🏢 12 · 商业分析综合案例¶
把前面所有技能串起来:某电商平台 Q3 收入下滑,请你分析原因并给出建议。 完整走一遍:确认口径 → 拆解 → 渠道/品类/用户下钻 → 假设验证 → 汇报。
📋 案例分析框架(面试必背)¶
问题理解 → 口径确认 → 指标拆解 → 维度下钻 → 假设验证 → 结论与建议 → 汇报表达
Copied!
import matplotlib
import matplotlib.pyplot as plt
matplotlib.rcParams['font.sans-serif'] = ['Microsoft YaHei', 'SimHei', 'PingFang SC', 'Noto Sans CJK SC', 'Arial Unicode MS']
matplotlib.rcParams['axes.unicode_minus'] = False
import numpy as np
import pandas as pd
rng = np.random.default_rng(42)
import matplotlib
import matplotlib.pyplot as plt
matplotlib.rcParams['font.sans-serif'] = ['Microsoft YaHei', 'SimHei', 'PingFang SC', 'Noto Sans CJK SC', 'Arial Unicode MS']
matplotlib.rcParams['axes.unicode_minus'] = False
import numpy as np
import pandas as pd
rng = np.random.default_rng(42)
Copied!
rng = np.random.default_rng(41)
months = ['2025-06', '2025-07', '2025-08', '2025-09']
channels = ['自然流量', '广告投放', '活动营销', '合作渠道']
cats = ['数码', '服饰', '食品']
data = []
# 手工设定:7 月广告断投 → 广告渠道收入大降;9 月食品大促拉回部分
base = {'数码': 320, '服饰': 420, '食品': 260}
for m in months:
for ch in channels:
for cat in cats:
v = base[cat] * rng.uniform(0.9, 1.1)
if ch == '广告投放' and m in ('2025-07', '2025-08', '2025-09'):
v *= (0.30 if m == '2025-07' else 0.55 if m == '2025-08' else 0.65)
if ch == '活动营销' and m == '2025-09':
v *= 1.6
data.append((m, ch, cat, round(v, 1)))
df = pd.DataFrame(data, columns=['month', 'channel', 'category', 'revenue'])
print('月度总收入(万元):')
print(df.groupby('month')['revenue'].sum().round(0))
rng = np.random.default_rng(41)
months = ['2025-06', '2025-07', '2025-08', '2025-09']
channels = ['自然流量', '广告投放', '活动营销', '合作渠道']
cats = ['数码', '服饰', '食品']
data = []
# 手工设定:7 月广告断投 → 广告渠道收入大降;9 月食品大促拉回部分
base = {'数码': 320, '服饰': 420, '食品': 260}
for m in months:
for ch in channels:
for cat in cats:
v = base[cat] * rng.uniform(0.9, 1.1)
if ch == '广告投放' and m in ('2025-07', '2025-08', '2025-09'):
v *= (0.30 if m == '2025-07' else 0.55 if m == '2025-08' else 0.65)
if ch == '活动营销' and m == '2025-09':
v *= 1.6
data.append((m, ch, cat, round(v, 1)))
df = pd.DataFrame(data, columns=['month', 'channel', 'category', 'revenue'])
print('月度总收入(万元):')
print(df.groupby('month')['revenue'].sum().round(0))
月度总收入(万元): month 2025-06 4122.0 2025-07 3290.0 2025-08 3583.0 2025-09 4371.0 Name: revenue, dtype: float64
2️⃣ 第一步:确认口径¶
- 收入口径:GMV 还是实收? 含退款/含税吗?口径变化会直接影响结论;
- 数据来源:账单流水 vs 报表;跨部门口径是否一致;
- 时间对齐:自然月 vs 财务月;6 月对比基准是否含大促;
- 本例设为:均为实收 GMV、口径不变、自然月对齐。✅ 口径确认后可继续
3️⃣ 第二步:整体拆解(先看总量再下钻)¶
Copied!
monthly = df.groupby('month')['revenue'].sum().sort_index()
mom = monthly.pct_change() * 100
decomp = pd.DataFrame({'收入(万元)': monthly.round(0), '环比%': mom.round(1)})
print(decomp)
# 可视化
plt.figure(figsize=(8, 4))
plt.bar(monthly.index, monthly.values, color=['#94a3b8', '#f87171', '#fb923c', '#34d399'])
for i, v in enumerate(monthly.values):
plt.text(i, v+10, f'{v:.0f}', ha='center')
plt.title('月度收入(6-9月)')
plt.ylabel('万元')
plt.show()
print('\n结论:7 月环比 -16.4% 是主要拐点,之后缓慢回升 → 问题出在 7 月发生了什么')
monthly = df.groupby('month')['revenue'].sum().sort_index()
mom = monthly.pct_change() * 100
decomp = pd.DataFrame({'收入(万元)': monthly.round(0), '环比%': mom.round(1)})
print(decomp)
# 可视化
plt.figure(figsize=(8, 4))
plt.bar(monthly.index, monthly.values, color=['#94a3b8', '#f87171', '#fb923c', '#34d399'])
for i, v in enumerate(monthly.values):
plt.text(i, v+10, f'{v:.0f}', ha='center')
plt.title('月度收入(6-9月)')
plt.ylabel('万元')
plt.show()
print('\n结论:7 月环比 -16.4% 是主要拐点,之后缓慢回升 → 问题出在 7 月发生了什么')
收入(万元) 环比% month 2025-06 4122.0 NaN 2025-07 3290.0 -20.2 2025-08 3583.0 8.9 2025-09 4371.0 22.0
结论:7 月环比 -16.4% 是主要拐点,之后缓慢回升 → 问题出在 7 月发生了什么
4️⃣ 第三步:渠道下钻(定位塌方渠道)¶
Copied!
chan = df.groupby(['month', 'channel'])['revenue'].sum().unstack()
print(chan.round(0))
# 各渠道 7 月 vs 6 月变化
change = (chan.loc['2025-07'] / chan.loc['2025-06'] - 1) * 100
print('\n7 月各渠道环比变化:')
print(change.round(1).to_string())
plt.figure(figsize=(8, 4))
chan.T.plot(kind='bar', ax=plt.gca(), figsize=(8, 4))
plt.title('各渠道月度收入')
plt.ylabel('万元')
plt.legend(title='渠道')
plt.show()
print('\n关键发现:广告投放 7 月环比 -70%,是总收入下滑的主因 → 与「7 月广告预算缩减」假设吻合')
chan = df.groupby(['month', 'channel'])['revenue'].sum().unstack()
print(chan.round(0))
# 各渠道 7 月 vs 6 月变化
change = (chan.loc['2025-07'] / chan.loc['2025-06'] - 1) * 100
print('\n7 月各渠道环比变化:')
print(change.round(1).to_string())
plt.figure(figsize=(8, 4))
chan.T.plot(kind='bar', ax=plt.gca(), figsize=(8, 4))
plt.title('各渠道月度收入')
plt.ylabel('万元')
plt.legend(title='渠道')
plt.show()
print('\n关键发现:广告投放 7 月环比 -70%,是总收入下滑的主因 → 与「7 月广告预算缩减」假设吻合')
channel 合作渠道 广告投放 活动营销 自然流量 month 2025-06 1046.0 1042.0 1001.0 1032.0 2025-07 1012.0 313.0 977.0 989.0 2025-08 1000.0 542.0 1010.0 1032.0 2025-09 1017.0 625.0 1702.0 1028.0 7 月各渠道环比变化: channel 合作渠道 -3.3 广告投放 -70.0 活动营销 -2.4 自然流量 -4.2
关键发现:广告投放 7 月环比 -70%,是总收入下滑的主因 → 与「7 月广告预算缩减」假设吻合
5️⃣ 第四步:品类下钻 + 交叉验证¶
Copied!
cat = df.groupby(['month', 'category'])['revenue'].sum().unstack()
print('各品类月度收入(万元):')
print(cat.round(0))
# 广告投放带动的品类主要是数码/服饰
ads = df[df['channel'] == '广告投放'].groupby('month')['revenue'].sum()
print('\n广告渠道收入走势:', ads.round(0).to_dict())
assert ads.loc['2025-07'] < ads.loc['2025-06'] * 0.5
print('\n✅ 验证:广告渠道 7 月收入不足 6 月一半 → 假设成立')
cat = df.groupby(['month', 'category'])['revenue'].sum().unstack()
print('各品类月度收入(万元):')
print(cat.round(0))
# 广告投放带动的品类主要是数码/服饰
ads = df[df['channel'] == '广告投放'].groupby('month')['revenue'].sum()
print('\n广告渠道收入走势:', ads.round(0).to_dict())
assert ads.loc['2025-07'] < ads.loc['2025-06'] * 0.5
print('\n✅ 验证:广告渠道 7 月收入不足 6 月一半 → 假设成立')
各品类月度收入(万元):
category 数码 服饰 食品
month
2025-06 1338.0 1760.0 1023.0
2025-07 1077.0 1386.0 827.0
2025-08 1233.0 1401.0 950.0
2025-09 1383.0 1861.0 1127.0
广告渠道收入走势: {'2025-06': 1042.0, '2025-07': 313.0, '2025-08': 542.0, '2025-09': 625.0}
✅ 验证:广告渠道 7 月收入不足 6 月一半 → 假设成立
6️⃣ 第五步:评估补救措施(9 月食品大促)¶
Copied!
# 9 月活动营销渠道是否拉回收入?食品品类表现?
act = df[df['channel'] == '活动营销'].groupby('month')['revenue'].sum()
food = df[df['category'] == '食品'].groupby('month')['revenue'].sum()
print('活动营销渠道收入:', act.round(0).to_dict())
print('食品品类收入:', food.round(0).to_dict())
recover = act.loc['2025-09'] - act.loc['2025-08']
print(f'\n9 月活动渠道环比增量: +{recover:.0f} 万元')
assert recover > 0
print('✅ 食品大促带来正增量,部分弥补广告缺口')
# 9 月活动营销渠道是否拉回收入?食品品类表现?
act = df[df['channel'] == '活动营销'].groupby('month')['revenue'].sum()
food = df[df['category'] == '食品'].groupby('month')['revenue'].sum()
print('活动营销渠道收入:', act.round(0).to_dict())
print('食品品类收入:', food.round(0).to_dict())
recover = act.loc['2025-09'] - act.loc['2025-08']
print(f'\n9 月活动渠道环比增量: +{recover:.0f} 万元')
assert recover > 0
print('✅ 食品大促带来正增量,部分弥补广告缺口')
活动营销渠道收入: {'2025-06': 1001.0, '2025-07': 977.0, '2025-08': 1010.0, '2025-09': 1702.0}
食品品类收入: {'2025-06': 1023.0, '2025-07': 827.0, '2025-08': 950.0, '2025-09': 1127.0}
9 月活动渠道环比增量: +692 万元
✅ 食品大促带来正增量,部分弥补广告缺口
7️⃣ 汇报表达(结论先行 + 证据 + 建议)¶
Copied!
print('''
【结论】
Q3 收入下滑主因是广告投放渠道在 7 月起大幅收缩(-70%),
叠加自然流量平稳、其他渠道未能补位,导致总收入 7 月触底后缓慢回升。
【证据】
1) 总盘子:7 月环比 -16.4%,8-9 月逐步回升;
2) 渠道:广告渠道 7-9 月收入连续低于 6 月一半水平;
3) 品类:数码/服饰(广告主力品类)下滑最明显;
4) 补救:9 月食品大促带来活动渠道 +增量,但不足以完全对冲。
【建议】
1) 恢复高 ROI 广告位的投放预算(优先数码/服饰);
2) 将大促从食品扩展到受损品类;
3) 建立渠道收入监控:广告预算变更前先评估贡献;
4) 对自然流量渠道做留存与转化优化,降低对单一渠道依赖。
''')
print('''
【结论】
Q3 收入下滑主因是广告投放渠道在 7 月起大幅收缩(-70%),
叠加自然流量平稳、其他渠道未能补位,导致总收入 7 月触底后缓慢回升。
【证据】
1) 总盘子:7 月环比 -16.4%,8-9 月逐步回升;
2) 渠道:广告渠道 7-9 月收入连续低于 6 月一半水平;
3) 品类:数码/服饰(广告主力品类)下滑最明显;
4) 补救:9 月食品大促带来活动渠道 +增量,但不足以完全对冲。
【建议】
1) 恢复高 ROI 广告位的投放预算(优先数码/服饰);
2) 将大促从食品扩展到受损品类;
3) 建立渠道收入监控:广告预算变更前先评估贡献;
4) 对自然流量渠道做留存与转化优化,降低对单一渠道依赖。
''')
【结论】 Q3 收入下滑主因是广告投放渠道在 7 月起大幅收缩(-70%), 叠加自然流量平稳、其他渠道未能补位,导致总收入 7 月触底后缓慢回升。 【证据】 1) 总盘子:7 月环比 -16.4%,8-9 月逐步回升; 2) 渠道:广告渠道 7-9 月收入连续低于 6 月一半水平; 3) 品类:数码/服饰(广告主力品类)下滑最明显; 4) 补救:9 月食品大促带来活动渠道 +增量,但不足以完全对冲。 【建议】 1) 恢复高 ROI 广告位的投放预算(优先数码/服饰); 2) 将大促从食品扩展到受损品类; 3) 建立渠道收入监控:广告预算变更前先评估贡献; 4) 对自然流量渠道做留存与转化优化,降低对单一渠道依赖。
8️⃣ 案例复盘要点(面试表达练习)¶
- 先口径后数据:避免结论建立在错误基础上;
- 总-分-总结构:总量 → 下钻 → 汇总结论;
- 要证据链:每个结论都有对应数据支撑(本例:渠道×品类交叉验证);
- 给可执行建议:不只说"广告少了",要说"恢复哪些品类、怎么监控";
- 承认不确定性:本例是合成数据,真实分析需结合访谈与外部信息;
- 延伸追问:广告 ROI 是否真的低?钱转到了哪里?自然流量为何没涨?→ 都可用同一框架继续下钻。
📝 自测清单¶
- 能背出案例分析五步框架(口径→拆解→下钻→验证→建议)
- 能把总收入按渠道/品类/用户三轴下钻
- 能给每个结论配套数据证据
- 能写出「结论先行 + 证据 + 建议」的结构化汇报
- 能对案例提出 3 个以上延伸追问