京公网安备 11010802034615号
经营许可证编号:京B2-20210330
京东深挖11.11大数据 用户需求细分(1)_数据分析师
2014年11月下旬,京东在《京东技术解密》新书发布会上,首次公布了2014年11.11的部分大数据洞察。这其中,既包括有新用户高速增长的消息,也有用户消费结构升级的数据。从这些大数据洞察中,我们不难发现,由一个个平凡的个体构成的网购群体,却有了不凡的表现。在“保民生,促增长”上,京东给了我们别样的启示。
11.11用户行为特征——熬夜血拼,更看重品牌
数据分析表明,随着京东11.11多年的经营,品牌和形象深入人心,得到越来越多网购人群的关注和认可,参与程度越来越高;另一方面,京东在移动战略上的持续投入,使得用户的移动下单行为大幅提升。2014年与2013年相比,熬夜族(24点—1点)人群参与度明显增加,未来的电商购物将打破时间与空间上的差异,让每天都是“11.11”。
京东分析了一组11.11与国庆假期期间用户购买行为的对比,在国庆黄金周期间,相对价格越高的产品,用户购买时越关注品牌,例如冰箱、手机;而像衬衫、护发品等单品价格比较低并且产品种类较丰富的产品,用户对品牌的关注程度相对比较弱。而在11.11大促期间,用户对品牌的关注程度整体都提高了,不管价格高低,大家都会比较在意品牌。包括衬衫、护发品在内,用户在选择时都会把品牌放到更重要的位置。
消费者目标性增强——新用户11.11集中消费
数据显示,2014年11.11,消费者的目的更强。新老用户集中下单的时间都在10日和11日,新用户11.11当天下单量占新用户11.1-11.11期间总单量的34%,老用户则为28%;同时,新用户伴随双11的深入,消费金额逐渐增加,在11.11当天达到高峰。这表明,不少新用户是奔着11.11而来,而且血战到底,消费者过11.11电商大节的目的性也更加明确。
从单品来看,京东很多单品创下了销售纪录,如11.11期间销售肥皂80多万块,115多吨,相当于23头大象;仅卫生纸就售出了至少900万卷,以及8亿多抽手纸,按一秒钟扯一抽来计算,至少要扯3年,按一卷纸30米算,900万卷至少可绕地球7圈。
日用品受青睐——京东商品扩军受用户追捧
2013年11.11期间,新用户的购物主要集中在电脑办公、手机数码品类,用户数占比分别为16%、13%。2014年11.11期间,新用户的采购重点集中在服饰内衣、鞋靴箱包等品类,用户数占比分别为21%、12%。
长期以来,不少人印象中总认为3C品类是京东的核心竞争力,但最新的数据则说明服装、日用品等与普通用户生活息息相关的品类迅速崛起,成为用户上京东采购的新宠。一方面是京东全面扩展经营品类,更丰富的商品吸引了用户。另一方面,无论3C还是日百,京东一直坚持正品、行货、低价的策略,在电商平台的竞争中形成了越来越明显的特色,让用户信赖。因此,京东的新用户们会自然而然地根据自己的需求在京东采购商品,而不会被“京东3C特别强”的传统印象所影响。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
数据分析师的日常,常始于一堆“毫无章法”的数据点:电商后台导出的零散订单记录、APP埋点收集的无序用户行为日志、传感器实时 ...
2025-11-28在MySQL数据库运维中,“query end”是查询执行生命周期的收尾阶段,理论上耗时极短——主要完成结果集封装、资源释放、事务状态 ...
2025-11-28在CDA(Certified Data Analyst)数据分析师的工具包中,透视分析方法是处理表结构数据的“瑞士军刀”——无需复杂代码,仅通过 ...
2025-11-28在统计分析中,数据的分布形态是决定“用什么方法分析、信什么结果”的底层逻辑——它如同数据的“性格”,直接影响着描述统计的 ...
2025-11-27在电商订单查询、用户信息导出等业务场景中,技术人员常面临一个选择:是一次性查询500条数据,还是分5次每次查询100条?这个问 ...
2025-11-27对数据分析从业者和学生而言,表结构数据是最基础也最核心的分析载体——CRM系统的用户表、门店的销售明细表、仓库的库存表,都 ...
2025-11-27在业务数据可视化中,热力图(Heat Map)是传递“数据密度与分布特征”的核心工具——它通过颜色深浅直观呈现数据值的高低,让“ ...
2025-11-26在企业数字化转型中,业务数据分析师是连接数据与决策的核心纽带。但“数据分析师”并非单一角色,从初级到高级,其职责边界、能 ...
2025-11-26表格结构数据以“行存样本、列储属性”的规范形态,成为CDA数据分析师最核心的工作载体。从零售门店的销售明细表到电商平台的用 ...
2025-11-26在pandas数据处理工作流中,“列标签”(Column Labels)是连接数据与操作的核心桥梁——它不仅是DataFrame数据结构的“索引标识 ...
2025-11-25Anaconda作为数据科学领域的“瑞士军刀”,集成了Python解释器、conda包管理工具及海量科学计算库,是科研人员、开发者的必备工 ...
2025-11-25在CDA(Certified Data Analyst)数据分析师的日常工作中,表格结构数据是最常接触的“数据形态”——从CRM系统导出的用户信息表 ...
2025-11-25在大数据营销从“粗放投放”向“精准运营”转型的过程中,企业常面临“数据维度繁杂,核心影响因素模糊”的困境——动辄上百个用 ...
2025-11-24当流量红利逐渐消退,“精准触达、高效转化、长效留存”成为企业营销的核心命题。大数据技术的突破,让营销从“广撒网”的粗放模 ...
2025-11-24在商业数据分析的全链路中,报告呈现是CDA(Certified Data Analyst)数据分析师传递价值的“最后一公里”,也是最容易被忽视的 ...
2025-11-24在数据可视化实践中,数据系列与数据标签的混淆是导致图表失效的高频问题——将数据标签的样式调整等同于数据系列的维度优化,或 ...
2025-11-21在数据可视化领域,“静态报表无法展现数据的时间变化与维度关联”是长期痛点——当业务人员需要分析“不同年份的区域销售趋势” ...
2025-11-21在企业战略决策的场景中,“PESTEL分析”“波特五力模型”等经典方法常被提及,但很多时候却陷入“定性描述多、数据支撑少”的困 ...
2025-11-21在企业数字化转型过程中,“业务模型”与“数据模型”常被同时提及,却也频繁被混淆——业务团队口中的“用户增长模型”聚焦“如 ...
2025-11-20在游戏行业“高获客成本、低留存率”的痛点下,“提前预测用户流失并精准召回”成为运营核心命题。而用户流失并非突发行为——从 ...
2025-11-20