京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据告诉你 中国消费者境外消费首选地是韩国
据说——刚刚过去的双节,我们的消费者大都去了日本,而且去买马桶盖去了,真是这样的吗?
答案已经为你揭晓——10月15日,在2015中国(四川)电子商务发展峰会,四川电子商务大数据中心负责人、成都映潮科技有限公司总经理吴超发表了主题演讲,用大数据告诉你真相。
在线旅游、餐饮代表未来电子商务新的机会点
首先,通过大数据分析发现,全国7个大区网络零售额的平均增幅中,以西南、华中、西北分列第一、第二、第三的平均增幅,已超过了传统发达地区。
与区域协同发展相对应的是行业的发展。把电子商务的零售行业简单分成实物型、服务型电商两种,与去年相比,2015年在实物型零售保持35.12%增速的情况下,服务型零售居然高达43.31%的增速。行业内部究竟发生了什么事?
据了解,传统的实物型零售行业分为13个子行业,其中占比最高的3个行业是耳熟能详的服务鞋包、3C数码和家装家饰。但从新的增长率排名来看,排序发生了很大的变化,其中增幅最快是家装家饰,排名第一,排名二、三的分别是母婴用品、运动户外。而增长最慢的三个行业则分别是服装鞋包、书籍音像、珠宝配饰。
同样波涛汹涌的还有服务型零售业。
服务型零售分为在线旅游、在线餐饮、游戏话费、生活服务和休闲娱乐和其他。大数据分析显示,其中,占比最高的是在线旅游、在线餐饮和游戏话费,而排名第一的在线旅游,已经跟服装的占比等相差无几了。再从占比切换到增速的排序,可以发现,服务型零售增速排名第一的是在线餐饮,增长48.26%;排名第二的是在线旅游,增长47.83%。
“这几个行业的增速都超过了40%,说明互联网+在服务领域的渗透,它代表着未来电子商务发展的一个新的机会点,它代表着我们产业升级的下一个机会点。”吴超坦言。
境外消费额增幅达48.51%,呈爆炸性增长
当然上述分析只是一个铺垫,进一步揭露真相还得再来详细说说消费。
数据分析显示,2014年,我国居民消费市场总额是19.74万亿,同比2013年增长10.19%,而到了2015年居民消费额将达到22.62万亿,同比增幅达到14.56%。“两者一比较,我们发现我们的消费市场并不像一些报道说的那样,是在滞胀甚至是萎缩的,我们不光是在增长,还在加速增长,我们要看到信心。”但另外一组有意思的数据,却让吴超看到了担忧——
全国居民消费额同比增幅是14.56%,保持稳健增长;网络零售额增幅是36.89%,保持高速增长;居民境外消费额的增幅是48.51%,呈爆炸性增长。
“客观地说看到这个数字,我们也发现目前的消费外流的情况是非常明显的,为什么会发生这样的情况?”但吴超不明白的是,究竟我们中国的消费者他们去哪儿了?他们到底去买什么了?
45.51%中国消费者第一目的地是韩国
难道真是去日本买马桶盖了?答案是否定的。
吴超介绍,通过大数据分析表明,中国消费者的第一消费目的地是韩国,占比高达45.51%。第二目的地是香港,占比22.94%,第三是日本,占比20.91%。
“消费者去日本干什么了?我专门分析了一下相关数据。去日本首选购物的第一类商品是化妆品,第二是女性用品,第三是保温杯。”吴超说,对之前马桶盖的问题,他们也专门做了分析,实际上马桶盖只占中国消费者在日本消费的0.8%,微不足道。
事实上,通过数据可以看到消费者去境外购物,购买的前三的商品是母婴用品、服装鞋包,还有美容护理产品、化妆品。
“我们知道了消费者去哪儿,知道了消费者买什么,就是想知道消费者真正的诉求是什么。”吴超介绍,基于这样的问题,他们分析了大量的数据也作了调研,最后发现中国消费者在境外购物的核心诉求是品牌、设计、价格还有质量。
“所以,实际上我想我们不用担心TPP,因为我们中国的消费市场就是一个高速增长的市场,我们也不用担心消费者境外消费,实际上我们要做的事很简单,就是把我们的质量、价格还有我们的设计,最后跟我们的品牌整合到一起,升级成为一件事——中国质造。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在 MySQL 实际应用中,“频繁写入同一表” 是常见场景 —— 如实时日志存储(用户操作日志、系统运行日志)、高频交易记录(支付 ...
2025-10-30为帮助教育工作者、研究者科学分析 “班级规模” 与 “平均成绩” 的关联关系,我将从相关系数的核心定义与类型切入,详解 “数 ...
2025-10-30对 CDA(Certified Data Analyst)数据分析师而言,“相关系数” 不是简单的数字计算,而是 “从业务问题出发,量化变量间关联强 ...
2025-10-30在构建前向神经网络(Feedforward Neural Network,简称 FNN)时,“隐藏层数目设多少?每个隐藏层该放多少个神经元?” 是每个 ...
2025-10-29这个问题切中了 Excel 用户的常见困惑 —— 将 “数据可视化工具” 与 “数据挖掘算法” 的功能边界混淆。核心结论是:Excel 透 ...
2025-10-29在 CDA(Certified Data Analyst)数据分析师的工作中,“多组数据差异验证” 是高频需求 —— 例如 “3 家门店的销售额是否有显 ...
2025-10-29在数据分析中,“正态分布” 是许多统计方法(如 t 检验、方差分析、线性回归)的核心假设 —— 数据符合正态分布时,统计检验的 ...
2025-10-28箱线图(Box Plot)作为展示数据分布的核心统计图表,能直观呈现数据的中位数、四分位数、离散程度与异常值,是质量控制、实验分 ...
2025-10-28在 CDA(Certified Data Analyst)数据分析师的工作中,“分类变量关联分析” 是高频需求 —— 例如 “用户性别是否影响支付方式 ...
2025-10-28在数据可视化领域,单一图表往往难以承载多维度信息 —— 力导向图擅长展现节点间的关联结构与空间分布,却无法直观呈现 “流量 ...
2025-10-27这个问题问到了 Tableau 中两个核心行级函数的经典组合,理解它能帮你快速实现 “相对位置占比” 的分析需求。“index ()/size ( ...
2025-10-27对 CDA(Certified Data Analyst)数据分析师而言,“假设检验” 绝非 “套用统计公式的机械操作”,而是 “将模糊的业务猜想转 ...
2025-10-27在数字化运营中,“凭感觉做决策” 早已成为过去式 —— 运营指标作为业务增长的 “晴雨表” 与 “导航仪”,直接决定了运营动作 ...
2025-10-24在卷积神经网络(CNN)的训练中,“卷积层(Conv)后是否添加归一化(如 BN、LN)和激活函数(如 ReLU、GELU)” 是每个开发者都 ...
2025-10-24在数据决策链条中,“统计分析” 是挖掘数据规律的核心,“可视化” 是呈现规律的桥梁 ——CDA(Certified Data Analyst)数据分 ...
2025-10-24在 “神经网络与卡尔曼滤波融合” 的理论基础上,Python 凭借其丰富的科学计算库(NumPy、FilterPy)、深度学习框架(PyTorch、T ...
2025-10-23在工业控制、自动驾驶、机器人导航、气象预测等领域,“状态估计” 是核心任务 —— 即从含噪声的观测数据中,精准推断系统的真 ...
2025-10-23在数据分析全流程中,“数据清洗” 恰似烹饪前的食材处理:若食材(数据)腐烂变质、混杂异物(脏数据),即便拥有精湛的烹饪技 ...
2025-10-23在人工智能领域,“大模型” 已成为近年来的热点标签:从参数超 1750 亿的 GPT-3,到万亿级参数的 PaLM,再到多模态大模型 GPT-4 ...
2025-10-22在 MySQL 数据库的日常运维与开发中,“更新数据是否会影响读数据” 是一个高频疑问。这个问题的答案并非简单的 “是” 或 “否 ...
2025-10-22