TalkingData 美女总监 陶京琪:观TD行为地图,看用户何去何从

1

TalkingData 高级咨询总监 陶京琪

演讲主题:观TD行为地图 看用户何去何从
演讲内容如下

陶京琪:很多人可能是下午刚来的,他们不是特别了解TalkingData,可能听了上午演讲的人也可能有一点模糊,我知道大家对TalkingData有一个大概的认识,一定是一个大数据公司,那你们都有哪些数据呢?我觉得不一定所有人都特别清楚,但是我可以给大家推荐一个能了解TalkingData的一些公开数据的地方。那就是TalkingData的移动观象台。现场的信号不是特别好,但是我给大家一个建议,把TalkingData的官网打开,上面有一个移动观象台,那个上面有TalkingData所有对外公开的数据。比如有你手机设备数据,哪些品牌,哪些机型现在排名第一,还有比较关注的一些应用的排行数据。现在来讲,像上午分享各个手机的数据,各个应用的数据,日常覆盖率是多少。所有的数据每周都会在上面做一个更新。上面还有什么?我们所有对外公开的行业报告,现在有近百份了,都在TalkingData官网可以免费下载。

TalkingData的移动观象台是今年7月份,也就是最近刚刚上线一个新的产品,叫做行为地图。行为地图顾名思义就是能够看到大家日常的一个行为轨迹的浏览,目前就上了北京一个地区,给大家做一个公开数据做展示。上面都有什么样的数据?今天就由我给大家讲讲一些关于数据上的一些研究和分享。

一些大城市,我们都知道可能上下班是一个平时日常最头痛的,尤其是在北京的城市,我们小小做了一些调查,哪怕就是我身边的一些人,如果在十公里以内,正常的路程十公里以内,就算是近了。我们公司居然还有人在30公里、50公里的车程,我不知道他们每天都是怎么样来上班的。我也不知道大家的距离远近。我们给大家一个比较公正客观的数据,这是我们今年拿出了一部分的数据样本,选了几个特定城市的数据,有北京、上海和重庆,其实还选了其他的城市,我们只不过拿几个城市不同地区不同级别来做一个代表。相对来讲,直线距离来讲北京确实是最远的,大概达到了10.23公里,上海相对好一点,那也在9.11公里,因为上海地区现在也是比较多,可能新开放的一些地区很多。二线城市立马出现比一线城市的优势,他能到8公里以下,7.7公里重庆每日上班距离。这样的上班距离,对大家来讲怎么也在半小时以上,这还是直线距离,真正的车程距离还要多得多。3

很多人说了我们每天花在路上到底是多少呢?时间我不一定能给得出来,但是我给了两个时间点的分布。左边是居住时间,我们选了一个夜里凌晨两点钟的时间北京分布,右边选的是上午11点的分布,我们认为是就业时间的分布。蓝色的区域表示在就业时间的人数要明显多于居住的时间,那黄色的区域就表示的是居住的时间人最多。我们都知道北京有几个著名的居住点,首先大通州是一个著名的居住点,包括回龙观和天通苑,四环内虽然人很多,但是明显的在上班的时候它会更集中,而居住的时候它会更分散,还有一个工作点也是比较突出的就是亦庄。

4

我们也是把居住点和工作点的时间做了一个比较,我们看看排名能在前面的一些工作地点都是在哪里?大家想是国贸这个点吗?有国贸,但是它真不是排在第一位的。这是就业比居住人口来算的指数,高于一百的,我们就认为它是以就业为中心的地方,第一名是金融街,金融街是目前来讲上班人数最多的地方,其次就是现在这一块的附近,再就是建国门,再其次是国贸,再往其次那才是互联网真正的热点也就是中关村和上地。这真是一个真正北京最热的前五名的上班点。

5

那居住点前五名又是什么呢?有没有我们说的通州呢,对不起还真没有。真的是大家熟悉的回龙观和天通苑,这两个地方是北京最大的居住点的城市,再其次才是芍药居、宋家庄,再其次是四惠。我们看到大家的居住已经进入分散期,不再主要是四环、二环,甚至再往里的一个地方,已经分散在北京远远的周边。

6

看完了北京的话,我们选了两个地点看上班。有人说现在北京的居住地点已经完全指导你上班的位置,也就是说在北边住的人很难去其他的大城区工作,有没有这样的趋势呢?确实有这样的趋势。这个不是大家的意识,是数据告诉大家的。我们选了两个特别要命的点,一个是在上地,在上地居住的人他都会去哪上班呢?那我们可以看到在上地居住的人,他都会在北五环左右上班,虽然也辐射整个北京城,但是它还是以北五环为主,如果跨越北京城30公里肯定有了。还有一个知名的居住点,像通州人民会不会选择石景山工作呢?答案是肯定有,但是这是极少数。通州的人民都会选择在哪呢?在东五环附近,基本上以这个圈子为主。就是说北京的居住条件完全影响到了找工作,你公司里要真是不好招人,只能说你选的公司位置不好。这不能赖别人,实在是大家居住的条件有限。

7

给大家分享了北京一些有趣的数据,我们简单看一眼上海,虽然大部分是在上海,极少部分人会去上海。上海同样是两张图,左边是居住,右边是就业,橙色部分是居民居住比较多,蓝色的是就业比较多。像保山、华侨镇、新庄这些地方居民区比较多,中心的部位包括民航、金桥,张江等地都是著名的就业黄金岗位。

8

跟北京地区稍微有些区别,上海地区就业会不会跟居住有比较强烈的关系呢?有些地方有,有些地方还真没有。比如比较著名的金融企业比较集中的一个陆家嘴地区,当然可能它其他行业也是很集中的。这个地区的人基本上是从上海所有周边的人一起会聚在这里,这个没有影响。对于他们来讲,影响很少。那同样一个比较典型的地方,章江地区,一看远了,这个地方也是类似于北京这边的互联网主要聚集点,那就是它周边汤镇、周谱镇这两个居住点的人更集中一些。这是上海的情况,居住也影响上海的就业选择,但是它只是在远的地方。

9

我们除了看大家上下班的时间以外,我们还选了一些特定的人群,比如说什么样的人群?比如说金融类的人群,不是从事金融业的人群。是平时对金融行业的应用、内容关注度人群比较高的人,他们的分布在哪里。

先看北京,对金融类的应用关注度比较高的人群,像西二旗的地区远一点,清河地区,包括中关村、五道口都是比较知名的聚集地,其次是望京地区,再远一点是在机场那边,终于到了东部地区那就是王府井和大望路,这一块地区都是金融用户比较集中的地区。

11

我们分两张图,一个是工作日,一个是周末,金融用户等于是工作日和周末有不同吗?他上班的地方跟平时下班了休闲回家的地方是不是有不同?真的是有不同。基本上工作日的生活基本上跟上一张图有类似,上面的话还依然是西二旗、上地、五道口、中关村,互联网比较集中的地方。望京、酒仙桥,由于产业园也把一部分人分过去。终于金融地区出现了金融街地区相对来说比较热点,还有王府井和国贸是比较热点。

12

那周末就完全不一样了,撇开上班,他们又居住在哪里呢,或者他平时周末可能会去哪里?基本上可以看到,他的居住一下子就扩散回去了。天通苑居民区又出来了,西边的公主坟地区,东边的青年路周边,是一个居住的场所。这是金融用户的工作日和周末的活动。

13

上海相对来说比较集中,主要还是以中环路以内为主,周边也是像刚才说的,虹桥、新庄、汤镇等等周边有散落的热点。工作日相对来说中间那一段比较集中,周末的时候有一个特点,除了中间段还略有几种以外,它会出现像上海复旦大学这样的集中地,这个地方我们也简单了解一下,有些大学比较集中,可能还有一些活动区域,最重要的金融用户在上海这边更多的是好学的用户,有可能利用周末时间有更多的充电和学习的机会,可能在那里更多的分享。

14

看完了分布之后,我们不是说数据是简单割裂,除了平时地理位置的信息,我们还有其他的信息,TalkingData除了地理位置室外以外,还在室内包括72个城市,2500多家购物中心安了一个wifi探针,通过探针收集线下品牌的喜好,现在我们来把北京上海金融用户人群在线下品类的偏好上做了一些对比。

首先看看北京的用户,北京的用户对哪类线下品类会感兴趣呢?不说大家也会知道,经常光顾的是餐饮,其次是珠宝手表突出一点,再其次是这一两年大家都比较重视的运动、健康类。整体来讲服装鞋帽都是比较热点,相对而言以北京来讲,更在这方面注重和关注的是上海上海金融用户在服装鞋帽上的关注度和浏览度更高一些,包括化妆品、家具电器这方面都是上海用户比较突出的,尤其上海金融类的用户。

15

我们按照数量进行一些排序。虽然餐饮是比较热点,但是金融用户也非常不健康,排名在上面的都是非常知名的洋式快餐,肯德基、麦当劳、必胜客。可能是大家平时作为午饭最容易最简单的事情,但是长期吃这个东西,运动健康可以再提升一步。上海相对来说不太一样,上海金融用户像美客美佳,相对来宾比较中高端的家具类的产品一下子提升,上海相对来说比较注重品质,在品牌上会有一些更好的偏好。就是同样是一群人,地域上已经在慢慢有悄然的改变发生。

16

不光是地理位置的数据,TalkingData还有更多的是应用方面,使用行为的数据。北京和上海金融用户平时日常的应用都会有哪些偏好?排在前面的大家也是比较熟悉,像通讯社交、金融理财、生活服务都是大家比较关注的,相对来说北京的用户在通讯社交,像微信、QQ这样的东西,绝对是分秒不离手的感觉。

17

上海的用户在金融理财和旅游出行上的应用会略高于北京的用户。我们来看看具体的应用上是哪些,还有没有具体的差异?首先我们来看金融理财,金融理财北京和上海左右的前十名其实是有比较明显的区别。像北京的用户更多在使用一些什么样的应用软件在金融理财?他使用的是银行类的金融理财软件。而上海的金融理财用户更多的使用像同花顺这种偏证券类理财类的金融软件。银行类的是功能类的需求,也就是说我手头的东西要么是转行,要么还信用卡,是纯功能上的。同花顺、大智慧更多的是证券类的应用,这种是理财类的,甚至可能是高风险理财类的。大家兴趣爱好完全不一样的应用偏好。不同人群的特征明显出来。

18

在旅游出行方面,大家喜好也略有不同。像北京的用户,虽然滴滴打车在北京和上海交通极为不便利,一定它是最突出的,这种是硬需求。我们不是说一定需要这个打车软件,我们不得不需要打车软件,因为确实有时候打不到车。再往下看,北京的用户打车类的应用会更突出的使用,而上海的金融用户相对来说像携程、去哪儿、同城阿里,这种旅游类的软件使用比较多。像快的,上海地区会比北京地区使用高一些。这些我们看得出来,上海类除了打车是一个强需求以外,更多的还注重旅游。我可以说上海人活得更精致一些。

19

针对TalkingData移动观样台上面的行为地图,我们把行为地图的一些数据拿做案例给大家做一个分享。

这是我整理的,我们可以选景点,北京一些热门的景点都是什么。我们也拍了一个工作日和周末,我是不知道多少人没事会去奥林匹克森林公园跑步锻炼,但是奥林匹克公园确实在我们的观察日无论是工作日和周末都是排在前面,包括朝阳公园,应该是大家平时不管是锻炼也好,休闲也好,还是周末放松也好,这都是一个热门应用。但是可以看得出来,像周末的话,一些相对来说比较休闲的,比如说南锣鼓巷,欢乐谷、恭王府这些会在周末突出,平时工作日大型的公园,玉渊潭、天坛、这些跟老百姓相关的会比较突出。

21

我们看一下平时经常去奥林匹克森林公园的用户都分布在哪儿呢,基本上它都能分布在北京的各个地方,但是它有热点,热点在哪里?确实它覆盖了北京整个北部地区,以北部为主,大部分人都是在这个公园作为主要活动,以它的周边像清河北苑、天通苑一群都是以它活动为主。

22

那喜欢奥林匹克公园的他平时线下有哪些品牌偏好呢?我们把工作日和周末分开了。很有意思,一家银灰玩具上榜了,说明经常去奥森的用户是爱小孩的,是以家庭为单位,这部分用户应该是由厂家关注的。其次我们看到一些相对来说比较合适的餐饮,包括快品牌的都会在上榜出现。这些可能更适合于这类用户平时日常消费和喜欢。无论是你在周边选择开店也好,无论你选择广告推送也好,这部分的人都应该是你比较合适精准的目标。

23

包括应用,在奥林匹克公园相关的应用,像微信、QQ就不说了,这都是比较热点。但是出行类和地图类的应用他们也会关注比较多。

我们又选了一个点,这个点是每天进出北京市人口最多的,就是机场和火车站做了一个排序。北京比较热的还真不是火车站,是北京的机场,就是首都机场。首都机场的热度是高于各大火车站,当然也有可能是火车站的数据我们监测不够。

这是我们拿经常去首都机场热力图的分布,首都机场更多的人来自于北京的东部和北部地区。

25

看看机场的人对于线下品牌的一些偏好。基本上换了一批,麦当劳、肯德基之类的终于掉下去,这些东西不是机场的人经常会去光顾的,相对来说服装、服饰类的品牌慢慢上来了,而且相对来说比较高端的一些奢侈品,像表类也可以上来。机场用户相对来说对于服装类比较关注,比较适合他商务一些的,或者高端一些都应该是更适合这类用户推广。

27

它的应用也非常有特点,基本上打车类和地图类的软件就会排名特别靠前,他在我们这里会有一个单独的标签,单独打上,可能叫商旅人士,或者是经常出行的一些专门人士,这部分人士有一些客户会非常感兴趣的,比如卖机票的用户,比如做出行的用户,商家他们对这些人都单独会做一些标签。

28

这是移动观象台行为地图的网址,希望大家可以把这个记下来。如果没有记下来,去找TalkingData移动观象台,这个就能看到TalkingData所有对外发布的数据,不光是行为地图。行为地图来讲,我只知道数据,我只知道分析的结果,我怎么用?这个场不是我来讲的,其实是边上那一场。我们已经在汽车、房产,包括快消、服装等领域已经帮他们去做更多的价值体现,也希望大家关注更多的TalkingData其他的内容。谢谢。

29

发表评论

电子邮件地址不会被公开。 必填项已用*标注