Анализ косметических продуктов

Популярность косметических продуктов за последние несколько лет резко возросла. В связи с этим на рынке, особенно в интернете, появилось гораздо больше брендов и косметических продуктов. Мне было интересно изучить тенденций онлайн-маркетинга в косметической индустрии, поэтому я начала искать датасеты на сайте Kaggle.com. По России датасетов не нашлось, поэтому я решила изучить Индийскую косметическую индустрию. Это для меня актуально, ведь многие люди моего возраста за последний год побывали в Индии и даже привозили мне какие-то косметические продукты. Все они говорили, что Индия – это другой мир. Поэтому мне интересно было бы изучить эту тему.

Именно эти типы визуализаций помогли максимально раскрыть предоставляемый анализ данных и помочь в структурировании повествования.

Цвета для визуализаций я взяла исходя из собственного представления о косметических средствах. Хотелось создать ощущение чистоты, но при этом не забывать про яркость Индии. Эта яркость вылилась в основной цвет графиков – розовый цвет.

Сначала я загрузила датасет в Google.colab и начала обработку данных. Проверила датасет на нулевые значения, они там оказались. Поэтому пришлось их очистить для оптимизации обработки данных. После этого я перешла к визуализации данных.

Визуализация данных идет по логичному ходу анализа данных. Так, например, вторая и третья диаграммы напрямую связаны с темой цен. А последняя точечная диаграмма говорит уже не о косметических средствах, как таковых, а о ТОП десяти популярных брендов.

В графике были использованы:

• Частотный анализ категориальных данных. Для каждой категории косметических товаров было подсчитано количество представленных продуктов.
• Сравнительный анализ категорий ассортимента. Диаграмма позволяет выявить доминирующие товарные категории (например, уход за кожей) и менее представленные сегменты рынка.

На графике представлен столбчатый график, отображающий количество товаров по категориям. По нему видно, что наибольшее число продуктов относится к категории skincare, тогда как категория hair представлена значительно слабее остальных. Это говорит о том, что основной фокус ассортимента косметических товаров смещён в сторону средств по уходу за кожей, в то время как товары для волос занимают меньшую долю рынка.

В графике были использованы:

• Частотный анализ количественной переменной (price).Это позволило выявить форму распределения цен на индийском рынке косметики.
• Анализ формы распределения. Гистограмма используется для выявления асимметрии распределения, концентрации наблюдений в определённых ценовых сегментах и наличия «длинного хвоста» (редких, но очень дорогих товаров).

Это гистограмма распределения цен косметических продуктов.

Она показывает, что большая часть товаров сосредоточена в нижнем ценовом диапазоне, а по мере роста цены, количество продуктов резко снижается. Также видно, что число дорогих товаров значительно меньше, что означает что основной массив потребителей предпочитают более доступную косметику, чем премиальный сегмент.

В графике были использованы: – Анализ взаимосвязи между количественными переменными. Диаграмма рассеяния применялась для исследования зависимости между ценой продукта и его пользовательским рейтингом.

• Исследовательский корреляционный анализ. Без построения формальной регрессионной модели график позволяет визуально оценить наличие или отсутствие положительной корреляции между ценой и качеством.

Диаграмма рассеивания иллюстрирует связь между ценой и рейтингом продукта. Точки на графике показывают, что высокая цена не гарантирует высокий рейтинг, так как большинство оценок сосредоточено в диапазоне 3–5 вне зависимости от стоимости, что не удевительно, поскольку и товаров в данной ценовой категории гораздо больше. При этом основная масса товаров с высокими рейтингами находится в среднем и низком ценовом сегменте, а среди дорогих продуктов встречаются как высоко, так и низко оценённые товары. Это еще раз подтверждает вывод из второго графика о том, что больше всего люди пользуются косметикой среднего и низкого ценового сегмента. Отсюда большее количество отзывов и оценок, следовательно меньший разброс по шкале.

В графике были использованы: – Квартильный анализ рейтингов. Для каждой товарной категории были рассчитаны медиана, первый и третий квартили, что позволило сравнить центральные тенденции и вариативность рейтингов между категориями. – Межкатегориальный сравнительный анализ. Boxplot даёт возможность сопоставить распределения рейтингов разных категорий (уход за кожей, волосы, лицо и т.д.), выявляя категории с более устойчиво высокими или, наоборот, неоднородными оценками.

График boxplot отражает распределение пользовательских рейтингов по категориям. На нём видно, что медианные значения рейтингов во всех категориях находятся в диапазоне от 4 до 4.5, что в целом говорит о высокой удовлетворённости покупателей. При этом присутствуют выбросы как с низкими, так и с высокими оценками, особенно в категориях body и lips, что показывает неоднородность качества продуктов внутри категорий.

В графике использовались: – Агрегация данных по брендам. Для каждого бренда было рассчитано общее количество представленных товаров, что позволило оценить масштабы присутствия брендов на индийском рынке косметики. – Анализ структуры предложения. График отражает концентрацию ассортимента и позволяет оценить уровень рыночной конкуренции: наличие брендов с большим ассортиментом не исключает существование множества менее крупных, но активных игроков.