TalkingData新零售人群洞察报告
2019新零售人群洞察报告-TalkingData
上海
Top 3人群集中区:
1、渝北区
2、九龙坡区
3、江北区
重庆
北京
杭州
Top 3人群集中区:1、朝阳区2、海淀区3、丰台区
Top 3人群集中区:1、余杭区2、江干区3、西湖区
数据来源:TalkingData ,2019年6-8月
新零售人群在晚餐时间段内最活跃,最爱OPPO和vivo手机
新零售人群的Top 10安卓移动终端品牌新零售人群的十二时辰
TalkingData新零售人群洞察报告
注 ： 观 点 及 数 据 来 源 于 Ta l k i n g D a t a 新零售人群定义
新零售行业现状和前景分析
新零售行业现状和前景分析随着科技的不断进步和消费者购物行为的变化，新零售行业迅速崛起，成为当前商业格局中的重要一环。
本文将对新零售行业的现状进行分析，并展望其前景。
一、新零售行业现状新零售是指利用互联网、大数据、人工智能等技术手段，将传统线下零售与线上商业模式相结合，提供全新的购物体验和服务。
目前新零售行业正处于快速发展阶段，具有以下几个特点：1. 技术驱动：新零售行业依托于前沿技术的推动，如物联网、云计算、人工智能等，实现了线上线下的融合和无缝连接，为消费者打造了更便捷、快速的购物方式。
2. 用户体验：新零售注重提升用户体验，通过个性化推荐、迅速响应客户需求等手段，为消费者提供更加个性化、高效的购物体验，增强了顾客黏性和忠诚度。
3. 数据驱动：新零售行业以数据为核心，通过大数据分析和运算，对用户行为、购买偏好等信息进行深度挖掘，精准把握市场趋势，为企业决策提供支持。
4. 供应链升级：新零售通过构建智能供应链，优化商品流通、仓储管理和物流配送等环节，提高了库存周转率和运作效率，降低了企业成本。
二、新零售行业前景随着消费者需求的不断升级和科技的日新月异，新零售行业有望迎来更广阔的发展前景：1. 多元化发展：新零售将延伸到更多领域，如智能家居、医疗健康、教育培训等，满足消费者多样化的需求。
同时，跨界合作也将成为发展趋势，电商平台、线下门店、供应商等将加强合作，共同打造全新商业生态。
2. 智能化服务：人工智能技术将在新零售中发挥更大作用，智能客服、语音搜索、虚拟试衣等将为消费者提供更智能化、个性化的服务。
同时，智能化也将助力企业精细化运营和管理。
3. 社交化购物：社交媒体和社交电商的结合将成为新零售的一大亮点。
消费者在社交平台上进行购物、分享购物心得，通过社交网络带动销售增长。
4. 跨境电商：全球市场的开放程度提高，跨境电商将得到快速发展。
新零售可借助跨境电商平台，拓展海外市场，拉动国内消费升级。
5. 线上线下融合：线上线下融合将更加紧密，消费者可通过线上渠道挑选商品，线下门店提供实体体验和服务。
零售业的研究报告
零售业的研究报告近年来，随着电子商务的发展和线下实体店的转型，零售业正在经历着一次全新的变革。
零售企业需要不断研究市场趋势和消费者需求，以更好地适应市场变化和实现可持续发展。
一、市场趋势1.1 无人货架的普及无人货架是指通过感应器、摄像头、声波等技术，实现自动识别、结算和支付的货架。
这种新型的销售方式已经在国内外得到广泛应用，成为零售业转型的重要手段。
据国内一项调研数据显示，截至2020年底，国内无人货架市场规模已经达到了100亿元以上，预计未来几年将保持20%以上的增长率。
1.2 智能家电销售增长迅速智能家电作为智能化发展方向之一，其销售增长也非常迅速。
近几年来，智能家电的市场份额逐渐扩大，预计到2025年，全球智能家电市场规模将达到1.1万亿元。
据一项调研数据显示，到2025年，全球智能家电的年复合增长率将达到16.56%，智能电视、智能音响、智能洗衣机、智能空气净化器等智能家电产品的销售增长速度也远高于传统家电产品。
1.3 线上与线下融合线上和线下渐行渐近，线上销售已经成为零售业的一个重要形式。
随着新零售的发展，线上和线下的边界也越来越模糊。
许多零售商纷纷将线上和线下融合，推出“网店+实体店”“无人货架+线上销售”等新型销售模式。
据一项调研数据显示，截至2020年底，我国线上与线下融合的零售市场规模已经达到8.18万亿元，预计到2025年，市场规模将超过15万亿元。
二、消费者需求2.1 更注重健康和安全在疫情爆发后，消费者对产品健康和安全的要求更高。
日化产品和食品等生活必需品更容易受到消费者的关注和追捧。
据一项调研数据显示，超过60%的消费者更注重产品的安全性和健康性，76%的消费者愿意支付更高的价格购买更安全、更健康的产品。
2.2 更加智能化和便捷的消费体验随着人们工作压力的不断增加，他们更需要一种智能化和便捷的消费体验。
现代消费者对购物体验的要求相对较高，需要快捷、简单、智能的购物体验。
2016上海迪士尼人群洞察报告
上海迪士尼人群教育类应用TOP10占比及指数
11.1%
迪士尼人群覆盖率 移动互联网整体覆盖率
3.9%
3.4%
3.2%
2.5%
2.0%
1.8%
数据周期
2016年5月-7月（试运营：2016年5月7日-6月11日、正式运营：2016年6月16日-7月17日）
概念定义
上海迪士尼人群：是指在指定时间段内位置信息出现在上海迪士尼乐园的移动设备，根据地理位置定义人群 用户覆盖率：当月安装有某个移动应用的设备数量占当月监测移动设备总数的比例 用户活跃率：当月使用过某个移动应用的设备数量占当月监测移动设备总数的比例 客流量：是TalkingData移动数据研究中心根据设备位置信息进行统计的设备量，仅给出趋势供参考 内部客流聚集指数=迪士尼自定义分区客流量/相同时间段内迪士尼整体客流量*100，用来表示分区对客流的吸引力，指数越
苹华三小 果为星米
乐魅
酷
视族
派
机型TOP10 17.9% 16.9%
11.4% 11.3%
4.2% 1.8% 1.0% 1.0% 0.9% 0.9%
荣
荣
耀
耀
6 MI 4 Mate 8
6 Plus Mate 7 iPhone 5S iPhone 6s plus iPhone 6s iPhone 6 plus iPhone 6
机版
Partner
911
873
604
神州专车 515
数据来源：TalkingData 移动数据研究中心；注：指数用TGI表示，迪士尼人群 关联应用类型指数=迪士尼人群关联应用类型占比/移动互联网整体类型占比 *100；100为标准数，高于100表示优势数据
【消费人群分析】TalkingData-电商人群洞察报告_市场营销策划2021_消费人群分析报告_p
男性相对更偏好旅游 女性注重健康美容消费
46 -55 岁
职场“老司机”
男性开始健康应用及消费 女性注重个护健康及食品
二手闲置生鲜电商全年龄段对二手闲置及生鲜电商均有较强偏好各年龄段人群画像及应用消费特征男性活跃于手游偏好汽车与智能硬件女性依赖图片摄影软件0510152520303540455020406080100120140160通讯社交金融理财网络购物移劢工具移劢视频手机游戏音乐音频图片摄影电子阅读学习教育智能硬件餐饮服务健康美容汽车服务生活服务人力资源活跃男活跃女tig男tgi女1925女性偏好海淘护肤控男性偏好生鲜高级宅女性消费者电商偏好tgi124tgi101综合电商tgi101男性消费者电商偏好tgi141生鲜电商tgi137二手闲置1925男性电商消费偏好top5外设鼠标上榜手机干蛋糕便食品鼠标饮料价值分女性电商消费偏好top5面膜电饭煲上榜手机牛奶乳面膜方便食价值分房产及育儿母婴活跃显著女性对图片摄影依赖性高0510152025303540455050100150200250活跃男活跃女tgitgi女26352635女性消费者电商偏好top1面部护肤top手机壳男性消费者top手机贴膜数据线移动电源电商偏好top1手机周边top蓝牙耳机top乳液面霜top防晒面部精华男性电商购买力偏强女性更注重面部护理01051520男性电商购买力偏强同时不排除为女性买单数据40353025土豪高级白领小白领蓝领男性偏好旅游服务女性注重健康美容与人力资源362040608010012014016018020005101520253035404550活跃男活跃女tgi男tgi女3645女性容易被电商促销所吸引男性偏好二手及票务女性对电商促销表现出更高的敏感女性消费者网购兴趣特征海外购物个护化妆鞋靴箱包tgi139tgi120tgi108tgi102男性消费者网购兴趣特征二手闲置娱乐票务生鲜电商手机数码tgi142tgi139tgi128tgi10320408060100120轻度敏感中度敏感高度敏感极度敏感整体移动互联网活跃度较低男性更注重健康462040608010012014016018020005101520253035404550活跃男活跃女tgi男tgi女4655女性更偏好小额消费消费品类整体偏好个护健康和食品20408060100120500元以内20005000元5000元以上女性网购500元以内客单价tgi指数高于男性消费者网购品类偏好男性消费者偏好品类top5女性消费者偏好品类top5剃须话费充值方便食品熟食腊
TalkingData人本数据观
TalkingData人本数据观作者：郑迪来源：《软件和集成电路》2017年第08期1916年的纽约，路边等候的人都在看报纸，但是今天越来越多的人关注的是自己的手机，地铁里、公交站边，随处可见。
这些转变使我们关注每个个体所产生的单体数据，从而组建我们庞大的数据库，而我们更关注的是从数据的搜集到处理，乃至于我们对数据的分析，建立我们的产品体系来解决一个又一个问题。
简单介绍一下我们的公司TalkingData成立于2011年，是国内领先的独立第三方移动数据服务平台。
一直致力于数据的深耕与数据价值的挖掘，从数据的采集、处理到数据的分析，再到数据的应用与咨询，形成了一套以“智能数据平台（SmartDP）”为主的完整数据应用体系。
目前，TalkingData的平均月活跃用户为7亿，为超过12万款移动应用，以及10万应用开发者提供服务，覆盖的客户主要为金融、地产、快消、零售、出行、政府等行业中的领军企业，连续三年实现业务的快速增长。
成立五年多来，TalkingData秉承“客户优先、开放坦诚、担当意识、创业精神、创新精神”的企业文化，胸怀“数据改变企业的决策方式，数据改善人类自身和环境”的愿景，本着“帮助客户转型升级为数据驱动型企业”的使命，践行着“用数据说话”的原则，逐步成长为中国大数据领域的领军企业。
在各类数据的结合上有三点是比较重要的：一、统一接口的数据源。
二、合适的数据要应用到合适的场景，保证我们解决问题的确切性。
三、我们是自主研发的核心算法，保证我们本身对于整个数据工具的可操作性。
最终我们形成了最核心的一个平台，也就是SmartDP（智能数据平台），通过SmartDP把我们的功能和服务结成一体化，切实地解决问题。
所以我们的核心产品生态是一个圈层，包含数据科学、数据管理乃至数据工程，这样才能支持我们的团队来解决实际的城市问题。
接下来看一下我们的实际案例。
我们的实际案例是根据项目需求做的一些应用场景，TalkinData有专业的咨询团队，能够根据现有的问题进行丰富的数据分析、特定数据和区域的观测，乃至多人群的行为分析，最终观测到重点人群的需求画像描述，从而解决客户问题。
TalkingData：2020年下沉市场人群洞察报告
TalkingData：2020年下沉市场人群洞察报告下沉市场人群洞察报告
近年来下沉市场凭借庞大的人口基数、不断普及的互联网覆盖和快速增长的消费需求，成为备受关注的宝藏市场，各大主流互联网公司纷纷布局下沉市场，造就诸多社会热点。
但较一二线城市而言，下沉城市的收入结构、生活方式、工作节奏、以及文化娱乐都有所不同，如何正确认识下沉市场，读懂下沉人群，成为赢得下沉之战的重要砝码。
TalkingData通过移动大数据分析和问卷调研的方式从招聘、房产、生活服务和汽车四大维度洞察下沉人群，为市场读懂下沉人群提供借鉴。
2019电商人群洞察报告-TalkingData
注 ： 观 点 及 数 据 来 源 于 Ta l k i n g D a t a 电商人群定义
01
02
人群定义 评选模型
电商人群定义：
是指统计周期内使用过电商类App的用户群体。 中国网络交易总额全球领先，近三年复合增长率达24%
数据来源：麦肯锡《2019年中国数字消费者趋势》 移动电商行业用户体量趋于饱和
丨
25 女性偏好海淘护肤控,男性偏好生鲜高级宅
女性消费者电商偏好TGI 101综合电商TGI ห้องสมุดไป่ตู้01
团购TGI 124
海淘
男性消费者电商偏好TGI 137二手闲置TGI 141生鲜电商
19
丨
25
男性电商消费偏好TOP 5 外设鼠标上榜女性电商消费偏好TOP 5 面膜、电饭煲上榜
26 房产及育儿母婴活跃显著，女性对图片摄影依赖性高
0-50082.12%89.06%88.38%88.76%
500-200013.20%8.77%9.23%8.83%
2000-5000 3.65% 1.84% 2.01% 2.02%
5000-10000 1.02%0.32%0.38%0.40%
二手闲置与生鲜电商属于全年龄段需求
0%
5%10%15%20%25%
30%35%40%土豪
高级白领
小白领
蓝领
T G I
男女
男性偏好旅游服务，女性注重健康美容与人力资源
36 丨 45 36丨45
女性容易被电商促销所吸引,男性偏好二手及票务
女性对电商促销表现出更高的敏感度
女性消费者
网购兴趣特征
海外购物个护化妆
服饰首饰鞋靴箱包
2016年上海迪士尼人群洞察报告
已婚
30.1%
48.4%
未婚
84.5% 56.0%
无车
44.0% 15.5%
有车
数据来源：TalkingData 移动数据研究中心
/ 10 /
试运营吸引较多本地游客，正式运营吸引外地游客
上海迪士尼试运营期间42.8%用户来自上海本地，正式运营之后依然有25%用户来自本地，可见江浙沪包邮区为上海 迪士尼的主要辐射区；而正式运营之后，全国各地的游客均被吸引
/ 6/
上海迪士尼园区内主题乐园吸引力最强
从上海迪士尼内部分区客流聚集指数来看，主题乐园更受人群欢迎，其次是生态园，相对来说，餐饮购物区的客流 较少，人群去迪士尼主要是体验各类游乐设施，对餐饮和购物的关注相对不高
2016年7月 上海迪士尼乐园内部客流聚集指数分析
2.51
主题乐园
1.52
1.19
0.63
上海迪士尼人群省份比例
迪士尼正式运营期间人群省份分布 数据来源：TalkingData 移动数据研究中心
上海迪士尼人群省份分布TOP10
省份
正式运营
试运营
上海
25.0%
42.8%
浙江
7.8%
10.5%
北京
7.7%
8.8%
江苏
7.0%
7.1%
安徽
3.2%
Hale Waihona Puke 1.9%天津3.2%
2.4%
广东
2.8%
1.7%
35及以下用户占比77.1%、已婚比例占七成、有 车比例高于整体、设备价位以4000元以上为主
关注旅游和出行、线下消费意愿强
关联应用指数较高的是出行和旅游类 线下消费意愿高于整体，服饰鞋帽和生活服务消费偏多
不同写字楼人群洞察-TalkingData
110000 90000 70000 50000 30000
数据来源：云房数据研究中心
图：2014-2016年商圈内二手住宅价格走势（单位：元/㎡）
国贸 中关村 望京
/ 12 /
2014年1月 2014年2月 2014年3月 2014年4月 2014年5月 2014年6月 2014年7月 2014年8月 2014年9月 2014年10月 2014年11月 2014年12月 2015年1月 2015年2月 2015年3月 2015年4月 2015年5月 2015年6月 2015年7月 2015年8月 2015年9月 2015年10月 2015年11月 2015年12月 2016年1月 2016年2月 2016年3月 2016年4月 2016年5月 2016年6月 2016年7月 2016年8月 2016年9月 2016年10月 2016年11月 2016年12月
写字楼人群属性分析
Part 02
写字楼所属商圈分析
Part 03
商圈写字楼潜力分析
/ 3/
Part 01
写字楼人群属性分析
人群属性：男性居多，中关村男性比例最高
2016年12月，对比北京不同区域写字楼人群发现，中关村地区男性偏多；相对来看，国贸和望京女性比例高于中关村
2016年12月 不同写字楼人群性别结构
汽车服务 休闲娱乐 文化教育
家用电器
2016年12月 不同写字楼人群线下消费类别tgi
美容消费
140
金融
120
餐饮
100
80
60
数码
40
美容消费 金融 金融 零售卖场
服饰鞋帽
零售卖场
箱包
休闲娱乐 餐饮
国 贸