京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据解密二手手机市场 小米与iPhone的隐形战场
那些曾名噪一时的手机,并没有因为手机更新换代而被打入“冷宫”,相反正因为网上交易的便捷而催生一个火热的二手市场。5月28日,国内最大的分类信息网站赶集网发布基于大数据的二手手机市场报告,深入挖掘赶集网上海量的交易数据,解密当前二手手机市场现状。报告显示,苹果、小米、三星共同占据二手手机市场近7成份额,小米与iPhone在二手市场展开激烈角逐。
二手市场手机量增长迅猛 三巨头占到近7成份额
赶集网报告显示,自2013年12月到今年3月份,二手市场新增手机量持续增长。虽然在今年1月份受各种节日影响,进入短期淡季,但自2、3月份开始再度迅速回升,3月份相比12月份增长达23%。
图1:每月新增手机量持续增长(数据来源:赶集网)
在市场份额方面,苹果、小米、三星合计占到占总量的67%,其中苹果系列占到33%,小米占到19%,三星占到15%。其他140多个品牌分享仅剩的33%。夕日占据手机市场主要地位的诺基亚和HTC成为明日黄花,手机量仅占二手手机市场总量的6%和4%。
图2:苹果、小米、三星三家蚕食二手手机市场
赶集网二手交易负责人表示,产品更迭对二手手机发帖量和价格的刺激较大。比如苹果推出5S后,去年12月份4S和5的交易量大增,预计在iPhone6面世之后,二手iPhone5s的交易量也会有较大增长。受红米进入市场的影响,二手小米的增速度也很快。三星及其他品牌受市场和使用用户数量的影响,一直相对稳定。
二手手机价格优势明显 红米二手价格高过新品
与新品相比,二手手机的价格更加亲民。赶集网报告显示,受新旧程度,使用时间等因素的影响,新旧苹果手机价格相差比例在11%到36%之间,三星手机最多相差73%,小米手机最多相差55%。其中二手iPhone5s价格最高,集中在4000-4500元;iPhone5在2800到3000之间;iPhone4s在1800到2000左右;iPhone4价格集中在1200-1500元。二手三星Note3价格最高,集中在3500元左右;Note2在1800到2000之间;S4在2500左右,S3则在1500左右。
图3:苹果各机型均价与新品价格对比
图4:三星各机型均价与新品价格对比
小米手机近年来异军突起,不但在众多品牌重围中杀出一片新天地,即使二手小米手机也一样火热。赶集网报告显示,二手小米手机价格集中,二手价格与新品相差较少,其中红米二手价格比新品还高100元。
图5:小米各机型均价与新品价格对比
红米的热销也让二手卖家看到了钱景。在赶集网二手市场上,红米手机量高居榜首,iPhone4s与iPhone4分列二、三位。而在赶集网用户关注度上,iPhone系列包揽前四位,红米位列第五。最受用户青睐的前五机型排名为iPhone4s、iPhone5、iPhone4、iPhone5s以及红米。
图6:赶集网上各型号手机量
图7:赶集网上用户对各型号手机的浏览量
二手有旧货更有新品 精准才能淘好货
图8:二手苹果手机新旧程度价格分布
虽说二手手机价格跟新旧程度呈正相关性,但不要以为二手市场只能淘到旧手机,很多卖家也会在赶集网出售九成新甚至全新的手机。在赶集网上,iPhone5S全新和99成新的居多,而iPhone4S 95成新较多;三星Note3全新和99成新的居多,而S3则9到95成新较多;红米全新的手机,占到红米总量的90%;M2s多为9成新以上;M2主要集中在9到95成新之间。
图9:苹果、三星、小米新旧程度分布
在用户关注时间上,不同品牌的拥趸也呈现不同的特点。想买苹果的用户,从睁开眼睛就在逛二手,可见追求很执着;想买三星的用户,也是朝九晚五,上午11点达到高峰期;想买小米的用户,集中在上午10点到下午2点来逛二手市场,中午12点达到高峰期,发帖用户注意保持节奏,随时都有可能成交。
警惕低价手机 莫贪便宜不上当
二手手机市场鱼龙混杂,而由于缺乏识别技巧,买家一不小心就会财物两空。赶集网总结了手机交易过程中的注意事项,可以为买卖双方提供有效的借鉴。
图10:赶集网防骗提示
此外,赶集网还加大对发布帖子的审核力度,力保从源头上解决虚假问题。同时,赶集网还推出快递交易,买家可先将货款交付给赶集网保管,由赶集网作为担保;当买家收到货物并表示满意后,货款才会打至卖家账户。若物品有问题、与描述不符,买家可以申请退货,而赶集网会将货款退还至买方账户。
赶集网二手频道负责人表示,除了快递交易,赶集网还进一步完善诚信体系,多维度对发帖人进行打分和点评,为用户判断信息的可信度提供有效依据,进而有效解决交易过程中的诚信问题,大为节省买卖双方的时间及沟通成本,减少交易纠纷的产生,为买卖双方营造更加有序、和谐的网上交易环境。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
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在企业数据分析中,“数据孤岛” 是制约分析深度的核心瓶颈 —— 用户数据散落在注册系统、APP 日志、客服记录中,订单数据分散 ...
2025-10-22在神经网络设计中,“隐藏层个数” 是决定模型能力的关键参数 —— 太少会导致 “欠拟合”(模型无法捕捉复杂数据规律,如用单隐 ...
2025-10-21在特征工程流程中,“单变量筛选” 是承上启下的关键步骤 —— 它通过分析单个特征与目标变量的关联强度,剔除无意义、冗余的特 ...
2025-10-21在数据分析全流程中,“数据读取” 常被误解为 “简单的文件打开”—— 双击 Excel、执行基础 SQL 查询即可完成。但对 CDA(Cert ...
2025-10-21在实际业务数据分析中,我们遇到的大多数数据并非理想的正态分布 —— 电商平台的用户消费金额(少数用户单次消费上万元,多数集 ...
2025-10-20在数字化交互中,用户的每一次操作 —— 从电商平台的 “浏览商品→加入购物车→查看评价→放弃下单”,到内容 APP 的 “点击短 ...
2025-10-20在数据分析的全流程中,“数据采集” 是最基础也最关键的环节 —— 如同烹饪前需备好新鲜食材,若采集的数据不完整、不准确或不 ...
2025-10-20在数据成为新时代“石油”的今天,几乎每个职场人都在焦虑: “为什么别人能用数据驱动决策、升职加薪,而我面对Excel表格却无从 ...
2025-10-18数据清洗是 “数据价值挖掘的前置关卡”—— 其核心目标是 “去除噪声、修正错误、规范格式”,但前提是不破坏数据的真实业务含 ...
2025-10-17在数据汇总分析中,透视表凭借灵活的字段重组能力成为核心工具,但原始透视表仅能呈现数值结果,缺乏对数据背景、异常原因或业务 ...
2025-10-17在企业管理中,“凭经验定策略” 的传统模式正逐渐失效 —— 金融机构靠 “研究员主观判断” 选股可能错失收益,电商靠 “运营拍 ...
2025-10-17在数据库日常操作中,INSERT INTO SELECT是实现 “批量数据迁移” 的核心 SQL 语句 —— 它能直接将一个表(或查询结果集)的数 ...
2025-10-16