以驱虫市场数据为例，挖掘某店铺新的业务方向和市场增长点。
联系微信sinoleadgolf
接上一节（2） 灭鼠 这个产品类别 是好的选择，那么细分来看灭鼠产品什么属性比较受市场欢迎。
7.子类别 - 灭鼠 分析
选择灭鼠数据
对其价格进行描述统计
现准备找到 销量比较好的价格区间 分箱化操作
根据业务逻辑 自定义区间 分箱化处理
bins = [0,50,100,150,200,250,300,500]
labels = ['0-50','50-100','100-150','150-200','200-250','250-300','300+']
df24['价格区间'] = pd.cut(df24['售价'],bins,labels=labels,include_lowest=True)
df24['价格区间'].value_counts()
根据业务逻辑，我们要计算：
各价格区间的销售额,销售额占比,宝贝数,竞争度(单宝贝平均销售额的反面)
df24.groupby('价格区间').sum()
a=df24.groupby('价格区间').sum().loc[:,['预估销售额']]
b=df24.groupby('价格区间').nunique()['宝贝ID']
a['宝贝数']=b
a['销售额占比'] = a['预估销售额']/a['预估销售额'].sum()
a['单宝贝平均销售额'] = a['预估销售额']/a['宝贝数']
a['相对竞争度'] = 1 - (a['单宝贝平均销售额']-a['单宝贝平均销售额'].min())/(a['单宝贝平均销售额'].max()-a['单宝贝平均销售额'].min())
a
然后我们形成这样一张表
销售额占比 好比 市场中的海，值越大 海越大
相对竞争度 是通过 对 单宝贝平均销售额 标准化得来的，值越小 越‘蓝’。
单宝贝平均销售额 是 在价格区间的 销售额除以宝贝数量 衡量 竞争程度。
byprice1 = byfun(df24,'价格区间')
def mcplot(bydf,figsize=(10,4)):
ax = bydf.plot(y='相对竞争度',linestyle='-',marker='o',figsize=figsize)
bydf.plot(y='销售额占比',kind='bar',alpha=0.8,color='wheat',ax=ax)
plt.show()
mcplot(byprice1)
结果依单宝贝销售额降序,即依竞争度升序可见0-50容量大,竞争大,大容量市场(对比的是50-100,容量小,竞争稍小)200-250,竞争小,做高价市场的优先选择,属于机会点。
8.找到细分市场价格区间后 进一步价格细分分析
df25 = df24[df24['价格区间']=='0-50']
df25['售价'].plot.hist()
bins1 = [0,10,20,30,40,50]
labels1 = ['0_10','10_20','20_30','30_40','40_50']
df25['价格子区间'] = pd.cut(df25['售价'],bins1,labels=labels1,include_lowest=True)
byprice2 = byfun(df25,'价格子区间')
byprice2
mcplot(byprice2)
可见10-20竞争度低,容量大,优选,20-30也不错200-250细分市场也是同样的分析思路.
9.细分市场 商品属性分析
店铺类型：
可见天猫产品销售额和相对竞争度都优于淘宝
型号：
可见虽然粘鼠板市场份额普遍较高,但是0005在竞争度上有明显的优势
物理形态：
可见市场份额最高的是固体,竞争度也偏高,而胶水虽然竞争度低,但是市场份额较低基本可以认为常见的物理形态就是固体。
净含量：
可见当物理形态为固体,净含量为1时,潜力较大.