电视产品线上销售数据分析报告 ——驱动因素、行业预测及决策建议

发布者:陆敏发布时间:2021-05-26浏览次数:13


一、报告主要流程


      1. 报告背景及数据来源

      2. 数据建模分析

      3. 结论与参考建议


二、分析及主要结论


(一)背景概要


       在多种多样的电视品牌、电视功能和性能指标以及网购评价、物流速度等等因素方面,线上电视销售的受欢迎程度(销量)到底与哪些因素有关呢?作为商家,最头痛的就是如何提高商品的口碑、吸引买家眼球,进而扩大销售量;作为广大网购买家,商品口碑是我们会否下单的重要判断。从消费者角度来说,构成电视产品影响力的,主要是购买电视产品的售前售后特定服务和该产品的主要参数。具体地,一方面,电视品牌的知名度、是否为自营或第三方销售的经营方式、服务态度、物流速度、店铺评分影响着消费者对电视品牌的选择;另一方面,电视产品的各类参数指标,如屏幕尺寸、分辨率、观看距离、商品毛重、能效等级、是否为智能电视、好评率等因素则影响着消费者对产品类型的选择。 因此,消费者对电视品牌及具体产品类型的选择,最后可通过消费者对电视产品的累计评价反映出来,而这也是买卖双方共同关注的重要目标。但在上述诸多影响因素制约下,电视产品的销量缺乏数理预测分析。基于此背景,本案例将针对电视产品线上销售的实际数据,采用定量研究方法,研究销量与电视产品各类参数指标之间的关系,以期寻找线上电视产品销量的驱动因素,进而给出相关行业的预测,为广大电商和消费者提供参考建议。


(二)数据简述


采用狗熊会2018331日欧亚联合研究组发布的电视数据http://www.xiong99.com.cn/mooc/login.html进行分析(某网站上搜索“电视”关键词获得)。

数据来源:某线上电商销售平台

       观测:890个电视产品参数信息及截止截取时间点前的累计评价数量


数据字典



全部型号电视产品评价数分布


该平台上不同型号电视产品的累计评价数集中在0~500条之间,具体来说大约三分之二的电视产品累计评价数低于500条。而部分电视产品则异常受欢迎,累计评价数量最高的电视产品,其评价数甚至超过两万条,销售量远远超过大多数产品。说明电视市场上产品种类繁多,但真正受到消费者青睐的产品却比较有限。


不同电视产品好评频数


 从表中可观察到50000条以内的评论数最多,占好评总数的98.8%


(三)数据描述性分析


预计建模的解释变量有:价格,品牌,观看距离,屏幕尺寸,分辨率,重量,好评,差评,服务态度,物流速度,是否自营,能效等级,是否为智能电视,品评价,选购指数。响应变量为:累计评价。下面我们将所有数据进行初步分析以确定建模要使用的变量。


变量数据缺失情况

从上表中不难发现,“能效等级”、“是否为智能电视”、“观看距离”分别缺失1324029条,由于它们是分类变量,因此在建模时直接剔除这三个变量。对于“商品评价”做频率分析,我们发现其异常值占比26.5%,因此该变量被剔除。如下表所示:


  商品评价异常值统计

对于“选购指数”做频率分析,我们发现其异常值占比37.2%,因此该变量也被剔除。如下表所示:


选购指数异常值统计

因此被纳入建模的有效自变量为11个,分别为:价格,品牌,观看距离,屏幕尺寸,分辨率,重量,好评,差评,服务态度,物流速度,是否自营

SPSS中,分析价格、屏幕尺寸、重量之间的相关关系,我们发现屏幕尺寸与重量之间的相关系数为0.847,而价格和屏幕尺寸之间的相关系数达到了0.615,因此在建模时,价格和重量作为解释变量,而屏幕尺寸被剔除。如下表所示:


部分解释变量间的相关性分析


综上所述,最终被纳入建模的有效自变量有9个,分别为:价格,品牌,分辨率,重量,好评,差评,服务态度,物流速度,是否自营。


(四)数据建模与分析


      1. 多元线性回归模型的建立

有效自变量:价格、品牌、分辨率、重量、好评、差评、服务态度、物流速度、是否自营

响应变量:累计评价

多元线性回归模型:


其中,响应变量Y累计评价,为回归系数;解释变量

为影响累计评价的各个因素;ε为随机误差。


变量间的相关性分析

结果分析:

分辨率与价格和重量之间的相关系数分别达到了0.4590.713;服务态度和物流速度之间的相关系数达到了0.999;重量和价格之间的相关系数达到了0.729。表明这些变量之间的相关性较强,这提示我们在建模过程中需要筛选重要变量。然而不符合常理的是好评和差评之间的相关系数达到了0.912,因此我们需要更进一步的建模分析。

      2. 逐步回归后的多元线性回归模型

采用逐步回归分析法从解释变量中选出对被解释变量有显著影响的变量来建立回归分析方程。最终9个变量中只进入了5个变量。


逐步回归模型结果


把表中“非标准化回归系数”栏目中的“B”列数据代入多元回归模型整理后,得到预测方程:


模型结果分析:

该平台电视线上销售的累计评价(y)与好评(X1)和是否自营(X3)呈显著正相关,与差评(X2)呈正相关,与服务态度(X5)和价格(X4)之间没有显著的正相关和负相关。

回归标准化残差图


SPSS中分析上述显著变量的系数相关性,可以发现好评和差评之间有明显的负相关性,达到了-0.847,符合逻辑规律;因为好评、差评与服务态度呈现极弱的负相关,但是好评与差评显著负相关,所以我们认为店铺服务态度对商品销售的评价影响不大;同时差评与店铺是否自营有更为明显的负相关性,为-0.205,这也是符合电商销售规律的;而就价格来说,购买高价电视产品的网购消费者更偏向给差评,这与消费者在网购时的预期相符。

服务态度对商品销售的评价影响不大;同时差评与店铺是否自营有更为明显的负相关性,为-0.205,这也是符合电商销售规律的;而就价格来说,购买高价电视产品的网购消费者更偏向给差评,这与消费者在网购时的预期相符。


解释变量系数相关

是否自营与价格之间有比较明显的负相关性,这表明网站自营店铺与同期销售的其他店铺相比,价格更为优惠;是否自营与服务态度之间有更明显的正相关性,这一现象揭示了购物网站自营平台的服务态度较之其他非自营平台更令消费者感到满意;价格和服务态度之间也呈现正相关性,符合价格越高,服务态度越好的市场规律。


(五)结论及建议


      1.  本案例的结论和解释

电视线上自营平台对网购消费者更具吸引力(累计评价与是否自营有显著正相关关系,回归系数为1.570),一方面,它反映了电子信息技术的广泛应用为线上平台管理监控自营旗舰店提供了强有力的技术支持和保障,从而能够使自营平台做大做强,为消费者提供更多权益保障;另一方面,电视产品线上自营平台的专业化、标准化和服务意识的提高,及其服务人员业务素质的增强,使得消费者更倾向于在自营平台消费,不断给出好评,销售量逐步提高。

累计评价(销售量)与价格之间存在负相关关系,但是价格对累计评价(销售量)的影响不明显(系数为−0.00002594),这充分展现了电子商务的特点——价格优势。

累计评价与服务态度(回归系数显著)之间存在一定的正相关关系,对应的回归系数为0.065,这反映了积极的售前咨询、售后服务态度可提高累计评价(销售量)。


      2. 对线上销售的建议

1)评价方面:平台应做到销售信息公开和透明、重视收集消费者的负面反馈.

2)平台自营:经营与物流派送的高效整合。

3)价格:不能依靠降低价格来吸引顾客,要重视自身的服务和口碑等。

4)服务态度:提高业务员的综合素质、全面优化售后服务。

综合如下图所示:


决策建议图