2017年-数据局_TalkingData：2016年双旦热点分析_29页_2mb

2016年双旦热点分析总结

核心内容

本报告由TalkingData移动数据研究中心发布，分析了2016年双旦期间（12月25日-1月4日）中国部分城市人群的线上线下行为特征、消费偏好及设备使用情况。报告涵盖了北京、上海、广州等主要城市的休闲度假场所及周边消费情况，并结合TGI指数对不同人群类型和城市进行了深入比较。

主要观点

1. 双旦期间APP使用率变化

• 休闲度假相关APP使用率：航空服务和旅游服务类应用使用率较低，而门票/影票类应用使用率增幅明显。
• 线上线下行为关联性：双旦期间，休闲度假类APP使用率与线下休闲度假场所的客流趋势基本一致，显示出线上行为与线下活动的强关联性。

2. 双旦人群特征

• 性别分布：双旦人群男性占比略高于互联网人群，为54.38%。
• 年龄分布：26-35岁年龄段人群占比最高，达52.2%，明显高于互联网人群的35.9%。
• 设备偏好：双旦人群更倾向于使用中高端机和高端机，且偏好大屏设备（5.1英寸以上）。

3. 应用偏好

• 双旦人群应用偏好：在网络购物、金融、出行、旅游、生活、汽车、健康美容和房产类应用上表现较为活跃。
• 不同类型人群偏好差异：
  • 度假娱乐型人群：更偏好教育、游戏类应用。
  • 休闲生活型人群：更偏好生活、出行、房产类应用。

4. 消费偏好

• 双旦人群消费偏好：整体消费意愿高于互联网人群，尤其偏好服饰鞋帽、餐饮、生活服务、珠宝手表、箱包、化妆品、数码等。
• 不同城市消费偏好：
  • 北京：偏好丽人、金融及零售卖场消费。
  • 上海：偏好休闲娱乐和生活服务类消费。
  • 广州：偏好家用电器、箱包、化妆品等消费。

关键信息

1. 热门消费地分布

• 北京：蓝色港湾、八达岭长城、古北水镇等区域的消费热点集中在中关村、五道口、国贸、西单等地。
• 上海：外滩、迪士尼、欢乐谷等区域的消费热点集中在南京路、徐家汇、人民公园等地。
• 广州：二沙岛、长隆等区域的消费热点集中在天河城、花城大道、正佳广场等地。

2. 双旦期间热门娱乐活动

• 正餐偏好：火锅、自助餐、西餐、香锅/烤鱼、日韩菜、川菜。
• 非正餐偏好：小吃、蛋糕/甜品/饮品、快餐。
• 娱乐偏好：KTV、桑拿/洗浴/汗蒸、足疗/按摩、游艺厅/棋牌室等。

3. 高峰时段与拥堵路段

• 北京：
  • 去程：9:45-12:35，返程：9:45-11:50 和 14:05-18:20。
  • 拥堵路段：大广高速（天宫院）、北五环（顾家庄桥）、京哈高速辅路（五方桥）等。
• 上海：
  • 去程：9:40-19:00 和 20:00-22:20，返程：14:10-18:45。
  • 拥堵路段：南北高架路（中环立交）、沪蓉高速（真北立交）、外环高速（漕宝立交）等。
• 广州：
  • 去程：9:50-23:45，返程：14:05-21:45。
  • 拥堵路段：内环路（人民桥）、体育西路辅路、华南快速路（春岗立交）等。

4. 不同类型人群行为差异

• 度假娱乐型人群：
  • 更加年轻，女性占比更高（46.01%）。
  • 更偏好苹果、vivo、OPPO、联想等品牌设备。
  • 在上海迪士尼、广州长隆等场所表现出更强的活跃度。
• 休闲生活型人群：
  • 偏好索尼、三星、华为、乐视、小米、魅族等品牌设备。
  • 更多集中在北京蓝色港湾、上海外滩、广州二沙岛等场所。

数据来源与方法

• 数据来源：
  • TalkingData数据中心数据来自AppAnalytics、GameAnalytics、Ad Tracking等。
  • 合作伙伴包括美团点评、桔子酒店、百度地图等。
• 数据周期：2016年12月19日-2017年1月4日。
• 概念定义：
  • 使用率 = 活跃率 / 覆盖率 × 100%。
  • 双旦人群分类：
    • 休闲生活型：北京蓝色港湾、上海外滩、广州二沙岛。
    • 度假娱乐型：北京八达岭长城、古北水镇，上海迪士尼、欢乐谷，广州长隆。

附加信息

• 百度地图：作为国内最大的出行平台，拥有超过5亿用户，市场份额达70%。
• 美团点评：覆盖全国2800多个市县区，用户近6亿，日订单量突破1300万单。
• 桔子水晶酒店：国内知名设计师酒店集团，运营约130家中高端酒店，覆盖全国40多个大中城市。
• TalkingData：致力于用数据改善企业决策，拥有全球多个分支机构，客户包括Google、腾讯、滴滴出行、中国银联、招商银行等。

报告价值

• 市场洞察：通过分析双旦期间的消费行为、设备使用和应用偏好，揭示了用户在节日期间的消费趋势和行为特征。
• 数据支持：报告提供了详尽的数据分析和可视化图表，便于企业进行精准营销和战略调整。
• 区域对比：通过不同城市人群行为和消费数据的对比，帮助企业了解地域性消费差异。