2019金融人群人群洞察报告-TalkingData
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
2019“银发人群”洞察
8.7%
-1.5%
5.6%
银发人群日均使用时长（小时）
7.1%
14.2%
18.2%
环比增速情况
12.2%
-10.7%
-15.6%
0.7%
-1.5%
12.4%
4.3
5.1
4.5
5.1
4.3
4.3
4.3
4.8
3.1
3.4
3.3
3.5
3.8
201807 201808 201809 201810 201811 201812 201901 201902 201903 201904 201905 201906 201907
中国“银发人群”移动端用户规模
“银发人群”移动端用户规模（千万）
9.5
10.2
10.3
10.3
9.7
9.8
9.9
8.9
8.2
7.1 6.3
5.4 4.8
201807 201808 201809 201810 201811 201812 201901 201902 201903 201904 201905 201906 201907
Source：MobTech，2018.7-2019.7
5
“银发人群”城市等级分布
二线城市及以上的银发人群占比超过半数，这部分人群在移动互联网的用户行为更为活跃，表现 出更为强烈的用户偏好属性
中“国银社发会人6群0岁”及城以市上等人级口分数布量和占比
25.0% 20.0% 15.0% 10.0%
5.0%
“银发人群”性别分布情况
“银发人群”职业分布情况（TGI）
TGI 57
揭秘TalkingData 大数据生态
揭秘TalkingData 大数据生态TalkingData是一家专注于大数据的科技公司，致力于为各行业提供数据分析、技术服务、广告营销等解决方案，构建全球领先的大数据生态系统。
在这个数字化战争的时代，大数据的作用愈发明显，而要说到大数据，TalkingData无疑是一个不可忽视的角色。
本文将从以下几个方面揭秘TalkingData大数据生态。
一、TalkingData数据特点TalkingData 数据特点主要是基于大规模的用户数据采集，使用多维度的用户行为特征进行数据分析，并集成多个数据源输出业务数据支持等功能，最终实现全面深度的数据分析，为全行业的企业提供数据支持。
二、TalkingData数据采集TalkingData数据采集主要有三种方式：SDK集成、API接口、数据完成。
SDK集成是最主要的一种方式，公司各个业务线都有对应的SDK提供对外接口进行数据采集，从而获取数据；API接口是指通过对外提供开放的API来进行数据采集，目前主要用于PC端数据采集和用户行为数据采集，目前比较受欢迎的是Hadoop技术；数据完成是集成社交数据来源，完善数据来源，这类数据都是需要权限授权的。
三、TalkingData数据分析平台TalkingData数据分析平台主要分为十大模块，包括数据管理模块、实时数据分析模块、离线数据分析模块、行为分析模块、用户画像模块、AB测试模块、推荐模块、信息模块、拉橙模块和公众号模块。
数据管理模块主要是数据采集、处理和存储；实时数据分析模块可以分析大数据流，而不用担心系统崩溃；离线数据分析模块可以对离线数据进行分析处理；行为分析模块具有自动化平台的技术支持，可以基于之前的行为数据进行分析和预测；用户画像模块能够对不同的用户群体进行分类和画像；AB测试模块可以对不同的测试方式进行对比；推荐模块是通过对用户的历史行为进行分析推荐；信息模块可以为用户提供信息的收集和处理；拉橙模块则是集成第三方橙蜜的数据，同时提供精准的广告服务，最后是公众号模块，通过微信公众号进行数据分析。
她经济：中国女性消费“掘金潮”来临
她经济：中国女性消费“掘金潮”来临2015年，阿里巴巴创始人马云曾对女性消费做了一个判断：“女性在未来的世界，将会真正成为主宰。
没有女性就不可能有阿里巴巴，抓住了女性就抓住了消费。
”一年后的三八妇女节，针对女性消费者的“造节”促销“3.8女王节”，从淘宝正式迁移到天猫，从此开启了继双十一和双十二后的又一场消费狂欢，而同在这个硝烟弥漫的战场上还有京东 “蝴蝶节”、苏宁“闺蜜节”、亚马逊“女人节”……中国女性强劲而持续的消费实力，成为各大电商与零售争夺的“战略重地”。
中国的“她经济”到底有多大？波士顿咨询公司（BCG）消费者洞察曾对女性消费趋势进行的分析发现，中国女性主导了家庭消费中的62%，这一比例远远领先于世界其他主要消费市场。
按此计算，中国女性消费市场整体规模在2015年就已达到2.6万亿美元，比日本全国消费总量的2.4万亿美元还要大。
（如图1）国泰君安研究报告数据表示，2018年中国近75%的家庭消费决策由女性主导。
预计2019年，女性市场规模将达到4.5万亿美元。
而在消费动机方面，BCG对全球主要经济体女性消费者的调查发现，中国女性在“我觉得我拥有的东西不足够，仍需要买新的东西”这一问题上认同度最高，比排在第二位的德国高出10%。
研究也发现，现代女性乐于通过购物获得满足感，高达72%的中国女性被访者表示“有能力买新东西使我感到很快乐”，比例高于其他主要消费市场。
可见，“她经济”作为未来消费行业持续增长引擎的地位将难以撼动。
随着女性的消费意识觉醒，未来增长空间将十分广阔。
10050家庭消费占比，%图1 中国家庭消费决策超六成由女性主导来源：BCG2015全球消费者信心调查282921211212213214215216217 0%5%25%10203040图2 2008-2017年中国社会消费品零售总额及增速（非累计）社会消费品零售总额（万亿元）社会消费品零售总额增长率GDP增长率来源：第一财经商业数据中心、国家统计局文｜李莹亮March 2019互联网消费生态全面形成，年轻女性引领消费革命第一财经针对年轻消费力的《2018中国互联网消费生态大数据报告》指出，随着中国中等收入群体的不断扩容，巨大的消费升级需求将继续释放。
下沉市场人群洞察报告
1下沉市场 价值几何——下沉市场人群洞察报告1下沉市场行业现状洞察1.1下沉市场潜力分析1.2下沉市场互联网玩家分析39.39.39.49.49.49.3201320142015201620172018下沉城市总人口 (亿人)2013年来，国内坚持推进城镇化，在发展城市群和都市圈重点方向引导下，进一步优化资源的分配，形成非下沉城市与下沉城市差异化发展之路，下沉城市人口流动趋势平稳。
9.3亿人截止2018年，国内下沉城市的人口总规模达到9.3亿人。
下沉城市非下沉城市国内人口分布（按城市）近年来，下沉市场成为社会热点。
“下沉”意指市场覆盖更加广阔、更具深度，能够深入一线、二线等城市之外的发展空间。
下沉市场拥有全国近七成的人口，潜力巨大。
66.6%2018年，国内66.6%的人口生活在下沉城市（三线、四线、五线）。
73.876.075.377.783.991.3201320142015201620172018下沉城市手机普及率 (部/百人)2013年来以智能手机为代表的移动终端逐渐走进千家万户，随着移动互联网的广泛普及和应用，包括下沉城市在内的广大消费者享受到互联网带来的改变。
91.3部/百人截止2018年，国内下沉城市的手机普及率上升至91.3部/百人。
国内手机用户分布（按城市）下沉城市手机用户规模在全国占比54.1%，说明下沉市场具备较好的互联网发展环境，而且相比人口份额（占全国总人口66.6%），下沉市场仍旧存在较大增量潜力。
54.1%2018年，国内下沉城市手机用户占全国手机用户总数54.1%.下沉城市非下沉城市45.1%44.5%44.7%44.6%44.1%43.6%105799.62013120001.82014134138.62015148509.12016162928.72017171865.32018下沉城市社会消费品零售总额 (亿元)下沉城市消费力呈现逐年提升的发展趋势，十几万社会消费品零售总额表明下沉市场消费空间巨大，不仅发挥出经济增长主要引擎的作用，而且对于推动消费升级意义重大。
2019汽车人群洞察-TalkingData
50010001500200025003000
35002010201120122013201420152016201720182010-2018年汽车销量及增速
总销量(万)乘用车销量(万)商用车销量(万)
新能源汽车销量(万)
总产量增速
数据来源:中国汽车工业协会
2018年库存预警指数创新高,车企经营压力大
67%
52%
52%
55%
54%
59%
54%
52%
59%
67%
75%
66%
40%
45%50%55%60%65%
70%75%80%1月2月3月4月5月6月7月8月9月10月11月12月
2017-2019年汽车库存预警指数
2019年
2018年
2017年
数据来源:中国汽车流通协会
汽车保有量增长空间依然可观,中国仍为增量市场
网络购物
金融理财
图片摄影
移动视频
移动工具
手机游戏
音乐音频
应用分发
电子阅读
出行服务
学习教育
旅游服务
健康美容
新闻资讯
餐饮服务
智能硬件
人力资源
生活服务
汽车服务
快递物流
移动医疗
房产服务
育儿母婴
新零售
App 行为分析
覆盖率
活跃率
TGI
智能手机占比: 47%
特征解读-近期出入过汽车销售场所的一线和新一线无车中老年用户
200500-700
>1500FCV 销量(万辆)0.55100NEV 占比(%)
6-7%
15-20%
>40%
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。
揭秘TalkingData 大数据生态
揭秘TalkingData 大数据生态随着科技的日新月异，大数据已经成为了社会发展的一个热门话题。
TalkingData以其独到的大数据技术和强大的算法系统，成为了大数据生态的佼佼者。
对于TalkingData的大数据生态，我们可以从以下几个方面来揭秘。
首先，TalkingData的数据来源十分广泛，涉及到了多个领域。
其数据来源包括了APP、移动互联网、电商、金融、物流等多个领域，能够帮助企业从多个角度进行精细化的业务分析和数据挖掘。
这一点也是TalkingData所独有的，相比于其他的大数据公司，TalkingData的数据参考面更加广泛，数据稳定性也更高。
其次，TalkingData的大数据技术十分强大。
TalkingData拥有一支高水平的技术团队，并且在技术研究和算法创新上下了一定的功夫。
TalkingData的技术之所以强大，是因为其团队对于数据算法的应用能力十分熟练。
在大数据处理过程中，TalkingData采用的是数据分析、数据挖掘、人工智能等多种技术手段，能够将数据分析和处理得更加准确和精细。
同时，TalkingData也拥有自己的数据平台，能够让数据挖掘和处理的过程变得更加高效和快速。
最后，TalkingData实现了自己的商业模式。
TalkingData自主研发的数据产品包括了移动统计分析、营销推广、大数据运营、AI推荐等多种类型。
这些数据产品可供企业用户和开发者使用，包括了数据分析、营销策略、用户画像、推荐系统等多个方面。
同时，TalkingData也积极开拓与其他企业的合作，为商业客户提供更加精准的服务。
综上所述，TalkingData作为领先的大数据公司已经构建了自己的完整大数据生态。
无论是数据来源上，还是数据技术上，都能够保持自己的优势。
未来，TalkingData将继续发扬其大数据技术的优势，为不同行业的客户提供更加优质的服务。
除去以上三个方面，TalkingData的大数据生态还有以下几个值得注意的点。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
第二篇： 金融族群 无监督机器学习
第二篇采用无监督机器学习对十亿多 行为特征依照标签分值进行聚类, 从 而形成了依照用户的近似行为特征而 划分的族群, 由于篇幅限制, 本报告 展示聚合而成的十个族群。(以安卓 设备为主)
金融从业者-北京 VS 上海
已婚对比
TOP5手机品牌
北京
42.55%
上海
41.36%
• 该族群疑似羊毛党或是机器人; • 从24小时活跃的应用排名中看到, 几乎都是金
融借贷类的App, 另外, 从他们的App使用习惯 而运算得到的年龄, 已婚, 性别等特征也不合 乎社会学逻辑.
城市TOP10
占比
徐州市 宿迁市 深圳市
4.65%
100%
3.28%
2.21%
80%
北京市
2.21%
60%
160
140 120
• 他们广泛且高频率的使用各种常见的数据工具
100 80
管理自己的工作和生活;
60 40
• 他们对于新闻资讯/人力资源/新零售类App的
20
0
TGI更高, 表明他们比其它族群更加关注此类信
息.
App行为分析
覆盖率
活跃率
TGI
120
100
80
60
40
20
0
金融人群侧写-#2数字内容的沉溺者
金融人群众生相
十亿个特征 十个族群
金融人群, 十大聚类族群的城市分布
#0 疑似 羊毛党 /机器人
#1 畅享数字
生活的 小白领
#2 数字 内容的 沉溺者
#3 为生活 奔波的 平凡人
#4 老年的 视频内容 消费者
#5 退休前 的职场 奋斗者
#6 年少与 年老的品质 生活追逐者
#7 数字化 生活的 核心力量
#8 年轻 爱消费的 贷款用户
#9 完成财富
积累的 老年人
金融人群侧写-#0 疑似羊毛党/机器人
#0
女性, 1.07%
男性, 98.93%
百分比
TGI
50%
500
40%
400
30%
300
20%
200
10%
100
0%
0
18-24岁 25-29岁 30-34岁 35-39岁 40-44岁 45-49岁 50岁+
TalkingData金融人群洞察报告
——暨金融人群最具投放价值媒体奖揭晓 Best Media For Target Audiences
TalkingData
互联网金融用户增速放缓，政策管控趋紧推动市场规范化发展
18,000 16,000 14,000 12,000 10,000
8,000 6,000 4,000 2,000
新零售 育儿母婴
App行为分析
覆盖率
活跃率
TGI
250
200
150
100
50
0
金融人群侧写-#1畅享数字生活的小白领
#1
女性, 20.23%
男性, 79.77
%
百分比
TGI
40%
30%
20%
10%
0%
24小时 活跃应用排名
1
微信
100%
2
80%
3
支付宝
4
手机淘宝
60%
5
抖音短视频
40%
6
QQ浏览器
公募基金, 4% 国债/债券, 4%
银行存款储蓄, 17%
其他, 6% P2P, 8%
货币基金, 17%
保险, 8%
银行理财,
股票, 10%
13%
数据来源：BGC《全球数字理财管理报告2018》
钱包正在”智能手机化”
实体卡
现金
钱包
电子理财
扫码支付
电子购物
TalkingData通过智能手机行为“数说金融”
年龄对比
0% 18-24岁 25-29岁 30-34岁 35-39岁 40-44岁 45-49岁
50岁+
苹果，56%
北京
上海 50%
TGI指数 100%
80% 60% 40% 20%
0%
北京
上海
100% 80% 60% 40% 20% 0%
北京
上海
华为, 17% OPPO, 小米, 荣耀,
6% 5% 5% 苹果，51%
0
2014.12
2015.6
互联网金融用户*规模（万）、使用率及增长率
2015.12
2016.6
2016.12
用户规模
使用率
2017.6 增长率
2017.12
2018.6
2018.12
35% 30% 25% 20% 15% 10% 5% 0% -5% -10% -15%
数据来源：CNNIC
注：互联网金融用户，指通过互联网管理理财产品，以期获取一定利益的人群，此处不包括网络支付用户。
20%
7搜狗输入法8手机0%9快手
10
拼多多
通讯社交 网络购物 移动工具 移动视频 音乐音频 应用分发 图片摄影 手机游戏 出行服务 新闻资讯 电子阅读 餐饮服务 人力资源 旅游服务 生活服务 学习教育 智能硬件 汽车服务 健康美容 快递物流 育儿母婴 房产服务 移动医疗
新零售
180
• 该族群较为均匀的分布在一线以外的城市;
TalkingData自有数据源 金融行为活跃
本部分使用了TalkingData自有的数据 源, 采用约1亿个金融行为活跃的设备 数据, 每个设备拥有数十个标签, 形成 了超过十亿的行为特征;
第一篇： 金融从业者-北京 VS 上海
第一篇研究的是北京和上海两地核心 金融区域为工作地的用户的特征, 北 京主要研究的是金融街区域, 上海主 要研究的是外滩区域；
中国理财产品线上渗透率国际领先，银行、货币基金为资金主要流向
美国、中国、新加坡、英国理财产品线上渗透率
美国
中国
40.7%
34.6%
新加坡
27.9%
英国
24.9%
中国互联网理财用户可投资资产主要投资去向
私募股权和风险 私募证券基金,
投资, 2%
2%
其他固定收益类
信托,
产品, 3%
3%
海外投资, 2%
覆盖率
活跃率
TGI
覆盖率
活跃率
TGI
小米, 华为, 14% 7%
OPPO, 5% 荣耀, 5%
800 600 400 200 0
800 600 400 200 0
金融从业者-北京 VS 上海
北京
年轻从业者更多 房产服务的覆盖率和TGI 更高
上海
资深从业者更多 新零售的覆盖率和TGI 更高
共性
iPhone/华为是标配 基础种类App行为基本 一致
#2
女性, 38.05%
40%
30%
男
20%
性,
10%
61.9
0%
5%
百分比
TGI
24小时 活跃应用排名
1
微信
100%
2
80%
3
迷你世界
4
抖音短视频
60%
上海市
2.09%
40%
广州市
2.01%
东莞市
1.74%
20%
连云港市
1.53%
0%
重庆市
1.51%
成都市
1.39%
通讯社交 金融理财 网络购物 移动工具 移动视频 图片摄影 应用分发 出行服务 音乐音频 健康美容 智能硬件 电子阅读 手机游戏 旅游服务 新闻资讯 生活服务 餐饮服务 学习教育 人力资源 房产服务 快递物流 移动医疗