[OC] Ich habe mehr als 87.000 Modeprodukte verfolgt, um zu sehen, wie viele „Verkäufe“ echt sind. Spoiler: nicht viele.

Ich renne bazenda.comim Grunde ein Preis-Tracker für Mode. Wir protokollieren täglich die Preise von über 47 Marken. Ich habe diese Woche die Daten abgerufen und einige Diagramme erstellt, weil die Zahlen zu interessant waren, um sie nicht zu teilen.

Was ich gefunden habe:

• 16,3 % der Produkte tragen derzeit ein Sale-Tag. Nur 12,8 % haben aufgrund ihrer Preishistorie tatsächlich einen guten Preis.
• Tommy Hilfiger, Calvin Klein und Old Navy behalten etwa die Hälfte ihres Katalogs "zum Verkauf" jederzeit. Derzeit handelt es sich lediglich um ihr Preismodell.
• 71 % der Preise haben sich überhaupt nicht verändert. So viel dazu "zeitlich begrenzte Angebote."
• Die Preisverteilung ist durch Luxus stark verzerrt, der Median liegt weit unter dem Durchschnitt.

So funktioniert es:

• Über 87.000 Produkte werden täglich verfolgt
• "Guter Preis" = Der aktuelle Preis ist niedrig im Vergleich zu dem, was in den letzten 90 Tagen tatsächlich verkauft wurde (nicht das, was der Einzelhändler behauptet). "Originalpreis" War)
• Urteile: Jetzt kaufen, gutes Angebot, fairer Preis, warten, überteuert
• Gebaut mit Python, Pandas, Matplotlib

Diagramme:

1. "Im Angebot" vs. tatsächlich einen Kauf wert
2. Aufschlüsselung des Urteils (Donut)
3. Marken mit den höchsten Dauerverkaufsraten
4. Kategorie-Blasenkarte (Preis vs. Rabattsatz)
5. Preistrendrichtung
6. Preisverteilung

Ich beantworte gerne alle Fragen zu den Daten.

bazenda.com wenn Sie nach bestimmten Produkten suchen möchten.