一、设计要求
在经济全球化的形势下加速了电子商务的发展，电子商务也促进了经济全球化，为经济全球化创造了一个良好的应用平台——跨境电商。在跨境电商运营中，数据分析至关重要，各个环节的改进和优化都需要数据做支撑，在运营中找到并分析存在的问题，并提出准确的决策依据。在运营过程中，企业应尽可能地保证客户粘性、掌握产品构成、产品细节资料、产品价值和具体卖点，分析各产品类型的受关注程度，从而提高企业经营效益。
随着收入的增加，大多数人追求美丽的意愿越来越强烈，对美妆类商品的资金投入也越来越高，因此促进了跨境电商美妆市场规模的不断扩大。某外贸公司在预览美妆类商品时发现，各平台上同质化现象突出，即存在很多同款或类似商品，并且相较来说自家商品的价格较高。为了提高运营效益，提高市场竞争力，该公司需对各平台上的美妆类商品运营数据进行分析，为后续制定运营方案提供参考。Crossborder.csv保存了该外贸公司在Lazada、Shopee和考拉海购等三个跨境电商平台上获取的美妆类跨境电商数据，共20个字段，413条数据。
👉👉👉 源码获取 关注【测试开发自动化】公众号，回复 “美妆电商” 获取。👈👈👈
表3 跨境电商运营数据字段说明
| 字段 | 具体含义 |
| 订单编号 | 商品订单的编号 |
| 平台名称 | 所售卖商品平台的名称 |
| 买家会员名 | 买下该商品的会员名称 |
| 支付方式 | 用于支付商品金额的方式 |
| 买家应付货款 | 买家应支付该商品的金额 |
| 买家应付邮费 | 买家应支付该商品的快递金额 |
| 订单状态 | 表示商品订单下单的状态 |
| 订单创建时间 | 创建商品订单的时间 |
| 商品标题 | 所销售的商品的标题 |
| 商品类型 | 所销售的商品的类型 |
| 商品品牌 | 所销售的商品的品牌 |
| 商品总数量 | 所销售的商品的总数量 |
| 买家应付总金额 | 买家应付总金额=买家应付货款+买家应付邮费 |
| 卡券抵扣金额 | 使用卡券进行抵扣的金额 |
| 积分抵扣金额 | 使用积分进行抵扣的金额 |
| 买家实际支付 | 金额 买家实际支付金额=买家应付总金额-卡券抵扣金额-积分抵扣金额 |
| 运送方式 | 销售该商品所运送的方式 |
| 物流公司 | 对售出商品进行派送的物流公司 |
| 下单方式 | 买家对该商品的下单方式 |
| 确认收货时间 | 买家收到商品的时间 |
（1）结合图表统计分析商品销售情况（商品类型、商品品牌、平台销售数量和销售额以及每日商品销售数量、销售额）
（2）结合图表统计分析商品订单情况（分析商品不同下单方式和支付方式，卡券使用情况）
（3）结合图表分析商品物流情况。
（4）基于你得到的分析结果，该企业应该如何调整自己的经营方案。
二、 设计思路
2.1数据读取与预处理
首先，代码使用pandas库读取CSV文件中的数据：
import pandas as pd # 读取数据 data = pd.read_csv('Crossborder.csv')
👉👉👉 源码获取 关注【测试开发自动化】公众号，回复 “美妆电商” 获取。👈👈👈
通过pd.read_csv函数将数据加载到pandas的DataFrame中，方便后续的处理和分析。需要确保CSV文件名与代码中的文件名一致，并且文件路径正确。
商品销售情况分析
商品类型销售数量和销售额
通过分组聚合函数groupby和agg，计算不同商品类型的销售数量和销售额：
type_sales = data.groupby('商品类型').agg({'商品总数量': 'sum', '买家实际支付金额': 'sum'}).reset_index()
groupby函数按商品类型分组，agg函数计算每种类型商品的总数量和总销售额。reset_index将分组后的结果转换回DataFrame格式。
plt.figure(figsize=(10, 6)) plt.bar(type_sales['商品类型'], type_sales['商品总数量'], label='商品总数量') plt.ylabel('商品总数量') plt.twinx().plot(type_sales['商品类型'], type_sales['买家实际支付金额'], 'r-', label='买家实际支付金额') plt.ylabel('买家实际支付金额') plt.title('不同商品类型的销售情况') plt.legend() plt.show()
👉👉👉 源码获取 关注【测试开发自动化】公众号，回复 “美妆电商” 获取。👈👈👈
这张图展示了不同商品类型的销售数量和销售额。柱状图部分显示了每种商品类型的销售数量，而折线图部分则展示了每种商品类型的总销售额。
意义：
- 柱状图显示哪些类型的商品销量最高，帮助企业识别市场需求较大的商品类型。
- 线图显示哪些类型的商品销售额最高，帮助企业了解哪些商品对收入贡献最大。
- 综合这两个信息，企业可以优化库存管理，确保畅销商品的供应充足，并制定针对性的营销策略以促进高销售额商品的销售。
这里使用bar绘制柱状图，plot绘制折线图，通过twinx在同一图中展示两种数据。
👉👉👉 源码获取 关注【测试开发自动化】公众号，回复 “美妆电商” 获取。👈👈👈
这张图展示了不同品牌的商品销售数量和销售额。柱状图显示了各品牌的商品销售数量，而折线图显示了各品牌的总销售额。
意义：
- 柱状图帮助企业了解哪些品牌的商品销量最高，从而识别出市场上受欢迎的品牌。
- 折线图展示了各品牌的销售额，帮助企业了解哪个品牌的商品带来了最多的收入。
- 通过这些信息，企业可以重点推广销售额和销量都较高的品牌，同时考虑引入更多受欢迎品牌的商品。
这张图展示了不同平台（如Lazada、Shopee、考拉海购）的销售数量和销售额。柱状图显示了每个平台的销售数量，折线图展示了每个平台的总销售额。
👉👉👉 源码获取 关注【测试开发自动化】公众号，回复 “美妆电商” 获取。👈👈👈
plt.figure(figsize=(10, 6)) plt.plot(daily_sales['订单创建时间'], daily_sales['商品总数量'], label='商品总数量') plt.ylabel('商品总数量') plt.twinx().plot(daily_sales['订单创建时间'], daily_sales['买家实际支付金额'], 'r-', label='买家实际支付金额') plt.ylabel('买家实际支付金额') plt.title('每日商品销售情况') plt.legend() plt.show()
这张图展示了不同下单方式（如手机端、电脑端）和支付方式（如支付宝、微信支付）的订单数量。柱状图显示了不同组合的订单数量。
意义：
- 帮助企业了解用户更倾向于使用哪种下单方式和支付方式，从而优化支付流程和用户体验。
- 识别最受欢迎的支付方式和下单方式，企业可以在这些方面进行优化和推广，提升用户满意度和转化率。
👉👉👉 源码获取 关注【测试开发自动化】公众号，回复 “美妆电商” 获取。👈👈👈
# 绘制物流公司使用情况图表： plt.figure(figsize=(10, 6)) plt.bar(logistics_company['物流公司'], logistics_company['数量']) plt.ylabel('订单数量') plt.title('不同物流公司的使用情况') plt.show()
这张图展示了各物流公司处理的订单数量。柱状图显示了每个物流公司的订单数量。
意义：
- 帮助企业了解哪些物流公司使用频率最高，从而评估各物流公司的服务质量和效率。
- 通过这些信息，企业可以选择最适合的物流合作伙伴，确保商品能够及时送达，提升客户满意度。
- 优化物流选择和合作，可以降低物流成本，提高配送效率。
👉👉👉 源码获取 关注【测试开发自动化】公众号，回复 “美妆电商” 获取。👈👈👈
