电商消费大数据勾勒出的在线商业图景
【摘要】电商消费大数据勾勒出的在线商业图景最近几年,中国经济增速正从接近8%逐步放缓至今年预计的7%左右,并且仍面临着持续下行压力。有观点认为
电商消费大数据勾勒出的在线商业图景
最近几年,中国经济增速正从接近8%逐步放缓至今年预计的7%左右,并且仍面临着持续下行压力。有观点认为,新常态下,如果没有新的增长动力,中国很可能会跨不过“中等收入陷阱”。
于是,有论者认为,旧有的拉动经济的“三驾马车”(投资、消费、出口)应升级为“新三驾马车”。而至于“新三驾马车”到底该包括哪些内容,则是众说纷纾有观点认为,应包括城市化、大消费、人民币国际化;也有人建言,投资应升级为“新型投资”、消费升级为“新型消费”,“一带一路”也应该纳入。
值得留意的是,在关于“新三驾马车”内容的多个版本中,消费始终被提及。在经济下行压力持续的背后,消费的重要性被提到了比以往任何时候都更加重要的位次。而政府宏观经济管理部门的数据也显示:2014年,消费对中国经济增长的贡献超过了投资。最新的情形是,2015年前三季度,消费对经济增长贡献率进一步增至58.4%。
消费贡献率进一步提升,一方面和居民购买力增强有关,另一个不容忽视的因素是:“新经济”的发展,打开了新的渠道,放大了消费量级,促成了消费升级。
以互联网经济为代表的新经济,凭借业态先进、较少的流通环节,大大降低了流通成本,由此带动了消费升级。从数字上说,每年的“双11”、“黑五”等,网购金额都呈现出近乎几何级的增长;从更大的层面看,这股线上大消费热潮的背后,还伴随着全民消费习惯的转变:
比如,雾霾天来了,你可能一边吐槽一边去电商网站上搜空气净化器;随着年纪增长,你吃的零食种类在变,做的运动类型在变;家中添了宝宝后,新爸新妈们在兴奋之余,消费习惯也在悄然变化中……
这些人们有意识无意识的行为,通过淘宝等网购平台得到汇聚、结构化整合,形成有价值的大数据金矿,而在对2015年在线消费大数据的挖掘中,第一财经商业数据中心(CBNData)更是发现,往常高度依赖线下的一些传统行业和消费人群,正呈现一个明显的线上消费图景,且有在2016年继续走高的趋势。
你可能很难想象,全中国有一半的大闸蟹是通过网络卖出去的;同样更适合线下购买的白酒,在2015年上半年同比涨幅高达76%;而我们的父母比想象中更潮,他们在网上买保健品、生活用品甚至还有广场舞的装备。
本专题试图从农产品消费、老年人群体消费、酒类消费这三大非传统线上消费的维度,还原一个真实的中国在线商业图景。
一、山核桃、大闸蟹们是如何打赢网络逆袭战的?
电商烧到了中国最古老的行业
自古开门七件事,柴米油盐酱醋茶。这七件事,几乎都和“农”字有点关系。
过去,在人们的概念里,农产品都得上菜市场去买。不过最近几年,电商也烧到了农业界,在网上买农产品已经变成了很多人的“日常”:鼠标一点,无公害蔬菜最快当天就能送到家。
数据最容易说话,就拿淘宝和天猫平台来说,2011年农产品销售额为57亿元,2013年攀升至170亿元,2014年更达到了277亿元,几乎一年上一个台阶。
有意思的是,那些传统上被认为属于维持生存必需的农产品,尤其是大宗农产品,虽然市场广阔,但留给电商的空间却很小,而传统上属于第二梯队的产品,在线下吃够了渠道不足的苦头,依靠网络反而获得了大发展。
大闸蟹和山核桃就是逆袭界的代表,它们在线下或多或少都面临一些问题,全力冲刺电商后,大获成功。
消费场景的巨变背后,还有哪些不为人知的农产品电商大数据法则?
农产品销售,线上线下“两个中国”
“橘生淮南则为橘,生于淮北则为枳”,受到土地、气候等地理因素的影响,农产品在线下呈现出明显的区域分布特征。
另一方面,互联网发展的不平衡直接导致了电商发展的区域不平衡,由此形成了另一种场景下的农产品在线上销售的区域分布图。
对比后发现,农产品在线上线下的重合度非常低。只有坚果、茶叶、滋补品的线下产地与线上销地基本重合,鲜切花、苗木部分重合,其他品类的线下盛产地与线上热销地几乎没有重合。
举例来说,山核桃的线下产地主要是浙江临安,而数据显示,临安地区卖出的山核桃占据整个线上市场的47.7%,产地和销地几乎一致。而茶叶的线下主产地是福建、云南、浙江和安徽,这与线上销地也基本一致。
此外,对于山核桃和茶叶这两大线上最受欢迎的农产品,浙江人不仅爱种植,而且在网上也很爱买,可谓是农产品资源丰富且电商发达之地。
农产品销售,线上线下“两个中国”
从淘宝和天猫的农产品销售数据看,2011年以来,线上农产品的交易规模高速扩大。以2014年为例,在淘宝和天猫上,全年农产品销售额达到了277亿元。
什么样的农产品自带电商属性 在引入“电商难易度”和“商业化潜力”两个指标后,通过对不同品类农产品的经营环节的剖析,可以得到各类农产品在不同指标上的特征值。
进而再按照电商难易度和商业化潜力两个维度简单交叉,可以将不同品类的农产品归为四个大类。
总的来说,线上销售规模较大的农产品一般都易于电商且商业化潜力高,这些品类包括滋补品、坚果、茶叶、肉干果脯、干货特产和谷物冲饮等。
无论从物流、保存,还是商品自身特性等,这类商品无疑都是最易于电商的。而数据也显示,这些农产品毫无悬念地主宰了整个农产品电商市常
农产品如何利用电商平台成功逆袭?山核桃和大闸蟹就是最好的例子。
案例1:山核桃利用电商平台逆袭开心果
核桃和开心果都属于坚果类农产品,在网上这是一个热销品类。可如果再细分来看,这两大坚果在线上和线下的市场格局可谓大相径庭。
百度指数一般可反映出社会的关注度。以山核桃为例,它在百度的搜索指数长期徘徊在200到1600之间,而同期开心果的搜索指数处于1000到12000的区间,市场对开心果的整体关注率明显高于山核桃,开心果在线下传统渠道也远比山核桃成熟。
不过有意思的是,电商平台成就的反而是山核桃。
从山核桃和开心果的规模对比来看,2013年以前,山核桃在线上的销售大幅跑赢开心果,2014年的销售额仍小幅领先开心果。毫无疑问,通过对电商平台的挖掘,山核桃成功实现了逆袭。案例2:半数以上阳澄湖大闸蟹“爬上了网” 和坚果类农产品相比,水产品的电商本来有一个冷链物流的大难题。但水产品电商近年同样风生水起,原因乃是水产品电商找到了可以“逃避”冷链问题的场景。
目前在线下最热销的水产品主要就两种:蟹类和海参。前者又以大闸蟹,特别是阳澄湖大闸蟹为主。
作为大闸蟹中的“王者”,阳澄湖大闸蟹远近闻名。“秋风起,蟹儿肥”,每年6~11月,是大闸蟹的集中上市期。可每到这个时期,各种假冒的阳澄湖大闸蟹便会出现在全国各城市的市场上。
现在,这个问题一定程度被电商模式解决了。相比于传统线下渠道路径太长,信息不透明,电商平台不仅缩短了生鲜流通的路径,而且让信息变得更加透明,且尽可能杜绝了假冒,于是乎阳澄湖大闸蟹也成为各大电商平台争抢的对象。
目前阳澄湖大闸蟹每年2万吨产量中的一半,几乎都是通过网购、快递销售的,是农产品电商中做得做好的品种之一。
二、中老年人购买力不输年轻人
大爷大妈也纷纷加入“剁手党”
这些年,随着网络普及率提高、网民规模扩大,中老年人投身网络的热情也被点燃。数据显示,50岁及以上年龄段的网民比例不断增加。 线下的传统行业中,“特供”中老年人的消费品并不多,但在网上,这就完全不是问题,没有地域限制,买错也有资金安全保障,大爷大妈们便纷纷加入“剁手党”。
当然,毕竟不是容易冲动的年纪,中老年人的消费观念还是保守居多,对网购信任度也相对较低。目前网购在中老年人中的渗透率不高,2014年才达到3.86%。
但由于中国逐步老龄化,人口基数大,3.86%的渗透率背后也是个巨大的市常而且,数据显示,在不少商品的消费方面,中老年人的出手很阔绰。这背后的原因,可能是中老年人的高可支配收入和较多的闲暇时间,让他们更有实力和精力在线上购物。抑或他们不熟悉网购,价格上容易被误导……
更偏爱实用家庭用品
中老年人线上消费往往受到家庭成员的影响。中老年人退休在家,社会对他们的影响不大,他们的关注重点为家人。他们的儿孙辈接触网络多,网购熟练,从而影响他们接触网络、学习网购。 相应的,中老年人在学会网购后,也会更多地考虑为家庭购买。他们的生活重心是自己的家庭,既包括和配偶的小家,也包括和子女孙辈的大家庭。
线上消费的数据显示,中老年人购买家庭生活类产品的金额占比仅次于服饰类,排名第二,且在逐年增加。2014年底达到17.21%,比全体人群高出5%。
此外,中老年人愿意为家庭购买更好品质的产品,在购买家庭用品时舍得花钱,出手大方,其客单价始终高于全体人群。
真金白银来“养生”
关注家庭之余,中老年人也越来越关注自身。在他们关注的线上商品中,养生类商品排名居前。 谈到养生,一般人首先想到的是各种保健品。数据显示,中老年人关注购买保健品、营养品等产品,其金额占比大大高于全体人群。
这与补偿性消费心理有关:年轻时一个劲往前冲,年长了自然要补偿下自己。
但时代在前进,中老年人的消费观念也早就升级:光吃不够用,运动养生更健康。近三年来,购买运动鞋和运动服的中老年人越来越多,公园里跑步、舞剑、练太极的大爷大妈也越来越多。
不过,在中老年群体内部,不同人群的养生偏好也是有差别的:男性更爱运动,而女性则更喜欢买营养保健品。
女性明显财政能力更强,可能大多是家里管账的,无论是金额占比还是客单价,大妈们都领先一步。
但大妈们可不是好忽悠的,毕竟线下与商贩斗智斗勇了几十年,经验丰富,她们的网购技能也会在实践中提升:随着购买频率的升高和网购的逐渐普及,大妈购买保健品的客单价迅速下降,她们逐渐懂得了如何筛选更具性价比的保健品。
广场舞装备消费人均437元
中老年人关注养生,也很注重锻炼。而广场舞被不少中老年人视为锻炼、交际的方式。即便在红色预警的雾霾下,大妈们舞蹈的脚步也不曾受到阻挡。 广场舞大妈的群体可谓有着坚强意志。而就像年轻人跑步、骑行要买装备,大妈们跳舞也必须有一身像样的行头。那么问题来了:一位大妈想要跻身“舞林”,要“武装”到怎样的程度?
数据显示,要达到中老年人(51岁~70岁)舞蹈装备的平均水平,置办齐套装、舞鞋、配饰和演出服、大妈要花437元。
三、线上酒界江湖:品牌多元,女性撑起半边天
白酒细细品,啤酒大口喝。在中国,酒几乎会出现在所有宴席上,宾客们相谈甚欢,举杯畅饮,吆喝“干杯”,这被称为“酒文化”。随着电商行业兴起,酒行业也开始“触电”,出现了一个和线下不尽相同的线上酒界江湖。
白酒:高端变大众,价格更亲民
白酒的历史伴随着中华文明,比起外来的红酒和啤酒,更能抓住中国人的心。
从2010年至2014年,白酒始终在这三种酒中占据最大的市场份额。不过,在“八项规定”、限制三公消费和严禁酒驾等政策相继出台后,酒类市场受到显著影响,特别是高端白酒市常 白酒的市场销量增速从2010年的54.7%迅速跌落至2014年的4.8%。受此波及,2013年和2014年,白酒产量的年增长率也从过去的两位数骤降至6%和2%,可以看到白酒的线下市场销量由高速转入低速增长模式。
在行业深度调整的主旋律中,渠道变革的诉求尤为强烈。白酒厂商们纷纷布局电商渠道。
2014年整年,白酒电商渠道的销售额达到近19亿元。更加惊人的是,在2015年上半年,销售金额已经达到了11亿元,比去年同期增长高达76%,可见新兴的线上白酒市场正在蓬勃发展。
传统线下白酒主要是价格较高的高端白酒,销量也集中于一二线城市。然而新兴的线上白酒市场却表现出了不一样的特征: 从线上购买消费人群来看,四线城市消费者以45%的占比占绝对优势。
从每笔成交单价来看,价格亲民的白酒更有市场,单价在100~150元的白酒最受欢迎。
这是因为占据人数绝对优势的四线消费者,在产品价位、包装、浓度等方面的需求,扩宽了线上的中低端细分市场,为价格亲民的二三线白酒品牌提供了难得的市锄会。
白酒电商化后,价格敏感、注重消费体验、以家庭聚饮和送礼为主要场景的大众化消费时代已经到来。
啤酒:品牌更多元,小众受欢迎
和白酒相比,年轻人偏爱的啤酒,由于对温度、光照比较敏感,运输途中易碎,又是即饮型饮料,本是一种难以大规模电商化的产品。然而近年来中国的啤酒市场趋于饱和,在市场暗淡的大背景下,各大品牌意图挖掘新的增长点,纷纷进驻电商平台。 本是缺乏电商基因的啤酒,却在线上展现出了蓬勃的生命力。以8月份啤酒销量为例,2014年同比增长356%,2015年同期增幅为63%,均远超电商市场总增长。
纵观啤酒的线上发展状况,我们可以发现线上啤酒品牌更多元。
线上销售的啤酒品牌非常丰富,光入驻天猫的品牌就有200余种。但线上市场的集中度很低,前十大线上品牌的市场占有率仅有62%,而线下前四大啤酒品牌的市场占有率就超过70%。
丰富的品牌还带来了多样化的产品。在天猫平台上,成交活跃的啤酒品牌约150种,数量之大,远超线下。16个国家以及部分地区的产品都可以网购得到。啤酒的口味也多种多样,黑脾白脾黄脾红脾果脾生脾熟啤等应有尽有,极大地迎合了消费者个性化的消费需求。
线上白酒消费:女性越年轻越爱买白酒
传统观念中,买酒、喝酒这种事,几乎是男人的专属。然而在线上,女性的购买力也不容小觑。 目前,男性仍然是线上消费白酒的主要群体,不过女性消费者的比例也达到了43%。
此外,数据还显示,25岁以上的几个年龄层,都有约三成至五成的女性在网上买过白酒,越年轻的越爱买。
其原因可能是年轻女性随着职业化的程度变高,对饮酒文化的接受程度和消费习惯也在相应提升,对于饮用白酒的态度也更加开放。
更为重要的一点,是目前饮用白酒的诚,大多为家庭聚会和送礼,在这样一类的计划性消费中,女性扮演着重要的角色。
线上啤酒消费:女性占主力
线上白酒市场女性占据半壁江山,在线上啤酒市场,女性更是成了消费主力军。
从淘宝和天猫的销售情况来看,过去半年里,购买啤酒的女性数量显著多于男性,其中在25~35岁的网购人群中,女性的占比更是高达58%,比男性足足高了16个百分点。
最主要的原因是网购啤酒的消费场景和线上的区别。起码要等一天才能喝上啤酒,一般不是基于某种随性即时的需求,而是像白酒一样,更多的是规划性的家庭消费储备,同样掌管家庭日常消费的女性,便成了那个买酒的人。
就业培训申请领取
环球青藤
官方QQ群扫描上方二维码或点击一键加群,免费领取大礼包,加群暗号:青藤。 一键加群
数据分析师相关文章推荐
|数据分析师最新文章推荐
刷题看课 APP下载
免费直播 一键购课
代报名等人工服务
- 1 传统数据和大数据的区别
- 2 数据分析的8种方法都是哪些?
- 3 数据分析的具体流程是什么?
- 4 3大常用的数据分析工具是什么?
- 5 excel中的运算符
- 6 数据分析的作用有哪些?
- 7 电子商务需要分析哪些数据?
- 8 数据分析包括哪些内容?
- 9 数据分析的基本步骤
- 10 rdd是什么?