【数据反哺运营】用Python构建可落地的商品结构分析方法论-某朴超市

一、分析目的

本次分析聚焦于某朴超市在即时零售领域的商品结构策略，尝试从多个维度拆解其品类运营逻辑与供应链布局特征。借助商品价格、类目分布、自有品牌标记等维度，构建出某朴商品池的结构画像，进而为以下问题提供数据支撑：

• 不同一级类目的商品覆盖宽度有何差异？
• 价格带是否存在特定聚焦区间？是否因类目而异？
• 自有品牌在各大品类中的渗透率如何？

分析旨在为供应链优化、品类结构重构、品牌引入与排布策略提供数据基础，同时也为竞品或渠道分析提供参考模板。

---

二、数据来源与构成

本次分析基于2025年采样的运营商品数据，共计10,002 个SKU，覆盖某朴超市完整类目。数据采集自福州地区的实际站点商品页面，已进行标准化处理与脱敏。样本具有一定代表性，覆盖平台常规运营态下的商品全貌。

数据结构涵盖以下字段：

字段名	含义说明	示例值
competitiveSource	采集渠道来源	xx
shopName	所属站点或门店	福州
spuId	商品唯一标识符（SPU级）	xxxxx123
spuName	商品名称	精品小台芒
specifications	商品规格	500g/袋
salesUnit	售卖单位	袋 / 箱
originalPrice	原价（无促销时价格）	19.9
promotionalPrice	当前售价（含促销）	15.8
promotionalPriceType	促销类型（满减/限时/打折等）	限时特价
promotionInformation	促销文案	限时直降
qualityGuaranteePeriod	保质期信息	7天
dateOfManufacture	生产日期	2025-05-06
temperatureLayerInformation	温区要求（冷藏/冷冻/常温）	冷藏
picturesLinking	商品图片URL	https://cdn.xxx.com/xxyyzz.jpg
outCat1 ~ outCat4	多层级类目信息	生鲜 → 水果 → 热带水果 → 芒果
self_owned_brand	是否为自有品牌	是 / 否

2.1 获取数据集

business_card = {"name": "爱Python的王三金","title": "大数据工程师","introduction": "热爱Python，专注数据分析与工程","remark": "合作共赢","v": "wyx0-720"
}
print(business_card)

三、类目品类分布分析——聚焦核心业务与潜力增长点

3.1 类目结构全景扫描

理解商品类目结构，是厘清平台业务重心的第一步。通过对商品所属类目的数量分布进行统计，我们能洞察平台资源配置是否合理，以及潜在的增长瓶颈。

from pyecharts import options as opts
from pyecharts.charts import Pie
from pyecharts.globals import ThemeTypedata = [(k, v) for k,v in pd.value_counts(df['outCat1']).items()]# 创建饼图
pie_chart = (Pie(init_opts=opts.InitOpts(theme=ThemeType.MACARONS))  # 设置主题.add("",data,         radius=["40%", "75%"],  # 设置内外半径label_opts=opts.LabelOpts(position="outside",  # 标签位置：outside表示外部formatter="{b}: {d}% ({c})",)).set_global_opts(title_opts=opts.TitleOpts(title="【O2O】类目品类分布", subtitle='数据截止2025-05'),# 设置图例位置legend_opts=opts.LegendOpts(is_show=False, orient="vertical", pos_top="15%", pos_left="2%"),  ).set_series_opts(label_opts=opts.LabelOpts(formatter="{b}: {d}%"))
)

3.2 业务洞察

1. 类目重心显著偏向日常高频消费，基础品类构成近六成商品池
酒水冲饮（1,533）、粮油调味（1,192）和日用清洁（1,127）为覆盖度最高的三大类目，合计占比接近38%，体现了门店在满足日常家庭消费场景方面的深度布局。这类高频刚需品类不仅支撑稳定的日常流量，也是稳定复购的核心驱动力。
2. 生鲜与餐桌相关类目展现结构性“腰部优势”，强化即时性供应链价值
肉禽蛋、蔬菜豆制品、冻品面点和海鲜水产合计商品数达1,897，占比近20%，构成典型的“餐桌类目中台”。这些类目具备较高的履约复杂度与区域性差异性，商品SKU 的多样化设置反映了其对即时配送能力与选品地域化的依赖，同时也暗示该业态在生鲜供应链效率上的长期投入。

四、价格带策略分析——精准定位用户消费力

价格带设计直接影响消费者的选择决策，同时反映了平台的市场定位和品牌策略。

4.1 价格区间统计与可视化

我们通过箱型图分析各类目商品价格的分布情况，聚焦中位数和异常值，探究价格差异及潜在的策略调整空间。

import pandas as pd
import numpy as np
from pyecharts.charts import Boxplot
from pyecharts import options as opts# 获取类目原始顺序
category_names = df['outCat1'].dropna().drop_duplicates().tolist()# 酒水类目价格太高，先对价格取对数（加1避免0）
df['log_price'] = np.log1p(df['promotionalPrice'])
# 按 log_price 绘制箱线图，其他代码不变，把 price 替换成 log_price
category_data = [df[df['outCat1'] == cat]['log_price'].tolist() for cat in category_names]# 创建箱线图
boxplot = Boxplot(init_opts=opts.InitOpts(theme=ThemeType.ESSOS, width="1000px"))
boxplot.add_xaxis(category_names)
boxplot.add_yaxis("价格（元）", boxplot.prepare_data(category_data))
boxplot.set_global_opts(title_opts=opts.TitleOpts(title="【O2O】各品类价格带分布"),xaxis_opts=opts.AxisOpts(name="品类", axislabel_opts=opts.LabelOpts(rotate=60)),yaxis_opts=opts.AxisOpts(name="价格（元）")
)
# 输出
boxplot.render_notebook()

4.2 深度分析

1. 主力价格带集中于10–20元区间，平台以高频快消带动整体流量活跃
从多个主销品类（如粮油调味、休闲零食、乳品烘焙、冻品面点）的价格分布来看，中位数普遍落在10–15元区间，价格区间跨度小、稳定性高，表明平台在商品运营上强化刚需场景覆盖，降低用户决策成本，以高频、高复购特征商品构建平台日常流量入口。

2. 个护美妆、母婴、海鲜等品类价格带跨度大，构成客单价拉升的关键抓手
如“母婴”类目从 2.4元起步延伸至 近千元价格带，“个护美妆”最高可达 799元，显示出该类商品具备较强的用户分层承载能力，可在满足刚需型用户的基础上承接中高端人群的品质化消费需求，是提升毛利率与ARPU值的重要品类配置。

五、自有品牌占比分析——打造核心竞争力

自有品牌不仅带来更高利润率，还能增强品牌认知和用户忠诚度。我们统计自有品牌商品占比，观察品牌结构健康度。

import pandas as pd
from pyecharts.charts import Pie
from pyecharts import options as opts# 字段 self_owned_brand 为 True/False
brand_counts = df['self_owned_brand'].value_counts()
brand_types = ['自有品牌' if x else '非自有品牌' for x in brand_counts.index.tolist()]
counts = brand_counts.tolist()# 组装数据为 [(名称, 数量)] 形式
data_pair = list(zip(brand_types, counts))# 创建饼图
pie = (Pie().add("", data_pair, radius=["40%", "70%"])  # 环形饼图，若要普通饼图可去掉 radius.set_colors(["#66C2A5", "#FC8D62"])  # 自定义颜色.set_global_opts(title_opts=opts.TitleOpts(title="【O2O】自有品牌商品占比"),legend_opts=opts.LegendOpts(orient="vertical", pos_top="center", pos_left="left")).set_series_opts(label_opts=opts.LabelOpts(formatter="{b}: {d}%")  # 显示百分比)
)
# 在 Jupyter Notebook 中渲染
pie.render_notebook()

5.1 业务洞察

从当前品牌结构来看，平台仍以非自有品牌为主导（占比超90%），通过广覆盖的品类供给构建起较强的流量入口与用户心智。同时，自有品牌虽仅占整体SKU的9.5%，但其在毛利空间、供应链掌控力及商品差异化方面具备天然优势，是平台实现利润优化与长期竞争力建设的关键路径。

平台当前处于“规模+效率”双轮驱动阶段，建议在维持非自有品牌稳定供给的基础上，重点推动自有品牌在高频刚需品类中的渗透，以“可控+高频”策略逐步提高用户感知度与复购率。同时，自有品牌的发展也有助于平台构建更具弹性的价格体系和差异化定位，为中长期盈利能力和估值提升奠定基础。

六、总结

通过对某朴超市类目分布、价格带结构、自有品牌占比及热销单品的系统分析，我们不仅建立了一个清晰的商品结构和用户价格偏好画像，也为后续的业务优化和决策制定奠定了坚实的基础。

总体来看，平台已初步建立起以刚需高频品类为核心、价格结构合理、并辅以自有品牌布局的商品体系。建议下一阶段重点围绕高动销类目进行深耕，同时加速高毛利自有品牌的规模化扩张，从而在提升用户粘性和利润空间的同时，构筑可持续的长期竞争优势。

该分析仅供学习交流使用，禁止用于商业用途，不构成任何投资建议。

数据不仅承载洞察，更应驱动决策。将用户行为与偏好转化为精细化运营举措，是实现平台持续增长与品牌资产积累的关键路径。

创作不易，如果你觉得有帮助，请点个赞支持一下。你的鼓励是我创作的最大动力，期待未来能为大家带来更多有趣的分析文章。感谢大家的阅读和支持！

最后，祝大家周末愉快~