🛍️

Olist Store

상태

In progress

Colab 링크

Tools

Python

3 more properties

About Company

Olist Store is the e-commerce technology on the market that can multiply your sales in record time. Promote your products in up to 13 marketplaces with our technology and have more sales.

It is very easy, you register your products, place competitive prices and we take care of the rest. Once approved, your ads go to the most visited marketplaces in the country.

Olist serves small brick-and-mortar retailers, making products available in virtual stores within larger online marketplaces.

free of charge for any business. The app works as an online store that allows you to advertise any product or service. All it takes is a couple of clicks to download it, create an account, register your items and share the link with your client base. It also offers a WhatsApp integration to facilitate your communication with the users.

Those merchants are able to sell their products through the Olist Store and ship them directly to the customers using Olist logistics partners.

After a customer purchases the product from Olist Store a seller gets notified to fulfill that order. Once the customer receives the product, or the estimated delivery date is due, the customer gets a satisfaction survey by email where he can give a note for the purchase experience and write down some comments.

Olist Store 은 오프라인 사업체(개인사업체 포함)들의 모바일 플랫폼으로의 전환을 돕는 오픈마켓모바일 서비스라고 생각하면 된다. 우리나라의 예시로 설명하자면, 쿠팡, 11번가, 지마켓 등등의 온라인 마켓 서비스가 네이버 쇼핑에 들어가면 뜨는 것과 같은 느낌이라고 보면 된다. 하지만, 네이버 쇼핑에만 국한되는 것이 아니라 다른 여러 오픈 마켓에도 뿌려진다는 의미

About Brazilian E-Commerce Public Dataset by Olist ( from Kaggle )

The dataset has information of 100k orders from 2016 to 2018 made at multiple marketplaces in Brazil.

its features have order status, price, payment and freight performance(배송비,배송상태) to customer location, product attributes and finally reviews written by customers.

also released a geolocation dataset that relates Brazilian zip codes to lat/lng coordinates.

This is real commercial data, it has been anonymised, and references to the companies and partners in the review text have been replaced with the names of Game of Thrones great houses.(review 데이터의 회사이름이나 파트너 이름은 ‘왕좌의 게임’ 의 이름으로 익명처리 했다)

하나의 주문에 여러 상품이 있을 수 있음을 참고!

Data Schema

Inspiration

Here are some inspiration for possible outcomes from this dataset.

NLP : This dataset offers a supreme environment to parse out the reviews text through its multiple dimensions.

Clustering : Some customers didn't write a review. But why are they happy or mad?

Sales Prediction : With purchase date information you'll be able to predict future sales.

Delivery Performance : You will also be able to work through delivery performance and find ways to optimize delivery times.

Product Quality : Enjoy yourself discovering the products categories that are more prone to customer insatisfaction.

Feature Engineering : Create features from this rich dataset or attach some external public information to it.

Olist_customers_dataset

At our system each order is assigned to a unique customer_id. This means that the same customer will get different ids for different orders.

•

customer_unique_id : key to the orders dataset. Each order has a unique customer_id. (각 order 건마다 부여되는 고객 id → 같은 고객이 주문을 여러번 할 경우 다른 id 부여)

•

customer_id : 고객 고유 번호 (주문한 고객 id, 중복된 값은 없어야 정상, key값)

•

customer_zip_code_prefix : 고객 우편번호

•

customer_city : 고객 배송지 중 도시정보

•

customer_state : 고객 배송지 중 주 정보

위 테이블을 통해서 다음과 같은 분석을 진행할 수 있다 1. 지역별 주문건 분포 비교 → 어떤 지역이 주문건수가 많은지, 어떤 고객이 주문을 많이 하는지 정도

Olist_sellers_dataset

data about the sellers that fulfilled orders made at Olist. Use it to find the seller location and to identify which seller fulfilled each product.

•

seller_id : 판매자 고유 번호

•

seller_zip_code_prefix : 판매자 우편번호

•

seller_city : 판매업체 도시 정보

•

seller_state : 판매업체 주 정보

위 테이블을 통해서 다음과 같은 분석을 진행할 수 있다. 1. 어떤 판매업체가 주문건수가 많은지

Olist_geolocation_dataset

Brazilian zip codes and its lat/lng coordinates. Use it to plot maps and find distances between sellers and customers.

Olist_customers_dataset 의 고객 우편 번호와 조인할 수 있는지 확인 → 연결된다면 고객의 지리적 위치를 시각화할 수 있을 것

Olist_sellers_dataset 의 판매자 우편 번호와 조인할 수 있는지 확인 → 연결된다면 판매업체의 지리적 위치를 시각화할 수 있을 것

•

geolocation_zip_code_prefix : 우편 번호

•

geolocation_lat : latitude

•

geolocation_lng : longtitude

•

geolocation_city : 도시 이름

•

geolocation_state : 주 이름

위 테이블은 그 자체로 사용하기보다 주문 고객 데이터와 주문 판매업체 데이터와 조인해서(zip_code) 사용하면 지리적으로 시각화할 수 있다.

Olist_orders_dataset

the core dataset. From each order you might find all other information. Each order has a unique customer_id.

•

order_id :  고유한 주문 내역(Key)

•

customer_id : 주문한 고객 고유 id (같은 고객이 주문을 여러번 할수도 있으므로 해당 변수는 중복될 수 있다)

•

order_status : 주문 상태 (배송 완료 / 배송중 / 그외)

•

order_purchase_timestamp : 구매 시각

•

order_approved_at : 주문 완료 시각

•

order_delivered_carrier_at : 배송업체 전달 시각

•

order_delivered_customer_date : 배송완료 시각

•

order_estimated_delivery_date : 배송완료 예상 시각(고객이 구매시 알려줌)

위 테이블을 통해서 다음과 같은 분석을 진행할 수 있다. 1. 시간대별 구매 건수 비교 → 어떤 시간대에 구매가 빈번한지 2. 예정배송날짜보다 늦어진 건수가 있는지, 있다면 해당 지역이 어디인지 확인(customer_id 로 연결)

Olist_order_items_dataset

data about the items purchased within each order.

각 주문별 주문 상품 수(order_item_id) 가 있고, 상품 고유 아이디(product_id)가 있고, … key값은 없을 수 있다.

•

order_id : 주문 id(행별로 중복될 수는 있다)

•

order_item_id : 주문 상품 수

•

product_id : 상품 id

•

seller_id : 판매자 고유 id

•

shipping_limit_date : 배송 업체 전달 마감 시각

•

price : 상품 가격

•

freight_value : 상품 운임비

위 테이블을 통해서 다음과 같은 분석을 진행할 수 있다. 1. 배송이 지연됐을 경우, 판매업체에서 배송업체에 전달하는 과정에서 지연이 됐는지(olist_orders_dataset 과 조인) 확인하고, 어떤 판매업체인지 확인할 수 있다.

Olist_products_dataset

data about the products sold by Olist.

•

product_id : 상품 id

•

product_category_name : 상품 카테고리(포르투갈어)

•

product_name_lenght : 상품 이름에서 추출한 특징 수

•

product_description_lenght : 상품 설명에서 추출한 특징 수

•

product_photos_qty : 사진과 함께 올라간 횟수

•

product_weight_g : 상품의 무게(단위: 그램)

•

product_length_cm : 상품의 가로길이(단위 : cm)

•

product_height_cm : 상품의 높이길이(단위 : cm)

•

product_width_cm : 상품의 폭길이(단위 : cm)

위 테이블을 통해서 다음과 같은 분석을 진행할 수 있다. 1. 사진이 첨부된 횟수와 주문 건수의 상관관계 ( 사진 첨부가 많을수록 주문 건수가 많을까?) 2. 상품 운임비와 상품의 특성들(무게, 가로길이, 높이길이, 폭길이)과의 상관관계 (상품의 어떤 값이 상품 운임비를 결정하는데 유효하게 작용할까?) 3. 상품 카테고리별 상품 운임비의 분포는 대략 어떨까?

Product_category_name_translation

Translates the product_category_name to english.

•

product_category_name : 카테고리 이름(포르투갈어)

•

product_category_name_english  : 카테고리 이름(영어)

위 Olist_products_dataset 테이블과 조인해서 상품 카테고리를 영어로 확인 가능

Olist_order_payments_dataset

data about the orders payment options.

•

order_id : 주문 id

•

payment_sequential : 고객별 저장된 구매 방법 수

•

payment_type : 선택된 구매 방법

•

payment_installments : 고객별 선택된 구매 설치 수

•

payment_value : 구매 금액

위 테이블을 통해서 다음가 같은 분석을 진행할 수 있다. 1. 자주 사용되는 구매 방법은 어떤 건지 확인해볼 수 있다.

Olist_order_reviews_dataset

data about the reviews made by the customers. the customer gets a satisfaction survey by email where he can give a note for the purchase experience and write down some comments.

•

review_id : 리뷰  id

•

order_id : 주문 id

•

review_score : 1~ 5 점의 만족도

•

review_comment_title : 사용자 코멘트 타이틀(포르투갈어)

•

review_comment_message : 사용자 코멘트 메세지(포르투갈어)

•

review_creation_date : 리뷰 작성폼 전달 날짜

•

review_answer_timestamp : 리뷰 작성 날짜

위 테이블을 활용해서 다음과 같은 분석을 진행할 수 있다. 1. 텍스트 분석이 가능하다면 리뷰 타이틀, 코멘트 메세지 데이터를 활용해서 어떤 판매업체의 어떤 상품이 구체적으로 어떤 평가를 받고 있는지 확인 가능 2. 어떤 판매업체의 상품이 사용자 만족도가 높은지(텍스트 분석을 하지 않으면 구체적으로 어떤 이유에서 해당 점수를 받았는지는 알 수 없다)

< 분석 주제 리스트 >

•

카테고리별 매출 주도하고 상품 확인

•

매출 트렌드 파악(월별, 주별, 연도별, 시간대)

•

배송 관련 분석 → cs(고객 만족도), 지연문제 개선점 도출

•

핵심 셀러 분석. (고객이 주로 사용하는 판매업체가 어딘지) → 평점도 연결지어서 확인