直播复盘数据采集清洗分析全流程实操指南 零基础可直接落地

一、前置环境准备

1.1 工具安装

所有工具均为免费开源工具，按以下步骤操作即可完成安装：

• 安装Python3.8+：直接打开官方地址下载安装包 https://www.python.org/downloads/release/python-3810/，安装时必须勾选「Add Python to PATH」选项，否则后续命令无法运行
• 安装数据处理依赖：按下Win+R输入cmd打开命令行，粘贴以下命令回车执行：

  
  pip install pandas openpyxl -i https://pypi.tuna.tsinghua.edu.cn/simple
  
  

1.2 原始数据导出

从对应直播平台导出单场全量数据，路径如下：

• 抖音：直播中控台-数据中心-本场直播-数据导出-选择全量字段导出
• 视频号：视频号助手-数据中心-直播数据-单场数据-导出全部数据
• 快手：快手直播伴侣-数据中心-本场直播-导出明细数据

将所有导出的Excel文件存放在同一个空文件夹内，不要修改原文件后缀名。

二、多平台数据合并

如果是跨平台同步直播，需要先合并多平台数据，单平台直播可跳过此步骤直接进入数据清洗环节。

新建空白txt文件，粘贴以下代码后，将文件后缀名改为.py，双击运行即可：

```
import pandas as pd
import os
替换为你存放原始Excel的文件夹路径，Windows系统斜杠用/或者双反斜杠\\
file_path = "C:/Users/Administrator/Desktop/直播原始数据"
all_file = os.listdir(file_path)
df_list = []
for file in all_file:
if file.endswith(".xlsx"):
df = pd.read_excel(f"{file_path}/{file}")
统一列名，顺序必须和你导出的字段顺序一致，多余字段可直接删除
df.columns = ["直播时间","用户ID","用户昵称","观看时长","互动次数","下单金额","下单商品","进入渠道","离开时间"]
df_list.append(df)
合并所有数据并导出
all_df = pd.concat(df_list)
all_df.to_excel("合并后直播原始数据.xlsx",index=False)
```

运行完成后会在代码同目录生成「合并后直播原始数据.xlsx」文件。

三、数据清洗（必做，否则结果偏差超过30%）

原始数据包含大量误进、退款、重复统计的异常数据，必须清洗后再做分析。新建py文件粘贴以下代码运行：

```
import pandas as pd
单平台直播可把文件名替换为你直接导出的原始数据文件名
df = pd.read_excel("合并后直播原始数据.xlsx")
补全空的渠道字段
df["进入渠道"] = df["进入渠道"].fillna("未知渠道")
1. 剔除观看时长小于10秒的误进用户，需要更宽松统计可把10改为1
df = df[df["观看时长"] >= 10]
2. 剔除下单金额小于0的退款数据
df = df[df["下单金额"] >= 0]
3. 同一用户多次进入的，保留最长观看时长的记录，避免重复统计
df = df.sort_values("观看时长", ascending=False).drop_duplicates("用户ID", keep="first")
导出清洗后数据
df.to_excel("清洗后直播数据.xlsx",index=False)
```

四、核心复盘指标计算

直接运行以下代码即可自动计算所有核心复盘指标，同时生成结构化报告：

```
import pandas as pd
df = pd.read_excel("清洗后直播数据.xlsx")
计算基础指标
total_user = len(df)
avg_watch_time = round(df["观看时长"].mean()/60,2)
interaction_user = len(df[df["互动次数"]>0])
interaction_rate = round(interaction_user/total_user100,2) if total_user>0 else 0
order_user = len(df[df["下单金额"]>0])
order_rate = round(order_user/total_user100,2) if total_user>0 else 0
total_gmv = df["下单金额"].sum()
avg_order_price = round(total_gmv/order_user,2) if order_user>0 else 0
生成核心指标表
report = {
"总观看人数": [total_user],
"平均观看时长(分钟)": [avg_watch_time],
"互动率(%)": [interaction_rate],
"下单转化率(%)": [order_rate],
"总GMV(元)": [total_gmv],
"客单价(元)": [avg_order_price]
}
report_df = pd.DataFrame(report)
导出多Sheet复盘报告
with pd.ExcelWriter("直播复盘最终报告.xlsx") as writer:
report_df.to_excel(writer, sheet_name="核心指标", index=False)
df.groupby("进入渠道")["下单金额"].sum().reset_index().to_excel(writer, sheet_name="渠道转化排名", index=False)
df.groupby("下单商品")["下单金额"].sum().sort_values(ascending=False).reset_index().to_excel(writer, sheet_name="商品表现排名", index=False)
```

运行完成后生成的「直播复盘最终报告.xlsx」包含3个Sheet，直接可用于复盘分析：

• 核心指标：正常直播互动率阈值为3%-10%，下单转化率阈值为1%-5%，低于阈值说明内容或选品存在问题
• 渠道转化排名：可直接判断哪个引流渠道的投产最高，后续可加大对应渠道的投放力度
• 商品表现排名：可直接筛选出Top3爆品和滞销品，后续直播调整选品结构

五、常见问题排查

5.1 代码运行报错解决

• 提示「No module named pandas」：重新执行前置环节的依赖安装命令，或者把命令里的pip替换为python -m pip
• 提示「FileNotFoundError」：检查代码里的文件路径是否正确，不要包含中文和特殊字符
• 提示「columns do not match」：检查合并数据时代码里的列名数量、顺序是否和你导出的原始数据一致

5.2 数据偏差解决

• 观看人数比后台少：检查清洗步骤里的观看时长阈值是不是设置过高，可调整为1秒后重新运行
• GMV比后台少：检查导出的原始数据是否包含全部订单，有没有遗漏跨店结算的商品数据
• 渠道数据为空：检查原始数据导出时是否勾选了「渠道来源」字段，未勾选的可手动补全后重新运行