京公网安备 11010802034615号
经营许可证编号:京B2-20210330
肥皂与手纸:神奇的电商大数据分析_数据分析师
电商行业的人一定对啤酒与尿布的故事有所耳闻,20世纪90年代美国沃尔玛超市管理人员分析销售数据时候,发现了一个奇怪的现象:在一些情况下,啤酒和尿布看上去毫无关系的商品经常出现在同一购物篮中,调查发现这个现象出现在年轻的爸爸身上。这个故事讲述了零售行业的购物篮分析技术的重要性,数据技术对于零售业格外重要,今天的电商大数据技术如出一辙。
11.11这一天,京东商城卖出了80万块香皂,重量约115吨,相当于23头大象;基情无限的同时,手纸卖出900万卷,8亿多抽手纸,按一秒钟扯一抽的话,至少要扯3年,按一卷纸30米算,900万卷至少可绕地球7圈。
京东不是卖数码的么?怎么这么多人买肥皂和手纸?是啊,这就是趋势变化,一方面说明京东商城百货化成绩不俗,购物篮丰富度大大提升,另一方面也说明年轻网民们的生活必需品消费也呈现出电商化的趋势。
肥皂是用来洗手洗脸的,手纸是用来那啥那啥的,它们往往出现在人们居家的卫生间里,京东商品从过去聚焦在人们的办公工作场景,开始覆盖到人们生活的方方面面,年轻人什么都喜欢在网上买,他们是新新人类哇,属于互联网的一代人。
新新人类的崛起为京东做出了很大的贡献,主要体现在用户柔性购物需求的常态化,在京东上买数码手机或是肥皂手纸,说明京东用户已经习惯了网上购物生活,并且多样化购物,京东综合化的品牌定位已经深入人心了。
(看到此图,花粉、果粉、星粉、米粉,怪不得他们经常互喷)
2013年双十一期间,新用户主要集中在电脑办公,手机数码品类,用户数占比分别为16%、13%;2014年双十一期间,新用户主要集中在服饰内衣、鞋靴箱包等品类,用户数占比21%、12%。
在京东的这份数据里,性福指数分析占据了很大篇幅,可见京东技术部门单身男青年比例很高,他们的性福数据比其他数据要详细和精确的多,茶饮数据只有一页,而奶产品数据没有透露。
(青春是最美好的时光,人不风流枉少年,风流勿忘买套套)
让我比较伤心的一个数据是北京城区性福指数对比结果是,昌平区性福指数最高,本人居住多年的大朝阳区居然是一片灰白色,性福指数是最低的。按道理讲朝阳区北京夜生活最丰富的地区了,曾经的天上人间,灯红酒绿的三里屯都在这里,双十一朝阳区的青年们都跑哪里去了。京东的数据分析人员应该提供更长时间的数据,万一朝阳区青年时双十一前买了很多盒备用也说不准,身在朝阳区,对京东的这个数据结果表示不服!
(身为朝阳区居民,表示很不淡定)
单身贵族的性福指数高于结婚人群,这难道是因为11.11是光棍的节日的缘故吗?如果是自力更生进行磨枪,购买成人用品数量应该下降,难道是炮友密集吗?接下来的,我不敢想了,因为曾经长期单身的我没觉得比结婚人群更性福,当然……我也无法评估他们的性福指数,京东数据既然这么说,难道说明我非常纯洁吗?
虽然我已经不是19-25的性福最高年龄,也住在不幸的朝阳区,也大部分时间单身状态(但11.11我没买成人用品),但是,京东大数据报告显示年轻人在早上9-11点、晚上23-1点两个极端的时间段购物,这一点我体会不到,因为我大多数时间步行到单位,也就10分钟,这也说明11.11是真正属于年轻人的节日,我老人家熬不过他们了。
最让我感到高兴万分的一个数据是11.11这一天天蝎座的幸福指数最低,我太高兴了,这个该死的天蝎座过去长期霸占各种心灵鸡汤和段子的头牌,让我们其他星座抬不起头来,感谢京东技术们,你们让我们终于抓住天蝎座们的一个关键性弱点。
白羊座高居榜首,狮子座和巨蟹座紧随其后,我们双鱼座在中间位置,不幸的是我女朋友是射手座,射手座倒数第二,怪不得我11.11这一天没有赶上时代的步伐,原来是女朋友拖我后腿了。
性福指数让人血脉贲张,但是,生存大于享乐,从行业的角度,京东11.11大数据报告也有一些非常有价值的数据结果。比如,虽然网友在早上和深夜下单已经成为习惯,但是移动电商还是带来了不同的东西,数据显示移动端购物呈现出“随看随买”的特点,这样的消费特征让每一个时段的购物频次相当扁平化。
这告诉我们移动端碎片化时间阅读的特点,影响着移动电商的营销和顾客下单及购物篮的丰富度,移动电商借助微信、微博、QQ空间等社交平台进行相对碎片化的内容营销和口碑营销是最贴合移动电商的最佳营销场景。
文末,我十分不忍心地说一个让人难受的数据,那就是土豪性福指数高、收入很少的性福指数高、高级白领的性福指数最低。高级白领过去一直是职场精英,是人们尊敬和向往的角色,然而,京东11.11的这个数据让我们对这个看似光鲜的人群表示最真挚的同情,在这个忙碌、昂贵、拥堵、贪婪的都市里,她们美丽如虹,他们帅气如风,但是,却连做爱的时间都没有,希望高级白领们看到这篇文章转发给你的同类,应该调整自己的生活模式了。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
平均数是数据分析、数理统计与日常运算中最基础、最常用的统计量,核心作用是浓缩一组数据的整体水平、刻画数据集中趋势。在众多 ...
2026-08-24在MySQL数据库中,InnoDB存储引擎作为主流事务型引擎,默认事务隔离级别为可重复读(Repeatable Read,RR),这与SQL Server、Or ...
2026-08-24 很多数据分析师拿到数据就开始清洗、建模,但当被问到“这批数据属于什么类型——结构化还是非结构化?分类变量还是数值变量 ...
2026-08-24 很多数据分析师画过趋势图、做过业绩预测,但当被问到“这个月销售额增长20%,到底是长期趋势自然增长,还是促销活动的短期 ...
2026-08-21在数据分析与数据可视化工作中,直方图是展示数据分布特征、离散程度、集中区间的核心图表,能够直观呈现数值数据的频次分布规律 ...
2026-08-20在数据分析领域有一句核心准则:垃圾数据进,垃圾数据出。数据清洗是数据分析、数据建模、数据可视化之前的必经前置工序,也是保 ...
2026-08-20 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-08-20在Python数据分析与数据清洗工作中,Pandas是最核心的数据处理库,DataFrame是结构化数据的标准存储格式。在实时数据采集、循环 ...
2026-08-19在零售行业大数据分析与精细化运营领域,纸尿裤旁摆放啤酒是最经典、最具代表性的商业案例。两种看似毫无关联的商品,一个是婴幼 ...
2026-08-19 很多数据分析师能熟练地计算指标、搭建标签体系,但当被问到“画像到底在解决什么问题”“画像和标签是什么关系”“画像如何 ...
2026-08-19在数据分析、业务监控、质量检测与风险管控工作中,数据波动性是衡量数据稳定性、业务健康度、结果可信度的核心依据。数据波动代 ...
2026-08-18很多分析师在设计标签时思路清晰,但真到落地环节却面临“数据在手,不知如何转化为可用标签”的困境:或因加工方式选择不当导致 ...
2026-08-18在数据分析、业务评价、产品评级、用户分层与综合决策场景中,单一指标往往无法全面、客观地评价事物整体水平。现实中的评价对象 ...
2026-08-18在数理统计、假设检验、数据分析与机器学习领域中,卡方分布(χ²分布)是继正态分布、t分布之后最重要的连续型概率分布之一。 ...
2026-08-17在Python数据清洗、文本校验、账号密码规则校验、脏数据过滤、字符串规整化处理中,正则表达式是最高效、最常用的文本匹配工具。 ...
2026-08-17 很多分析师每天和数据打交道,但当被问到“标签是什么”“标签和指标有什么区别”“标签体系如何设计”时,却常常答不上来。 ...
2026-08-17手游行业具备用户迭代快、竞争激烈、用户粘性易流失的典型特征。随着新游持续上线、玩家审美升级、玩法疲劳等问题出现,存量用户 ...
2026-08-14在数字化产品运营、商业数据分析、业务增长管理中,零散的指标统计无法支撑系统性的业务决策。单一的点击率、转化率、销量数据只 ...
2026-08-14 很多数据分析师每天都在写SQL,但当被问到“数据查询语言(DQL)的本质是什么”“SELECT语句中各子句的书写顺序与实际执行顺 ...
2026-08-14在数据库数据分析、数据清洗、报表统计与业务查询场景中,日期时间是最高频、最核心的基础字段。数据库中存储的日期格式多样,包 ...
2026-08-13