商品类目结构与长尾分析

1. 为什么推荐

任务书要求类目行为排行和动销率。进一步做类目结构与长尾分析，可以把“流量集中在哪些类目、购买是否集中、哪些商品有曝光无转化”讲得更完整。

2. 核心问题

• 哪些类目贡献了最多 PV？
• 哪些类目贡献了最多购买？
• 流量类目和购买类目是否一致？
• 是否存在高浏览低购买类目？
• 商品是否呈现明显长尾结构？

3. 推荐指标

• 类目 PV。
• 类目 buy 次数。
• 类目购买用户数。
• 类目转化率。
• 类目动销率：有购买商品数 / 有曝光商品数。
• Top 类目集中度：Top 10 类目 PV 或 buy 占比。
• 长尾商品占比：低 PV 商品数量占比。

4. 推荐图表

• 类目 PV Top 20。
• 类目购买 Top 20。
• 类目转化率 Top 20。
• PV 与购买散点图。
• 商品 PV 分布长尾图。

5. 可形成的业务结论

• 高 PV 低购买：可能详情页、价格、信任或匹配度有问题。
• 低 PV 高购买：可能是高意向类目，值得增加曝光。
• 高动销类目：适合重点运营。
• 长尾商品过多：可以考虑推荐、搜索优化或商品下架策略。

6. 与附加题的关系

附加题要求用 category_id 和 item_id 末位映射大类和二级分类。该规则是人为映射，不是真实业务类目，因此报告中要明确：

• 主线分析使用原始 category_id。
• 附加分析使用末位映射后的模拟分类。
• 两者结论不能直接混用。