引言：数据背后的美妆消费密码

每年的双十一购物节都是中国电商市场的重头戏，而美妆类产品往往是这场消费盛宴中的焦点。本文基于 "双十一淘宝美妆数据"，通过数据清洗、特征工程、可视化分析等步骤，深入挖掘美妆市场的消费趋势、品牌表现及用户偏好，为品牌方和消费者提供有价值的参考。

一、数据初探：揭开数据集的面纱

1.1 数据概览

本次分析使用的数据集包含 27598 条记录，涵盖了淘宝平台上多个美妆品牌的商品信息，主要特征包括：

• update_time：数据更新时间
• id：商品唯一标识
• title：商品标题
• price：商品价格
• sale_count：销量
• comment_count：评论数
• 店名：品牌名称

通过df.head()查看前 5 行数据，我们可以快速了解数据的基本结构：

update_time	id	title	price	sale_count	comment_count	店名
2016/11/14	A18164178225	CHANDO / 自然堂 雪域精粹纯粹滋润霜 50g...	139.0	26719.0	2704.0	自然堂
2016/11/14	A18177105952	CHANDO / 自然堂凝时鲜颜肌活乳液 120ML...	194.0	8122.0	1492.0	自然堂

1.2 数据特征分析

通过df.info()和df.describe()，我们得到了更深入的信息：

• 数据类型：3 个数值型特征（price、sale_count、comment_count）和 4 个对象型特征
• 缺失值：sale_count 和 comment_count 存在缺失（共 2354 条）
• 数值分布：价格均值 362.83 元，中位数 205 元，存在高价商品拉高均值；销量均值 12301.77 件，中位数 1445 件，分布呈右偏态

• 二、数据清洗：为分析奠定基础

  2.1 重复值处理

  使用drop_duplicates()方法去除重复数据，共发现 86 条重复记录，处理后保留 27512 条有效数据。

  2.2 缺失值处理

  观察缺失值所在行发现，sale_count 和 comment_count 的缺失往往同时出现，且集中在植村秀、SK-II 等品牌。推测这些缺失值代表销量为 0，因此采用fillna(0)用 0 填补缺失值，确保后续分析的准确性。

  2.3 特征工程：创造新的分析维度

  2.3.1 商品标题分词

  利用 jieba 分词工具对商品标题进行分词处理，提取关键信息

  import jieba
  subtitle = []
  for each in data['title']:
      k = jieba.lcut_for_search(each)  # 搜索引擎模式
      subtitle.append(k)
  data['subtitle'] = subtitle
  

  分词后，我们可以更精准地识别商品属性，为后续分类打下基础。

  2.3.2 商品分类体系构建

  根据美妆行业常见分类标准，构建二级分类体系：

• 大类：护肤品、化妆品、其他
• 小类：乳液类、眼部护理类、面膜类等 13 个子类别
•  

  通过自定义分类字典dcatg，实现商品自动分类：

  # 部分分类规则示例
  basic_data = """护肤品	乳液类	乳液	美白乳	润肤乳
  护肤品	眼部护理类	眼霜	眼部	眼膜
  化妆品	口红类	唇釉	口红	唇彩	唇膏"""
  
  # 生成分类字典
  dcatg = {}
  for i in basic_data.split('\n'):
      main_cat, sub_cat, *keys = i.strip().split('\t')
      for key in keys:
          dcatg[key] = (main_cat, sub_cat)
  

   

  最终分类结果显示，有 4273 件商品被归为 "其他" 类，占比约 15.5%，说明分类体系仍有完善空间。

  2.3.3 性别专属特征提取

  通过标题中的关键词识别男士专用商品：

  sex = []
  for i in range(len(data)):
      if '男士' in data['subtitle'][i] or '男生' in data['subtitle'][i]:
          sex.append('是')
      elif '男' in data['subtitle'][i] and '女' not in data['subtitle'][i] and '斩男' not in data['subtitle'][i]:
          sex.append('是')
      else:
          sex.append('否')
  data['是否男士专用'] = sex
  

  统计显示，男士专用商品共 2179 件，占比 7.9%，非男士专用商品 25333 件，占比 92.1%。

  2.3.4 销售额计算

  新增 "销售额" 特征，为后续分析提供关键指标

  data['销售额'] = data.price * data.sale_count

三、数据分析与可视化：洞察市场规律

import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
import numpy as np
from datetime import datetime

# 设置中文显示
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False

# 假设data已完成清洗和特征工程
# data = pd.read_csv('cleaned_data.csv')

# 1. 品牌销售表现分析
plt.figure(figsize=(15, 6))

# 1.1 销量TOP5品牌
top5_sale = data.groupby('店名')['sale_count'].sum().nlargest(5)
plt.subplot(1, 3, 1)
top5_sale.plot(kind='bar', color='skyblue')
plt.title('销量TOP5品牌')
plt.ylabel('总销量')

# 1.2 销售额TOP5品牌
top5_rev = data.groupby('店名')['销售额'].sum().nlargest(5)
plt.subplot(1, 3, 2)
top5_rev.plot(kind='bar', color='lightgreen')
plt.title('销售额TOP5品牌')
plt.ylabel('总销售额')

# 1.3 品牌平均单价对比
avg_price = data.groupby('店名')['销售额'].sum() / data.groupby('店名')['sale_count'].sum()
top_avg_price = avg_price.nlargest(5)
plt.subplot(1, 3, 3)
top_avg_price.plot(kind='bar', color='salmon')
plt.title('平均单价TOP5品牌')
plt.ylabel('平均单价（元）')

plt.tight_layout()
plt.show()

# 2. 品类销售分析
plt.figure(figsize=(12, 5))

# 2.1 大类销量占比
main_type_sale = data.groupby('main_type')['sale_count'].sum()
plt.subplot(1, 2, 1)
plt.pie(main_type_sale, labels=main_type_sale.index, autopct='%1.1f%%')
plt.title('大类销量占比')

# 2.2 小类销量TOP5
sub_type_sale = data.groupby('sub_type')['sale_count'].sum().nlargest(5)
plt.subplot(1, 2, 2)
sub_type_sale.plot(kind='bar', color='purple')
plt.title('小类销量TOP5')
plt.ylabel('总销量')

plt.tight_layout()
plt.show()

# 3. 时间趋势分析
plt.figure(figsize=(10, 5))

# 3.1 每日销量趋势
data['update_time'] = pd.to_datetime(data['update_time'])
daily_sale = data.groupby(data['update_time'].dt.date)['sale_count'].sum()
daily_sale.plot(marker='o', color='blue')
plt.title('双十一期间每日销量趋势')
plt.ylabel('总销量')
plt.grid(linestyle='--', alpha=0.7)
plt.show()

# 4. 性别差异分析
plt.figure(figsize=(8, 5))
gender_sale = data.groupby('是否男士专用')['sale_count'].sum()
gender_sale.plot(kind='bar', color=['orange', 'green'])
plt.title('男士专用与非男士专用商品销量对比')
plt.ylabel('总销量')
plt.show()

核心分析结论：

1. 品牌表现：

   • 相宜本草在销量和销售额上均位居榜首，但其平均单价较低（属于大众消费价位）
   • 雅诗兰黛平均单价最高，体现高端品牌溢价能力
   • 悦诗风吟商品数量多但销量未进前三，存在商品结构优化空间

2. 品类特征：

   • 护肤品类占总销量的 70% 以上，是绝对主力
   • 小类中清洁类、补水类、面霜类位列销量前三，反映基础护肤需求旺盛

3. 时间规律：

   • 销量峰值出现在 11 月 9 日（双十一前 2 天）
   • 11 月 11 日当天销量显著下降，说明消费者存在 "错峰购物" 行为

4. 性别差异：

   • 男士专用商品销量仅占总量的 6.5%，市场潜力待挖掘
   • 男士商品中以清洁类（如洗面奶）为主，占比超 40%

四、结论与建议

主要结论

1. 价格策略影响显著：低价品牌在销量和销售额上均占优，大众市场仍是主力
2. 品类偏好明显：护肤品（尤其清洁类、补水类）是消费主流
3. 性别市场分化：男士专用商品占比低，但清洁类需求明确
4. 时间规律特殊：双十一当天销量不及预期，预热期和返场期表现更好
5. 评论数据异常：部分品牌评论数与销量不匹配，需关注数据真实性