Chanel — символ вечной элегантности, чья история насчитывает более века. Данный проект анализирует этот феномен не только как культурную икону, но и как бизнес-структуру, используя количественные данные — от характеристик ароматов до финансовых показателей, чтобы выявить закономерности.
Между легендарным флаконом № 5 и сухими цифрами финансовых отчетов существует прямая связь. Этот проект исследует феномен Chanel, переводя язык его культовых ароматов, черно-белой эстетики и стратегии ценообразования на язык Python, графиков и метрик, чтобы понять, как империя роскоши сталкивается с вызовами современного рынка и меняющимися предпочтениями потребителей.
Импорт библиотек
Импортируем библиотеки
import pandas as pd import matplotlib.pyplot as plt import seaborn as sns
Стиль в духе Chanel
plt.style.use ('seaborn-v0_8-whitegrid') plt.rcParams['figure.figsize'] = (12, 6) CHANEL_BLACK = '#000000' CHANEL_GOLD = '#C5A028'
Создание Датасет
Ароматы Chanel perfume_data = { 'Name': ['Chanel № 5', 'Coco Mademoiselle', 'Chanel Chance', 'Gabrielle', 'Allure'], 'Year': [1921, 2001, 2003, 2017, 1999], 'Rating': [4.2, 4.5, 4.3, 4.4, 4.1], 'Votes': [18500, 24200, 12800, 8900, 6700], 'Price_USD': [180, 150, 120, 165, 140] } df_perfumes = pd.DataFrame (perfume_data)
Финансы Chanel (2019-2024) financial_data = { 'Year': [2019, 2020, 2021, 2022, 2023, 2024], 'Revenue_Billion_USD': [12.3, 10.1, 15.6, 17.2, 19.7, 18.7], 'YoY_Growth': [8.5, -17.9, 54.5, 10.3, 14.5, -5.3] } df_finance = pd.DataFrame (financial_data)
Конкуренты 2024 competitor_data = { 'Brand': ['Chanel', 'LVMH', 'Hermès'], 'YoY_Growth': [-5.3, 1.0, 14.7] } df_competitors = pd.DataFrame (competitor_data)
print («Датасеты готовы:») print (f"Ароматы: {len (df_perfumes)} записей») print (f"Финансы: {len (df_finance)} записей») print (f"Конкуренты: {len (df_competitors)} записей»)
Общие данные в таблице pandas
df_perfumes = pd.DataFrame (perfume_data) df_finance = pd.DataFrame (financial_data) df_competitors = pd.DataFrame (competitor_data) df_regions = pd.DataFrame (regional_data)
print (df_perfumes) print (df_finance) print (df_competitors) print (df_regions)
ГРАФИК № 1 Динамика выручки Chanel
График демонстрирует V-образное восстановление после падения 2020 года (ковидный спад) и последующий устойчивый рост до 2023 года. Однако в 2024 году выручка снизилась на 5,3% — это первое падение за четыре года, что указывает на исчерпание эффекта от агрессивной ценовой политики и охлаждение спроса, особенно в Азиатско-Тихоокеанском регионе.
ГРАФИК № 2 Сравнение темпов роста Chanel с конкурентами
competitor_data = { 'Brand': ['Chanel', 'LVMH', 'Hermès'], 'YoY_Growth': [-5.3, 1.0, 14.7] } df_competitors = pd.DataFrame (competitor_data)
CHANEL_BLACK = '#000000' CHANEL_GREY = '#4A4A4A'
plt.figure (figsize=(10, 6)) colors = [CHANEL_BLACK if b == 'Chanel' else CHANEL_GREY for b in df_competitors['Brand']] bars = plt.bar (df_competitors['Brand'], df_competitors['YoY_Growth'], color=colors)
plt.axhline (y=0, color='black', linestyle='-', linewidth=1)
plt.title ('Темпы роста выручки люксовых брендов в 2024 году, %', fontweight='bold') plt.ylabel ('Годовой прирост, %')
for bar in bars: height = bar.get_height () plt.text (bar.get_x () + bar.get_width ()/2., height + 0.5, f'{height}%', ha='center')
plt.show ()
На фоне роста Hermès (+14.7%) и стагнации LVMH (+1%), Chanel показывает отрицательную динамику (-5.3%). Это подтверждает, что бренд теряет рыночную долю, уступая конкурентам, которые успешнее адаптировались к изменению потребительских предпочтений и экономической ситуации.
ГРАФИК № 3 Региональная структура продаж Chanel:
regional_data = { 'Region': ['Азия', 'Европа', 'Америка'], 'Share_Percent': [52, 28, 20] } df_regions = pd.DataFrame (regional_data)
plt.figure (figsize=(8, 8)) plt.pie (df_regions['Share_Percent'], labels=df_regions['Region'], autopct='%1.0f%%', colors=['black', '
4A4A4A', '
C5A028'], startangle=90, wedgeprops={'edgecolor': 'white', 'linewidth': 2}) plt.title ('Региональная структура продаж Chanel, 2024 г.', fontweight='bold') plt.show ()52% выручки — Азия. Высокая зависимость от одного региона. Охлаждение рынка Китая → главная причина падения продаж.
ГРАФИК № 4 Топ-5 самых популярных ароматов Chanel
perfume_data = { 'Name': ['Chanel № 5', 'Coco Mademoiselle', 'Chanel Chance', 'Gabrielle', 'Allure'], 'Year': [1921, 2001, 2003, 2017, 1999], 'Rating': [4.2, 4.5, 4.3, 4.4, 4.1], 'Votes': [18500, 24200, 12800, 8900, 6700], 'Price_USD': [180, 150, 120, 165, 140] } df_perfumes = pd.DataFrame (perfume_data)
df_sorted = df_perfumes.sort_values ('Votes', ascending=True)
CHANEL_BLACK = '#000000' CHANEL_GOLD = '#C5A028'
plt.figure (figsize=(10, 6)) bars = plt.barh (df_sorted['Name'], df_sorted['Votes'], color=CHANEL_GOLD, edgecolor=CHANEL_BLACK, linewidth=1)
plt.title ('Топ-5 самых популярных ароматов Chanel\n (по количеству голосов на Fragrantica)', fontweight='bold', fontsize=14) plt.xlabel ('Количество голосов', fontsize=12) plt.ylabel ('Аромат', fontsize=12)
for bar in bars: width = bar.get_width () plt.text (width + 200, bar.get_y () + bar.get_height ()/2, f'{int (width):, }', ha='left', va='center', fontsize=10, fontweight='bold')
for i, (idx, row) in enumerate (df_sorted.iterrows ()): plt.text (500, i, f'⭐ {row[«Rating»]}', va='center', fontsize=10, color=CHANEL_BLACK)
plt.tight_layout () plt.show ()
Coco Mademoiselle — абсолютный лидер по популярности (24 200 голосов) с самым высоким рейтингом 4.5. Chanel № 5, несмотря на культовый статус, уступает по голосам и рейтингу (4.2). Gabrielle (2017) — самый молодой аромат в топе, показывает высокий рейтинг 4.4, что говорит об успешном попадании в современные вкусы.
ИТОГИ ПРОЕКТА
Данные:
Ароматы Chanel (название, год, рейтинг, голоса, цена) — из Fragrantica
Финансы Chanel 2019-2024 — из отчетов и новостей
Конкуренты (LVMH, Hermès) — из отраслевых обзоров
Ценность: Chanel — культовый бренд, впервые за 4 года показавший падение продаж (-5,3%) на фоне роста конкурентов.
Графики:
Линейный — динамика выручки
Столбчатый — сравнение с конкурентами
Круговой — региональная структура
Горизонтальный бар-чарт — топ ароматов
Этапы работы
Обработка:
python import pandas as pd import matplotlib.pyplot as plt
financial_data = {'Year': [2019,2020,2021,2022,2023,2024], 'Revenue_Billion_USD': [12.3,10.1,15.6,17.2,19.7,18.7]} df = pd.DataFrame (financial_data) plt.plot (df['Year'], df['Revenue_Billion_USD'])
Нейросети: ChatGPT/DeepSeek — для структуры кода и выводов.
Стиль: Chanel aesthetic — черный (
000000), золотой (
C5A028), серый (#4A4A4A), строгие линии.Статистика: описательная статистика, сравнительный анализ, агрегация данных.
Общее заключение
Проект показал, что кризис Chanel в 2024 году вызван сочетанием двух факторов: агрессивной ценовой политикой, оттолкнувшей потребителей, и чрезмерной зависимостью от Азиатско-Тихоокеанского региона, где спрос охлаждается. В то время как Hermès продолжает расти, Chanel теряет рыночную долю, что ставит под сомнение эффективность текущей стратегии бренда.
Использованная модель ChatGPT (OpenAI) Ссылка: https://chat.openai.com
Цели применения
Генерация структуры проекта на портфолио
Формулировка кратких выводов по графикам
Подбор цветовой палитры в стиле Chanel
Примеры промптов
«Напиши вывод для линейного графика динамики выручки Chanel»
«Дай краткий вывод по падению продаж в 2024 году»
«Предложи цветовую гамму черный-золотой для графиков»
Все материалы проверены и адаптированы автором.
