1. 引言
近年来我国经济高速发展,互联网与智能手机的普及为人们带来了便利的同时,更引发了人们生活和消费习惯的改变。移动互联网不仅进入了政治、文化等领域,对经济也产生了很大的影响,各种APP的出现为移动互联网经济提供了许多的发展方向。
在APP发展初期,智能手机的拥有者主要是以上班族和商业人士居多,这些人大多把APP视为工作上的工具,例如“QQ邮箱”方便自己随时随地的查看邮件,或者各种银行软件和“同花顺手机炒股”能够实时监看股票市场的主力动向、涨跌情形,提供选股参考。随着社会的发展,智能手机的普及,APP开始渗入大部分人的生活中。由于每个人的需求皆不相同,面对各种各样的需求,于是各式各样的APP推陈出新。例如办公商务类的“钉钉”、“WPS Office”等,健康运动类的“keep”、“美柚”等,金融理财类的“支付宝”,学习考试类的“作业帮”,旅游出行类的“高德地图”,求职招聘类,摄影图像类,生活休闲类,通讯社交类,网上购物类,系统工具类,应用分发类,影音播放类,育儿亲子类,资讯阅读类,电子游戏类等APP大行其道,遍及各行业与各层面。
在移动互联网的时代,APP不仅成为国内企业在移动营销方面不可缺少的工具,通过APP得到融资的企业也越来越多,反映出APP的价值,因此不少企业纷纷投入发展,为国内的移动端互联网经济提供了不小的收益。娱乐向的APP更成为国内群众在工作学习之余,主要的娱乐方式之一,对国内移动互联网经济的影响与贡献日益重要。娱乐向APP为移动端互联网带来哪些经济收益,哪种类型的娱乐向APP对移动互联网经济最具影响力,娱乐向APP的未来发展方向为何,开发软件的公司应该在何时推出何种娱乐向的APP,成为值得探讨的问题。
本文将通过数据收集与分析,了解各种类型的APP中,社交通讯类、网上购物类、生活休闲类、影音播放类、电子游戏类APP的经济收益,并通过各时间段的用户数量、用户群体、下载量、经济收益等大数据分析,探究用户行为与喜好,了解性别、年龄区段、城市等级、购物深度与消费档次的关系。
2. 文献综述
2.1. 互联网经济
互联网经济是指通过互联网,应用计算机技术,创造新的市场需求获得收益。互联网经济打破了传统实体经济的形态,拥有巨大的发展潜力 [1]。应用互联网技术能够促进区域创新,产生巨大的行业发展潜力,带来经济增长 [2]。
2.2. 移动互联网发展历程
我国互联网的发展可以大致分为四个时期,其技术发展与商业模式如下 [3]:
1) 萌芽期(2000~2007年):
这个时期限于网速和手机智能化的程度,移动互联网的主要发展是利用手机支持的WAP (Wireless Application Protocol)协议浏览器访问企业WAP门户网站。2000年12月,中国移动推出“移动梦网Monternet”,造就市场上出现大量SP (Service Provider)服务商。
2) 成长培育期(2008~2011年):
这个时期随着3G移动网络的建设展开和智能手机的出现,移动智能终端出现应用软件的安装功能,这些软件虽然简单但却使移动上网功能得到增强。各大公司积极抢占互联网入口,百度、腾讯等公司通过推出手机浏览器来抢占移动互联网入口;新浪、优酷等公司则通过与制造商合作,把企业服务应用如微博、视频播放器等直接安装在手机上。这个时期的商业创新模式还不够成熟,但是已经为未来的创新发展奠定基础。
3) 高速成长期(2012~2013年):
这个时期具有触摸屏功能的智能手机普及,手机应用程序商店的出现使移动互联网的商业模式多元发展,百度的搜索业务、支付宝和微信的移动支付纷纷抢占市场,移动互联网经济呈现爆发式的增长。
4) 全面发展期(2014年~至今):
4G网络的建设加速了移动互联网的快速发展,移动互联网的应用向各行业渗透,应用的场景层出不穷,成为行业的驱动力。大数据、云计算、物联网、移动互联技术的创新与融合,使行业应用不断拓展边界,移动互联网经济效益不断提高。
2.3. 移动互联网商业模式
移动互联网的发展改变了人们的购物习惯和消费模式,为国内经济的增长带来新的动力。向玉冰研究发现互联网的使用对发展型消费具有显着的正向影响 [4]。温雪等人认为互联网对农村居民的消费促进作用,以青年人最为明显,中年人次之,对老人的作用较不显著 [5]。
移动互联网带来的创新,改变了零售商的销售方式,使我国零售商业进入消费者主权时代。传统的零售企业,依靠地理位置、交通、渠道和资金等方面的垄断,掌握了信息优势和主动权,消费者只能被动接受零售商的信息与价格。随着移动互联网的发展,消费者逐渐掌握了信息和主动权,拥有更多的消费自由和消费公平。零售商的商业模式有了很大的转变,有移动互联网 + 零售体验参与模式,结合现实零售和虚拟零售平台提供消费者体验;有移动互联网 + 智能零售全渠道融合模式,线上线下的信息同步,具备门店业务电商化、供应链智能化、配送时效化的三大特征;有移动互联网 + 零售产业链生态共融模式,提供综合性配套体验服务,形成密切的价值链生态合作关系 [6]。
“互联网+旅游”的创新商业模式,以在线旅游平台OTA (Online Travel Agent) 为主,旅游服务提供商通过网络提供旅游产品信息并进行营销,消费者通过互联网预定旅游产品或旅游服务,经由网上支付或者线下付费,最终完成交易,这种商业模式对国内民宿业的经营提供相当大的帮助 [7]。
以传统方式生产经营的图书、杂志、报刊等传统文化产业,在移动互联网时代,转变为电子出版、网络文化、文化旅游、影视制作、动漫游戏和广告传媒等行业并快速发展 [8]。
3. 国内娱乐向手机APP的经济分析
根据艾媒北极星互联网统计 [9],国内娱乐向的APP中,通讯社交类的微信和QQ是活跃人数最多的APP。2021年12月的微信和QQ活跃人数,分别达到了100305.74万人和69311.44万人。网上购物类的APP中,“淘宝”是活跃人数最多的APP,达到了48,340.14万人,其次是拼多多的25065.19万人。生活休闲类活跃人数最多的是“美团”和“大众点评”,分别是15154.29万人和14854.61万人。影音播放类活跃人数最多的是“抖音”和“快手”的61296.28万人和43461.11万人。电子游戏类“王者荣耀”和“和平精英”活跃人数都是2亿以上,如图1。
![](//html.hanspub.org/file/8-2350274x8_hanspub.png?20220701091704506)
Figure 1. Number of active people of the top two in each mobile APP type
图1. 各类APP前两名活跃人数
通讯社交APP中活跃人数最多的是“微信”,依据官网发布的数据显示 [10],2021年活跃人数男性占比58%,女性占比42%;17岁以下用户占5%,18~29岁占38%,30~49岁占44%,50岁以上占13%。2019年,微信生态带来的经济规模达到8.58万亿元,约占我国GDP的9%。2019年,微信带动就业2963万个,其中直接就业机会达2601万个,间接带动就业362万个。
网上购物类的淘宝官网发布的数据显示 [11],95后已跃升为淘宝第一大用户群体。90%的年轻网民都是淘宝的用户。18~25岁网民最多,淘宝用户占比超过95%;男女比例大约为4比6,并且女性的活跃度显著高于男性。排名第二的拼多多,2020年全年营业收入为594.92亿元,同比增长97%;2020年年度活跃买家数7.88亿,全年每个活跃用户消费额为2115.2元,同比增加23%。
生活休闲类的“美团”,依据胡青路和陈诗雨的相关研究数据 [12],可以发现女性占比61.32%,男性占比38.68%。在其他因素相同的情况下,女性使用美团消费的频数接近男性的1.5倍。数据中18~24周岁占主体,占比高达89.74%。美团2020年报显示,美团总收入由2019年的975.3亿元同比增长17.7%,至1147.9亿元。其中,餐饮外卖营业收入为662.7亿元,占总营业收入的57.73%。
影音播放类的“抖音”官网数据显示抖音的用户主要是35岁以下的年轻人,其中以24~30岁的用户为主。在男女比例方面,女性占比60%,用户群体以大学本科学历为主。2021年8月中国区APP store iPhone热门收入前100的应用,共计收入4.4亿美元。抖音收入6160.86万美元,排名第1,较上月收入减少4.86%;腾讯视频排名第2,收入超5000万美元,较上月收入增长0.86%,;爱奇艺位居第3,收入4091.54万美元,较上月减少6.87%;此外,QQ音乐、优酷、芒果TV、快手、QQ、网易云音乐、BOSS直聘、喜马拉雅8个应用收入均超1000万美元。
电子游戏类的《王者荣耀》于2015年11月26日在Android、IOS平台上正式公测,游戏前期使用名称有《英雄战迹》、《王者联盟》。TalkingData移动数据研究中心发布了《王者荣耀热点报告》 [13],根据数据显示19岁以下消费者在王者荣耀总用户占比还不足3%。在校大学生占比为21.8%,在职年轻白领占比为45.3%。2020年,中国游戏市场实际销售收入2786.87亿元,比2019年增加了478.1亿元,同比增长20.71%。腾讯2020年全年总营收为4820.64亿元,其中游戏收入为1561亿元,占总营收的32.4%,接近三分之一。
4. 研究方法
4.1. 数据来源
本文选定网上购物类APP为研究对象,进行数据的收集,通过网络搜索爬取淘宝商家用户数据。数据经过清洗预处理后,共有7个类别,每一个类别都有65535笔数据。7个类别分别为用户ID、性别、年龄区段、消费档次、购物深度、是否是大学生、城市等级。
4.2. 数据编码
将收集的数据依据类型进行编码如下:
1) 性别:a:男,b:女;
2) 年龄区段:a:1~10岁,b:11~20岁,c:21~30岁,d:31~40岁,e:41~50岁,f:51岁以上;
3) 消费档次,a:低档,b:中档,c:高档;
4) 购物深度,a:浅层用户,b:中度用户,c:深度用户;
5) 是否大学生,1:是,0:否;
6) 城市层级;a:一线城市,b:二线城市,c:三线城市,d:四线城市。
4.3. 数据分析方法
根据前述的文献与各类型APP官网的数据,可以发现娱乐向手机APP的下载与使用,会因为性别、年龄甚至所在地区而有所不同,为了验证这些结果,本文选定购物类APP为研究对象,研究的方向如下:
1) 通过对数据集的性别处理,分析男女用户的年龄层次、消费档次、购物深度。
2) 通过城市等级处理,分析各等级城市用户消费能力。
3) 通过消费档次,分析购物深度,年龄层次。
4) 通过是否为大学生,分析大学生和非大学生两类人群消费习惯。
本文首先了解性别、年龄区段、城市等级、购物深度、消费档次各变量之间的相关性与影响程度,再建立多项逻辑回归模型,进行性别、年龄区段、城市等级、购物深度对消费档次影响的研究,以预测用户的消费档次,作为顾客管理的参考依据。
5. 数据分析结果
5.1. 性别的影响
以性别为变量,对用户年龄区段、购物深度、消费档次进行数据透视,结果如表1、表2和表3。由表1可知淘宝商家主要用户不论性别,年龄都来自于年龄区段3 (21~30岁),其中年龄区段2 (11~19岁)、区段3 (21~30岁)、区段4 (31~40岁)的用户,男女占比分别达到73%、77%,说明淘宝商家产品受到40岁以下用户喜爱,未来的营销策略应该偏向年轻人。
![](Images/Table_Tmp.jpg)
Table 1. Pivottable of gender vs age group
表1. 性别对年龄区段的数据透视表
![](Images/Table_Tmp.jpg)
Table 2. Pivottable of gender vs shopping level
表2. 性别对购物深度的数据透视表
![](Images/Table_Tmp.jpg)
Table 3. Pivottable of gender vs consumption grade
表3. 性别对消费档次的数据透视表
由表2可知淘宝商家用户的购物深度属于购物频次较高的深度用户,侧面反映出淘宝商家的页面设计吸引人,购买手续方便,宣传、营销与促销策略到位,但是贩卖商品应该大多属于低价位。结合表3的消费档次分析,发现用户的消费档次都集中于中、低档消费,更能确定商家贩卖的商品属于低价位层次。
5.2. 城市等级、购物深度对消费档次分析
以城市等级为变量对消费档次进行数据透视,如表4及图2,发现各线城市的消费档次都集中于中档消费。随着城市等级降低,低档消费用户增加,高档消费用户减少。以购物深度为变量,对消费档次进行数据透视,如表5及图3,不论何种购物深度的用户,消费档次皆以中档为最多,其次为低档,高档消费用户占比最低。随着购物深度的增加,低档次消费者减少,而高档次消费者增加。
![](Images/Table_Tmp.jpg)
Table 4. Pivottable of city level vs consumption grade
表4. 城市等级对消费档次的数据透视表
![](//html.hanspub.org/file/8-2350274x9_hanspub.png?20220701091704506)
Figure 2. Pivotchart of city level vs consumption grade
图2. 城市等级对消费档次的数据透视图
![](Images/Table_Tmp.jpg)
Table 5. Pivottable of shopping level vs consumption grade
表5. 购物深度对消费档次的数据透视表
![](//html.hanspub.org/file/8-2350274x10_hanspub.png?20220701091704506)
Figure 3. Pivotchart of shopping level vs consumption grade
图3. 购物深度对消费档次的数据透视图
5.3. 大学生身份与消费档次分析
以大学生身分为变量,对消费档次进行数据透视,结果如表6。由表6可以发现中、高档消费者以非大学生占比较高,低档消费者以大学生占比较高。低档消费群中,大学生比非大学生的占比高出16%;而中、高档消费群中,大学生的占比低于非大学生10%、7%,符合大学生普遍消费能力较弱的特点。
![](Images/Table_Tmp.jpg)
Table 6. Pivottable of university student status vs consumption grade
表6. 大学生身份对消费档次的数据透视表
5.4. 消费档次逻辑回归分析
通过变量间的相关性分析,如表7,可以发现除了年龄层次与城市等级不具相关性外,其他变量之间的相关性显着。
整理并归纳相关性的关系,可以发现:
1) 年龄层次和消费档次呈现正相关和购物深度呈现负相关。意谓年龄越大的顾客,消费档次越高,但购物次数较少、购物深度较低,因此可以判断出其客单价较高,后续的营销策略上,淘宝商家应对这些年龄层较高的客户,在特殊节假日,进行精致商品或大型家电等单价高的商品的营销推送。
2) 消费档次和购物深度呈现正相关,和是否为大学生呈现负相关。代表购物深度高的客户,购物次数较多,因此容易成为消费金额多的高档次客户;而大学生在消费档次上属于较低的档次。
3) 购物深度和是否为大学生呈现正相关,和城市等级呈现负相关。意谓大学生更常使用淘宝购物,购物的次数多,购物深度更高;而城市等级越高使用淘宝购物的深度反而较低,原因可能是因为城市等级越高的区域购物越方便,因此使用淘宝购物的深度较低。
![](Images/Table_Tmp.jpg)
Table 7. Correlation analysis between variables
表7. 变量间的相关性分析
以消费档次为因变量,其他变量为自变量,进行多项逻辑回归(Multinomial Logistic Regression),可以得到表8和表9的回归参数估计。
![](Images/Table_Tmp.jpg)
Table 8. First parameter estimation of multinomial logistic regression
表8. 多项逻辑回归参数估计1
![](Images/Table_Tmp.jpg)
Table 9. Second parameter estimation of multinomial logistic regression
表9. 多项逻辑回归参数估计2
由表8和表9可建立消费档次的多项逻辑回归:
(1)
(2)
在二线城市中度购物深度的客户,若为年龄21岁的男性非大学生,根据多项逻辑回归方程
(3)
(4)
则此顾客其消费档次的概率为
(5)
(6)
(7)
此顾客其消费档次属于中档的概率最高,故此客户可能为中档次的消费者。
6. 结论
本文通过移动端APP的数据收集、分析与文献整理,了解国内移动互联网经济,并了解性别、年龄区段、城市等级、购物深度、消费档次之间的相关性与影响程度,再建立多项逻辑回归模型,进行性别、年龄区段、城市等级、购物深度对消费档次影响的研究,以预测用户的消费档次,作为顾客管理的参考。
通过大数据的采集与分析,发现数据来源的淘宝商家产品受到40岁以下用户喜爱,未来的营销策略应该偏向年轻人,未来的商品设计上应该要注意开发40岁以上中老年人喜爱的产品,开拓年龄较大的客群。各线城市的消费档次都集中于中档消费,随着城市等级降低,低档消费用户增加,高档消费用户减少,符合一般人对各等级城市的用户消费能力的认知,即一线城市的消费能力高于其他二、三、四线城市。淘宝商家用户不论购买次数高低、购物深度为何,主要以中、低档消费者为主,高档消费者占比极少,未来应该积极开发高档消费的客户群或开发单价高的商品以吸引客户提高消费档次。
由相关性分析发现年龄层次与消费档次呈现正相关,但是和购物深度则呈现负相关,因此年龄越大的顾客,消费档次越高但购物次数较少。开发中老年人喜爱的产品,吸引年龄较大的客群,同时通过促销手段,简化操作手续方便年龄较大的消费者,是未来营销与运营的努力方向。
本文建立的多项逻辑回归模型,可以根据用户性别、年龄区段、城市等级、购物深度和是否为大学生等特征,求出此用户属于低档消费、中档消费、高档消费的概率值,从而预测并判断用户的消费档次,对企业进行顾客管理与营销推送具有实质意义。
基金项目
中国教育技术协会“十四五”规划一般课题项目(项目名称:新商科大数据应用实验实训平台与教学资源建设研究,项目编号:G002);2021年美林数据公司教育部产学合作协同育人项目(项目名称:新商科教改情境下经管类专业大数据应用实验实训平台建设,项目编号:202102344024);厦门大学嘉庚学院科研启动基金(项目名称:科研项目启动,JG2018SRF10)。
NOTES
*通讯作者。