瘦狗产品

低销售额占比，低销售增长率

瘦狗产品（dogs），也称衰退类产品。它是处在低增长率、低市场占有率象限内的产品群。其财务特点是利润率低、处于保本或亏损状态，负债比率高，无法为企业带来收益。

对这类产品应采用撤退战略：

• 首先应减少批量，逐渐撤退，对那些销售增长率和市场占有率均极低的产品应立即淘汰。

• 其次是将剩余资源向其它产品转移。

• 第三是整顿产品系列，最好将瘦狗产品与其它事业部合并，统一管理。

瘦狗产品 = baier_str.where((baier_str.交易增长幅度<=baier_str.交易增长幅度.mean()

)&(baier_str.交易金额<=baier_str.交易金额.mean())).dropna()

瘦狗产品

从以上结果，可以得到如下几点信息。

• 拜耳低明显产品不明显，增长缓慢的一个原因

• 潜力款产品较多，要考虑是否应该投入更多的营销资源去保持增长幅度，使得其转化为明显产品或金牛产品

• 潜力款产品较多，要考虑是否应该投入营销资源去保持增长幅度，使得其转化为明显产品或金牛产品

• 瘦狗产品：产品容量、外观设计问题，或是产品标题问题

波斯顿矩阵可视化

为了方便大家查看，可视化代码如下，代码比较简单，一个循环绘制四个字图。

ax = plt.figure(figsize=(8,8))

a = [问题产品,明星产品,瘦狗产品,金牛产品]

b = [‘问题产品’,‘明星产品’,‘瘦狗产品’,‘金牛产品’]

c = [‘b’,‘y’,‘r’,‘k’]

for i in range(len(a)):

ax.add_subplot(2,2,i+1)

plt.scatter(a[i].交易金额,a[i].交易增长幅度,c = c[i])

plt.title(b[i])

if i==0:

plt.ylim(baier_str.交易增长幅度.mean()-1,baier_str.交易增长幅度.max()+5)

plt.xlim(baier_str.交易金额.min()-100000,baier_str.交易金额.mean()+10000)

elif i==1:

plt.ylim(baier_str.交易增长幅度.mean()-1,baier_str.交易增长幅度.max()+5)

plt.xlim(baier_str.交易金额.mean()-10000,baier_str.交易金额.max()+2000000)

elif i==2:

plt.ylim(baier_str.交易增长幅度.min()-0.01,baier_str.交易增长幅度.mean()+0.01)

plt.xlim(baier_str.交易金额.min()-100000,baier_str.交易金额.mean()+10000)

elif i==3:

plt.ylim(baier_str.交易增长幅度.min()-0.01,baier_str.交易增长幅度.mean()+0.01)

plt.xlim(baier_str.交易金额.mean()-10000,baier_str.交易金额.max()+2000000)

科凌产品结构分析

通过对竞争对手产品结构分析，尤其是对手大流量产品，可以找出下一步市场增长点，拓展业务，减少推广风险。

对自家产品有相对增长减缓对产品，防止其他结构点品牌对自家产品对冲击。

同样读取数据，对销售数据进行处理，处理逻辑跟拜耳产品处理逻辑一样。结果如下所示。

keling_02 = pd.read_excel(‘./baier/电商案例数据/竞争数据/商品交易数据/科凌虫控全店商品交易数据.xlsx’)

keling_str = keling_02.groupby(‘商品’).agg({‘交易增长幅度’:np.mean,

‘支付转化指数’:np.mean,

‘交易金额’:np.sum})

keling_str[‘交易金额占比’] = keling_str.交易金额/keling_str.交易金额.sum()*100

keling_str

同样的方法分别计算明星产品，金牛产品，问题产品和瘦狗产品。

明星产品=keling_str.where((keling_str.交易增长幅度>=keling_str.交易增长幅度.mean()

)&(keling_str.交易金额>=keling_str.交易金额.mean())).dropna()

金牛产品=keling_str.where((keling_str.交易增长幅度<keling_str.交易增长幅度.mean()

)&(keling_str.交易金额>=keling_str.交易金额.mean())).dropna()

由此可见：

• 竞争产品：灭蟑螂21966057元，已造成威胁

• 拜耳未涉及产品：灭鼠、除螨产品也已达到两百多万

问题产品=keling_str.where((keling_str.交易增长幅度>=keling_str.交易增长幅度.mean()

)&(keling_str.交易金额<keling_str.交易金额.mean())).dropna()

瘦狗产品=keling_str.where((keling_str.交易增长幅度<keling_str.交易增长幅度.mean()

)&(keling_str.交易金额<keling_str.交易金额.mean())).dropna()

波斯顿矩阵可视化

科凌产品结构分析：

• 金牛产品明显，灭蟑产品对销售额与拜耳主营业务差距不是非常大。

• 科凌产品多样化，特别是灭鼠和除螨，拜耳还没有涉及大两大业务现金牛产品属性也很明显。

• 除螨产品增长迅速，满足了二级市场的第三大产品需求。

安速产品结构分析

最后一个安速产品，处理逻辑一致，就不过多阐述。

ansu_02 = pd.read_excel(‘./baier/电商案例数据/竞争数据/商品交易数据/安速全店商品交易数据.xlsx’)

ansu_02

ansu_str = ansu_02.groupby(‘商品’).agg({‘交易增长幅度’:np.mean,

‘支付转化指数’:np.mean,

‘交易金额’:np.sum})

ansu_str[‘交易金额占比’] = ansu_str.交易金额/ansu_str.交易金额.sum()*100

计算波斯顿矩阵中各个产品分布值及可视化

明星产品=ansu_str.where((ansu_str.交易增长幅度>=ansu_str.交易增长幅度.mean()

)&(ansu_str.交易金额>=ansu_str.交易金额.mean())).dropna()

金牛产品=ansu_str.where((ansu_str.交易增长幅度<ansu_str.交易增长幅度.mean()

)&(ansu_str.交易金额>=ansu_str.交易金额.mean())).dropna()

问题产品=ansu_str.where((ansu_str.交易增长幅度>=ansu_str.交易增长幅度.mean()

)&(ansu_str.交易金额<ansu_str.交易金额.mean())).dropna()

瘦狗产品=ansu_str.where((ansu_str.交易增长幅度<ansu_str.交易增长幅度.mean()

)&(ansu_str.交易金额<ansu_str.交易金额.mean())).dropna()

安速产品分析部分结果如下：

• 现金牛产品多，覆盖广

• 主营业务与拜耳构成冲突

• 安速现金牛和潜力产品覆盖了二级市场，跳蚤产品支付热度明显

def Wordcloud(x):

res=x

from wordcloud import WordCloud

import matplotlib.pyplot as plt

import jieba

stopwords = set()

content = [line.strip() for line in open(‘stopwords.txt’,‘r’).readlines()]

stopwords.update(content)

text=“”

for i in res:

text=text+" ".join(jieba.lcut(i))

#配置词云的基本参数

my_cloud=WordCloud(

background_color=‘white’,

stopwords=stopwords,#也可用自带的停留词

font_path=‘/System/Library/Fonts/STHeiti Medium.ttc’,

width=1000,

height=500)

#用分好的词进行词云图生成

my_cloud.generate(text)

#显示词云

plt.rcParams[‘figure.figsize’]=(14,8)

plt.imshow(my_cloud)

plt.axis(‘off’)

plt.show()

Wordcloud(baier_03）

主题特征提取

本案例的主题特征提取其实就是提取用户评论中关键字。

关键字提取是从文本中提取跟内容最相关的词语，关键字抽取的结果常用于文档检索、文章标签编辑等，也经常用在文本聚类、文本分 类、关键字摘要等方面。

关键字模型能生成简短的关于文档内容的指示性信息，将文档的主要内容或核心关键字呈现给用户，以决定是否要阅读文档的原文，这样 能够节省大量的浏览时间并提高信息关键信息的展示能力。

文章关键字模型抽取应用场景:帖子、新闻、资讯、评论、问答 的标签、内容和meta信息的产生。

文章关键字模型抽取常用方法:通过词频统计、TF-IDF模型获得文本的主要关键字。

这里我们使用的是jieba分词中的主题特征提取函数jieba.analyse.extract_tags。具体代码如下。

import jieba.analyse

with open(‘./baier/文本/stopwords.txt’) as f:

stopwords = f.read()

c=‘’

for i in baier_03:

text_01=jieba.lcut(i)

for word in text_01:

if word in stopwords:

continue

elif word==‘hellip’:

continue

else:

c+=’ '+word

top15 = jieba.analyse.extract_tags(c,topK=15,withWeight=True)

top15

我们取主题评分最高的前15个作为本次分析的对象。

(‘蟑螂’, 0.53339416054279),

(‘效果’, 0.32093429997410744),

(‘好评’, 0.18237001476358497),

(‘双十’, 0.13505752082213712),

(‘不错’, 0.1224331453720733),

(‘小强’, 0.11686764891551786),

(‘满意’, 0.08728920885818746),

(‘湿巾’, 0.0839275253212345),

(‘追评’, 0.0675780074015135),

(‘收到’, 0.0657725962627024),

(‘没用’, 0.06424569614348834),

(‘划算’, 0.05729263019878829),

(‘好用’, 0.057249479004923415),

(‘尸体’, 0.05667847597855945),

(‘湿纸巾’, 0.05449755096973013)]

为了更加方便分析结果。我们将上面15个主题进行可视化分析。简单地绘制了如下横向柱状图。

plt.figure(figsize=(8,6))

top15 = pd.DataFrame(top15)

plt.barh(top15.iloc[:,0],top15.iloc[:,1])

科凌舆情分析

keling_03 = pd.read_excel(‘./baier/电商案例数据/竞争数据/评论舆情数据/科林虫控.xlsx’)

keling_03.head()

from text_analy import clean

text_02=clean(keling_03)

text_02

词频分析

Wordcloud(text_02)

主题特征提取

stopwords = pd.read_table(‘./baier/文本/stopwords.txt’

,quoting=3,names=[‘stopword’])

from theam_extract_02 import extract

extract(text_02,stopwords)

科凌灭蟑产品好评居多，但是差评比拜耳稍微多点。

安速舆情分析

ansu_03 = pd.read_excel(‘./baier/电商案例数据/竞争数据/评论舆情数据/安速.xlsx’)

from text_analy import clean

text_03=clean(ansu_03)

Wordcloud(text_03)

stopwords = pd.read_table(‘./baier/文本/stopwords.txt’

,quoting=3,names=[‘stopword’])

from theam_extract_02 import extract

extract(text_03,stopwords)

安速灭蟑产品负面评论极少，灭蟑产品优化方面可以考察安速。

产品流量分析

流量（Traffic）是企业获得用户的第一步，对于大多数需要“自力更生”企业而 言，流量几乎是企业运营的命脉之一，没有流量就没有一切。流量数据化运营要解决的本质问题是 如何通过数据获得更多流量以及有效流量，然后完成最大化的营销转化目标。

---

这里列举八大流量分析工具：

这里介绍一些 市场上主流的流量分析工具，它们可以提供流量数据的跟踪、采集、配 置、处理、分析和整合功能，其中有免费也有付费的。

• Adobe Analytics

• Webtrekk Suite

如果你也是看准了Python，想自学Python，在这里为大家准备了丰厚的免费学习大礼包，带大家一起学习，给大家剖析Python兼职、就业行情前景的这些事儿。

一、Python所有方向的学习路线

Python所有方向路线就是把Python常用的技术点做整理，形成各个领域的知识点汇总，它的用处就在于，你可以按照上面的知识点去找对应的学习资源，保证自己学得较为全面。

二、学习软件

工欲善其必先利其器。学习Python常用的开发软件都在这里了，给大家节省了很多时间。

三、全套PDF电子书

书籍的好处就在于权威和体系健全，刚开始学习的时候你可以只看视频或者听某个人讲课，但等你学完之后，你觉得你掌握了，这时候建议还是得去看一下书籍，看权威技术书籍也是每个程序员必经之路。

四、入门学习视频

我们在看视频学习的时候，不能光动眼动脑不动手，比较科学的学习方法是在理解之后运用它们，这时候练手项目就很适合了。

四、实战案例

光学理论是没用的，要学会跟着一起敲，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。

五、面试资料

我们学习Python必然是为了找到高薪的工作，下面这些面试题是来自阿里、腾讯、字节等一线互联网大厂最新的面试资料，并且有阿里大佬给出了权威的解答，刷完这一套面试资料相信大家都能找到满意的工作。

成为一个Python程序员专家或许需要花费数年时间，但是打下坚实的基础只要几周就可以，如果你按照我提供的学习路线以及资料有意识地去实践，你就有很大可能成功！
最后祝你好运！！！

小编13年上海交大毕业，曾经在小公司待过，也去过华为、OPPO等大厂，18年进入阿里一直到现在。

深知大多数初中级Python工程师，想要提升技能，往往是自己摸索成长或者是报班学习，但自己不成体系的自学效果低效又漫长，而且极易碰到天花板技术停滞不前！

因此收集整理了一份《2024年Python爬虫全套学习资料》送给大家，初衷也很简单，就是希望能够帮助到想自学提升又不知道该从何学起的朋友，同时减轻大家的负担。

由于文件比较大，这里只是将部分目录截图出来，每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频

如果你觉得这些内容对你有帮助，可以添加下面V无偿领取！（备注：python）

0.png)

五、面试资料

我们学习Python必然是为了找到高薪的工作，下面这些面试题是来自阿里、腾讯、字节等一线互联网大厂最新的面试资料，并且有阿里大佬给出了权威的解答，刷完这一套面试资料相信大家都能找到满意的工作。

成为一个Python程序员专家或许需要花费数年时间，但是打下坚实的基础只要几周就可以，如果你按照我提供的学习路线以及资料有意识地去实践，你就有很大可能成功！
最后祝你好运！！！

小编13年上海交大毕业，曾经在小公司待过，也去过华为、OPPO等大厂，18年进入阿里一直到现在。

深知大多数初中级Python工程师，想要提升技能，往往是自己摸索成长或者是报班学习，但自己不成体系的自学效果低效又漫长，而且极易碰到天花板技术停滞不前！

因此收集整理了一份《2024年Python爬虫全套学习资料》送给大家，初衷也很简单，就是希望能够帮助到想自学提升又不知道该从何学起的朋友，同时减轻大家的负担。

由于文件比较大，这里只是将部分目录截图出来，每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频

如果你觉得这些内容对你有帮助，可以添加下面V无偿领取！（备注：python）
[外链图片转存中…(img-TqPL8Ogz-1711005168414)]