京东到家后台数据分析

一、生鲜电商行业

1、生鲜电商作为电商行业的细分行业，随着新零售话题的火热，各家生鲜电商平台都开始了探索和布局。以京东到家为例，与沃尔玛合作，实现线上线下深度融合，门店、库存、用户三者打通。其他诸如盒马鲜生北京、上海三家店同时开业，标志着盒马模式从模式验证阶段进入快速发展期；美团点评号称的首家新零售业态“掌鱼生鲜”在北京开业；易果生鲜获3亿美元融资，融资主要用于易果生鲜旗下安鲜达的升级，提升服务质量

2017年1-7月生鲜电商App行业月活用户规模

数据端口：QuestMobile，时间：2017年7月

移动生鲜电商平台大多发力生态流量建设，扩展消费场景和流量入口。生鲜电商用户行为特点发生较大变化，电商购买入口呈现多元化、碎片化的趋势，生鲜电商独立APP用户有了更多的选择，生鲜电商消费受到时间、地点、流量入口的限制减少，随时随处可以下单

2、平台生态流量建设

综合电商APP中的流量入口，能覆盖电商消费场景的用户，触达潜在的生鲜电商用户；微信公众号和小程序，基于社交场景，精准触达具有一定品牌认知和忠诚度的用户，深挖存量用户价值。从更多的场景中获取用户订单，培养用户的生鲜消费习惯

3、2017年6月生鲜电商TOP10应用MAU及增长情况

数据端口：Trustdata移动大数据检测平台，时间：2017年7月

2017年7月生鲜电商TOP10应用MAU及增长情况

数据端口：QuestMobile，时间：2017年7月

6、7月的发展趋势体现了生鲜电商APP用户向头部应用集中，也加剧了头部几家的相互竞争

各家生鲜电商平台运营内容和模式虽有差距，但行业中应用的用户活跃率均在20%以下，这与用户对于生鲜商品的需求和购买频率有一定的关系

用户活跃渗透率

数据端口：QuestMobile，时间：2017年7月

可以看到，京东到家独立APP在上半年虽活跃用户规模及渗透率有所下跌，从Q3开始有所回升，但背靠京东这一电商巨头，在京东APP上使用京东到家的服务的用户规模也不可小觑。

4、用户行为偏好

数据端口：QuestMobile，时间：2017年7月

使用生鲜电商APP的用户对于食材的新鲜，品类，快速送达非常关注，可以看出来这些用户对于生活品质也有较高追求。从这部分用户的行为偏好也可以看出这些特征，不仅有较高消费能力，同时对于医疗健康需求，对品质生活、商务、房产汽车等相关领域的偏好度更高

生鲜电商APP用户重合分析

数据端口：QuestMobile，时间：2017年7月

生鲜电商是电商发展成熟后的新生且更为垂直化的产物。综合电商APP对于生鲜电商平台来说，不仅是一个重要流量入口，更起到增强用户粘性，提高生鲜电商购买频率的可能，生鲜电商与综合电商的重合率也较高

5、京东到家月度独立设备数

数据端口：艾瑞数据，时间：2017年8月

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、QuestMobile等第三方数据平台，通过分析2017年6月京东到家的后台数据，分析生鲜电商类用户的用户偏好

1、用户规模分析

6月，京东到家的活跃用户193.99万，用户体量领跑生鲜电商类应用；用户数环比上涨16.33%，启动次数环比上涨35.97%达1910.53万次，使用时长环比上涨36.36%达154.31万小时

可以看到，6月各项数据均有较高增长，相较于活跃用户的环比增长速度，启动次数及使用时长的环比增幅均达到36%。猜测有以下两个原因：

（1）通常来说，综合电商APP对于生鲜电商平台不仅是一个重要流量入口，更起到增强用户粘性，提高生鲜电商购买频率的可能；而京东商城“618大促”的活动无疑为“京东到家”提供了一个巨大的流量入口，如京东商城内“满减”、“免息”’等活动，都会引导用户至“京东到家”中下单消费

（2）竞品MAU的提升带动此类消费者在不同平台对比购买，即数据上升是所有生鲜电商平台均有的现象

活跃人数

6月活跃人数环比增幅上升16.33%，但领域渗透率反而下降0.41%，而从4月到6月，领域渗透率不断下降，可见，竞品较为激进的运营策略，使原本属于“京东到家”的部分用户流失到其他平台。而生鲜电商的运营策略，通常在综合电商做品牌背书情况下加大补贴力度吸引用户（称为较激进的运营策略，因为烧钱不会持续太久）或将补贴到用户身上的利润从商户身上赚取。除去6月依靠“京东618”引流用户外，京东到家需考虑一定的产品策略提升用户黏性。虽说电商用户对价格有一定的敏感度，但鉴于生鲜电商的特殊性，用户不仅仅只关注价格，对于食材的新鲜，品类，快速送达同样非常关注。而这类用户通常有较高的消费意愿，怎样提升用户的购物体验，发挥自身平台物流、品类品控优势显得十分重要

启动次数

5月京东到家的启动次数较4月环比下降13.49%；6月启动次数较5月环比增长35.97%，较4月增长286.3万次，但启动次数百分比较4月下降1.44%，可见6月竞品的增长速度确实快于京东到家

使用时长

数据缺失

列出4-6月京东到家各版本的版本记录

数据端口：蝉大师

4月4.0.0版本主要针对评价系统及促销系统的部分功能做以优化，用户对新功能的感知不是很强烈（毕竟更新的促销功能，不是限定了商家就是需满足“买赠”——即下单后才享受促销，这并不是影响用户下单的主要因素）；而5月4.1.0版本更新记录里，有一条“实时计算订单预计送达时间”从侧面反映出，产品当前基础功能并不十分完善，因为类似功能在“饿了么”、“美团外卖”等外卖类应用中早已作为基础功能上线。通常用户在首页即可看到送达时间，而对用户从这类产品培养的用户习惯，京东到家直到5月才上线类似功能满足用户需求。数据可视化很大程度提升用户对平台的印象及购物体验，尤其对这类“到家O2O”产品，除去价格，物流速度本就是影响用户是否购买很重要的因素。5.31上线的4.2.0版本，促销系统的优化就更吸引用户——全场满减活动、优惠券提醒用户凑单等。毕竟满减对用户而言是直接省钱；而买赠有一定针对性，很难满足用户期望

这里提两句优惠券和满减的效果

优惠券的好处

力度可控，可限定优惠券的数量、人群、范围，而满减的可控性较差

传播性强，可通过顾客领取、赠送、店铺派发等渠道，而满减只限店内

时间可控，例如可配合“618”活动派发仅限当天的优惠券

参与感强，用户可提前参与抢券等活动，一方面便于活动及前期散播，另一方面提升用户参与度

扯远了……

不仅仅是前面提到的，近期京东到家的版本迭代也在尽力提升着用户体验

比如8.1版本4.4.0中“搜索联想词可以直接进入门店”功能（可以理解为支持模糊搜索吗……）可见产品团队的用心之处

2、日均规模分析

（1）日均活跃人数

4月日均活跃人数20.35万，5月17.93万，6月23.68万

（2）日均启动次数

4月日均启动次数54.14万次，5月45.33万次，6月63.68万次

（3）日均使用时长

4月日均使用时长4.52万小时，5月3.65万小时，6月5.14万小时

5月各项数据都为3个月最低，6月数据虽高于4月，但领域渗透较4月有所下降，可见竞品的增长速度

3、用户粘性分析

人均单日启动次数

人均单日使用时长

三个月人均各项数据保持稳定——人均单日启动2.58次，人均单日使用时长12.57分钟。可见这类用户人均行为具有一定稳定性，不随版本更迭有太大波动

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10点-21点间，活跃用户数在30万至43万间

4:00-10:00活跃用户数随时间呈指数增长趋势，10:00达到40万。随后活跃人数开始缓慢上升，12:00达到峰值43万；12:00-14:00开始下降，14:00活跃人数降至第一个谷底36万；14:00-16:00活跃人数缓慢上升，16:00达到第二个峰值40万，14:00-18:00活跃用户数稳定在40万；18:00-24:00活跃人数呈线性下降，24:00下降至15万。0:00-4:00活跃人数由10万缓慢下降至5万左右

分时点启动次数

用户启动次数集中在9点-20点间，启动次数在40万至150万间

5:00-10:00启动次数随时间呈指数上升趋势，10:00达到第一个峰值140万；10：00-11:00启动次数略有下降；11:00-12:00启动次数略有上升，12:00启动次数与10:00基本持平；12:00-13:00启动次数线性下降，13:00启动次数120万；13:00-14:00启动次数缓慢下降，14:00到达第一个谷底115万左右；14:00-15:00用户启动次数略有增长，15:00-16:00启动次数线性增长，16:00到达第二个峰值145万，16:00-17:00启动次数线性下降，17:00到达第二个谷底130万；17:00-18:00启动次数线性增长，18:00到达第二个峰值145万；18:00-19:00启动次数线性下降至120万；19:00-20:00下降趋势略有放缓；20:00-21:00启动次数下降趋势较18:00-19:00速度更快，21:00到达75万；21:00-22:00启动次数稳定在75万，22:00-24:00启动次数线性下降至30万；0:00-4:00启动次数由30万缓慢下降至15万

分时点使用时长

用户使用时长集中在4万小时至10万小时间

5:00-9:00用户使用时长由4万小时略微上升到5万小时，9:00-11:00快速上升，11:00到达第一个峰值10万小时；11:00-13:00用户使用时长缓慢下降至9万小时，13:00-14:00快速下降至第一个谷值7万小时，14:00-17:00呈线性增长趋势，17:00用户使用时长10万小时，17:00-18:00使用时长稳定在10万小时；18:00-22:00呈线性下降趋势，22:00到达5万小时；22:00-23:00用户使用时长稳定在5万小时，23:00-24:00缓慢下降至4万小时；0:00-5:00用户使用时长基本稳定在4万小时

分时点人均启动次数

用户人均启动次数集中在2次-3.5次

4:00-6:00用户启动次数由2次增长到2.8次，6:00到达第一个峰值；6:00-7:00启动次数下降至2.2次，7:00到达第一个谷值；7:00-10:00人均启动次数快速上升，10:00到达第二个峰值3.5次；10:00-13:00人均启动次数缓慢下降至3次，13:00到达第二个谷值；13:00-16:00人均启动次数缓慢上升至3.5次，16:00到达第三个峰值3.4次；16:00-17:00人均启动次数下降至3次，17:00到达第三个谷值；17:00-18:00用户人均启动次数上升至3.5次，18:00到达第四个峰值；18:00-20:00缓慢下降至3.1次，20:00-21:00快速下降至2.5次，21:00到达第四个谷值；21:00-22:00上升至第5个峰值2.9次；22:00-23:00下降至2.1次，23:00-24:00基本保持不变；0:00-1:00用户人均启动次数由3次下降至2.2次，1:00-2:00上升至2.3次；2:00-3:00下降至2次

分时点人均使用时长

人均使用时长11-39分钟

0:00-4:00使用时长呈线性增长，4:00达到峰值39分钟，4:00-6:00缓慢下降至32分钟，6:00-9:00人均使用时长快速下降至11分钟，9:00-14:00人均使用时长在11-13分钟间波动；14:00-18:00人均使用时长缓慢上升至15分钟，18:00-22:00缓慢下降至11分钟；22:00-24:00缓慢上升至18分钟

可知：

京东到家用户的应用主要使用时段集中在10点-20点间，峰值时段有两个：10:00-11:00间及17:00-18:00间，第二个峰值段对应的各项数据略小于第一个峰值段。因为生鲜类商品需在用户使用前到达（例如11点用户需要做饭，则往往会在10点多下单），而应用中推荐的商家通常覆盖周围1-5公里的用户，送达时间相对较短，因此此时间段为应用使用高峰期相对合理；同时也说明，首页实时显示预估送达时间的合理性，毕竟用户对商品的送达时间需要一定的时间评估，而无可视化数据很容易引起用户的焦虑感。12:00-14:00数据下降趋势较为明显，反映出用户行为与时间有一定的关联

15:00-20:00用户行为随时间波动比较明显，猜测用户不同需求与时间关联性较强——由于应用向用户提供了较多品类的商品，部分商品与时间关联性较强，如水果蔬菜、肉禽蛋奶等通常在用户做饭前1-2个小时的需求较高，冷热速食商品的时间略短些；而清洁日化、家居用品、医药健康等商品的随机需求较高

由于应用推送的商家往往覆盖周围1-5公里的用户，未来随着生鲜电商的用户认知逐渐提高，会有越来越多宝妈、居家老人在平台上购物（白天小区内居民通常以宝妈、居家老人为主），未来产品页面应变得更为简洁；支付流程上，用户不需要太多的选择及购买步骤即可成功下单，且无需对订单做过多调整

5、用户属性分析

用户属性