
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
R 语言:数据科学与科研领域的核心工具及优势解析 一、引言 在数据驱动决策的时代,无论是科研人员验证实验假设(如前文中的 T ...
2025-09-08T 检验在假设检验中的应用与实践 一、引言 在科研数据分析、医学实验验证、经济指标对比等领域,常常需要判断 “样本间的差异是 ...
2025-09-08在商业竞争日益激烈的当下,“用数据说话” 已从企业的 “加分项” 变为 “生存必需”。然而,零散的数据分析无法持续为业务赋能 ...
2025-09-08随机森林算法的核心特点:原理、优势与应用解析 在机器学习领域,随机森林(Random Forest)作为集成学习(Ensemble Learning) ...
2025-09-05Excel 区域名定义:从基础到进阶的高效应用指南 在 Excel 数据处理中,频繁引用单元格区域(如A2:A100、B3:D20)不仅容易出错, ...
2025-09-05CDA 数据分析师:以六大分析方法构建数据驱动业务的核心能力 在数据驱动决策成为企业共识的当下,CDA(Certified Data Analyst) ...
2025-09-05SQL 日期截取:从基础方法到业务实战的全维度解析 在数据处理与业务分析中,日期数据是连接 “业务行为” 与 “时间维度” 的核 ...
2025-09-04在卷积神经网络(CNN)的发展历程中,解决 “梯度消失”“特征复用不足”“模型参数冗余” 一直是核心命题。2017 年提出的密集连 ...
2025-09-04CDA 数据分析师:驾驭数据范式,释放数据价值 在数字化转型浪潮席卷全球的当下,数据已成为企业核心生产要素。而 CDA(Certified ...
2025-09-04K-Means 聚类:无监督学习中数据分群的核心算法 在数据分析领域,当我们面对海量无标签数据(如用户行为记录、商品属性数据、图 ...
2025-09-03特征值、特征向量与主成分:数据降维背后的线性代数逻辑 在机器学习、数据分析与信号处理领域,“降维” 是破解高维数据复杂性的 ...
2025-09-03CDA 数据分析师与数据分析:解锁数据价值的关键 在数字经济高速发展的今天,数据已成为企业核心资产与社会发展的重要驱动力。无 ...
2025-09-03解析 loss.backward ():深度学习中梯度汇总与同步的自动触发核心 在深度学习模型训练流程中,loss.backward()是连接 “前向计算 ...
2025-09-02要解答 “画 K-S 图时横轴是等距还是等频” 的问题,需先明确 K-S 图的核心用途(检验样本分布与理论分布的一致性),再结合横轴 ...
2025-09-02CDA 数据分析师:助力企业破解数据需求与数据分析需求难题 在数字化浪潮席卷全球的当下,数据已成为企业核心战略资产。无论是市 ...
2025-09-02Power BI 度量值实战:基于每月收入与税金占比计算累计税金分摊金额 在企业财务分析中,税金分摊是成本核算与利润统计的核心环节 ...
2025-09-01巧用 ALTER TABLE rent ADD INDEX:租房系统数据库性能优化实践 在租房管理系统中,rent表是核心业务表之一,通常存储租赁订单信 ...
2025-09-01CDA 数据分析师:企业数字化转型的核心引擎 —— 从能力落地到价值跃迁 当数字化转型从 “选择题” 变为企业生存的 “必答题”, ...
2025-09-01数据清洗工具全景指南:从入门到进阶的实操路径 在数据驱动决策的链条中,“数据清洗” 是决定后续分析与建模有效性的 “第一道 ...
2025-08-29机器学习中的参数优化:以预测结果为核心的闭环调优路径 在机器学习模型落地中,“参数” 是连接 “数据” 与 “预测结果” 的关 ...
2025-08-29