
大数据告诉你,“双11”的脸在变
11月11日,疯狂的一天已过去,盘点“双11”购物盛宴,记者发现今年“双11”已和往年大不同:网购告别PC时代,进口商品增势迅猛,粉丝经济、村淘市场爆发。
全家刷屏买买买
今年的“双11”,移动端订单占比首次超过PC端,这说明网购正告别PC时代。这也是“双11”销售额大幅增长的重要原因之一。
数据显示,天猫“双11”全天交易额912.17亿元,其中无线交易额为626.42亿元,无线成交占比68.67%。而在11日凌晨,其无线交易额曾一度超过90%的峰值;苏宁大数据显示,移动端订单量占比达67%。在京东、国美,移动端订单量分别占74%和70%。
其实,网购从电脑向手机迁移,这现象已延续五个季度。苏宁O2O购物节本月5日开启至今,线上移动销售同比猛增416%!“双11”当天,苏宁易购双线平台销售同比增长358%,其中移动端订单量占67%,线下门店销售逆势增长153%。
“‘双11’前,我就打算抢优衣库的几件衣服,易购上卖的土鸡等,怕抢不到,给老妈和老公的手机都装上APP,让他们一起帮着抢。”南京市民刘丽笑言,“这真是一场硬仗!除了鸡没抢到,其他都抢到了。”最新统计显示,全国每10个网民中至少有8个用手机上网,超过了用电脑上网的比例。一机在手,随时随地下单购物,使得消费者参与“双11”的频次大幅提升。
阿里CEO张勇说,网购从PC端向移动端转移是个巨大变化,反映今天消费者整个生活方式、跟互联网连接的方式发生根本性转变。
败家商品洋货多
中国消费结构升级,服务型消费、进口商品消费涨势迅猛。过去的几个“双11”都有不同的关键词:
2010年是“穿”,热销品类是服装、鞋帽等类目;2011年是“住”,家具、五金、家居服务类受追捧;2012年是“吃”,餐饮服务、中西药热卖;2013年是“行”,旅游、住宿等走俏;2014年则是“服务”,与实物消费相比,服务型消费全面兴起。当年“双11”,服务型消费增长率4.7倍于实物商品消费。
今年“双11”,败家商品洋货多,进口商品消费急剧上升。当天,天猫整体进口成交量,赶上国内其他跨境进口电商平台一年的成交量。这一天,开场仅10分钟,消费者就在天猫国际买到海外品牌的尖货,它们来自41个国家和地区。苏宁当天海外购商品售出36.8万件。
“最贵的车是什么?购物车!”这一网上段子可以用来形容南京市民田霞的“双11”。“以前‘双11’也就买几件衣服、鞋,今年买的全是进口货,从洗发水、奶粉到化妆品、鞋,电商平台海外购旗舰店都有,很方便。”
今年“双11”,剁手族买遍全球,创造两个世界纪录:3000万中国消费者买进口商品,买卖遍布232个国家和地区。天猫国际进口成交排前五位国家是:美国、日本、韩国、德国、澳大利亚。当天,天猫进口母婴产品、进口牛奶、进口美妆整体创下成交新纪录,最热门成交品类是母婴产品、美妆、医药保健、食品、个护、服饰和数码家电,其中母婴产品成交占比近30%、美妆成交占22%。
粉丝经济能量大
娱乐加消费,“‘双11’春晚”诠释的是“粉丝经济”的魅力。
晚会出场的明星约30个,微博粉丝多达4亿!屏幕前的粉丝边看电视边剁手,创造出“边看边买”购物模式。这一场晚会,带来数百万人互动,新增用户注册数是平时的20倍以上,形成多屏互动。
最先开场的蔡依林唱完歌后,她代言的上海家化品牌销量翻了六七倍;美妆品牌高夫本是没几个人知道的小品牌,一夜之间知名度飙升,当晚流量一举夺下所处类别第一……
天猫后台流量数据跟晚会内容几乎亦步亦趋,节目走到哪里、明星们提到哪些商品、哪些品牌的logo一出现,线上搜索流量就直接暴涨。
农民网上淘汽车
今年“双11”,农村淘宝首次加入。大数据显示,农村市场消费能力不容忽视。
天猫数据显示,今年“双11”开场仅8分钟,村淘销售便超过千万元,“土豪村”不断出现。在浙江温州市平阳县万全镇中镇村,村民买了一辆50多万元的保时捷Macan,是本次“双11”村淘最大一单。我省宿迁沭阳县沂涛镇东王庙村跻身“土豪村”,截至11日11点30分,当地农民买下近120吨工业化肥,几辆轿车、几辆老年代步车,近60台电视,近1500桶调和油,300多件儿童盖床。
苏宁大数据表明,此次“双11”农村用户购买占26%。苏宁易购O2O运营管理中心相关负责人说,55英寸电视以及进口奶粉在农村很畅销,而畅销商品类型以中端价格的名牌产品为主,这反映当前农村三四级市场的消费特点,即主打性价比的优质产品更受欢迎。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在大模型从实验室走向生产环境的过程中,“稳定性” 是决定其能否实用的关键 —— 一个在单轮测试中表现优异的模型,若在高并发 ...
2025-10-15在机器学习入门领域,“鸢尾花数据集(Iris Dataset)” 是理解 “特征值” 与 “目标值” 的最佳案例 —— 它结构清晰、维度适 ...
2025-10-15在数据驱动的业务场景中,零散的指标(如 “GMV”“复购率”)就像 “散落的零件”,无法支撑系统性决策;而科学的指标体系,则 ...
2025-10-15在神经网络模型设计中,“隐藏层层数” 是决定模型能力与效率的核心参数之一 —— 层数过少,模型可能 “欠拟合”(无法捕捉数据 ...
2025-10-14在数字化浪潮中,数据分析师已成为企业 “从数据中挖掘价值” 的核心角色 —— 他们既要能从海量数据中提取有效信息,又要能将分 ...
2025-10-14在企业数据驱动的实践中,“指标混乱” 是最常见的痛点:运营部门说 “复购率 15%”,产品部门说 “复购率 8%”,实则是两者对 ...
2025-10-14在手游行业,“次日留存率” 是衡量一款游戏生死的 “第一道关卡”—— 它不仅反映了玩家对游戏的初始接受度,更直接决定了后续 ...
2025-10-13分库分表,为何而生? 在信息技术发展的早期阶段,数据量相对较小,业务逻辑也较为简单,单库单表的数据库架构就能够满足大多数 ...
2025-10-13在企业数字化转型过程中,“数据孤岛” 是普遍面临的痛点:用户数据散落在 APP 日志、注册系统、客服记录中,订单数据分散在交易 ...
2025-10-13在数字化时代,用户的每一次行为 —— 从电商平台的 “浏览→加购→购买”,到视频 APP 的 “打开→搜索→观看→收藏”,再到银 ...
2025-10-11在机器学习建模流程中,“特征重要性分析” 是连接 “数据” 与 “业务” 的关键桥梁 —— 它不仅能帮我们筛选冗余特征、提升模 ...
2025-10-11在企业的数据体系中,未经分类的数据如同 “杂乱无章的仓库”—— 用户行为日志、订单记录、商品信息混杂存储,CDA(Certified D ...
2025-10-11在 SQL Server 数据库操作中,“数据类型转换” 是高频需求 —— 无论是将字符串格式的日期转为datetime用于筛选,还是将数值转 ...
2025-10-10在科研攻关、工业优化、产品开发中,正交试验(Orthogonal Experiment)因 “用少量试验覆盖多因素多水平组合” 的高效性,成为 ...
2025-10-10在企业数据量从 “GB 级” 迈向 “PB 级” 的过程中,“数据混乱” 的痛点逐渐从 “隐性问题” 变为 “显性瓶颈”:各部门数据口 ...
2025-10-10在深度学习中,“模型如何从错误中学习” 是最关键的问题 —— 而损失函数与反向传播正是回答这一问题的核心技术:损失函数负责 ...
2025-10-09本文将从 “检验本质” 切入,拆解两种方法的核心适用条件、场景边界与实战选择逻辑,结合医学、工业、教育领域的案例,让你明确 ...
2025-10-09在 CDA 数据分析师的日常工作中,常会遇到这样的困惑:某电商平台 11 月 GMV 同比增长 20%,但究竟是 “长期趋势自然增长”,还 ...
2025-10-09Pandas 选取特定值所在行:6 类核心方法与实战指南 在使用 pandas 处理结构化数据时,“选取特定值所在的行” 是最高频的操作之 ...
2025-09-30球面卷积神经网络(SCNN) 为解决这一痛点,球面卷积神经网络(Spherical Convolutional Neural Network, SCNN) 应运而生。它通 ...
2025-09-30