搜档网
当前位置:搜档网 › 5G手机首批用户画像报告

5G手机首批用户画像报告

5G手机首批用户画像报告
5G手机首批用户画像报告

5G手机首批用户画像报告

个推大数据

2019年9月

8月5日,国内首款5G手机中兴天机Axon10Pro 5G版正式上市,定价4999元,线上京东和线下苏宁为“全国首单5G手机售出者”抢红了眼。8月16日,华为首款5G手机Mate20X5G版正式上市,定价6199元,开售首日,现货迅速被抢购一空,各大电商平台不到一分钟均显示售罄。

除了已上市正式售卖的2款5G手机外,三星、OPPO、VIVO也陆续发布了5G手机,智能手机正式进入5G时代。首款5G手机开售日已过去20多天,个推大数据推出《5G手机首批用户画像报告》,为你揭开5G 手机首批剁手用户的神秘面纱。

男性用户更爱追求科技潮流,占比55.1%

个推大数据显示,5G手机首批使用用户中男性占比55.1%,女性占比44.9%,在追求科技潮流这件事儿上,男性用户略微领先。

85后购买5G手机的热情最高,用户占比64.9%

25~34岁用户占比64.9%,是5G手机首批用户的主力军。35~44岁用户占比其次,45岁以上用户占比最少,为3.6%。

首批用户主要分布在一二线城市

个推大数据显示,5G手机首批用户在一线城市的渗透率最高,二线城市次之。和三四线城市相比,一方面一二线城市用户的经济实力更强;另一方面一二线城市的5G网络建设更快。在目前这个时间点,大部分三四线城市用户仍处于观望之中。

中高产一族占比高达95.9%

第一批用上5G手机的用户中,中高消费群体占大多数,其中中等消费群体占比40.0%,高等消费群体占比55.9%。对于没有换机刚需的普通消费者来说,目前的5G手机售价,加上5G套餐的费用,仍是一笔不小的开支。

上海、北京是科技潮男圣地,占比接近六成

5G手机首批主要用户中,29.5%的用户来自于上海,29.1%的用户来自于北京,其次依次是深圳、广州、成都,上海和北京是当之无愧的科技潮男圣地。

科技潮男也是时尚潮男

个推大数据显示,在视频类APP中,活跃偏好TGI排名前5中除了人人视频,其它均为体育直播类APP。(TGI指数,特定人群某APP的活跃度与全人群该APP活跃度的比值,若TGI>1,说明该人群某APP的活跃度高于整体平均水平。)在购物类APP中,寺库奢侈品APP的活跃偏好TGI高达6.5,堪称男人版小红书的毒APP也位列第五。

生活中关注养车、看电影,游戏偏好跑跑卡丁车

这样一群科技时尚潮男,生活中又有什么样的喜好呢?个推大数据发现,他们不仅有车更爱玩车,日常生活中关注途虎养车、汽车之家等为代表的汽车养护类APP,途虎养车的活跃偏好TGI高达8.2;游戏类APP中,活跃偏好最高的是跑跑卡丁车,活跃偏好TGI为5.3。

从目前5G手机的用户画像数据来看,使用5G手机的仍是一部分小众群体,他们来自于一二线城市,有着稳定可观的收入,追求精致时尚的生活。随着智能手机进入5G时代,用户争夺战将是各手机厂商不得不面对的新战场。

特别说明:本文数据来源个推大数据,转载或引用请标明出处。

如何对用户画像进行分析

身处在互联网大数据时代的我们,总是会发现我们的信息在不经意就被“窃取”了。当你打开短视频平台和购物软件的时候,发现出现的东西都是自己爱看的;某宝某东上一打算买某样商品,它就自动的跳到你面前,这往往就是大数据分类的结果。而当你你拿起父母的手机,就会发现推送的内容和我们大大不同,这也体现了父母的世界我们所思所想的差别。这就是大数据分析的作用。利用这种分析功能不仅便利了我们的生活,更提升了我们的生活质量。 那么,APP是怎样捕捉人们思想并匹配流量的呢?企业主们称之为用户画像。掌握了用户画像就掌握了用户的分类需求,如果再根据用户需求进行匹配和推荐,就可事半功倍。这个过程就被称之为用户画像分析,可以说,没有比这个更高明的营销手段了。至于用户画像怎么分析,我们可以从以下几个步骤着手: 第一步:转化商业问题 用户画像分析,本质上是从用户的角度思考问题。举个简单的例子,比如新上市产品销售未达预期,我们既可以从产品管理的角度来思考问题,也能从用户角度来思考问题。同样一个问题,会有两种思考方式(如下图所示):

因此,简单的列出一堆用户指标(性别,年龄,地域,购买产品,登录次数……)是没啥用处的。用户画像只是分析的一个工具,和其他分析一样,也要先考虑:我要解决的实际问题到底是什么。想清楚了,再把问题转化成用户相关的问题,就能继续使用用户画像分析方法了。 需要注意的是,商业问题是很复杂的。往往一个问题,可能与若干用户群体、若干用户行为有关。比如上边的例子,就至少和三个用户群体(潜在用户、流失用户、存量用户)涉及到用户态度、信息接收、购买流程、使用体验等多方面。因此更得分门别类,把分析线索和分析逻辑理清楚,找到对应的数据。不然一锅炖,光列性别,年龄,地域,也解释不了任何问题。这就涉及下两部份工作。 第二步:宏观假设验证 转化完问题后,先宏观上对假设进行检验非常重要,能有效避免无限拆解的错误。如果大方向都不成立,细节更不用看了。还是新产品卖不动的问题,如果要从大方向验证,可以简单如下进行: 如果怀疑大环境不好,那应该全品类受影响。

用户画像分析报告

SOSO用户画像分析 数据平台部/商业智能中心 TA分析团队 2011年3月 目录

1.分析概要.......................................................... 错误!未定义书签。 2.数据说明.......................................................... 错误!未定义书签。 3.报告概要.......................................................... 错误!未定义书签。 4.人口属性.......................................................... 错误!未定义书签。 用户规模........................................................ 错误!未定义书签。 性别............................................................ 错误!未定义书签。 年龄............................................................ 错误!未定义书签。 地域............................................................ 错误!未定义书签。 上网场景........................................................ 错误!未定义书签。 兴趣............................................................ 错误!未定义书签。 学历............................................................ 错误!未定义书签。 5.产品行为.......................................................... 错误!未定义书签。 各业务分布...................................................... 错误!未定义书签。 IM ............................................................. 错误!未定义书签。 互联网产品..................................................... 错误!未定义书签。 QQ秀....................................................... 错误!未定义书签。 QQ音乐..................................................... 错误!未定义书签。 QQ邮箱..................................................... 错误!未定义书签。 游戏........................................................... 错误!未定义书签。 QQGAME ..................................................... 错误!未定义书签。 CF ......................................................... 错误!未定义书签。 DNF ........................................................ 错误!未定义书签。 QQ宠物..................................................... 错误!未定义书签。 6.增值服务.......................................................... 错误!未定义书签。

在线教育用户画像分析

腾讯商业运营总监带你解读“在线教育用户画像” 2014年11月24日16:00 腾讯教育联盟 11月14日,由腾讯课堂旗下腾讯教育联盟主办的腾讯教育联盟线下沙龙 (第二期)在上海衡山宾馆举行,主题为“用大数据来看教育:在线教育用户画像分析”。 腾讯即时通讯应用部商业运营总监李惊在沙龙上分享了腾讯课堂用户画像分 析报告,为大家详细解读了报告数据并给出建议,启发机构专业的运营策略。 她的核心观点如下: 1、中国的教育市场很大,但教学资源分配不均衡,只要有教育的内容,就可 以找到合适的学生。 2、机构在做内容调研、设计时,可以把更多的精华内容集中在前面30分钟, 在学习更好吸收的时间内去和学生交流。 3、腾讯课堂平台目前主要为19-24岁的用户,该部分用户的核心需求就是如 何让自己变得更好,更有竞争力,找到更好的工作。

4、老师对课程的评价和培训寄语,会变成学生选择这一门课程的决胜因素。 5、学生会看重课后的交流,比如机构是否会有课后答疑、是否提供习题练习 和教学资料。 6、腾讯课堂将设置机构成长等级,并把优秀的机构推荐给学生。因为学生在 同质化课程里,更倾向选择自己合适的机构,而这些获推机构会得到腾讯课堂 更多资源,更好服务。 7、机构入驻腾讯课堂平台是免费的,机构的收费腾讯不会有任何分成。 以下是演讲原文: 前一段时间,11月11日是腾讯公司十六年周年成立之际。以前腾讯是靠社交 网络在整个互联网上占有一席之地,下一个十年的互联网发展,我们预测会 在互联网金融、医疗、教育领域有所发力。在线教育这里,腾讯愿意出来做 一个平台服务者的角色,跟在座各位教育者、朋友一起共度另一个十年。 今天将我们腾讯课堂自上线以来的运营数据分享给大家,让大家在数据上更好 看看,原来我们的用户,在培训课堂上面听课这些人是这样的。这里的数据是我们在2014年才开始,预测的市场容量。整个市场在不断变化,我相信市场容量也在变化,甚至在提高。 除了看到市场容量那么大,是可以跟大家一起共赢的基础,腾讯做在线教育也是自然而然。腾讯还没有腾讯课堂这个平台之前,当我们还在负责QQ群这 个产品商业化运营时,大家就发现很多教育机构在群视频上面在组织各种各样的课堂教学。不管以前的学生在线下,大学课堂,甚至在我们的竞争对手YY 上面进行上课的同学,他们都有一个问题。课前都需要同学、师生之间有沟通,课后也需要同学、师生之间在一起沟通。这些沟通都在QQ群里面完成,大 数据会帮我们非常详细、精准把这一部分人从QQ上面勾勒出来。 我们发现课堂每个学生互动时间大概就是30分钟左右,一堂课的时间也就是45-60分钟,其实上课时间是短暂的。其实我们更在乎学生除了上课时间以外的课堂课后的沟通时间。他们在腾讯平台上面的沟通,也是我们愿意投入在线教育的信心所在,无论在哪个平台进行学习,最后都会落到腾讯平台进行沟通。

2019年中国军迷用户画像分析研究报告-Trustdata-2019.8-25页(8)

2019年中国军迷用户画像分析研究报告 & 联合发布 2019年8月 本报告为Trustdata制作,报告中所有的文字、图片、表格均受到中国法律知识产权相关条例的版权保。 任何组织和个人,不得使用本报告中的信息用于其它商业目的。

研究综述 ?研究说明:本报告主要分析当前中国军迷用户画像,部分数据来源于调查问卷,问卷基于关注军武次位面用户为对象,问卷回收有效样本量达12000余份; ?数据来源:基于Trustdata自建的日活跃用户超过1亿(月活跃用户超过3.2亿)的安卓用户样本集,并根据中国移动网民人口结构、地域分布、各移动应用iOS与Android比例关系等多方面因素搭建模型计算所得 ?采集方法:只在亮屏情况下进行数据采集,确保数据的真实性和有效性。采集频次方面,不带支付功能的APP为每次10秒,带有支付功能的APP为每次1秒 ?统计周期:2015年至2019年6月 报告及指标说明: ?研究对象:本报告主要分析中国军迷群体的用户画像、消费行为偏好以及发展趋势,以专业的军事资讯平台为主要研究对象,重点研究平台军武次位面、铁血网、军事头条等; ?TGI指数:用户指标/目标群体用户特征指标

Contents 目录Part Two 中国军迷兴趣偏好分析 Part Three 中国军迷消费行为分析 Part One 中国军迷现状分析 Part Four 中国军迷群体的发展趋势

用户研究核心军迷1.8亿专业军迷 5000万泛军迷2.4亿 军迷:主要指基于共同的兴趣爱好而形成的群体,他们对军事、战争史、武器装备等包含军事元素与特征的事物有浓厚兴趣。 我国军迷群体众多,基于对军事知识的了解及军事元素的喜欢程度可划分为泛军迷、核心军迷和专业军迷。泛军迷主要指因对某些军事元素比较感兴趣(如喜欢玩军事射击类游戏、喜欢军事题材的电影电视剧等)从而不时关注军事资讯的群体;核心军迷指具有一定的军事知识,经常关注军事类新闻资讯的军迷群体;专业军迷是指具备专业的军事知识和武器装备知识,对最新船舰、战斗机型或武器性能等具有浓厚兴趣的军迷群体。激扬正能量,助力强军梦中国核心军迷规模达1.8亿

相关主题