2018年-Talkingdata_TalkingData卧龙大数据-2016双11网购人群洞察_33页_2mb

2016年双十一网购人群洞察总结

核心内容

2016年双十一购物节在移动电商领域继续发挥重要作用，但整体活跃度较2015年有所下降。随着市场的发展，双十一已逐渐成为具有广泛影响力的消费节日，涉及电商、消费者、商家、银行、运营商、物流等多个行业。TalkingData与卧龙大数据联合发布的报告，对2016年双十一期间网购人群的性别、年龄、地域、消费偏好及设备使用情况进行了深入分析。

主要观点

1. 移动电商使用率增长放缓

• 2016年双十一当天，主流移动电商应用使用率相比前一天仅增长约2个百分点，低于2015年的5个百分点。
• 阿里系（淘宝、天猫）和京东系（京东、唯品会）的使用率增幅较大，显示其在市场中的主导地位。
• 促销活动时间战线拉长，京东和唯品会在双11前两周就开始增长。

2. 用户活跃时段分布

• 用户活跃时段主要集中在7-12时和17-21时，其中12时和20时为两个高峰。
• 相较于2015年，2016年整体用户活跃度有所下降，且在白天时段分布更加均衡。

3. 网购人群性别与年龄分布

• 女性消费占比高达69%，远高于男性（31%）。
• 25-39岁人群为网购主力，其中25-29岁占比最高（35%）。
• 35岁及以上人群比例上升，尤其是70后（“爸妈帮”）群体抢购热情高涨。

4. 网购人群地域分布

• 一线城市（如上海、北京、广州、深圳）网购比例依然较高。
• 南京、天津、西安等城市在2016年双十一期间网购人群增长显著。

5. 消费品类偏好

• 女装、内衣家居、婴童亲子、男装、零食特产为消费占比最高的品类。
• 文化教育、美妆香水、粮油调味、洗护卫生、玩具童车等品类消费比重同比增长较快。

关键信息

1. 母婴网购人群

• 消费偏好：纸尿裤、湿巾、孕妇裤、哺乳文胸、奶瓶等消耗类产品最受欢迎。
• 品牌偏好：贝亲、好奇、好孩子、十月结晶、帮宝适等品牌更受青睐。
• 地域分布：主要集中于东部沿海和长江经济带城市，如北京、上海、广州、深圳、南京、武汉、重庆、成都、苏州等。
• 设备偏好：偏好中端机型，Android设备品牌以小米、OPPO、华为、vivo、三星为主。

2. 汽车网购人群

• 消费偏好：汽车装饰贴、雨刮器、车载手机座等实用型产品最受欢迎。
• 品牌偏好：龟牌、点缤、3M等品牌更受欢迎。
• 地域分布：主要集中在一线城市及部分二线城市，如上海、北京、广州、苏州、深圳等。
• 设备偏好：偏好大屏设备，如华为Mate7、三星Galaxy Note 3等。

3. 大学生网购人群

• 消费偏好：服饰鞋品、手机套/壳、充值卡、膨化食品等为热门品类。
• 品牌偏好：优衣库、悦诗风吟、森马、良品铺子、伊蒂之屋等品牌更受欢迎。
• 地域分布：主要集中在一线城市及部分二线城市，如上海、广州、北京、成都、杭州等。
• 设备偏好：偏好中低端机型，Android设备品牌以华为、小米、三星、OPPO、vivo等为主。

数据说明

• 数据来源：TalkingData AppAnalytics、TalkingData GameAnalytics、TalkingData Ad Tracking，以及应用市场、渠道、运营商等多方数据。
• 数据周期：2015年11月11日、2016年11月11日。
• 概念定义：
  • 活跃率：使用过某个应用的设备数量 / 监测设备总数 × 100%。
  • 覆盖率：安装有某个应用的设备数量 / 监测设备总数 × 100%。
  • 使用率：活跃率 / 覆盖率。

报告机构介绍

TalkingData

• 成立于2011年，致力于用数据改变企业决策方式。
• 客户涵盖互联网企业（如Google、腾讯、滴滴出行）及传统行业巨头（如中国银联、招商银行、碧桂园）。
• 智能数据平台覆盖超过6.5亿月活跃独立智能设备，提供全方位智能数据解决方案。

卧龙大数据

• 成立于2014年6月，专注于大数据在金融领域的应用。
• 提供与风控相关的数据、技术和解决方案，服务对象包括中国银行、宜信、中诚信等顶级金融机构。
• 基于海量数据，刻画出覆盖全国超过7亿人群的大数据风险画像。

其他分析模块

• 移动观象台：提供移动互联网趋势分析，包括应用排名、数据报告、公众号排名、市场洞察、终端指数、人迹地图等模块。
• 风控解决方案：提供贷前、贷后及失联催收等全流程风控服务，结合互联网数据与传统征信数据，提升风控效率与精准度。

总结

2016年双十一购物节呈现出用户活跃度下降、消费品类多样化、地域分布更广、设备偏好差异明显等特点。女性用户仍为消费主力，25-39岁人群表现尤为突出。不同细分人群（母婴、汽车、大学生）在消费偏好、设备使用和地域分布上存在显著差异，反映出消费市场的细分趋势。TalkingData和卧龙大数据通过大数据分析，为电商、金融等行业提供了精准的市场洞察与风控支持。