133      美团网

美团App后台数据分析

一、O2O市场分析

1、市场结构

标准化程度相对较高的细分领域，如商超宅配、餐饮等，受用户接受程度不断上升，市场份额将连年升高

2、市场规模

目前，O2O市场得以快速发展的原因在于，O2O对用户生活服务场景的覆盖不断提升，满足了生活节奏不断加快的居民更便捷的消费需求；同时，众多现象级产品的出现及大规模补贴的投入培养了用户习惯，用户使用频率不断上升

3、O2O模式

目前O2O可以分为到店和到家两种模式

到店O2O：消费者通过线上平台在线购买并支付/预订某类商品/服务，体验/消费在线下店中完成

到家O2O：商品交付/服务产生的场所在社区（包括商区、校区）之内，且必须同时涉及线上流程及线下产品消费或服务体验

4、美团模式分析

美团作为综合类到店平台，通过平台连接线下门店资源与消费者，为两方需求进行匹配，建立场景消费关联，通过餐饮等发展较为成熟的细分领域，不断扩大业务范围，将休闲娱乐、运动健身等其他更多细分场景串联起来，建立一站式生活服务生态圈

5、美团数据

月度独立设备数

日均独立设备数

月度有效总时长

二、后台数据分析

数据指标

借助易观万象、百度指数等第三方数据平台，通过分析2017年6月美团App的后台数据，分析O2O类用户的用户偏好

1、 用户规模数据

6月，美团的活跃用户已达到13478.64万，具有十分庞大的用户体量；用户数环比上涨7.46%，启动次数环比上涨24.47%达140133.85万次，使用时长环比上涨21.91%达8615.84万小时

活跃人数

6月美团的活跃人数较4月增幅4.44%，而领域渗透却下跌0.18%，人数上升的同时领域渗透有所下降。猜想其中一个原因是，6月用户的出行需求提高，所提升的部分用户与OTA用户有所重叠，并不是美团的独占用户，因此应用活跃用户的渗透率较4月有所下跌

启动次数

使用时长

启动次数及使用时长较4月均有大幅度的提升，猜想原因是，美团对应用“逛一逛”入口内文章质量的提升满足了出行用户获取高质量出行策略的需求，同时美团也将文章入口置于其它应用如天天快报底部的广告位，用户点击便可浏览美团内文章。

同时列出美团4-6月更新的版本更新记录

4月美团的更新主要围绕外卖功能，增加了拼单等功能；从4月末的版本更新记录中推测，4月外卖用户应该为应用提供了一定的稳定流量，因此月末的版本更新，主要围绕一些非核心用户体验，如外卖评分、登录体验等；5月末及6月连续更新几个版本，则围绕出行、酒店详情页、改版外卖订单页等，尤其是机票套餐、火车票座席选择功能，是为了提高订单转化率新增加的功能，满足了一部分出行用户的需求，

2、日均规模分析

（1）日均活跃人数

（2）日均启动次数

（3）日均使用时长

3、用户粘性分析

人均单日启动次数

人均单日使用时长

6月人均单日启动次数2.69次，单日使用时长9.91分钟，较过去两个月有所提升。由于应用类型的缘故，最终考核指标仍为订单转化率，故而用户粘性方面的数据比及以内容消费为主的应用，数据不是很高

由于美团App是综合类团购应用，所以将其与竞品大众点评、百度糯米的数据进行对比

大众点评人均单日启动次数

人均单日使用时长

6月大众点评人均单日启动次数2.42次，人均单日使用时长12.72分钟。在单日启动次数不及美团的前提下，点评的用户人均单日使用时长要比美团高24.2%，说明大众点评的用户粘性较美团更高些。但由于大众点评的活跃用户数不及美团的1/4，猜测点评提供的服务更加垂直，满足具有较明显地域特征用户的需求（上海用户占总用户的12%）才能吸引用户留在平台

百度糯米人均单日启动次数

人均单日使用时长

6月百度糯米的人均单日启动次数1.94次，人均单日使用时长6.92分钟。百度糯米的用户粘性要远低于前两者

4、用户分时行为分析

分时点活跃用户数

用户活跃时间集中在9点-22点间，活跃用户数在1500万以上

5：00-12：00活跃用户数随时间呈指数上升趋势，12:00达到峰值月3300万。12:00-13：00快速下降至3000万，随后下降趋势放缓，15:00达到谷值2000万；随后又开始呈指数上升趋势，第二个峰值在18:00，约3100万。之后活跃用户数呈线性下降，0点后下降趋势放缓，到达谷值时活跃用户不足300万

分时点启动次数

用户启动次数集中在9点-22点间，启动次数集中在5000万-15000万间

5：00-12：00用户启动次数随时间呈指数上升趋势，12:00达到峰值约15000万。12:00-13：00快速下降至12000万，随后下降趋势略有放缓，15:00达到谷值7000多万；随后又开始呈上升趋势，但上升幅度较第一个平缓很多，第二个峰值在19:00，约12000万。之后活跃用户数呈线性下降，0点后下降趋势放缓，到达谷值时启动次数不足100万

分时点使用时长

用户使用时长集中在10点-23点间，使用时长集中在300万-700万小时间

5：00-10：00用户使用时长随时间缓慢上升，10：00-12：00呈指数上升趋势，12:00达到峰值约700万。12:00-13：00快速下降至600万，随后下降趋势略有放缓，15:00达到谷值400多万小时；随后又开始呈上升趋势，但上升幅度较10：00-12：00平缓很多，第二个峰值在19:00，约650万。之后用户使用时长呈线性下降，0点后下降趋势放缓，到达谷值时使用时长约150万

分时点人均启动次数

人均启动次数集中在9点-24点间，启动次数约为3次

5：00-9：00人均启动次数呈线性增长，9点时约为3次；9：00-12：00呈指数上升趋势，12:00达到峰值4.5次。12:00-14：00线性下降至3.3次，随后下降趋势略有放缓，15:00达到谷值3.1次；随后又开始呈缓慢上升趋势，但上升幅度较9：00-12：00平缓很多，第二个峰值在19:00，对应人均启动次数4次。之后人均启动次数呈线性下降趋势，5点时达到谷值2次

分时点人均使用时长

人均使用时长集中在0：00-7：00，时长20-43分钟

0：00-4：00使用时长呈线性增长，5:00达到峰值23分钟，5:00-7:00呈快速下降趋势，8：00-9:00缓慢下降，9点达到谷值10分钟。9:00-24点人均使用时长平稳在10分钟

可见

美团用户应用使用时段的峰值在12:00、18:00，正值用餐高峰期，说明应用的使用场景仍主要在餐饮、商超部分

启动次数在18:00峰值数值小于12:00峰值数值，较使用人数、使用时长，数据波动更为明显（后两者两个时段峰值的数值差距不大）说明用户在傍晚时段的消费选择没有中午时那么犹豫、决定缓慢，含有一定非理性消费的行为。

深夜用户的使用时长远高于白天，说明应用内有一部分内容的确能吸引用户，但这部分用户占比十分小，应用不能以满足这部分“深夜用户”的功能作为产品的主要功能加以突出（猜想满足这部分用户的应该是产品内美食攻略、旅游攻略等一些内容）

5、用户属性分析

用户属性

性别分布，男性：女性=72.97:27.02

年龄分布，24岁以下占比22.25%，24岁-30岁占比26.02%，31-35岁占比17.61%，36-40岁占比21.16%，41岁及以上占比12.96%

消费能力，低消费者占比6.38%，中低消费者占比10.26%，中等消费者占比31.70%，中高消费者占比36.44%，高消费者占比15.22%

地域

地域分布，超一线城市用户占比9.36%，一线城市用户占比46.77%，二线城市用户占比19.84%，三线城市用户占比16.28%，四线及以下城市用户占比7.75%

省份分布，江苏省用户占比最高8.3%；广东省用户占比8.17%，山东省用户占比7.77%，河南省用户占比6.36%，浙江、辽宁用户占比5.3%

与大众点评用户属性进行对比

用户属性

性别分布，男性：女性=41.51:58.48

年龄分布，24岁以下占比15.75%，24岁-30岁占比25.42%，31-35岁占比21.51%，36-40岁占比20.73%，41岁及以上占比16.59%

消费能力，低消费者占比10.20%，中低消费者占比13.33%，中等消费者占比29.01%，中高消费者占比30.45%，高消费者占比16.98%

地域分布

地域分布，超一线城市用户占比25.92%，一线城市用户占比46.52%，二线城市用户占比11.88%，三线城市用户占比10.23%，四线及以下城市用户占比5.45%

省份分布，上海用户占比最高12.42%；广东省用户占比10.54%，山东省用户占比9.46%，北京市用户占比6.37%，山东、天津用户占比5.5%

通过数据对比可以发现，用户性别上，美团的女性用户占比相当高。对于一个O2O综合类平台而言，可以考虑在未来产品的功能规划及运营上倾向一部分男性用户的需求。大众点评的用户比例则较为平均

年龄段分布上，美团的用户更显年轻化。App更换成本的低廉使平台很容易流失年轻化用户，因此未来品牌调性及页面布局上应显得年轻化一些

美团用户的消费能力较大众点评用户略高一些。对这类应用，应该更欢迎对价格不那么敏感、更着重服务质量的用户吧

地域方面，美团对我国中部用户的辐射程度比大众点评要高，这有利于产品未来向三、四线城市的发展；大众点评的用户则集中在超一线、一线城市，以上海为主，用户具有较明显的地域特征

最后更新：2017-08-27 22:44:59

  上一篇： 美团点评“大数据 做餐饮”全国营销论坛沈阳站圆满落幕

  下一篇： 改名“饿度子”？今日饿了么迎娶百度外卖，美团你该紧张了