序言：《从0开始教你做数据分析》这套文章自2013年开始我共写了20篇，后面出版的《电商数据分析淘宝实战》以及《淘宝、天猫电商数据分析与挖掘实战》均从这套文章中采集素材，这套文章的在线阅读量达数百万，出版的书也已经成为了高校电子商务数据分析课程的教材。

今天是第二篇，教大家用生意参谋的行业数据做分析，但本文的重点是在产品生命周期战略。

话不多说，撸起袖管加油干！

——某迅

生意参谋是淘宝的官方数据工具，是比较权威的数据发布中心，其属于收费工具。在生意参谋市场行情模块中找到行业大盘，如图：

本案例所用的练习数据集，采集自淘宝生意参谋家居行业下胶棉拖把类目中的从 2016年 3 月到2017 年 3月的数据，如下图所示。

拿到数据集后要先观察，了解这个数据集的字段。

日期：观测值产生的时间

       搜索点击率：统计日期内，从搜索结果页面点击到商品详情页的点击数/搜索结果页的浏览量，即搜索结果中用户点击商品的比率

        交易指数：根据统计周期内支付金额拟合出的指数类指标。交易指数越高，表示交易行为越多。

        支付金额：买家拍下后通过支付宝支付给您的金额，未剔除事后退款金额，预售阶段付款在付清当天才计入内。所有终端的支付金额为PC端支付金额和无线端支付金额之和。特别说明，支付渠道不论是电脑上还是手机上，拍下为电脑上，就将后续的支付金额计入PC端；拍下为手机或Pad上，就将后续的支付金额计入无线端。

        搜索人气：根据统计周期内的用户搜索人数拟合出的指数类指标。搜索指数越高，表示搜索人数越多

        卖家数：截至所选日期当天，店铺状态和商品状态均为有效状态的卖家数。

数据是有格式的，时间维度是【年月】，本案例的时间粒度是【日期】，计时单位不同，格式也不同。【年月】字段是文本格式，【日期】字段是日期格式，格式不同处理的方式就不同。我们现在拿到的数据集是【日期】格式，以（天）为单位统计的观测值。这种以时间为单位的观测值，在分析的时候，可以灵活改变观测的时间度量。

第一步     明确分析目的和内容

目的：分析胶棉拖把行业的交易情况。

第二步     数据收集

数据收集（采集生意参谋数据的表格可以在网盘中寻找https://pan.baidu.com/s/1c1HlyLi）

第三步   数据处理

数据处理，和第一篇的操作过程一样。结果如下图所示。

我们可以发现，行标签是以【年】为时间粒度来观测的。在时间序列分析中，根据不同的分析需求，需要对时间单位进行转换以达到最好的分析效果。如果以【年】为粒度，信息图就会显得很短促，如下图所示

我们不妨把观测的时间粒度转换成【月份】，在图表右下角单击【+】号。效果如下图所示，按月份展示数据就有了可读性。

第四步   数据分析

通过上面这个信息图发现【胶棉拖把】是一个相对比较平稳的类目，它的优点一个爆款可以存活的时间不受季节性的影响，可以生存很久，说人话就是一个爆款吃三年。恰恰优点也是缺点，没有很明显的风口，所以相对来说比较难以切入，因为市场爆款已经形成稳定。这种市场前期推广费用比较高，流量和销量都少。这个行业有一家旗舰店为了打造爆品，通过淘宝客，直通车，聚划算和淘抢购，亏本赚吆喝，大约两个月形成爆品，估计这两个月亏损20万左右，随后通过爆品引流，将全店盘活。

这种行业恰恰和服装行业就形成了鲜明的对比！我们看下图：

通过信息图我们不难发现，【毛衣】是一个具有明显季节性的类目，其销量从 9 月开始快速增长，到 11 月达到最高，12 月销量开始下滑，2 月开始退市。根据这些特征，可以把毛衣的市

场趋势划分成 5 个区间，分别是入市期、增长期、爆发期、衰退期、退市期，如上图所示

【入市期】：此时流量和销量都比较低，产品是小批量生产，成本较高，市场推广费用高。但在这个时候进入市场，可以优先在销量增长期到来之前准备好产品的基础销量和评价，可以快人一步抢占市场份额。这个阶段心态非常重要，不能急躁，建立在做好市场细分和分析，并且对市场有信心的前提下，坚持低投产的运作。

【增长期】：此时需求开始快速增长，销量和利润也随之快速增长，也可以在这个时候入市，此时竞争环境良好。

【爆发期】：此时需求达到顶峰，很多竞争对手涌入，竞争环境恶劣。

【衰退期】：此时需求开始下降，大多数人已经买好了，商家开始清库存，竞争环境恶劣。

【退市期】：此时产品过季，需求极低，连清仓都难，产品退市。

因此可以看出，具有季节性的行业对运营节奏的把控要求极高。

除分析【成交商品数】外，在数据集中还有很多字段可供分析。

字段与字段之间也可能存在关系，而不是完全独立的。例如，浏览量/访客数=平均访问深度，成交商品数/访客数≈转化率（单个访客可能会购买多个商品），成交商品数?客单价≈成交金额（单个访客可能会购买多个商品），成交商品数/成交店铺数=平均店铺成交量。

下面我们尝试对数据做运算分析。

先选中数据透视表，单击【数据透视表工具】-【字段、项目和集】-【计算字段】命令，

如下图所示。

敲入公式：加购人数/访客数=加购率，如下图所示。

点击确定之后，如下图所示，将加购率所在的C列转换成百分比显示格式：

随后再将加购率的精度设置到小数点后两位

如果我们想把两个不同量级的维度进行对比，例如【访客户】和【加购率】，如下图所示。

那么这个时候可以使用组合图。选中数据透视表，单击【插入】-【组合图】命令，如下图所示。

结果如下图所示。