大家好，我是花老师。今天，这堂课是整个PBI系列的第17课，核心关键词正如本文名字一样，价格销量、地域、关联汇总。当然，这么讲肯定是不好理解的，不过没关系，稍后我会好好给大家分享。
还没有看过上16堂课的同学，要记得提前预习，文章名如下：
《PBI系列 车图 色彩搭配 数据分析 01》花随花心著
《PBI系列 竞品评论 流量 词云分析 02》花随花心著
《PBI系列 快选 人气新品池 品质档 03》花随花心著
《PBI系列 天猫国际 搜索 属性分析 04》花随花心著
《PBI系列 京东 词根分析 时段流量 05》花随花心著
《PBI系列 关键词 多维度 市场分析 06》花随花心著
… …
《PBI系列 快选池 聚类分析 二维化 13》花随花心著
《PBI系列 搜索 逻辑回归 分类预判 14》花随花心著
《PBI系列 关键词 决策树 影响因子 15》花随花心著
《PBI系列 销量分析 三色表 跑马灯 16》花随花心著
那么，接下来，就让我们正式进入主题。
正文
接下来，我们来好好看看，有关价格、销量，以及地域这三者之间可以产生什么样的关联汇总。营销学上有句话说得好，定位定价定天下。其中，价格就是把双刃剑，用得好，会起到事半功倍的效果。
这个是案例17，数据源来自手淘无线端关键词搜索，用的是销量排序，关键词主要围绕红酒进行展开。
比如说，【红酒 干红】、【红酒 拉菲】、【进口 红酒】这3个关键词。如果自己时间足够的话，其实是可以多下载一些不同的关键词的，还可以按照日期进行命名，实现多日的分析。
今天用到的柱形图，与以往不同的是，在每条柱子上面多增加了一个维度的运算，那就是价格区间。我们通过上面这个图，无非是想知道，究竟哪些地区的销量是最好，很明显，如果从整体上看，就是上海，其次是山东，以此类推。
但，那毕竟是整体的，如果我还想看同个地方，不同价格区间的销量情况的话，增加价格区间这个维度进去就显得尤为必要。
很明显，上海之所以销量会那么高，是因为走的是30-98这个中低端价格段的产品，体量庞大。而山东走的是98-350这个中端价位的产品，相对来说，山东所获取的客户比上海的要优质。
这里，我们其实要反思，为什么会出现这样的情况？实际上这个思考才是我们分析图表的关键。如果一个人没有业务背景，不懂业务逻辑的话，看数据图表就跟看天书一样，看是看了，都不知道在看什么。
简单筛选了一下条件，比如价格段选择30-98，地区选择上海，然后整体按销量排序，之后我们就能看到上面这个表了。
整个上海，销量最好的就前面2家店铺，罗莎和易指。相比于这2家，其实天猫超市占比也很大，在数量上来看，首居第一，但从单品销量来说，还是罗莎和易指的高。
那我就好奇了，于是打开其中销量最好的一款产品进去看看，究竟是什么样的产品，如图所示
我承认自己不懂红酒，不过看页面上的设计，这款不算低档次的酒吧，是参加了活动了吗，于是我翻开详情页的评论进行查看，如图所示
平日里，我们都在看好评，其实差评也很重要。
看来还是有部分人觉得这酒有问题吧，味道不适应自己。于是，我又看了看店里头的产品布局，如图所示
整体销量都不错，不过看上去更多都是那些一整批的，感觉有点像餐酒，就是国外餐厅上的红酒。
看了导航的这个产品推荐，我断定，这家店的特色就是专门卖这种请客聚餐喝的红酒，也算是一个品类吧。
相反，山东地区在98-350这个价位的产品，我们可以看到是不同的店铺在卖的，并且很均匀，没有像刚刚上海那样，被部分店铺给垄断了。有非常多的店铺在做市场竞争，我们挑选卖得最好的一款产品，打开详情页进去观看，如图所示
有没有感觉有什么不同，就是定位上有什么不一样？很明显，这种酒是拿来送礼的，对吧。这个就是我们要如何通过数据上的信息，来进行验证，而不是只是纯粹看数据，那个是没有任何意思的。
通过上面这2家店铺的对比，我们有一种很强烈的感觉，就是定位不同，视觉效果就会很不一样，否则买家如果想送礼的，却看到店铺是卖餐酒的，自然下单转化率就会很差。
其实呢，这所以这段时间一直用红酒这个类目来进行分享，我主要是看上了这个领域的卖家们的色彩搭配，大家没发觉不管是卖什么价位的红酒，页面都做的很精致吗？
如果自己家的店铺也能做出这样子的店铺装修，店里头的转化率不好，其实是没道理的。当然，前提就是定位要精准。另外，店里头的流量也要足够大，少说一天也得有好几千流量吧。
除了上面的分析之外，我还做了几个小图，可以通过占比图分析出不同价格区间，以及不同地区，在收藏、评论以及销量这块的区别，以便我们自己做个简单的市场调查。
我用店铺类型结合散点图，发现从数量上看，B店的产品真的很多，看来做红酒的更多是B店，毕竟要求品质嘛！散点图可以看出数据上的一些关系，我红色框框的这些产品，都是在斜线上头的，说明这些产品是最好的。为什么这么说呢？
这里用到一个公式，就是斜率K=付款人数/打折价格，也就是看什么价格的销量是卖得最好的。我经常研究竞争对手，因此会重点看斜率K以上的产品，这样就可以节省时间，缩小观察的数量。
做散点图，除了用2个不同的维度来进行观察外，还可以把观察对象给进行聚类分析，比如我这里就直接用店铺类型来代替聚类分析，分成不同的颜色。
通过上面的这一系列的简单分析，已经可以看出来很多东西了，这有助于培养我们自己的数据分析思维能力。
另外，我今天用到的PBI图表，全称叫做PowerBI，是微软出品的官方数据分析工具，特别适合数据分析师使用。而数据源，则来自于我自己研发的数据分析工具箱，如图所示
目前为止，这个是第5代版本，一共有15个免费功能，当然随着我后面的不断更新，肯定会加入更多实用功能进来，尽请期待！（温馨提示，第6代版本已经在研发阶段。。。）
以上内容，基本上可以让大家了解到这个图表是干嘛用的。当然，其中技术方面的细节，我都会留到（付费）视频、（免费）音频当中进行详细介绍。不过，从这个系列开始，与以往不同的是，我会加入一段漫长的无声操作视频，将自己完整的操作过程记录下来，这样大家就不会说不清楚其中的细节了，由于是无声，因此我在音频当中会减掉这部分内容。
希望我今天的分享能对大家有所帮助，谢谢！想要获取这堂课的核心技术的同学，如下所示操作即可。
