数据可视化（中篇共上中下3篇）

数据可视化1数据可视化基础2数据预处理3数据可视化图表的设计与优化4数据可视化的类型目录/contents5市场数据可视化6客户数据可视化7商品数据可视化8店铺运营数据可视化目录/contents项目四数据可视化的类型第一部分时间数据可视化不管是延续性还是暂时性的时间数据，可视化的最终的目的就是从中发现趋势。看到什么已经成为过去，什么仍保持不变？找出它是在上升还是在下降？造成这些变化的原因可能有什么？是否存在周期性的循环，是好还是坏？要想找出这些变化中存在的模式，就必须超越单个数据点，纵观全局。只观察某个时间点上的数值固然很轻松，但只有了解整个事件的来龙去脉，才会对这些数据产生更深入的认识和理解。数据了解得越多，所获取的信息就越全面。图4-1所示为某车企车辆销售走势变化，可以看出，销量有增有减，如果只看2020年12月下旬到2021年1月底的数据，而忽略其他数据的话，就不能看出它的变化趋势，而误以为销量一直在下降。其实在2021年2月就可以看出销量又有所增长。当然，关注数据不仅要了解全局还要关注细节，关注有没有异常数据，有没有哪个时段出现剧烈下降或上升。如果有的话，是什么原因引起的？当然这些也有可能是数据出现错误。因此，关注全局和细节有利于更好地处理数据。时间数据是按时间顺序排列的一系列数据值。与一般的定量数据不同，时间数据包含时间属性，不仅要表达数据随时间变化的规律，还需表达数据分布的时间规律。时间数据有离散和连续两种，无论是哪种数据的可视化，最重要的目的都是从中发现数据随时间变化的趋势。一、时间数据在大数据中的应用阶梯图是x-y图的一种，通常用于离散的y值（数值轴）在某个特定的x值（时间轴）位置发生了一个突然的变化。阶梯图可以用无规律、间歇阶跃的方式表达数值随时间的变化。比如，银行的利率，它一般会持续几个月不变，然后某一天出现上调或下调；或者楼盘价格长时间停留在某个值，突然有一天因为各种原因，出现调整。阶梯图示例如图4-2所示。（一）阶梯图二、连续型时间数据可视化折线图是用直线段将各数据点连接起来而组成的图形，常用于可视化商务数据的趋势分析，展现随时间或有序类别而变化的趋势。在折线图中，沿水平轴均匀分布的是时间，沿垂直轴均匀分布的是数值。折线图比较适用于表现趋势，常用于展现如年度财政情况、季度销售量、人口增长趋势等时间数据。折线图示例如图4-3所示，从图中可以看出数据变化的整体趋势。注意，横轴长度会影响展现的曲线趋势，若图中的横轴过长，点与点之间分隔的间距比较大，则会显得整个曲线非常夸张；若横轴过短，则可能看不出数据的变化趋势。所以合理地设置横轴的长度十分重要。（二）折线图二、连续型时间数据可视化螺旋图也称为时间系列螺旋图。基于阿基米德螺旋坐标系，常用于绘制随时间变化的数据，从螺旋的中心开始向外绘制，可使用条形、线条或数据点，沿着螺旋路径显示。螺旋图有两大优点：（1）绘制大量数据：螺旋图节省空间，可用于显示大时间段数据的变化趋势。（2）绘制周期性数据：螺旋图每一圈的刻度差相同，当每一圈的刻度差是数据周期的倍数时，能够直观地表达数据的周期性。例如在股票市场上，将股票的逐日收市价使用螺旋图来表示，用来展示股市大致上的趋势。图4-4展示了某股票2023年1月1日至2023年11月20日的收市价螺旋图。为了让变化趋势更加明显，可以采用不同的颜色来加深辨识度。（三）螺旋图二、连续型时间数据可视化热图也称为热力图是以特殊高亮的颜色、数据标注等，显示页面或页面组区域中不同元素点击密度、触达率、停留分布等特征，可以反映该时刻人口的密度和区间流量情况等。热图不局限于时间数据的可视化，也适用于显示多个变量之间的差异，显示是否有彼此相似的变量以及彼此之间是否有相关性。由于热图依赖颜色来表达数值，所以难以提取特定数据点或准确指出色块间的差异。图4-5所示是热图的一个示例。（四）热图二、连续型时间数据可视化点线图是离散型数据可视化的一种形式，是一种最广泛使用的图表。它是由一点及一条线组成，如图4-6内一条线代表一个交易时段（如一分钟、一小时、一日、一星期、一个月或一年），点代表交易时段收市价；线的高低点代表了交易时段内的最高及最低价。点线图比线图多附了两项资料，除了让投资者知道收市价外，更可让投资者了解收市价与当时交易时段最高及最低价的关系；如收市价接近最高或最低价，代表了市场情绪倾向乐观或悲观。（一）点线图三、离散型时间数据可视化柱形图又称条形图、直方图，是以宽度相等的条形高度或长度的差异来显示统计指标数值多少或大小的一种图形。柱形图简明、醒目，是一种常用的统计图形。柱形图用于显示一段时间内的数据变化或显示各项之间的比较情况，如图4-7所示。（二）柱形图三、离散型时间数据可视化堆叠柱形图是普通柱形图的变体，堆叠柱形图会在一个柱形上叠加一个或多个其他柱形，一般它们具有不同的颜色。若数据存在子分类，并且这些子分类相加有意义的话，则可以使用堆叠柱形图来表示。堆叠柱形图主要用于对比分析多个项目，且这些项目的合计数正好是要考察的总数，如分析各地区的销售情况对比，而且各地区的销量也一目了然。堆叠柱形图的典型示例如图4-8所示。（三）堆叠柱形图三、离散型时间数据可视化时间事件图拓展视频第二部分比例数据可视化对于比例数据，我们通常想要得到最大值、最小值和总体分布。前两者比较简单，将数据由小到大进行排列，位于两端的分别就是最小值和最大值。例如，投票选举中每一个投票人对每一个被选举人都有各自的评价，存在支持、反对和保持中立的态度，所有投票人的态度加起来构成了整体。对于投票选举结果的处理，最小值和最大值就分别代表了得票最少的被选举人和得票最多的被选举人。如果绘制食物各部分的卡路里含量图，那么就会看到哪部分的卡路里最少，哪部分的卡路里含量最多，利用比例可视化技术展示美食的构成和各部分的具体形象。其实，没有必要用图表来展现最小值和最大值。真正的重点应该是比例的分配。一、比例数据在大数据中的应用（一）饼图饼图的展现形式与圆饼相似，主要用来反映一个数据系列中各项的大小与各项总和的比例，即部分占总体的比例。饼图中的数据点(数据点是指在图表中绘制的单个值，这些值由条形、柱形、折线、饼图或圆环图的扇面、圆点和其他被称为数据标记的图形表示。相同颜色的数据标记组成一个数据系列)显示为整个饼图的百分比。饼图是十分常见的统计学模型，在工作中如果遇到需要计算总费用或金额的各个部分构成比例的情况，一般都是通过各个部分与总额相除来计算，而且这种比例表示方法很抽象，可以使用一种饼形图表工具，以图形的方式形象直观地显示各个组成部分所占比例，如图4-9所示。二、部分与整体（二）环形图环形图是饼图的变形，其原理是将两个同样的饼图，通过调节两个圆的大小，形成一大一小的两个圆，将小圆的颜色变为白色，然后利用双轴来形成同心圆。环形图在可视化内容的视觉效果上更加简洁。比如，把3个地区的人口分别按高收入、中等收入和低收入划分成3部分，要比较3个地区不同收入的人口构成，则需要绘制3个饼图，这种做法既不经济也不便于比较。而环形图可显示多个样本各部分所占的相应比例，从而有利于比较研究。不同于饼图采用的角度，环形图是通过各个弧形的长度衡量比例的大小。图4-10所示为典型环形图示例。二、部分与整体（三）矩形树图柱形图不适合表达过多类目的数据，而矩形树图可以直观地以面积表示数值，以颜色表示类目。矩形树图是一种基于面积的可视化方法，用于可视化整体与部分的关系，以区块表示部分层级(不同区块用颜色区分)，用矩形面积表示大小关系。外部矩形代表父级类别，内部矩形代表子类别。相比于其他表示比例型的数据，矩形树图更适合展示具有树状结构的数据。树状结构，就是首先按一级分类来观测各构成部分的比例，然后再看某个一级分类下，是由哪些二级分类构成的，依此类推，逐步细化，可以直到叶子节点。当类目数据较多且有多个层次的时候，饼图的展示效果往往会打折扣，而使用矩形树图，能更清晰、层次化地展示数据的占比关系，如图4-11所示。电子商务、产品销售等涉及大量品类的分析，都可以用矩形树图。二、部分与整体（四）比例数据的其他表示方法二、部分与整体圆角线穿环百分比图示例。1.圆角线穿环百分比图变形多分类圆环图使用圆环图制作，其辅助数据为透明的占位，图例比用单元格设置好，然后复制区域，选择性粘贴为链接的图片，最后完成排版。2.变形多分类圆环图Wi-Fi图是通过圆环图的堆叠完成的，显示出来的是圆环图的三分之一，所以需要添加两列辅助列。制作Wi-Fi图时，实际数据与辅助1占总环形的三分之一，将辅助2圆环设置无填充，空白位置就是辅助2占位数据，最后选择角度，调整圆环内径大小。4.Wi-Fi图多层堆积百分比图使用堆积柱形图制作，将辅助的100%设置为坐标，重叠在季度数据之上，最后绘制镂空形状填充到图表之上。3.多层堆积百分比图01040302数据往往都带有时间维度的信息，时间属性的比例数据也是经常出现的。例如，统计部门每年都会对各项消费占居民总消费的比例进行统计，每一年的调查结果都会积累下来。各种消费占比随着时间的变化情况是国家很关心的信息，这可以反映国民的生活变化趋势。假设存在多个时间序列图表，现在将它们从下往上堆叠，填满空白的区域，最终得到一个堆叠面积图，水平轴代表时间，垂直轴代表数值范围。图4-16为典型堆叠面积图示例。三、时空比例数据可视化第三部分关系数据可视化大数据的一个重要价值是可以帮助人们找到变量之间的联系，发掘事物背后的因果。在进行大数据挖掘前的重要一步就是探索变量间的相关关系，进而探索背后可能隐藏着的因果关系。例如在市场销售方面的应用，很多用户购买产品A的同时，也连带购买了产品B，根据这个结果调整货架的布局陈列、设计促销组合方案，实现销量的提升。关系数据分析不但在商业领域被广泛应用，在医疗、教育和金融领域等也得到了有效的应用。关系数据具有关联性和分布性，下面通过实例具体讲解。一、关系数据在大数据中的应用（一）散点图散点图将所有的数据以点的形式展现在直角坐标系上，以显示变量之间的相互影响程度，点的位置由变量的数值决定。以时间为横轴的散点图可以理解为用于发现数据和时间之间的关联关系。通过观察散点图上数据点的分布情况，可以推断出变量间的相关性。如果变量之间不存在相互关系，那么在散点图上就会表现为随机分布的离散的点，如果存在某种相关性，那么大部分的数据点就会相对密集并以某种趋势呈现。数据的相关关系主要分为：正相关（两个变量值同时增长）、负相关（一个变量值增加另一个变量值下降）、不相关、线性相关、指数相关等，表现在散点图上的大致分布如图4-17所示。那些离点集群较远的点称为离群点或者异常点。二、数据关联性的可视化（二）散点图矩阵散点图矩阵是简单散点图的扩充，可以反映三个及以上连续变量间的关系，它可以看作是一个大的图形方阵,其每一个非主对角元素的位置上是对应行的变量与对应列的变量的散点图。而主对角元素位置上是各变量名，这样，借助散点图矩阵可以清晰地看到所研究多个变量两两之间的相关关系。因其直观、简单、容易理解，散点图矩阵受到了广大实践工作者的喜爱,很多统计软件也加入了制作散点图矩阵的功能。图4-18为散点图矩阵示例。二、数据关联性的可视化（三）气泡图和散点图不同的是，气泡图一般是用于三维数据的可视化，而散点图是用于二维数据的可视化。在散点图中，圆点的面积是相同的，主要是通过圆点在坐标轴中的坐标点(x,y)确定的位置来映射数据。而气泡图，是通过气泡的面积大小来对比数据的图形方式，它除了可以反映散点图中坐标点x、y的相关关系，还有一个维度的数据可以映射到气泡的面积大小上，因此气泡图可以在二维平面展示三维信息的数据，如图4-19所示。二、数据关联性的可视化（一）茎叶图茎叶图又称枝叶图，由统计学家约翰托奇设计，它的思路是将数组中的数按位数进行比较，将数的大小基本不变或变化不大的位作为一个主干（茎），将变化大的位的数作为分枝（叶），列在主干的后面，这样就可以清楚地看到每个主干后面的几个数，每个数具体是多少。如甲、乙两个篮球运动员上个赛季每场比赛的得分如下：甲：13，51，23，8，26，38，16，33，14，28，39乙：49，24，12，31，50，31，44，36，15，37，25，36，39画出两人得分的茎叶图如图4-20所示。为便于对比分析，茎放在中间共用，叶分左右两侧。三、数据分布性的可视化（二）直方图直方图与茎叶图类似，若逆时针翻转茎叶图，则行就变成列；若是把每一列的数字改成柱形，则得到了一个直方图。直方图又称质量分布图，是数值数据分布的精确图形表示。直方图中的柱形高度表示的是数值频率，柱形的宽度是取值区间。一般的柱形图的水平轴是分离的，而直方图的水平轴和垂直轴与一般的柱形图不同，它是连续的，如图4-21所示。三、数据分布性的可视化（三）密度图直方图反映的是一组数据的分布情况，直方图的水平轴是连续性的，整个图表呈现的是柱形，用户无法获知每个柱形的内部变化。而在茎叶图中，用户可以看到具体数字，但不能很明确地比较数值间的差距大小。为了呈现更多的细节，人们提出了密度图，可用它对分布的细节变化进行可视化处理。当直方图分段放大时，分段之间的组距就会缩短，此时依着直方图画出的折线就会逐渐变成一条光滑的曲线，这条曲线就称为总体的密度分布曲线。这条曲线可以反映数据分布的密度情况，如图4-22所示。三、数据分布性的可视化第四部分文本数据可视化0一张图像能够传达的信息远多于一段晦涩的文字描述。考虑到图像和图形在信息表达方面的优势，文本数据可视化将复杂的文本或者难以通过文字表达的内容和规律，用简单明了的视觉符号表现出来，让人们能够运用与生俱来的视觉感知轻松获取数据中隐藏的信息。目前，文本数据可视化应用相当广泛，标签云技术是网站展示关键词的常用技术，信息文本图也是《纽约时报》等各大媒体辅助用户理解新闻的必备方法。文本数据可视化还可以与其他技术相结合，如信息检索技术，表达信息检索过程，传达信息检索结果。人类理解文本信息的需求是文本数据可视化的研究动机。一、文本数据在大数据中的应用（一）关键词可视化一个词语若在一个文本中出现频率较高，那么这个词语可能就是这个文本的关键词。常采用TF-IDF方法来计算词语对表达文本信息的重要程度。其中TF指词语在目标文本中出现的频率，IDF是逆文本频率，计算公式分别如下：1.标签云标签云可以按照一定规律将关键词展示出来，可以用颜色透明度的高低、字体的大小来区分关键词的重要程度，要遵循权重越大越能吸引注意力的原则。一般权重越大字体越大，颜色越鲜艳，透明度越低。标签云图示例如图4-31所示。二、文本内容可视化（一）关键词可视化2.文档散文档散使用词汇库中的结构关系来布局关键词，同时使用词语关系网中具有上下语义关系的词语来布局关键词，从而揭示文本内容。上下语义关系是指词语之间往往存在语义层级的关系，也就是说，一些词语是某些词语的下义词。而在一篇文章中，具有上下语义关系的词语一般是同时存在的。文档散示例如图4-32所示。可以看到文档散与标签云最大的不同是引入了语义信息，使文本内容的呈现更具有逻辑。二、文本内容可视化（二）时序文本可视化经典的主题河流模型包括以下两个属性。（1）颜色。颜色用以区分主题的类型，相同主题用相同颜色的涌流表示。主题过多时颜色可能无法满足需求，因为容易区分的颜色种类并不是很多。一个解决方法是将主题也进行分类，一种颜色表示某一大类主题。（2）宽度。表示主题的数量（或强度），涌流的状态随着主题的变化，可能扩展、收缩或者保持不变。图4-33所示的主题河流可视化示例，横轴表示时间，河流中的不同颜色的涌流表示不同的主题，涌流的流动表示主题的变化。在任意时间点上，涌流的垂直宽度表示主题的强弱。二、文本内容可视化（三）文本分布可视化二、文本内容可视化（1）用一条螺旋线表示一篇文章，螺旋线的首尾对应着文章的首尾，文章的词语有序地分布在螺旋线上。（2）若词语在整篇文章中出现得比较频繁，则靠近画布的中心区域分布。（4）字体的大小和颜色深度代表着词语的出现频率。（3）若词语只是在局部出现得比较频繁，则靠近螺旋线分布。01040302（一）基于图的文本关系可视化1.词语树词语树使用树形图展示词语在文本中的出现情况，可以直观地呈现出一个词语和其前后的词语，如图4-26所示。用户可自定义感兴趣的词语作为中心节点。中心节点向前扩展，就是文本中处于该词语前面的词语；中心节点向后扩展，就是文本中处于该词语后面的词语。三、文本关系可视化（一）基于图的文本关系可视化2.短语网络短语网络也是表现语义单元彼此间关系的常用方法，依靠节点一链接图，一个节点对应一个语义单元，连线代表相应的关系，箭头对应走向，连线的宽度表示频率，如图4-27所示。这种方法可以更加直观地表示文本中各语义单元的关系。三、文本关系可视化（二）文档间关系可视化1.星系视图星系视图（GalaxyView）可用于表征多个文档之间的相似性。假设一篇文档是一颗星星，每篇文档都有其主题，将所有文档按照主题投影到二维平面上，就如同星星在星系中一样。文档的主题越相似，星星之间的距离就越近；文档的主题相差越大，星星之间的距离就越远。星星聚集得越多，就表示这些文档的主题越相近，并且数量较多；若存在多个聚集点则说明文档集合中包含多种主题的文档。2.文档集抽样投影当一个文档集中包含的文档数量过大时，投影出来的星系视图中就会产生很多重叠的星星。为了避免这种重叠情况的出现，用户可以对文档集进行抽样，有选择性地抽取部分文档进行投影，这样可以更加清晰地显示每个样本。三、文本关系可视化谢谢观看数据可视化1数据可视化基础2数据预处理3数据可视化图表的设计与优化4数据可视化的类型目录/contents5市场数据可视化6客户数据可视化7商品数据可视化8店铺运营数据可视化目录/contents项目五市场数据可视化第一部分市场发展行情分析1.市场容量的概念市场容量，也称市场规模，主要是指目标类目或者某行业的整体规模情况。2.市场容量分析的意义市场容量分析是对市场规模的分析和判断。市场容量的大小决定了该类目或者该行业的规模瓶颈，也就是市场中企业发展的上限。上限越高，市场容量越大，瓶颈也就越高。3.市场容量分析的方法（1）年交易额及占比情况。（2）年交易额环比及增幅情况。（3）卖家数量情况。一、市场容量大小分析（一）市场容量分析企业决定进入某一行业前或者在制订未来的发展规划时需要掌握该行业的市场趋势，市场趋势和企业的发展息息相关，处在发展趋势较好的行业中，企业才能有较好的发展态势。企业在准备进入新的市场之前，需要对新的市场进行评估分析。市场趋势分析是市场分析过程的重要组成部分，同时，它需要企业持续性地进行，这样才能较好地洞察市场变化，从而做出对企业有利的应对之策。成功监控和响应市场变化的企业，才能够从激烈的竞争中脱颖而出并创造竞争优势。（二）市场趋势分析一、市场容量大小分析（二）市场趋势分析一、市场容量大小分析市场趋势分析是指运用科学方法，对市场的需求和某些商品销售趋势做出预测，进而提供营销决策服务。市场趋势分析是进行生产规模评估的关键指标。1.市场趋势分析的概念市场趋势分析主要通过以下指标来反映。（1）成交同比分析。（2）成交环比分析及增幅曲线。（3）行业所处阶段分析。3.市场趋势分析的方法企业在进入行业前或者在制订未来的发展规划时要进行行业趋势分析，即把握该行业的市场趋势。市场趋势和企业的发展息息相关，发展趋势好的市场我们称之为增量市场，发展趋势差的市场我们称之为存量市场。分析市场趋势可以辨别企业所处的市场类别。2.市场趋势分析的意义1.市场分析的内容市场分析的内容主要包括以下几方面。（1）营销环境分析。（2）消费者分析。（3）产品分析。

（4）企业与竞争对手分析。（5）SWOT分析。2.市场分析的方法市场分析的方法一般可按统计分析法进行趋势和相关分析。既可以从估计市场销售潜力的角度来讲，也可以根据已有的市场调查资料，采取直接资料法、必然结果法和复合因素法等进行市场分析。二、行业趋势分析（一）市场行情分析（二）理解市场理解市场就是指运用科学的方法，有目的地、系统地搜集、记录、处理有关市场信息和资料，分析市场情况，了解市场的现状及其发展趋势，为细分市场和营销决策提供客观的、正确的资料的过程。1.观察法观察法分为直接观察法和实际痕迹测量法两种方法。2.询问法询问法是将所要调查的事项以当面、书面或电话的方式，向被调查者提出询问，以获得所需要的资料的方法。3.实验法实验法通常用来调查某种因素对市场某一产品销售量的影响，这是一种在一定条件下进行小规模实验，然后对实际结果做出分析。二、行业趋势分析（三）了解公司在市场中的地位在对市场进行了深入的调查，并对市场进行细分以后，决策者需要知道企业在市场中的位置，客观地衡量企业的实力、所处的环境、发展情况等因素，结合市场趋势和市场细分的结果做出有利于企业发展的决策。如果对企业所处的位置认识不清，就无法及时应对外界环境的变化，很可能会将企业带入危机中。例如，许多中小企业经营管理不善、创新能力不强，对企业所处的市场地位认识不清等，企业很容易陷入危机当中。但危机当中孕育着发展机遇，企业能否渡过难关，关键取决于它们能否根据自身特点，在危机中把握发展机遇，加快结构调整升级，转变企业发展方式。二、行业趋势分析购物中心的发展趋势拓展视频第二部分竞店数据分析（一）竞争店铺抓取商家通过抓取店铺数据，可以了解从哪些维度来寻找自身的竞争店铺。抓取竞争店铺的方式有很多，从关键词、目标人群、产品、价格、所在地、营销活动、视觉拍摄等维度，都可以找到竞争店铺。通过对竞争店铺的视觉拍摄、店铺分类、店铺营销方案等内容进行分析，商家可以了解竞争店铺的基础数据，主要包括竞争店铺的拍摄方式、详情页设计制作方式、店铺类目分类构成、店铺营销方案、单品营销方案设置、优惠券、满减折扣设置等。通过抓取店铺品牌，商家可以了解竞争店铺是不是原创品牌，是不是多品牌销售，以及竞争店铺的风格、人群定位（人群标签）、属性数据（商品适用季节、适用场景、基础风格）等。通过获取竞争店铺的价格、销量、排行情况，商家可以了解竞争店铺商品的整体销量，从而抓取核心商品进行数据对比分析。一、竞争店铺数据分析（二）竞争店铺流量结构数据分析使用生意参谋工具的市场行情功能进行竞争店铺数据分析（“监控店铺”—“竞店识别”—“竞店分析”）是指商家通过对竞争店铺进行销售排行数据监控、品类结构数据分析和核心商品销售数据分析，找到数据差异点，然后针对自身店铺的弱项数据进行数据提升和优化。通过监控竞争店铺数据，商家可以了解竞争店铺的实时、7天、30天及周期性数据，了解竞争店铺的流量指数、搜索人气、交易指数、客群指数和行业排名等数据。通过与竞争店铺进行对比，商家可以了解自身店铺数据差异、排名差异，而且可以根据竞争列表数据变化，及时了解竞争店铺数据为什么会突然提升、突然下降，下降是整体下降，还是个别店铺下降，以此更好地了解竞争店铺的数据状态，从而反映自身店铺存在的问题。商家使用生意参谋工具的市场行情功能可进行竞争店铺分析（“监控店铺”—“竞店识别”—“竞店分析”），对竞争店铺进行数据匹配，并通过流失竞争店铺识别、高潜力竞争店铺识别，来识别优质的竞争店铺。一、竞争店铺数据分析（三）竞争店铺品类结构数据分析商家使用生意参谋工具的市场行情功能进行分析（“竞争店铺”—“竞店分析”—“品类销售额”），根据时间周期，了解竞争店铺按年、月的品类交易构成数据、类目支付金额占比数据、类目支付金额占比排名情况，了解自身店铺和竞争店铺在类目布局和品类销售额方面的差距，从而可以进行品类布局的优化和提升。根据竞争店铺品类交易构成数据，商家可了解自身店铺核心类目支付金额占比，竞争店铺核心类目金额占比，从而可以对比出两个店铺的优势类目、成交类目、集中类目。商家可利用竞争店铺品类结构数据分析，根据竞争店铺品类销售情况，并依据自己的供应链、利润情况，酌情进行店铺上新，以增加店铺的流量和销售额。商家可以参照比自身店铺优秀的店铺，进行品类结构优化，以增加店铺的销售量，同时商家也要思考自身店铺类目是否有缺失，店铺类目是否丰富等问题，帮助店铺更好地优化品类结构。一、竞争店铺数据分析（四）竞争店铺流量数据操作分析商家利用生意参谋工具的市场行情功能进行分析（“竞争店铺”—“竞店分析”—“竞争店铺”），对竞争店铺流量结构分布进行对比，商家可查看竞争店铺的入店来源，也可从流量指数、客群指数、支付转化指数、交易指数等不同维度对竞争店铺的流量数据进行采集，了解竞争店铺的流量结构，找到自身店铺流量的缺失之处，然后进行流量布局的优化。竞争店铺流量数据分析是指针对竞争店铺进行流量结构、流量数据对比，流量玩法分析，商家可以从中找到与竞争店铺的数据差距和自身店铺的提升方向，从而帮助提升自身店铺的流量数据。商家可以通过细分流量数据的对比分析，对竞争店铺的流量数据操作进行参考学习。商家通过分析竞争店铺的流量结构组成情况，可以了解竞争店铺的搜索流量访客数占比、直通车访客数占比，从而有针对性地帮助店铺提升流量。一、竞争店铺数据分析（一）竞争商品数据监控分析商家可通过生意参谋工具进行竞争商品数据监控分析，了解同类目下的商品行业排名，搜索人气、流量指数、收藏人气、加购人气、支付转化指数和交易指数等数据的变化情况，从而进行竞争商品数据分析。竞争商品周期数据分析：商家通过生意参谋工具的市场行情功能（“竞争商品”—“监控商品”），按照时间周期（实时、7天或30天），查看竞争商品的流量数据变化情况，并且根据竞争商品的流量结构，了解竞争商品的流量提升过程，并进行竞争商品流量数据采集，形成竞争商品流量结构表，找到提升流量的方法。二、竞争商品数据分析（二）竞争商品流量数据分析商家利用生意参谋工具的市场行情功能（“竞争商品”—“竞品分析”—“入店来源”）查看商品流量数据，可对商品流量来源数据进行对比分析，了解自身商品与竞争商品之间的数据差异，分析竞争对手的流量构成情况，从而得出其获得流量的主要方法。商家可通过生意参谋工具对竞争商品的关键指标进行监控，了解类目行业下的竞争商品数据变化情况，从而进行竞争商品数据分析。商家可从流量指数、交易指数、搜索人气、收藏人气、加购人气等方面对本店商品与竞争商品进行对比，在流量指数接近的情况下，对比搜索人气可以知道商品搜索流量出现的问题，而收藏人气、加购人气的差距可以反映商品价值方面的问题。商家可以针对商品流量价值进行优化，或者重新选款并进行推广营销。商家要超过竞争商品的销量和排名，就需要提升自身商品的流量指数、收藏人气和加购人气数据。二、竞争商品数据分析（三）竞争商品流量数据操作分析商家可对比竞争商品关键词下的价格带、视觉、坑产等数据，找到适合切入的流量人群。另外，商家可通过单品数据对比分析，对比关键词数据，找到可以分析的竞争商品，了解单品流量数据操作和竞争商品的流量结构。商家可通过使用生意参谋工具进行竞争商品分析，了解行业商品的流量结构，找到行业内的优质流量数据操作。另外，与竞争商品数据进行对比，商家可分析自身商品和竞争商品的流量结构和流量数据占比之间的差距，找到提升的方法，从而丰富店铺商品的流量数据操作，帮助店铺进行销售数据提升。二、竞争