数据可视化分析报告 · 黄俊杰

01

时间趋势：双峰型季节结构

月度成交额（GMV）走势与年均线对照 · 单位：万元

2025 年各月成交额

折线编码趋势，面积强化量级，虚线为全年月均水平（1,251 万元）

洞察全年呈明显双峰结构：6 月（618）与 11 月（双 11）合计贡献 25.2% 的 GMV，其中 11 月单月达 2,260 万元，为月均值的 1.8 倍；2 月为全年低谷（705 万元），与春节假期物流停摆高度相关。

02

品类结构：头部集中、长尾分散

各品类 GMV 占比（角度编码）与绝对规模对照 · 单位：万元

品类成交额构成

环形图用角度编码占比，右侧图例补充绝对金额，避免"只看比例、不看体量"的误读

数码家电 4,263

服饰鞋包 3,317

美妆个护 2,642

食品生鲜 2,281

家居日用 1,696

其他品类 810

洞察数码家电以 28.4% 稳居第一，与服饰鞋包合计占据 50.5% 的份额，符合"二八法则"；但头部品类客单价高、决策周期长，不能简单等同于高留存，需结合下文的复购表现一起解读。

03

渠道效能：位置 + 面积的双重编码

横轴为流量占比，纵轴为转化率，气泡面积表示该渠道对 GMV 的贡献度

五大引流渠道效能矩阵

右上角 = 高流量高转化（核心渠道）；左上角 = 低流量高转化（潜力渠道，值得加投）

洞察直播带货以 15% 的流量贡献 6.2% 的最高转化率，处于"高转化、低占比"的潜力区，是最值得追加预算的方向；应用内推送以 32% 流量贡献 38.5% 的 GMV，是当前的基本盘；短信 / 邮件渠道流量与转化双低（1.4%），建议逐步收缩。

04

变量关联：客单价与复购率的负相关

12 个细分品类散点分布，红色虚线为最小二乘拟合

客单价 × 复购率

Pearson 相关系数 r = -0.869，拟合式 y = 42.78 + -0.01211·x

洞察两者呈强负相关（r = -0.869）：大家电客单价 3,200 元但复购率仅 9.4%，休闲零食客单价 96 元却有 52.3% 的复购。高客单品类靠"拉新 + 单次转化"，低客单品类靠"高频复购"，两类品类的运营指标与促销节奏应当分开设计，而不是共用一套考核口径。

05

二维分布：品类 × 月份热力图

同色序列编码数值大小，快速定位"哪个品类在哪个月爆发"

品类月度成交额分布

矩阵经迭代比例拟合（IPF）校准，行合计与月度 GMV、列合计与品类结构均保持一致

洞察大促脉冲并非全品类同步：数码家电与服饰鞋包在 11 月集中放量（深色块最集中），而食品生鲜在 1—2 月反季节走高（年货效应），家居日用则相对平缓。这意味着大促资源应按品类差异化排期，而非"全店一刀切"。

06

用户画像：与本平台行业均值的六维对照

雷达图适合比较"形状"而非"绝对高低"，各维度满分 100

用户特征雷达

实线为本站抽样用户，灰色虚线为行业均值基准

对比行业基准，本平台用户在三个维度上明显更高：

维度	本站	行业	差值
促销参与度	82	70	+12
品牌忠诚度	74	66	+8
复购意愿	73	64	+9
内容互动度	61	55	+6
价格敏感度	68	72	−4
跨品类渗透	58	52	+6

洞察用户"促销参与度高、价格敏感度反而略低"，说明这是一群愿意为促销活动付出注意力、但不纯粹比价的用户；配合跨品类渗透偏低（58），下一步的增长抓手应是用已有高复购品类带动关联品类，而不是继续加码价格战。

07

结论与建议

把六张图读成一句话：这是一个"大促驱动、头部集中、高频带低频"的平台

结论 01

节奏上：把"双峰"削成"多峰"

6 月与 11 月贡献 25.2% 的 GMV，而 2 月、7 月、1 月均低于月均线。建议在 3—4 月与 7—8 月设置"品类专场"，用低客单高频品类做日常填充，降低对大促单点的依赖。

结论 02

结构上：头部守份额，长尾要渗透

数码家电（28.4%）是规模压舱石但复购弱；个护清洁、休闲零食复购率均超 45%。以高频品类做会员体系入口，向数码、家居做跨界推荐，提升客单结构的稳定性。

结论 03

渠道上：预算向直播倾斜

直播带货转化率 6.2% 为全渠道最高，但流量占比仅 15%；短信 / 邮件转化 1.4% 且流量成本不低。建议直播预算提升至 25% 左右，短信渠道收缩至纯召回场景。

结论 04

运营上：两类品类两套指标

客单价与复购率强负相关（r = -0.869）。高客单品类考核"转化率 + 客单价"，低客单品类考核"复购频次 + 留存"，混用同一套指标会导致两侧同时失衡。

08

可视化方法与图表选择

每种图形都是一次"编码选择"，下面是本次分析的取舍说明

图形	视觉编码	选择理由
折线 + 面积	位置 · 斜率	时间序列首选位置编码，人眼对斜率变化最敏感；面积仅作量级暗示，透明度压到 0.26 避免压过主线条。
环形图	角度 · 面积	仅用于 6 个类别以内的占比对比，且配图例给出绝对值——纯饼图难以比较相近扇区，故同时保留金额列。
气泡图	位置 ×2 · 面积	两个量纲不同的指标（流量占比 / 转化率）无法共用一根轴，用散点承载，再把第三个变量（GMV 贡献）编码为面积。
散点 + 拟合	位置 · 趋势线	展示变量间关联而非因果；用最小二乘线 + Pearson r 给出方向与强度，避免"目测出结论"。
热力图	色相明度	二维交叉表（6 品类 × 12 月）用颜色编码第三维，比 72 根柱子更易发现块状模式；单色序列保证可读性。
雷达图	角度 · 半径	多维度画像的整体"形状"对比；不使用面积大小做绝对判断，仅看相对凹凸。

说明数据处理流程：缺失值按品类中位数填充 → 3σ 异常值检验剔除 0.7% 记录 → 迭代比例拟合（IPF）校准交叉表 → 描述性统计与 Pearson 相关分析。全部图表由 纯 SVG 手写生成（无第三方图表库），以保证在任意浏览器与网页编辑器中都能完整呈现。