就是帕累托图，应该就够了的
- 概览
说完了价格，就可以说说我们前面提到的指标了，因为品类不多，正好一个图也够，
这里，就说明了，不同品类在这几个指标的表现情况
比如浏览人数多的品类，购买率高的品类
这里要关注表现好的， 也要关注表现差的，好的，想想为什么好，差的，为什么差，差的那些怎么改善
单纯从数据上，我们可以发现问题，但是更多的还是要结合运营，和运营的同学一起去探讨下，比如有些品类可能经常做活动，所以销售业绩好。
这里的话，我们可能会发现，有些品类，曝光度够了，但是购买率很低，这就是一个问题，还有相对的就是曝光很少，但是购买率很高，这类商品要是提高曝光度了，会不会是潜力股呢？
这都要推动运营去做，去测试的，我们只是发现了问题，但是运营策略如果不变，答案我们也不会知道
这里需要深入探索的品类，就可以从价格带角度来看看，结合价格，看看各项指标
这就要去看单品了，看是整体表现都不好，还是某几个单品的影响
- 浏览人数 VS 购买率
在概览中，我们看了每个品类的表现情况，但是有些不直观，所以这里从2个维度交叉的方式，通过散点图来标识不同品类
这个好像叫象限分析法，可以识别不同品类的定位
类似的，还有购买率 VS 复购率
-
月度表现情况
最近正好发现了一个数据热图，所以从月粒度做了几个热力图
好了，品类篇大概写了这些内容，收工先。
网友评论