TalkingData-2017年移动互联网行业发展报告_1520215265519.pdf

12018/2/282017年移动互联网行业发展报告破局增长，数据推动智慧经济TalkingData移动数据研究中心 2018年2月22018/2/28自2016年第二季度起，中国移动智能终端规模增速连续七个季度低于2%。增长困局下，移动数据的应用场景细化、与线下消费的深度融合成为了破局点。2017年的新零售、无人货架等热点，皆是围绕这两个主题。智慧经济 ，就是将人工智能、 大数据、互联网自动化能力融入各行各业。移动互联网推动了各行业的数字化进程。从业务数字化到效益数字化，线上线下数据融合后的数据资产将帮助企业和组织实现智能化决策，打造智慧经济。本报告中，我们将关注增长困局下的人本洞察、移动应用、智能终端，回顾移动数据与各行各业的深化融合，并提出智慧经济趋势下的数字化转型方法论。引言32018/2/28目录CONTENTS增长乏力，存量时代下的2017 ------------------- 040102 深化融合，数字推动决策智能化 ----------------- 4003 2017移动互联网行业应用年度榜单 -------------- 4942018/2/281增长乏力，存量时代下的2017•移动数据人本洞察•行业应用表现•移动智能终端市场52018/2/28移动数据人本洞察62018/2/28中国移动智能终端设备规模季度增速放缓，自2016年第二季度起，移动智能终端增速就跌破2%。移动智能终端用户规模步入低增速时代已有七个季度。数据来源：TalkingData 移动数据研究中心注：移动智能终端指移动端累计活跃设备总数，包括智能手机、平板电脑、智能手表等移动智能终端低增速时代开启已有七个季度2016Q1-2017Q4 中国移动智能终端规模13.1 13.3 13.5 13.7 13.8 13.9 14.1 14.2 2.5%1.5%1.4%1.2%1.1%0.9%1.0%0.9%2016Q12016Q22016Q32016Q42017Q12017Q22017Q32017Q4移动智能终端规模增速(%)移动智能终端规模（亿台）72018/2/28增量时代，移动数据主要关注描绘增量人群；而在存量时代，移动数据关注刻画人群迁徙、城市资源、典型人群生活状态等人本洞察，更加关注社会、城市与人群之间的关系。从用户增量到人本洞察，移动数据应用深化移动数据应用深化增量时代存量时代性别特征省市分布年龄特征层级分布职住通勤资源配置城市风貌出行习惯人群迁徙社群划分生活状态位置描绘人群描绘应用特征82018/2/284.8%1.5%4.2%5.3%5.9%4.0%7.0%6.8%5.7%7.8%3.7%3.8%4.0%4.8%4.8%5.8%6.3%6.3%7.4%11.8%湖南北京湖北河北四川浙江山东河南江苏广东数据来源：TalkingData 移动数据研究中心，人口省份占比数据采用国家统计局2017《中国统计年鉴》数据计算移动智能终端用户在经济发达地区集中度更高截至2017年12月，我国移动智能终端用户TOP10省份占据了整体近六成用户。位居2017省市人均GDP排名前列的北京、江苏 、浙江、广东作为经济发达地区，移动智能终端用户集中度更高，其智能终端用户占比要高于人口占比，人才吸附能力更强。2017移动智能终端用户省份占比0%-2%2%-4%4%-6%6%-8%8%+2017移动智能终端用户TOP 10省份移动智能终端用户占比人口占比92018/2/28对比2015-2017三年的变化趋势，移动智能终端在三线及以下城市持续渗透，移动互联网已全面普及。数据来源：TalkingData 移动数据研究中心注：一线城市指“北上广深”，二线城市为各省会、直辖市、以及厦门、珠海、汕头经济特区，三线及以下城市为除一二线城市之外其他城市用户向三线市场下沉，移动智能终端全面普及18.1%16.8%12.3%32.6%30.0%24.8%49.3%53.2%62.9%2015年12月2016年12月2017年12月一线城市二线城市三线及以下城市移动智能终端用户城市级别分布及变化102018/2/28城市人的生活愈加繁忙，生活半径在增大、通勤距离在增加北京上班族生活半径热力图工作地2017年2015年居住地2017年2015年北京上班族通勤距离变化19.79%10.77%20.33%11.61%10-20km>20km2017年7月2017年1月数据来源：TalkingData 移动数据研究中心注：生活半径热力图根据2015年7月与2017年7月北京地区常驻设备在工作时段与休息时段出现的地理位置绘制；通勤距离根据2017年1月与2017年7月北京地区常驻设备平均通勤距离计算通过分析北京地区上班族的活动范围，可以观察到现代人在城市中的生活半径在扩大，长距离通勤的人群比例在增加，都市生活愈加繁忙，人们对于生活、交通便捷性的需求值得被关注。112018/2/28不同区域的人，忙法不同，城外人为生活奔波，城中人享受生活Lei Shi, Tao Jiang, Ye Zhao, Xiatian Zhang, Yao Lu， UrbanFACET: Visually Profiling Cities from Mobile Device Recorded Movement Data of Millions of City Residents. https://arxiv.org/abs/1707.04210 注：Commutation反映人群跨行政区域往来的程度，Vibrancy反映人群访问不同类型POI的程度Commutation-区域换流性Vibrancy-区域活力同样生活在北京，不同区域的人群也展现出不同的生活状态。相比中心城区，城郊区域的人群跨行政区域往来的程度更高，他们的日常生活更倾向于远距离奔波；相对而言，中心城区的人们日常访问的POI类型较远郊区人群更加多样，享受着丰富的生活。区域人群流动性分析122018/2/28城市存在时空折叠，均衡的资源，不意味着将被均衡利用来源：TalkingData 与中国社会科学研究院合作课题研究成果商业POI高消费人群低消费人群11:00-13:0013:00-15:0015:00-17:00通过分析北京地区高消费与低消费人群利用商业设施的状况发现，虽然北京不同区域的商业设施配置和分布相对均衡，但两个群体对设施的利用在时间和空间上却鲜少重合。北京地区休息日人群活动与商业设施热力图132018/2/28新的出行方式出现，改变着一些人的出行习惯共享单车的出现，为人们提供了新的出行方式选择。而选择共享单车出行的群体，其打车类App的使用率在下降，单车类App使用在增加，出行方式发生着改变。共享单车用户出行类应用使用行为变化趋势数据来源：TalkingData 移动数据研究中心注：主流打车类App选择滴滴出行、Uber、易到，主流共享单车类App选择摩拜单车与OfO共享单车，关联度与使用率为各款App该指标均值；关联度=统计周期内目标人群某款app安装量/目标人群总量*100%，使用率=统计周期内目标人群某款App活跃量/该App安装量*100%0%10%20%30%40%50%60%70%80%0.0%5.0%10.0%15.0%20.0%25.0%30.0%35.0%2016.042017.04关联度使用率0%10%20%30%40%50%60%70%80%90%100%0.0%10.0%20.0%30.0%40.0%50.0%60.0%70.0%2016.042017.04关联度使用率主流打车类App表现主流共享单车类App表现关联度关联度使用率使用率142018/2/2854.0%46.0%51.8%48.2%51.2%48.8%单车人群非单车人群而新的出行习惯，也在改变城市的风貌新的出行习惯，也在改变城市风貌，在牛街、五道营胡同等北京典型老城区，骑共享单车游览成为新时尚，其中不乏外地人；而老城区的共享单车用户中，26-35岁、女性占比高于非单车用户，共享单车为老城区注入了新活力。牛街杨梅竹斜街前门大街五道营胡同地坛公园多少人骑共享单车14.3%17.9%17.6%22.4%13.1%其中有多少外地人10.5%14.5%13.9%7.5%9.2%北京典型老城区客群分析性别年龄54.1%45.9%20.2%56.1%20.2%3.5%数据来源：TalkingData移动数据研究中心 2017年4月52.7%47.3%女男20.3%56.2%20.1%3.4%20.1%55.4%21.2%3.4%20.5%55.7%20.0%3.8%20.1%56.1%20.5%3.3%25岁及以下26-35岁36-45岁46岁及以上152018/2/28新的迁徙规律，可以被描摹海南岛候鸟旅游人群迁徙情况出发城市TOP 10城市占比北京市7.6%哈尔滨市3.4%成都市2.8%上海市2.7%西宁市2.4%重庆市2.2%广州市2.1%长春市1.9%郑州市1.9%天津市1.6%海南岛青岛市候鸟旅游人群迁徙情况出发城市TOP 10城市占比北京市6.9%上海市3.4%广州市2.6%重庆市2.5%天津市2.2%郑州市1.7%深圳市1.6%成都市1.6%武汉市1.6%长春市1.4%青岛市数据来源：TalkingData 移动数据研究中心，2016年6月-2017年1月数据数据来源：TalkingData 移动数据研究中心，2016年6月-2016年9月数据162018/2/28数据来源：TalkingData 移动数据研究中心注：中国总人口性别比例数据来源中国国家统计局2016年4月20日公布的《全国人口普查条例》，统计周期以2015年11月1日零时为标准时点进行了全国1％人口抽样调查男性用户占比下降，性别分布趋于平衡2017年,随着移动智能终端用户趋于饱和，移动智能终端用户性别特征逐渐趋近人口学特征，预计2018年中国智能终端用户中男性用户占比将会下降至52.5%。2017移动智能终端用户性别结构53.2%男性46.8%女性2017年12月51.22％中国总人口性别比例48.78％中国总人口性别比例46.1%女性2016年12月53.9%男性172018/2/282017年，我国移动智能终端用户中35岁及以下用户的比例达69.9%，年轻用户仍然是移动互联网用户的主体。随着更多90后人群步入职场，他们将成长为消费主力。相比80后，他们的生活状态已被移动互联网深度影响。数据来源：TalkingData 移动数据研究中心年轻人群仍为用户主体，90后成未来消费主力移动智能终端用户年龄结构35.6%35.9%14.5%10.0%4.0%34.5%35.4%14.6%10.4%5.1%25岁及以下26-35岁36-45岁46-55岁55岁以上2016年12月2017年12月25岁及以下70后36-45岁46-55岁60上55岁上中老年智能机用户占比182018/2/2815.4%18.2%26.6%29.6%58.0%52.1%90后80后90后城市级别分布一线城市二线城市三线及以下城市来源：TalkingData数据研究中心注：城市指数通过对比80后计算，选取90后城市覆盖率TOP20进行计算，再通过指数排序，得出90后城市指数TOP1090后人群开始逃离北上广深相比80后，90后人群城市层级分布中一线城市占比要更低。90后人群开始逃离北上广深，更多的选择郑州、武汉等区域中心城市作为个人发展的起点。101102102102103105108109150157广州天津苏州深圳杭州西安重庆武汉洛阳郑州90后城市指数TOP10192018/2/287.96.69.07.9北京上海平均通勤距离对比（KM）90后80后对比80后和90后在不同城市的通勤距离发现，不论北京还是上海，90后的通勤距离均低于80后，可见90后相对较为安逸；对比北京90后和北京80后的通勤距离区间来看，超4成的北京90后通勤距离小于2KM，通勤距离相对较近。来源：TalkingData...