精华内容
下载资源
问答
  • Planning scheme电商平台竞品分析报告电商平台竞品分析报告电商平台竞品分析报告V1.0 2018-3-18状态 :[ √ ] 草稿[ ] 修改中[ ] 定稿文件标签:竞品分析报告版 本:1.0作 者:日 期:目录TOC \o "1-3" \h \z \u 1...

    Planning scheme

    电商平台竞品分析报告

    电商平台竞品分析报告

    电商平台竞品分析报告

    V1.0 2018-3-18

    状态 :

    [ √ ] 草稿

    [ ] 修改中

    [ ] 定稿

    文件标签:

    竞品分析报告

    版 本:

    1.0

    作 者:

    日 期:

    目录

    TOC \o "1-3" \h \z \u 1背景 4

    1.1行业背景 4

    1.2产品概述 4

    1.3竞品对象 4

    产品直接竞争者 4

    产品间接竞争者 4

    2竞品分析 5

    2.1竞品选择 5

    2.2应用数据 5

    2.3主要功能 7

    2.4交互和体验 8

    2.5商业模式 9

    2.6用户评价 11

    2.7迭代版本和演变 12

    喵街 12

    飞凡: 20

    宝龙滴滴卡 34

    3总结 38

    背景

    行业背景

    2016年我国零售百强企业实现销售额4.82万亿元,同比增长18.5%,增幅较2015年同期下滑3.9个百分点,高于社会消费品零售总额增速8.1个百分点。就零售百强企业的整体发展趋势而言,电商增速明显放缓,零售实体店小幅回升。

    但电商依然保持较快增长,只是增速有所放缓。百强中6家电商的销售规模达到2.47万亿元,同比增长34.2%,占百强整体销售的比重为51.2%,与此同时,零售百强企业中的实体零售企业增速则略有提升。2016年,零售百强中88家实体零售企业销售规模达到1.81万亿元,同比增长4.0%,比2015年加快0.8个百分点,销售规模占百强整体销售的比重为37.6%,88家实体店零售企业对百强零售企业整体销售增长的贡献率为9.7%。

    就业态而言,2016年,专业店和购物中心销售增长较快,以这两种业态为主的百强企业同比增速分别为13.1%和9.2%,百货和超市增速相对缓慢,分别为3.3%和3.7%。2016年是电商与实体合作落地的一年,如天猫与银泰商业集团达成战略合作,共同探索线上线下O2O融合发展;京东到家牵手欧尚合作商超O2O,力推 “百万便利店”项目,还在线下开设了“京东母婴体验店”。

    产品概述

    我司计划以华元欢乐城为依托,开发应用于欢乐城大场景的微信公众号,包含顾客停车收费、排队取号,论坛以及商家缴纳费用、活动报名和商场地图系统等功能。让顾客人未到、心先至,让管理人员更加方便地与商家合作。

    竞品对象

    产品直接竞争者

    宝龙滴滴卡 喵街 飞凡

    产品间接竞争者

    美团

    竞品分析

    竞品选择

    选择飞凡、喵街、宝龙滴滴卡。

    飞凡作为万达旗下的智慧生活应用,资本雄厚,用户多,潜力大。

    喵街作为阿里旗下的提升逛街商场服务的产品,背景深,知名度高。

    我去宝龙广场进行了实地调研,故而将宝龙滴滴卡也放在内。

    应用数据

    IOS端:

    宝龙滴滴卡近三个月下载量

    喵街近三个月下载量

    飞凡近三个月下载量

    Android端:

    从下载量上来看宝龙滴滴卡远远落后于喵街和飞凡,飞凡的下载量最高,且远远超过喵街。

    主要功能

    宝龙滴滴卡:停车,看店铺,排队(与美味不用等合作),问一问(与客服沟通),投诉。

    飞凡:电影购物美食,优惠券,停车,飞凡通(卡)存入取出现金,医疗、理财。

    喵街:停车,找优惠,用户社区,室内地图,付款,找店进入查看商品详情。

    交互和体验

    宝龙滴滴卡首页

    飞凡首页

    喵街首页

    宝龙滴滴卡交互风格为直来直去,将屏幕分为几块,大块式的图片和按键显得简单粗暴,易于操作的同时暴露了自己功能少,服务少,体验差的弱点。

    飞凡采用上下两选项卡的设计风格,因为其功能多,体量大,页面略显繁琐,功能划分详细明了,界面算是比较友好。

    因为应用内有诸多商城,每个商城能做的事也不相同,喵街将商城的功能按钮内置于页面中间,不同商城按钮也不同,思路独特,但操作难度可能略大于飞凡和滴滴卡。

    商业模式

    喵街:

    根据消费者心理以及“喵街”的战略目的可知,“喵街”能够满足用户的三方面需求,就是如何买到最心仪的产品、如何快捷方便买到产品、如何实惠便宜买到产品。所以接下来我将对有着三方面需求的目标人群分析其价值主张。

    HYPERLINK 如何精准买到产品

    (1)女性(频次高,无目的)——根据阿里产品的相关数据,对用户进行分析加上用户当下的地理位置、以及在“喵街”应用中的使用痕迹,来匹配最适合该用户的商场及品牌信息,并进行推送。

    (2)男性(频次低,目的性强)——“有料”中其他用户的推荐。

    HYPERLINK 如何快捷买到产品

    (1)女性(频次高,无目的)——关注,停车管理系统,预约排号

    (2)男性(频次低,目的性强)——停车管理系统,室内地图导航,预约排号

    HYPERLINK 如何实惠买到产品

    非高收入人士群体——积分体系,即时优惠

    展开全文
  • plt.xticks(list(np.arange(14))) #添加网格线 plt.grid(linestyle='dashed') plt.show() 客单价由2个小高峰,分布在3月和8月,8月份的客单价最高,说明8月份的需求量最高,客单价、订单数量达到顶峰,每年八月份是...

    #导入第三方库

    import numpy as np
    import pandas as pd
    import matplotlib.pyplot as plt
    import datetime
    import warnings 
    import re
    from datetime import datetime
    from pyecharts.charts import Bar,Line,Map,Page,Pie  
    from pyecharts import options as opts 
    from pyecharts.globals import SymbolType 
    #直接显示图形
    %matplotlib inline
    #设置中文编码和负号的正常显示
    plt.rcParams['font.family'] = ['sans-serif']
    plt.rcParams['font.sans-serif'] = ['SimHei']
    warnings.filterwarnings('ignore')
    

    1 数据导入,清洗

    1 数据导入,清洗

    df=pd.read_csv(r'D:\搜狗高速下载\电子产品销售分析.csv',engine='python',encoding='UTF-8')
    df.head()
    

    在这里插入图片描述
    字段介绍:

    Unnamed: 行号

    event_time:下单时间

    order_id:订单编号

    product_id:产品标号

    category_id :类别编号

    category_code :类别

    brand :品牌

    price :价格

    user_id :用户编号

    age :年龄

    sex :性别

    local:省份

    1.1查看数据重复情况

    df.duplicated().sum()
    

    结果确认数据无重复

    1.2查看数据缺失情况

    df.isnull().sum()/len(df)
    

    在这里插入图片描述

    df.isnull().sum()
    

    在这里插入图片描述
    有两列中有数据缺失值,类别列缺失129370条,品牌列缺失27224条,这两列数值缺失对店铺销售情况的分析和用户消费行为的分析没主要影响,但是其他数据有重要影响,所以这两列缺失值由missing填充。

    df.fillna('missing',inplace=True) df.isnull().sum()
    

    1.3产看数据整体状况

    df.info()
    

    在这里插入图片描述
    将event_time转换为时间格式

    df['event_time']=pd.to_datetime(df['event_time'])
    df.dtypes
    

    在这里插入图片描述

    1.4数据拆分

    df['Month']=df['event_time'].dt.month
    df['Day']=df['event_time'].dt.day
    df['Dayofweek']=df['event_time'].dt.dayofweek
    df['Hour']=df['event_time'].dt.hour
    df.head()
    

    在这里插入图片描述

    2 探索性数据分析

    2.1 每月销售金额

    # 创建画布
    plt.figure(figsize=(6,3))
    df[df['price']>0].groupby('Month')['price'].sum().plot()
    plt.title('每月销售金额')
    plt.xlabel('月份')
    plt.ylabel('销售额')
    plt.xticks(list(np.arange(14)))
    #添加网格线
    plt.grid(linestyle='dashed')
    plt.show()
    

    在这里插入图片描述

    2.2 每月成交金额

    # 创建画布
    plt.figure(figsize=(6,3))
    df.groupby('Month')['price'].sum().plot()
    plt.title('每月成交金额')
    plt.xlabel('月份')
    plt.ylabel('成交金额')
    plt.xticks(list(np.arange(14)))
    #添加网格线
    plt.grid(linestyle='dashed')
    plt.show()
    

    在这里插入图片描述

    2.3 每月消费人数

    plt.figure(figsize=(6,3))
    df.groupby('Month')['user_id'].nunique().plot()
    plt.title('每月消费人数')
    plt.xlabel('月份')
    plt.ylabel('消费人数')
    plt.xticks(list(np.arange(14)))
    #添加网格线
    plt.grid(linestyle='dashed')
    plt.show()
    

    在这里插入图片描述
    每月消费人数1月到8月呈上升趋势,8到11月呈现下降趋势,由两个高峰期,第一在5月份,第二个高峰期在6月到9月份,推测,可能是五一小长假、暑假和开学季引起了消费人数的上升。

    2.4 每月订单数量

    df.groupby('Month')['order_id'].nunique().plot()
    plt.title('每月订单数')
    plt.xlabel('月份')
    plt.ylabel('订单个数')
    plt.xticks(list(np.arange(14)))
    #添加网格线
    plt.grid(linestyle='dashed')
    plt.show()
    

    在这里插入图片描述
    订单数量有三个小高峰,分别在5月,8月,19月,可能与五一小长假,开学季,十一小长假有关。

    2.5 每月客单价

    cost=df.groupby('Month')['price'].sum()
    user_cnt=df.groupby('Month')['order_id'].nunique()
    (cost/user_cnt).plot(c='red')
    plt.title('每月客单价')
    plt.xlabel('月份')
    plt.ylabel('客单价')
    plt.xticks(list(np.arange(14)))
    #添加网格线
    plt.grid(linestyle='dashed')
    plt.show()
    

    在这里插入图片描述
    客单价由2个小高峰,分布在3月和8月,8月份的客单价最高,说明8月份的需求量最高,客单价、订单数量达到顶峰,每年八月份是店铺全年营收的关键期,店铺要提前准备,保证货源供应,满足客户需求量。

    1、销售金额和成交金额曲线很相似,意味着销售金额约等于成交金额。

    2、月订单数量、月消费人数、月成交金额、月销售额、月客单价趋势相似,在五月份有个小高峰,在八月份是最高峰,销售情况最好的月份集中在7-9月份。店铺可以在1-4月份减少营业人员,5-11月增加营业人员,应对销售高峰期。

    3、店铺销售高峰估计和五一小长假、暑假、开学季、十一小长假有关,店铺应该在这几个关键的节点,提前布局,打造竞品,加大库存量,保证货源充足。

    2.6 不同省份用户数量

    df[df['price']>0].groupby(['local'])['user_id'].nunique().sort_values().plot.barh()
    plt.title('不同省份用户数量')
    plt.xlabel('用户数量')
    plt.ylabel('省份')
    #添加网格线
    plt.grid(linestyle='dashed')
    plt.show()
    

    在这里插入图片描述

    map1 = Map()
    map1.add("",[list(i) for i in zip(local.index.tolist(),local.values.tolist())],
           maptype='china')
    map1.set_global_opts(
        title_opts = opts.TitleOpts(title='不同省份用户数量'),
        visualmap_opts = opts.VisualMapOpts(max_=150000)
    )
    map1.render_notebook()
    

    在这里插入图片描述

    2.7 不同省份订单数量

    province_order_cnt=df.groupby('local')['order_id'].nunique()
    province_order_cnt.sort_values().plot(kind='barh')
    plt.title('不同省份订单数量')
    plt.xlabel('订单数量')
    plt.ylabel('省份')
    #添加网格线
    plt.grid(linestyle='dashed')
    plt.show()
    

    在这里插入图片描述

    2.8 不同省份成交金额

    province_price_sum=df.groupby('local')['price'].sum()
    province_price_sum.sort_values().plot(kind='barh')
    plt.title('不同省份成交金额')
    plt.xlabel('成交金额')
    plt.ylabel('省份')
    #添加网格线
    plt.grid(linestyle='dashed')
    plt.show()
    

    在这里插入图片描述
    1、北上广的用户数量、订单数量、成交金额都稳居前三。

    2、湖南的客户数量,订单数仅次于北上广,潜力巨大,可以考虑加大宣传,增加客户数量。进而提升营业额。

    2.9 下单星期分布

    plt.figure()
    df[df['price']>0].groupby('Dayofweek')['order_id'].nunique().plot.bar()
    plt.xticks(range(7),['周一','周二','周三','周四','周五','周六','周日'],rotation=45)
    plt.xlabel('星期')
    plt.ylabel('订单数')
    plt.grid(linestyle='dashed')
    plt.title('订单数随星期变化',fontsize=15)
    plt.show()
    

    在这里插入图片描述
    周一到周五订单数维持稳定,周六是订单数量最高,周日次之。

    2.10 下单时间分布

    plt.figure()
    df[df['price']>0].groupby('Hour')['order_id'].nunique().plot()
    plt.title('订单随小时数变化')
    plt.xticks(range(25))
    plt.xlabel('小时')
    plt.ylabel('订单数')
    plt.grid(linestyle='dashed')
    

    在这里插入图片描述
    订单集中在早晨,5点到13点是消费高峰期,这段时间要注意维持好网站的稳定性。

    2.11未完成订单分析

    df[df['price']<=0].shape
    

    未完成支付的订单只有39单,对比完成支付订单可忽略不计,因此不做未完成订单数、订单金额的统计。

    3 用户消费行为分析

    3.1 用户消费次数

    df[df['price']>0].groupby('user_id').agg({'order_id':'nunique','price':'sum'}).describe()
    

    在这里插入图片描述
    1、超过一半的用户消费了两次,甚至有用户消费了666次,猜测是批发商或企业用户。

    2、客户平均消费金额是1252.4,标准差是4205.9,用户平均消费金额大于75分位数,存在高额消费用户。

    3.2 用户消费金额

    #消费次数与消费金额的关系
    plt.figure()
    plt.scatter(x=df[df['price']>0].groupby('user_id')['order_id'].nunique(),
               y=df[df['price']>0].groupby('user_id')['price'].sum())
    plt.xlabel('消费次数')
    plt.ylabel('消费金额')
    plt.title('消费次数与消费金额关系',fontsize=15)
    plt.show()
    

    在这里插入图片描述
    消费次数和消费金额存在较强的相关性,用户消费次数越大,消费金额越大,可以引导用户多次消费。

    3.3 用户消费周期

    purchase_time=df[df['price']>0].groupby('user_id').apply(lambda x:x['event_time']-x['event_time'].shift()).dt.days
    purchase_time[purchase_time>0].describe()
    

    在这里插入图片描述
    至少消费两次的用户有一半是9天,75%的消费者消费金额在一个月,可以在8天、29天两个时间点对用户进行推送和提醒

    3.4 复购率

    复购率定义:一个月内,购买两次以上次数/当月客户数量

    pivoted_counts=df[df['price']>0].pivot_table(index='user_id',
                                        columns='Month',
                                        values='order_id',
                                        aggfunc='nunique').fillna(0)
    pivoted_counts.head(5)
    

    在这里插入图片描述

    pivoted_counts_transf = pivoted_counts.applymap(lambda x: 1 if x>1 else np.NaN if x==0 else 0)
    (pivoted_counts_transf.sum()/pivoted_counts_transf.count()).plot(kind='bar')
    plt.show()
    

    在这里插入图片描述
    复购率3月、5月、10月有三个小高峰,其中10月份复购率最高,从6月开始到10月复购率一直保持增长。一直保持较高的复购率。其中三个小高峰估计和清明小长假、五一小长假、十一小长假有关。

    4 消费人群分层情况

    4.1 按性别分析

    df['sex'].value_counts().plot.pie(figsize=(5,5),autopct='%.2f%%')
    plt.title('男女占比',size=15)
    plt.show()
    

    在这里插入图片描述
    消费人群男女占比几乎是1:1的情况。

    4.2 按年龄段分析

    df['age'].describe()
    

    在这里插入图片描述

    #对年龄分段分析
    bins=[10,20,30,40,50]
    df['age_box'] = pd.cut(df['age'],bins,labels=['10-20','20-30','30-40','40-50'])
    age_box = df['age_box'].value_counts()
    age_box
    

    在这里插入图片描述

    plt.figure()
    plt.bar(age_box.index,age_box.values,width=0.5)
    plt.ylabel('购买数量',size=12)
    plt.xlabel('年龄分段',size=12)
    plt.xticks(size=12)
    plt.yticks(size=12)
    for a,b in zip(age_box.index,age_box.values):
        plt.text(a,b+500,"%d"%b,ha='center',size=12)
    plt.grid()
    plt.show()
    

    在这里插入图片描述
    40-50岁的人群是购买主力,20-20岁,30-40岁的购买情况差距不大,10-20岁最少,主要和人群的购买力有关。

    4.3 按喜好品牌分析

    df_brand = df['brand'].value_counts().head(10)
    df_brand
    

    在这里插入图片描述

    plt.figure(figsize=(16,5))
    plt.bar(range(len(df_brand)),df_brand.values)
    # df_brand.plot(kind='bar')
    plt.xticks(range(len(df_brand)),list(df_brand.index),size=16)
    plt.yticks(size=16)
    plt.xlabel("品牌名称",size=12)
    plt.ylabel("购买数量",size=12)
    plt.title('品牌名称与购买数量的情况',size=28)
    plt.show()
    

    在这里插入图片描述

    最受欢迎的品牌是samsung、apple、ava(由于部分手机品牌信息缺失用missing代替,missing可能包含很多品牌。所以最喜欢的品牌忽略missing)。

    df[df['brand'].isin(df_brand.index)].groupby('sex')['price'].describe()
    

    在这里插入图片描述
    男性和女性对价格的在价格的75分位及以下消费情况一致,但是男性对高价格的产品的消费能力远超女性。

    4.4 价格分析

    df[df['price']>0].price.describe()
    

    在这里插入图片描述
    75%的人群的购买价格是393,说明75%的人群购买力低,后25%的人群对高价格产品的购买力强。

    df['price'].quantile([0,0.25,0.5,0.75,1]).tolist() 
    
    df['price_box'] = pd.cut(df['price'],df['price'].quantile([0,0.25,0.5,0.75,1]).tolist()
                        ,labels=['0.02-23.13','23.13-87.94','87.94-277.75','277.75-18328.68'])
    df['price_box'].value_counts()
    

    在这里插入图片描述
    把价格分为四层,每层的购买人数大致相当。

    5 结论

    1、销售金额、订单量、消费人数、客单价在清明小长假、五一小长假、暑假、开学季、十一小长假,几个假期节点表现不错,尤其是开学季(八-九月)的情况最好,在几个关键的节点开始前,店铺一定要提前储备库存,保证货源。

    2、北上广销售金额、订单量、消费人数、客单价都优于其他省份,湖南省消费人数少,但是客单价、订单量都表现优异,湖南省潜力巨大,因此要加大对湖南省的宣传力度,增加湖南省的消费人数。

    3、75%的消费人群购买力不高,对30岁以下的人群主要推荐亲民价格的商品。

    4、40-50岁的人群购买力高,而且男性对高价格的商品购买力强,因此给40-50岁的男性推荐高价格的商品。

    5、多数用户至少消费了两次,且消费金额与购物次数有较强的正相关,用户消费次数越多销售额越大。可在8天、28天对用户进行召回,引导客户消费。

    6、订单集中在早晨,8点到13点是消费高峰期,这段时间要注意维持好网站的稳定性。

    7、店铺可以在1-4月份减少营业人员,5-11月增加营业人员,应对销售高峰期。

    展开全文
  • 1.行业分析近年来,生鲜电商在资本的加持下迅速发展。2019年随着资本态度趋于保守,加之多数生鲜电商尚未实现规模化盈利,多家生鲜电商平台开始出现危机,生鲜电商行业又迎来新一轮洗牌,与此同时...

    1.行业分析

    近年来,生鲜电商在资本的加持下迅速发展。2019年随着资本态度趋于保守,加之多数生鲜电商尚未实现规模化盈利,多家生鲜电商平台开始出现危机,生鲜电商行业又迎来新一轮洗牌,与此同时,生鲜电商月活数量下滑明显。自2019年10月起,受生鲜电商大促影响,生鲜电商月活跃用户数量快速增长,2019年12月生鲜电商月活跃用户数量达3122.82 万,同比增加82.5%。2020年以来,受疫情影响生鲜电商月活保持强劲的增长势头。

    1.1 市场规模

    2019年中国生鲜电商行业市场交易规模达2796.2亿元,较上一年增长36.7%。2020年受疫情影响,消费者对于生鲜到家的

    需求急速增长,生鲜电商市场交易规模将会有显著的提升,预计到2023年,生鲜电商市场交易规模将超过8000亿元。

    1.2 市场格局

    生鲜电商市场集中度较高,2019年生鲜电商行业前5家企业份额占比为57.2%。相对于2018年来说,2019年行业TOP5份

    额有所下降,原因在于当下生鲜电商市场玩家众多,除综合生鲜电商平台外,多个新型商业模式玩家规模增长较快,在整

    体市场中崭露头角,涌现了一些“明星生鲜电商企业” ,而这些企业瓜分了一部分市场份额。

     

    2.  竞品选择

    2.1 设备类型

    华为荣耀 Android 8.0

    2.2 APP及 版本

    多点 v4.9.7

    盒马 v5.8.0

    京东到家 v8.6.5

    2.3 竞品市场分析

    多点(Dmall)公司,全称多点生活(中国)网络科技有限公司,简称成立于2015年4月,是基于O2O领域的生活电商。通过线上商城和线下近距物流的结合,建立规模化、可复制的生鲜及生活商品超快递能力,为民众提供日常化、可接触、便捷性的品质生活,提供三公里范围、高质低价、一小时速递的生鲜产品和设供货服务。

    盒马鲜生是阿里巴巴旗下售卖生鲜食品子公司,有网络和实体店,主打网购时的高速高卫生冷藏运输之物流能力。盒马鲜生是阿里巴巴对线下超市完全重构的新零售业态。最大的特点之一就是快速配送:门店附近3公里范围内,30分钟送货上门。

    京东到家,是中国领先的本地即时零售和配送平台,京东到家已覆盖北京、上海、广州、深圳等超过600个县区市。2019年12月,达达-京东到家更名为达达集团,旗下本地即时配送平台达达更名为达达快送,并完成品牌升级。达达-京东到家是中国领先的本地即时零售和配送平台,旗下现有达达快送和京东到家两大核心业务。

       (图片来自比达网)

    比达监测数据显示,2020年10月,多点活跃用户达1296.4万人,位居第一,盒马排名第二,活跃用户1015.5万人,京东到家排名第三,为884万人。从月活跃度度排名来看第三名距离第一名差距是它自己的一半将近400万人。

    (数据来自易观千帆)

    截止到2020年06月,盒马在20年2月份的时候因为疫情的原因,本身的阿里体系和产品的最大的快速配送特点实现了一个急速增长,一举超越了多点,排行第一。京东到家从图表观察来看,一直是缓步增长,排行第三。多点:数据从19年的7月份开始到20年的2月份,一直是增长趋势,之后因国内疫情控制发展良好,市场慢慢恢复过来,也出现了小幅的回落,4月份开始势态回正。

    2.4 用户画像

    2.4.1 生理特征

    从用户年龄分布和性别分布来看。各平台的人群分布主流集中在20-29岁,占比较高的是多点Dmall,其次年龄段分布在30-39岁,以多点为主的有消费能力、追求品质的商务精英。多点Dmall偏向于20-29岁的年轻人,追求性价比。总体来说三款APP用户群体分布主要集中在20-39岁以有一定经济实力的年轻人为主。

    上图可以看出,三款App用户性别比例上男性多于女性的,因为多点Dmall提供高质低价的服务,所以女性中多点Dmall的使用率相对高点,而男性中可能因为平台的原因,使用率相对多点Dmall高点。

    2.4.2 社会特征

    各大平台主要分布在广东、北京、上海、浙江、江苏、四川等有一定消费水平的超一线和一线城市。盒马在北上广拥有很高的占比,几乎已经抢占了整个市场,在二、三线城市也有分布。多点Dmall在北京市场份额较高,在其他城市弱了一些。京东到家除了在广东市场占比与其他城市相比稍微高点,但都不高。建议多点Dmall和京东到家也可以抢占一下一线市场,培养用户消费习惯,带动用户的购买频率。

    2.5 需求分析

    2.5.1 用户行为

    艾媒咨询数据显示,46.67%的受访用户每周在生鲜电商平台采购二至三次,40.74%每周采购一次;受访者单笔消费金额水平主要集中在101-300元之间,占比接近八成。

    2.5.2 用户需求

    据显示,受访用户中有47.37%的用户在生鲜电商平台购买过食品,这反映出居民对生鲜电商的接受度逐步提高、需求增大。(数据来源艾媒咨询)

     

    3.  产品核心策略分析

    3.1 产品定位

    3.2 运营策略

    多点(Dmall)顺应商业发展趋势,依托于传统超市的商品和干线冷链、提供用户交易和落地配送。省去仓储和物流,运营资金,聚焦于业务,强化竞争力。

    盒马,线上线下一体化:由盒马挑选品质优良的各类生鲜,同时又精心设计手机APP,供 顾客进行线上下单,并承诺“五公里之内,最快30分钟送上门”。

    超市餐厅一体化:迅速实现了食材“从货架到餐桌”,很大程度上保障了食材的新鲜度和品质;

    门店仓库一体化:实行“前店后仓”的模式,顾客可以随买随取,缩短商品的在库时间,同时节省了不可避免的耗损,使得商品更具有竞争力。

    京东到家将电商的运营策略发挥的驾轻就熟,借助当红明星、热门IP以及大规模线上线下推广,获取大批流量。紧密的促销活动,例如“情人节”、“女王节”、“年中购物节”、“宅购节”、“11.11”等等各类购物节及品牌日,层出不穷,极大提高了用户转化率。公益活动以及抗疫响应,赚取了用户的口碑,运营节奏掌握的很好。

    3.3 盈利模式

    多点基于自己的数字化操作系统优势,为商超和品牌赋能,有效的盘活了传统的零售模式。通过对企业经营过程中涉及到的用户管理、收银支付、门店管理、商品管理、供应链等一系列系统的升级,大大的降低了企业在经营过程中额外支出成本,并且与企业形成了良好的合作,提高了产品在线下的曝光率。然后通过活动促销等手段吸引消费者购买商品,进而将线上和线下数据打通,获取到更多的用户数据,从而对系统的升级形成了有效反馈。而后,随着入驻的商家增多,提供给消费者的服务会越来越完善,对于消费者来说在这里可以购买到优惠、全面的商品,具有较好的一站式购物体验。

    盒马鲜生的“吃-转-送”三步法,在超市里吃海鲜,是为了建立信任,跟传统生鲜超市相比,盒马鲜生第一个重要的不同,就是“吃”(堂食),线下门店的任务,就是收集流量,把方圆3公里内的人群,通过非常好的体验,吸引到门店来,然后将他们转化为线上会员。消费者周末有时间,就来线下体验;工作日没有时间,就在线上购物,盒马鲜生不但有商品陈列区,还有一个大大的就餐区(约占1/3的营业面积),以及若干食品加工的档口。

    京东到家通过京东平台导流、大规模广告投放、社交传播等方式提升用户数,通过优惠促销、限时秒杀、提升服务体验方式提升用户转化率,还通过满折、满减、凑单免运费、会员体系提升客单价。

    4.  产品结构

    多点主要发挥供应链和服务范围能力优势,该平台可满足用户日常生活服务的绝大部分需求;

    盒马在app上搭建社区,满足+创造场景提供服务,构建了一个用户分享平台,在这里消费者不仅可以买到商品还可以分享商品交流经验;

    满足用户在各种生活场景下:包括逛超市买生活用品、水果蔬菜、一日三餐、加班点外卖、生日定鲜花蛋糕、生病买药、请家政保姆,足不出户就能快速解决这些问题的需求。

     

    5.  产品功能分析

    6 交互和设计

    6.1 品牌图标

    多点选择橙白相间的颜色搭配,橙色作为背景,白色凸显标识,从构成上看使用了当前比较流行的简洁风,在手机桌面中还是比较明显的。

    盒马设计是一个河马头的卡通造型,主要由蓝白构成,绘图简约、品牌标识明显,还使用了谐音,容易被用户记得,河马头设计的很可爱让人印象深刻。

    京东到家依然采用了京东的传统形象 --- 狗,表达对消费者的忠诚,品牌标识明显,背景为绿色焕发生机。

    6.2 导航和结构

    三款app将活动主要的推荐内容放在首页的视觉焦点最集中的地方,以保证用户在打开应用后能第一时间看到活动内容

    多点以大图的形式突出节日的热闹气氛;

    消费者主要关注的优惠力度上,京东到家比盒马更能凸显出自己;

    在分类模块上,盒马要比京东到家好的多,分类更明确,图标icon更清晰地表达。

     

    6. 总结

    目前盒马在市场的占比较大,并且因为其创新的经营模式和理念,用户对其具有较高的期待,也赋予了其更加严苛的标准。

    多点主要基于对原传统商超的改造,在一定程度上需要改变原有的消费习惯,多点的线上运营能力存在很多问题,比如物流配送的调度、客服的响应、售后系统的完善等。

    京东到家取得比较好的成绩,是其采取的O2O的模式和对京东平台的信赖,同时大量的优惠券,使得商品性价比较高,并且覆盖用户所有的日常生活用品。

    这个是学员写的竞品分析报告,欢迎大家提意见。

    最后,欢迎有问题的小伙伴加微信:chanpin628 交流。

    此外我们的官方网站也上线了,每日分享高质量的文章、原型素材和行业报告,小伙伴可自行前往索取,支持搜索,需要的小伙伴可点击底部的阅读原文直接查看,或者复制网址www.dadaghp.com 打开。

    更多干货可关注微信公众号:产品刘

    想学习更多关于产品、职场、心理、认知等干货,可长按右边二维码,关注我们。

    ··················END··················

    RECOMMEND

    推荐阅读

    面试题,你为什么想来我们公司?

    产品经理需要向上思考

    线下实战2.0

    HR要我薪资流水,可我多报了怎么办?

    点击“阅读原文”

    查看更多干货

    展开全文
  • 电商项目有些烂大街,但是作为学习,目的是通过此项目来学习各个模块的使用。...通过对网站的apache common日志进行分析,计算该网站的一些关键指标,供运营者进行决策时参考。 开发该系统的目的是为了获取一

    电商项目有些烂大街,但是作为学习,目的是通过此项目来学习各个模块的使用。

    一. 项目需求及数据流图

    需求

    通过对网站的apache common日志进行分析,计算该网站的一些关键指标,供运营者进行决策时参考。

    开发该系统的目的是为了获取一些业务相关的指标,这些指标在第三方工具中无法获得的。

    数据流图

    数据来源从js和java端由nginx获取,nginx采用消息队列来接受数据,把日志存放在本地的log文件中。最终将数据存放在HDFS中。通过Flume将本地log数据存放到HDFS中。

    数据清洗阶段:ETL,这里使用MapReduce来实现。

    经过ETL后,已经成了规则的数据,这里选择把数据放入到HBase中。

    使用MapReduce和Hive来对Hbase中的数据进行分析和查询;(结合具体场景来看需要应用哪种技术)

    将MapReduce处理好的数据存放入MySQL数据库中,Hive通过sqoop转化到Mysql中。

    在这里插入图片描述

    二. JS和Java端数据来源

    JS中有一个订单事件,是要告诉要触发一个订单了。但在java中是告诉支付成功失败,或者退款成功失败这样一件事。
    用阻塞队列进行存储发送的事件:BlockingQueue;
    单例模式(多线程下的单例模式)会用到私有的构造方法;
    用nginx接收客户端发送过来的请求,这些请求保存在本地的日志中。
    需要修改日志的更改情况,
    日志记录的是服务端时间;

    在这里插入图片描述
    nginx能顺利接收到对应的流程数据;

    java中传输用kafuka而不是用阻塞队列的方式,来响应请求。

    把数据保存成本地的一个数据文件;

    数据源发送到nginx中,就是用一个匹配过程,把日志数据暂存下。
    把本地log放入hdfs中。

    三. Flume(本地log通过flume发送到hdfs)

    每一个Flume都是一个agent,每一个agent都有三个组件:source, channel,sinks;

    主要是修改对应的配置文件。

    flume监控一个本地日志,将监控得本地文件数据放入得hdfs中。

    日志首先录入到nginx得本地日志,然后同时向HDFS中发送。

    四. ETL

    1. 过滤脏乱差数据;
      通过^A来做分割,后面有4段;将数据输入到HBase中;
      ETL-MR;

    2. ip进行基本解析;

    3. user-agent进行基本解析;

    4. 设计row-key;

    五. MapReduce分析模块

    统计学生人数:

    • 男生/女生/戴眼镜男生/不戴眼镜男生/戴眼镜女生/不戴眼镜女生/戴眼镜/不戴眼镜
    • 眼镜,男女
      map:做成kv数据;
      reduce:相同kv聚合在一起;
      在这里插入图片描述
      在这里插入图片描述
      map:将输入的值变成kv格式的数据,K–维度组合,V–唯一标识的值

    reducee:将相同key的数据聚合到一起,做去重累加操作。

    需求–统计新增用户,两个模块:用户基本信息模块和浏览器分析模块。

    用户基本信息模块是时间,浏览器分析模块是时间和浏览器信息。

    在这里插入图片描述
    在这里插入图片描述
    将用户基本信息放入user表中;存入不同的表中;
    因此把模块名称也当作一个维度,进行统计;

    在这里插入图片描述
    在这里插入图片描述
    当需要添加额外的其他维度的时候,怎么处理?
    在这里插入图片描述
    MapReduce计算结果存储MysQL中;

    新增用户指标;

    六. Hive与Hbase整合

    七. sqoop的数据导入及导出

    八. SQL分析模块

    九. 项目总结

    数据收集:从PC端的java和js收集数据,并发送到nginx中,记录用户请求,存入本地log中;(一个文件中)
    每小时来生成一个文件,把文件移动到指定目录。flume监控某个指定目录,当一个目录文件移动到另一个目录中时,把文件数据读取进来。
    把数据文件存入到hdfs中,把hdfs中的数据文件按照天多建了一级目录,保证每天的数据放在指定目录下。当取数据时,就能直接取对应数据;
    ETL-MR:抽取,转换,加载;通过MR来完成,或者说通过封装了一个ETL工具;(通过Kettle做数据清洗;)ETL做了什么事情:转了哪些字段,
    ETL功能:过滤脏乱数据,IP地址过滤,浏览器信息过滤,row-key的设计;
    数据存入了HBase中:平台,时间,浏览器名称,浏览器版本,uuid;
    HBase没有分时间,把所有数据放入进去;

    通过mapreduce拿数据,放入mysql中。新增用户指标,分析某一天的时间范围;统计活跃用户的指标–;

    从Hbase拿到对应数据,用hive去读。做下hive和hbase的一个整合。让hive去分析下hbase中的数据。相当于hive做了hbase的客户端。数据还是存储在hbase中。

    把Hive表中数据通过sqoop导入到mysql数据库中,

    用户浏览深度的SQL分析;

    在线业务该怎么改:接一个kafka进行持久化操作,

    展开全文
  • 电商用户行为分析需求分析说明书 项目名称: 电商用户行为分析 修订时间: 2021-05-28 修订版本: 1.0 一、引言 1.目的 通过编写需求分析文档,对基于电商数据的用户行为分析系统进行介绍,使得文档的目标阅读人员...
  • 天天生鲜项目需求分析——基于Django框架的天天生鲜电商网站项目系列博客(一)待更新…… 项目资源下载 天天生鲜电商网站项目源码Github地址(可Fork可Clone)天天生鲜电商网站项目源码Gitee地址(...
  • 电商用户行为分析需求分析说明书 项目名称: 电商用户行为分析 修订时间: 2021-05-28 修订版本: 3.0 一、引言 1.目的 通过编写需求分析文档,对基于电商数据的用户行为分析系统进行介绍,使得文档的目标阅读人员...
  • 电商用户画像分析

    千次阅读 2021-01-13 15:27:02
    京东电商平台最近小家电类目的订单数量、产品浏览量、搜索数量等都有所下降, 现在部门计划对小家电类目进行一次季末促销活动,希望你能针对小家电的用户特征给出一些建议 2 分析目的 通过京东用户信息数据、用户...
  • SpringCloud Alibaba实战(2:电商系统业务分析

    千次阅读 多人点赞 2021-06-03 08:28:18
    SpringCloud Alibaba实战第二篇,分析了一个电商系统的下单流程,重点分析了扣减库存的时机。最后实践了微服务的服务划分方式。
  • 基于hadoop的小红书电商网站用户行为分析系统毕业论文+任务书+开题报告+答辩PPT+知网查重报告+项目源码及Mysql数据库-99源码网,程序代做,代写程序代码,代写编程,代写Java编程,代写php编程,计算机专业代做,计算机毕业...
  • 开发人员:胡伟伟、赵建梅、郭璞赭、苏晓杰、李斌武、郭艳妮、宁星虎指导教师:任靖、赵红霞1.引言11.1编写目的11.2项目背景11.3定义21.4参考资料22.任务概述22.1 目标22.2 ...功能需求44.1购物网站首页44.2商...
  • 电商平台性能测试报告

    千次阅读 2021-08-05 13:50:02
    A3Mall电商平台通过体验用户反馈业务市场调研及分析,项目部门与业务部门进行交流沟通,确保用户反馈后的有效需求说明书,参照用户需求绘制产品规格书。 1.2测试目的 编写本文档的目的是用于指导A3Mall 1.3系统....
  • 第一部分:电商数据分析师的职业图谱适用人群零基础小白,对电商、数据分析有兴趣的人群期次简介本门课程作为电商数据分析师的开篇导论,将从数据分析师的岗位及透过岗位理解业务为切入点,讲解数据分析师的职业诉求...
  • 用户session分析 用户session统计分析 session聚合指标计算 按比例随机抽取session 获取每天点击 下单和购买排名前10的品类 top10品类的点击量 排名前10的session 页面单跳转化率统计: 计算关键页面之间的...
  • 目录项目背景需求分析商品发布商品展示商品预定订单处理用例浏览商品加入购物车维护个人信息提交订单维护商品处理订单功能页面首页列表页详情页购物车我的页个人信息页 项目背景 蟹堡王活海鲜是一家位于内蒙古自治区...
  • 电商项目案例分析

    2021-03-06 00:42:49
    二、项目需求 数据集来源于CDNow网站的用户购买行为,数据集一共包含四个字段:user_id,购买日期,购买数量和购买金额。属于非常典型的消费行为数据集。通过用户的消费记录,来分析用户的消费行为。 三、分析思路 ...
  • 本文实战案例数据来自尚硅谷大数据技术之Spark教程,资源下载链接见评论区。 目录环境版本信息数据集说明需求说明实现方式1实现方式2运行结果 ...数据集是尚硅谷的电商网站用户行为数据,主要包含用.
  • 需求来源:不同岗位的员工,负责的工作内容不同;不属于岗位职责范围内的事情,不能允许员工去查看与操作;企业通过对员工在系统中拥有的权限进行控制,让不同岗位、层级的员工,只能使用和看到其职权范围内的功能和...
  • 猜你喜欢1、如何搭建一套个性化推荐系统?2、某视频APP推荐详解(万字长文)3、【免费下载】2021年9月份热门报告下载4、直播电商行业:风口正盛,未来去往何方?5、2021抖音私域运营白...
  • 系列文章目录 天天生鲜项目需求分析——基于Django框架的天天生鲜电商网站项目系列博客(一) 天天生鲜项目网站框架搭建——基于Django框架的天天生鲜电商网站项目系列博客(二) 待更新…… 项目资源下载 天天生鲜...
  • 一、背景介绍数据集为两个csv文件user_info_utf.csv 和 order_info_utf.csv,包含数据如下:user_info_utf一共有101536条用户数据order_info_utf一共有539414条订单数据二、分析需求统计不同月份的消费人数统计用户...
  • Php项目需求分析

    2021-04-15 13:56:16
    需求分析 二. 架构设计 三. 编码 四. 测试、回归测试 五. 发布项目 以班级管理管理系统为实例 需求分析 班级信息 动态录入、修改 班级名称、开学时间、(班主任、任课老师) 班级成员管理 学生信息(增删改查;...
  • 电商数据分析项目总结!

    千次阅读 2021-01-03 19:59:00
    ↑↑↑关注后"星标"Datawhale 每日干货 & 每月组队学习,不错过 Datawhale干货 作者:牧小熊,华中农业大学,Datawhale原创作者 订单数据作为电商数据分析中的基础分析项目,本项目就京东的订单数据进行分析。...
  • 电商数据为基础,结合hive数仓,实现大数据分析。 数据源可通过日志取得,数据清洗转换导入数据仓库,通过数仓中数据分析得到数据总结,用于企业决策。本项目基于以下表类进行电商数仓分析,分用户信息、用户订单...
  • 分析目的:从产品、顾客和时间三个方面了解该电商平台的销售情况,并对客户价值进行分类。 数据来源:本数据源于kaggle,记录了在英国注册的一家在线零售商店2010/1/12-2011/09/12期间的所有交易,该公司主要销售...
  • 全球及中国母婴电商行业发展状况分析及未来发展方向预测报告2021-2027年 第1章:我国母婴电商发展背景分析 1.1 我国母婴电商发展的动因 1.1.1 传统母婴市场存在缺点 1.1.2 互联网与电子商务迅速发展 1.2 我国母婴...
  • 中国食品行业电商平台投资风险性分析及运营管理分析报告2021-2027年 第1章:食品行业发展电商的必要性 1.1 食品行业发展背景 1.1.1 食品行业发展状况 (1)食品工业运行情况分析 (2)食品零售业运行情况分析 (3)...
  • 电商用户行为分析1、项目背景和目的2、数据集简介3、数据处理3.1 加载数据 1、项目背景和目的 \quad \quad随着互联网和电商的发展,人们习惯于网上购物。在国内,电商平台深受欢迎,每年的双11,双12活动,大量的...
  • 天天生鲜项目1. 认识电商1.1 B2B--企业对企业1.2 C2C--个人对个人1.3 B2C--企业对个人1.4 C2B--个人对企业1.5 O2O--线上到线下1.6 F2C--工厂到个人1.7 B2B2C -企业-企业-个人2. web项目开发流程3. 需求分析3.1 用户...
  • 电商数据分析与数据化运营

    千次阅读 2021-08-27 14:07:15
    第一章:建立电商运营的上帝视角 1.数据分析师具备的三种能力:懂运营,数据,工具 2.制作数据报告的四大步骤:

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 60,411
精华内容 24,164
关键字:

电商网站需求分析报告