2018年女装消费者购买趋势洞察报告.pptx

,2018年女装消费者购买趋势洞察报告,大数据 XX,2015,2016,2017,2015-2017 淘系女装消费者人数变化,2015,2016,2017,2015-2017 淘系女装人均年消费金额走势,淘系女装人口红利持续增长，但推动线上女装消费的主要动力是消费者购买能力的显著提升 淘系女装消费者人数逐年提升，人口红利持续增长； 线上女装人均年消费金额逐年提升，且增长率提高，消费者购买能力提升显著。,大数据 XX,2015,2016,2017,2015-2017 淘系女装年人均购买件数人均购买件数,2015,2016,2017,2015-2017 淘系女装件均价件均价,相比人均购买件数的小幅提升，件均价的提升更为显著，成为消费者购买能力提升的主要表现 2015-2017期间，淘系女装人均购买件数逐年稳定提升，提升幅度较小； 2015-2016淘系女装件均价略有降低，而2016-2017年件均价显著提升，相比之前，如今的消费者更愿意在单件商品上花费更多的金钱。,注：不同色块代表不同品牌档次，色块纵向宽度代表人数；从左到右为品类档次的购买顺序，两顺序之间的色块连线代表相应人数的品牌档次流转大数据 XX,大量女装用户从低端品牌尝试首购，随着购物加深，逐步流向高端品牌2016-2017 女装持续购买用户品牌档次发生变化的前五次变化方向,第一次,第二次,第三次,第四次,第五次,大数据 XX,老客,新客,新客购物件单价较老客显著更低，但整体单品价格承受力走高；淘品牌KA依托于其线上知名度，以低件单价保证了其平台新客的掘取力2015-2017 女装各类商家的新老客件单价变化,国际高端KA2015,熟女KA2016,设计师KA,品类KA2017,少淑KA2015,海外国际KA,国际时尚KA2016,淘品牌KA2017,大数据 XX,裤子T恤,注：圆圈大小代表支持度（support）越大表示关联规则越重要；颜色深浅代表提升度（lift）越深表示条件概率作用越强；箭头代表不同品类间联系的方向性注：支持度范围：2015年0.201-0.312；2016年0.200-0.336；2017年0.201-0.516（即品类间出现相关品类组合的概率均在20%以上）注：提升度范围：2015年1.245-1.410；2016年1.200-1.445；2017年1.125-1.462大数据 XX,用户购物篮中品类选择逐年多样，搭配购买成为潜在机会点 消费者购物篮逐年复杂，顾客从2015年以单品购买为主模式逐步向全品搭配演化，到2017年已形成庞大关联链条； 顾客在购买牛仔裤的情况下，同年购买T恤的概率大幅提升；类似的组合还有半身裙对连衣裙，牛仔裤对毛针织衫等。,裤子,连衣裙,T恤,牛仔裤,衬衫,毛针织衫,毛呢外套,短外套,，毛针织衫,半身裙,套装校服工作制服,连衣裙,牛仔裤,卫衣绒衫,毛衣,衬衫,牛仔裤,毛针织衫,套装校服工作制服,连衣裙T恤裤子,蕾丝衫雪纺衫,卫衣绒衫,短外套,衬衫,毛呢外套,2015年购物篮分析半身裙,2016年购物篮分析蕾丝衫/雪纺衫,2017年购物篮分析毛衣半身裙,购买组合毛针织衫=裤子卫衣/绒衫=裤子牛仔裤=裤子T恤,毛针织衫=裤子裤子,毛针织衫=T恤T恤,牛仔裤=裤子裤子,牛仔裤=T恤毛衣=裤子T恤,毛衣=裤子裤子,毛衣=T恤,增幅0.050.050.050.050.050.050.050.040.040.04,购买组合T恤=裤子牛仔裤=T恤裤子,连衣裙=T恤套装/制服=裤子短外套=T恤卫衣/绒衫=T恤T恤,连衣裙,毛针织衫=裤子裤子,连衣裙,毛针织衫=T恤毛针织衫,牛仔裤=裤子T恤,卫衣/绒衫=裤子,支持度0.520.370.350.270.260.240.230.230.220.22,2017关联购买高支持度组合新增Top10,高支持度：支持度超过0.2的组合大数据 XX,女装穿搭风格改变，柔和随性式搭配畅行，OL式搭配减少 2017年新增的支持度超过0.2的搭配方式中，T恤、毛针织衫成为上装百搭新潮； 高支持度中上升最快和最慢的Top搭配中，发现衬衫、毛呢、套装/制服等类型不再是消费者搭配首选。,2017关联购买支持度上升Top10组合,2017关联购买支持度下降Top10组合,购买组合毛呢外套=裤子蕾丝衫/雪纺衫=裤子连衣裙,套装/制服=裤子衬衫,连衣裙=T恤衬衫,连衣裙=裤子T恤,套装/制服=裤子裤子,套装/制服=T恤T恤,衬衫=裤子衬衫,裤子=T恤衬衫=裤子,增幅-0.02-0.01-0.01-0.01-0.010.000.000.000.000.00,5.9,3.85.6,4.25.7,4.3,MAT 2015,MAT 2016大数据 XX,MAT 2017,老客,新客,女装用户在行业内的单品类尝新逐步演化为对所有女装品类的全盘选购 无论新老客，年均购买品类数都逐节攀升，老客涉足品类比新客更广； 随着女装平台成熟渐高，用户对线上消费信心升级，行业新客购买女装的品类数提升迅猛，新老客差异正在缩减。2014Q4-2017Q1 女装行业新老客平均购买品类数,注：不同色块代表不同品类，色块纵向宽度代表人数；从左到右为品类购买顺序，两顺序之间的色块连线代表相应人数的品类流转大数据 XX,新客的服装购买首选为裤子，其次为T恤；中高价品类如羽绒服、毛呢外套多在积累两三次购物经验后尝试2016-2017 女装多二级类目购买用户的主要品类选择顺序,第一次,第二次,第三次,第四次,第五次,第六次,第七次,大数据 XX,T恤,裤子,牛仔裤,衬衫,毛针织衫,毛衣,连衣裙,毛呢外套,羽绒服,2014,2015,2016,2017,2014-2017年高单价品类的件均价逐年上涨，其余品类的件均价小幅波动2014-2017 淘系女装重点品类件均价变化,大数据 XX,2017Q2,2017Q1,2017Q4,2017Q3,适合/尺码,材质/功能,舒适/触感美观/档次,外来评价,物流/速度服务/售后,价格/预期,除质量外，用户评价反应的四季需求略有差异：热重面料、冷重外观2017 女装消费者四季评价演化,Q1,Q2,Q3,Q4,评论词词云展示已剔除品类、态度及质量等大词,43210,MAT 2015 MAT 2016 MAT 2017,2014Q4-2017Q3 女装消费者,在其他行业人均购物行业数老客平均新客平均人均行业数,1,2,3,4,5,6,7,8,9,10,2014Q4-2017Q3 女装消费者购买不同其他行业数量的人数分布情况,MAT 2015,MAT 2016,MAT 2017,其他行业范围为10个阿里一级类目，涉及美妆、母婴、箱包、女鞋四大类型；跨行业数即涉及这10个一级类目的个数大数据 XX,消费者在淘系平台选购的品类从最初的聚焦女装逐年向多元采购迈进 女装用户在美妆、母婴、箱包、女鞋相关的10个行业中，多元采购趋势加大，人均年购买行业众数从3提升为4； 多行业并进已成为全网模式：2015年新老客人均购买行业数相差1.1，至2017年这一差值缩小至0.8。,女装用户在女鞋、箱包、美护类目上，人数重合及消费贡献均表现突出, 女装消费者在女鞋类目人数分布最多，其次是箱包和美护。2017 女装用户数重合Top5类目, 女装消费者在美护行业销售额贡献最高。2017 女装用户销售额Top5类目大数据 XX, 婴儿食品是女装消费者最舍得花钱的类目。2017 女装用户件单价Top5类目,THANKS,