一、数据集说明

1.数据集

通过网盘分享的文件：唇釉大促价格错位致22%退款率
链接: https://pan.baidu.com/s/1hSxJdvEPQMF3zJ-wjqVVPQ?pwd=dcji 提取码: dcji

2.数据字段说明

订单表 sales_detail_generated.csv

字段名	中文含义	说明
order_id	订单编号	唯一标识一笔订单
order_time	下单时间	用户提交订单的时间
promo_name	活动名称	参与的促销 / 优惠券活动名称
product_name	商品名称	购买的商品名
item_url	商品链接	商品详情页地址
quantity	购买数量	该商品下单件数
original_unit_price	原价单价	商品未优惠前单价
coupon_amount	优惠券金额	该商品分摊的优惠金额
order_gmv	订单 GMV	订单交易总额（通常为原价口径）
avg_actual_unit_price	实际平均单价	优惠后实际支付的单件价格

查询表 beauty_data_all.csv

字段名	中文含义	说明
user_id	用户 ID	唯一标识一个用户
inquiry_time	咨询时间	用户发起咨询的时间
category	咨询分类	问题类型，如售后、物流、商品、活动、投诉等
content	咨询内容	用户提问的具体文本

退款表 refund_detail_generated.csv

字段名	中文含义	说明
refund_id	退款单号	退款记录唯一标识
order_id	订单编号	关联原订单 ID，可与订单表关联
promo_name	活动名称	原订单参与的促销活动
product_name	商品名称	退款对应的商品
order_time	下单时间	原订单下单时间
refund_time	退款时间	发起 / 完成退款的时间
original_quantity	原购买数量	该商品原下单件数
refund_quantity	退款数量	本次退回商品件数
avg_actual_unit_price	实际单价	商品优惠后实际成交单价
refund_amount	退款金额	本次实际退回给用户的金额
refund_reason	退款原因	如质量问题、不想要、发错货、物流问题等

---

二、业务说明

1. 业务现状

本次唇釉大促主推“第2件半价，第3件低至20元”的阶梯降价策略，旨在提升客单价与连带率。
但底层结算系统受财务规则限制，采用的是“总价打折，均价分摊”逻辑
（例如：买3件实付240元，订单明细显示单件80元，而非第3件20元）。

2. 核心痛点

前端转化受损：宣导的边际低价与结算页的均价展示无法对齐，引发消费者强烈的“被欺骗感”，推高了流失率。
后端客服承压：大量用户因“价格算不明白”涌入客服链路，引发无效进线激增，严重挤占人工座席资源。

3. 分析目标

验证“均价分摊”逻辑是否被严格执行。
量化“复杂营销规则”带来的真实退款率波动与 GMV 损失。
挖掘核心客诉原因，输出产品与运营侧的降本增效优化方案。

---

三、数据处理

将订单数据 sales_detail_generated.csv 和退款数据 refund_detail_generated.csv 进行去重等处理。

1.加载两个表的数据，分别查看数据总长度

2.对订单表进行去重处理

由此可知，该表没有重复值

3.手动计算单价，验证数据准确性

计算验证单价（calculated_avg_price）：订单实付金额 (order_gmv) / 购买件数 (quantity)

抽取前5行比对系统均价与我们计算的均价

由表可知，系统均价和我们计算均价一样（最后多看几个，确保数据准确性）

---

四、探索性数据分析（EDA）：流失量化与归因

核心假设探究：

凑单门槛越高，是否退款率也越高？

造成退款的致命原因究竟是什么？

1.统计各购买件数的

针对订单表，以购买件数分组，查看不同分组的订单数量分别是多少

'order_id': 'total_orders'

 'quantity': 'buy_quantity'

2.统计各购买件数的退款订单量

针对退款表，以原始购买件数分组，查看不同分组的退款订单数量分别是多少

'refund_id': 'refund_orders'

'original_quantity': 'buy_quantity'

calculated_avg_price

计算验证单价

3.合并以上两表便于后面计算

计算退款率并将其插入上表

退款率 = 退款订单 / 总订单数

4.数据表现分析

发现一：

由此可知，不同的购买件数的退款率表现也不同

发现二：

按退款原因分组，统计对应原因导致的退款订单数和该原因导致的退款总金额

refund_reason	退款原因
refund_count	退款订单数
lost_gmv	退款总金额

---

五、数据可视化分析

---

六、分析结果

📌 核心结论
数据明确证实，虽然“第3件低至20元”的阶梯策略拉动了用户凑单，
但前端营销宣导与后端结算“均价分摊”逻辑产生了严重的预期错位。
这直接导致 3件凑单退单率飙升至 22.13%，引发近一半的退款单量，并造成直接经济损失近 25万元。

🚀 业务优化方案
为实现降本（降客诉）增效（保转化），强烈建议多部门实施以下联动改造：

1. 🎨 产品与前端 UI 侧：隐藏均价，强化全局减免视觉
由于底层财务分摊逻辑短时间内不可逆转，必须在前端订单确认页打补丁：

禁止展示单价：在购物车和结算页，绝对隐藏“单价80/件”的字眼。
重构计费视觉：采用全局算账逻辑，即 商品总价 ￥330 ➖ 大促立减 -￥90 🟰 实付金额 ￥240。
2. 📢 营销运营侧：摒弃边际报价，转为直给型承诺
停止引发歧义的“单件低至X元”话术，转为所见即所得的整单报价，消除用户的心理算账落差。

❌ 优化前：“第2件半价，第3件低至20元”
✅ 优化后：“买3件，立省90元” 或 “买3件，到手仅需240元”。
3. 🤖 客服服务侧：拦截防御体系前置

商品页(PDP)防御：在商品主图区增加一张明确的“凑单算账一览表”。
AI 意图拦截：为智能机器人配置专属的【大促价格计算器】卡片，
一旦识别到用户询问“金额、凑单、不一致”等问题时优先下发图文阻断，释放人工客服资源处理高价值进线。