TalkingData-2016年国内消费人群用户洞察.pdf

移动互联网时代的中国消费转型经济新常态下的消费需求个性化多维数据还原商圈人群真实画像Part 01Part 02Part 03目录C O N T E N T S/2/Part 01移动互联网时代的中国消费转型0%20%40%60%80%100%120%0200040006000800010000120002009年2010年2011年2012年2013年2014年2015年全国银行卡卡均消费金额全国银行卡笔均消费金额2009-2015 国内消费需求变化趋势大众消费需求增势强劲，消费场景更加贴近日常生活数据来源：中国人民银行，消费金额数据；国家统计局，消费贡献数据。注：银行卡消费金额中剔除房地产及批发类交易金额。在扩大内需和提升城镇化水平等经济发展环境下，国内消费者在消费理念上呈现出个性化和多样性的变化，从大众卡均消费金额保持较高增长，但笔均消费金额有所下降的趋势看，消费频次显然得到增加，显示出消费场景更加生活化。/4/（单位：元）02040608010012001002003004005006002013Q12013Q22013Q32013Q42014Q12014Q22014Q32014Q42015Q12015Q22015Q32015Q42016Q12016Q2网上支付总额移动支付总额网上支付笔数移动支付笔数2013Q1-2016Q2 网上支付VS移动支付业务走势移动支付逐渐成为新的消费习惯数据来源：中国人民银行，各季度支付体系运行总体情况注：网上支付和移动支付是电子支付领域的重要分支，电子支付是指客户通过网上银行、电话银行和手机银行、POS、ATM 及其他电子渠道，从结算类账户发起的账务变动类业务笔数和金额。近年来，移动支付笔数得到大幅增长，进一步缩小了与网上支付笔数的差距，随着智能移动终端的普及，和移动支付体系的完善，移动支付作为一种新的消费方式，将为衣食住行游等生活场景的支付带来更加便捷的消费体验。/5/（单位：万亿元）（单位：亿笔）移动终端成为线上消费首选渠道，配套服务体系趋于完善移动智能终端的普及和迭代，及其网络化和便携性为随时随地购物创造了条件，吸引广大消费者适应并习惯于移动消费体验，并且促进网购App、消费金融、快递/物流和移动支付等相应配套服务体系的丰富和完善。/6/数据来源：TalkingData 移动数据研究中心 数据统计周期截止2016年9月注：移动智能终端用户指移动端累计活跃设备总数，包括智能手机、平板电脑、智能手表、智能电视盒子等。移动支付，网购App，消费金融，电信运营商、快递/物流、硬件厂商、商业实体等配套服务共同促进移动消费习惯崛起O2O互联网+Service配套服务+R移动网购用户9.1亿台在全部移动智能终端用户中的渗透率达到67.9%以消费者为中心的综合互动体验线上线下融合带来消费体验升级，为商业生态注入新活力数据来源：TalkingData 移动数据研究中心“互联网+”已经逐步成为商业实体升级转型的发展共识，引导线上和线下的连接融合更加深入，这一切无疑增强了对消费者及其消费诉求的理解和预测，也使得商业决策更具数据化、科学化，刺激传统商业模式灵活创新、多元发展。/7/人群洞察体验升级转化顾客价值创新参与方式运营O2O平台识别客群需求 移动App PC商城 微店/商户 Wi-Fi服务 实体店 应用偏好 消费习惯 职住特征 家庭状况 个性定制化 活动参与感 全媒体整合 产品融入式 消费引导经营 顾客价值挖掘 精准营销投放0%5%10%15%0%20%40%60%80%100%1月2月3月4月5月6月7月8月9月线上电商应用使用率（%）线下商圈消费频次比例（%）2016年1-9月 商圈人群电商应用使用&线下消费频次关系（例）线上线下消费行为间存在较强关联性从2016年1-9月商圈人群在电商应用使用率和线下商圈消费频次关系看，二者在趋势上一致性较强，相关系数为0.82，属于高度正相关，说明消费人群在线上电商与线下商圈在消费方面拥有较高关联性，消费者容易在线上线下产生互动转化。/8/数据来源：XmanData、TalkingData 移动数据研究中心 2016年1-9月注1：相关系数是一种非确定性的关系，是研究变量之间线性相关程度的量，本报告数据结果根据该方程式（）计算得出。注2：该商圈人群为样本数据，特指上海市南京西路的久光百货、恒隆广场、中信泰富广场和金鹰国际购物中心，数据结果不代表全部，供参考。0204060801001201401600%5%10%15%20%25%30%35%网络购物社交金融视频出行旅游音乐生活新闻图片教育游戏阅读健康美容汽车房产医疗游戏助手线上电商人群线下商圈人群线上电商人群-TGI线下商圈人群-TGI线上线下消费人群应用安装偏好分布线上和线下消费人群在应用类型偏好方面存在显著差异从线上和线下消费人群应用安装偏好分布看，线上电商人群对于游戏、图片、阅读和音乐等展现媒体内容应用偏好指数较高，线下商圈人群对于生活、房产、旅游和出行等连接消费场景应用偏好指数较高。/9/消费需求强劲网络内容敏感数据来源：TalkingData 移动数据研究中心 2016年9月注：TGI指数即Target Group Index（目标群体指数），反映目标群体在特定研究范围内的强势或弱势；应用偏好指数TGI=某类人群在某类应用的覆盖比例/不同人群在该类应用覆盖比例的均值*100。Part 02经济新常态下的消费需求个性化移动消费在国内呈现“她经济”、普及化和个性化等特征数据来源：TalkingData 移动数据研究中心 2016年9月移动消费在近几年显示出较强的增长活力，移动端的网购交易比例超越PC端已是事实，这样的转变离不开女性消费力量的提升，三、四线等城市移动消费能力的增强，个性化消费的诉求，以及80、90后等年轻群体的支持。/11/年轻化80后是主力，90后快速成长普及化中小城市移动消费潜力逐渐被激活她经济女性购买力进一步得到释放个性化消费领域更加垂直和细分，需求更加个性化从移动消费人群性别分布看，女性人群占比超过男性人群，所占比例达到57.6%；从年龄段分布看，以26-35岁为代表的80后人群比重过半，占比达到53.5%，其次为25岁及以下的90后等人群，占比22.3%，36-45岁人群则占比18.5%。/12/数据来源：TalkingData 移动数据研究中心 2016年9月“她经济”正崛起，8080后等年轻人群成长为移动消费主力移动消费人群性别&年龄段分布22.3%53.5%18.5%5.7%25岁及以下26-35岁36-45岁46岁及以上性别比例57.6%42.4%从女性消费人群地域分布看，广东女性消费人群占比全国领先，江浙、鲁豫和北京的女性消费人群占比也相对较高；从女性消费人群地域分布TGI指数看，甘肃、江西、湖南、河南和广西等15个省份女性消费人群比重高于标准值100。/13/女性消费人群主要分布在广东、浙江、河南等中东部地区0-1%1-3%3-5%5-10%10%女性消费人群地图女性消费人群地域分布数据来源：TalkingData 移动数据研究中心 2016年9月注：TGI指数即Target Group Index（目标群体指数），反映目标群体在特定研究范围内的强势或弱势；女性消费人群地域分布TGI指数=女性消费人群在某省份（直辖市）的比例/消费人群整体在该省份（直辖市）比例的均值*100。0%5%10%15%甘肃江西湖南河南广西宁夏贵州云南新疆安徽河北内蒙海南山西山东广东陕西西藏辽宁湖北吉林黑龙江天津福建四川浙江重庆江苏北京青海上海女性消费人群消费人群整体TGI指数高于标准值100100强弱女性消费人群地域分布TGI指数，均值为100，高于100表示占优，低于100则不占优。0%10%20%30%40%50%0%5%10%15%20%25%30%社交网络购物视频金融音乐图片教育出行游戏新闻阅读旅游生活健康美容汽车游戏助手房产医疗女性消费人群应用安装偏好（%）女性消费人群应用活跃偏好（%）从女性消费人群应用安装偏好看，社交、网购、视频、金融和音乐等应用类型的安装比例相对较高，从女性消费人群应用活跃偏好看，医疗、教育、健康美容和音乐等应用类型的活跃情况相对较好。/14/女性消费人群线上应用行为特征差异明显女性消费人群应用安装及使用偏好数据来源：TalkingData 移动数据研究中心 2016年9月移动消费人群城市分布数据来源：TalkingData 移动数据研究中心 2015年9月&2016年9月城市等级划分标准：一线城市是指北京市、上海市、广州市和深圳市；二线城市是指各省省会、直辖市（津、渝），以及厦门、珠海、汕头经济特区；其他城市是指除一、二线城市之外的城市。国内三、四线等中小城市居民的移动消费潜力开始被激活从移动消费人群的城市分布变化趋势看，三线及以下城市比重相比去年同期增长了7.6个百分点，移动消费借助移动支付、消费金融等浪潮进一步向一、二线以外城市沉淀，融入商超、生鲜、百货、零售、餐饮等市民生活消费场景。/15/一线城市二线城市三线及以下城市15.1%36.2%48.7%13.9%29.9%56.3%2015年1月2015年12月1.2%一线城市用户占比7.6%三线及以下城市用户占比6.3%二线城市用户占比2015年9月2016年9月移动消费在发展过程中衍生出更多垂直和细分领域，而其不同的细分消费人群在应用偏好方面存在一定差异，例如海淘、大学生、高端人群和母婴等细分消费人群，应用偏好差异即体现于视频、金融、出行/汽车、教育等类型App。/16/移动消费人群更加细分，与特定应用类型关联度相对较高不同消费人群应用使用偏好-10%-5%0%5%10%15%网络购物游戏助手医疗房产汽车健康美容阅读游戏教育图片新闻生活服务音乐旅游出行视频金融社交海淘消费人群大学生消费人群高端消费人群母婴消费人群（教育类）（出行/汽车类）（金融类）（视频类）数据来源：TalkingData 移动数据研究中心 2016年9月Part 03多维数据还原商圈真实人群画像线下商圈说明/18/数据来源：TalkingData 移动数据研究中心普通商圈选址1：上海市淮海中路商场：上海广场、太平洋百货、大上海时代广场、力宝广场选址2：上海市南京东路商场：永安百货、353广场、置地广场高端商圈选址：上海市南京西路商场：久光百货、恒隆广场、中信泰富广场、金鹰国际购物中心线下商圈/19/线下商圈人群剪影数据来源：TalkingData 移动数据研究中心高端商圈普通商圈高端商圈平均客单价是普通商圈近4 4倍，服饰、百货受青睐数据来源：XmanData、TalkingData 移动数据研究中心 2016年1-9月/20/从累计消费额和平均客单价看，高端商圈消费人群体现出超强的购买力，其平均客单价达到2013元，是普通商圈消费人群（522元）的3.9倍；从消费品类所占比重看，百货、服饰、餐饮和超市是主要消费品类。百货服饰超市其他餐饮53亿元17亿元百货服饰超市餐饮化妆品箱包珠宝首饰其他百货服饰餐饮其他超市 2013 522平均客单价高端商圈普通商圈累计刷卡额累计刷卡额30.3%28.8%14.0%20.3%3.9%41.1%22.4%13.6%16.7%5.0%高端商圈VS普通商圈 人群设备偏好高端商圈人群偏好高端机型，设备品牌偏好苹果、索尼等从人群设备偏好分布看，高端商圈人群对于高端机型的偏好度更高，设备品牌相对偏好苹果、索尼、美图和摩托罗拉等，而普通商圈人群相对偏好中高端机、中低端机等设备，品牌相对偏好OPPO、vivo、魅族等。/21/80859095100105110115120高端机中高端机中低端机低端机高端商圈普通商圈设备价位TGI020406080100120苹果华为三星小米OPPO魅族vivo乐视索尼酷派锤子HTC联想一加努比亚金立LG美图中兴摩托罗拉高端商圈普通商圈TOP20品牌偏好TGI数据来源：TalkingData 移动数据研究中心 2016年9月注：TGI指数即Target Group Index（目标群体指数），反映目标群体在特定研究范围内的强势或弱势；设备价位/品牌TGI指数=某人群使用某价位/品牌的占比/不同人群使用某价位/品牌占比的均值*100。4050607080901001101200%5%10%15%20%25%网络购物社交金融出行视频旅游生活音乐新闻图片教育阅读游戏健康美容汽车房产医疗游戏助手高端商圈-应用偏好普通商圈-应用偏好高端商圈-应用活跃TGI普通商圈-应用活跃TGI高端商圈VS普通商圈 应用安装&使用偏好分布数据来源：TalkingData 移动数据研究中心 2016年9月高端商圈的商旅应用较活跃，普通商圈的娱乐应用较活跃从应用安装及使用偏好分布看，高端商圈和普通商圈人群主要偏好网购、社交、金融和出行等应用，其中，高端商圈人群在医疗、旅游、网购、教育、健康美容和金融等应用的活跃度较高，普通商圈人群在游戏助手等应用的活跃度较高。/22/商旅需求较高娱乐趣味较高从不同商圈人群的居住地分布热力图看，高端商圈人群居住地相对集中，且居住地距离商圈较近，所住社区/公寓偏高端；相比之下，普通商圈人群居住地相对分散，且居住地距离商圈较远，所住社区/公寓偏普通。数据来源：TalkingData 移动数据研究中心 2016年9月注：热门居住地排名不分先后，不包括全部，仅为示例。/23/高端商圈VS普通商圈 居住地分布热力图（22:00-次日6:00）柳州路原平路嘉善路浦城路热门居住地(部分)嘉御庭虹景小区成亿花园古美村新中苑望春都市家园巴士小区日晖村田林十四村阳东小区芙蓉江路愚园路长宁路热门居住地(部分)沪西别墅长宁巴巴中心静安豪景苑鸿艺豪苑国际丽都城仁恒河滨花园水岸豪庭苏堤春晓名苑电影华苑雍景园高端商圈人群居住地偏高端，普通商圈人群居住地偏普通高端商圈普通商圈从工作地分布热力图看，高端商圈人群主要位于静安寺、徐家汇、黄坡南路和陆家嘴等商务中心区，距离居住地聚集区相对较近，而普通商圈人群主要位于陕西南路和人民广场等商务中心区，距离居住地聚集区相对较远。数据来源：TalkingData 移动数据研究中心 2016年9月/24/高端商圈VS普通商圈 工作地分布热力图（10:00-16:00）高端商圈人群职住分离程度相对较轻，通勤距离相对较短高端商圈-工作日（10:00-16:00）黄陂南路 陆家嘴 徐家汇 延安西路 静安寺 人民广场 金沙江路 陕西南路普通商圈-工作日（10:00-16:00）居住地聚集区工作地聚集区样本商圈区位8%9%10%11%12%13%14%15%16%2016年1月2016年2月2016年3月2016年4月2016年5月2016年6月2016年7月2016年8月2016年9月高端商圈-消费比例普通商圈-消费比例2016年1-9月 高端商圈VS普通商圈 消费额比例趋势普通商圈相比高端商圈在1 1月和6 6月的消费比例方面比较占优数据来源：XmanData、TalkingData 移动数据研究中心 2016年1-9月消费额比例=某月消费总额/（1-9月）累计消费总额*100%。从2016年1-9月消费比例变化趋势看，普通商圈消费人群在1月和6月的消费比例明显高于高端商圈消费人群；此外，普通商圈和高端商圈的消费比例在9月份均出现小幅增长。/25/2016年1-9月 高端商圈VS普通商圈 平均客单价（单位：元）高端商圈在箱包、超市、服饰和百货类平均客单价相对较高数据来源：XmanData、TalkingData 移动数据研究中心 2016年1-9月从消费品类平均客单价看，普通商圈消费人群在餐饮和化妆品的平均客单价与高端商圈消费人群相当，甚至高于高端商圈消费人群，而在箱包、超市、服饰和百货品类的平均客单价上则相对低于高端商圈消费人群。/26/高端商圈普通商圈015003000450060001234567890150030004500600012345678901500300045006000123456789015003000450060001234567890150030004500600012345678901500300045006000123456789化妆品超市服饰百货箱包餐饮2016年1-9月 高端商圈VS普通商圈 消费频次分布（TGI，By 消费频次比例）高端商圈化妆品类消费频繁，普通商圈餐饮品类消费较频繁数据来源：XmanData、TalkingData 移动数据研究中心 2016年1-9月TGI指数即Target Group Index（目标群体指数），反映目标群体在特定研究范围内的强势或弱势；消费频次TGI=某人群在某品类的消费总频次占该人群全部消费频次的比例/不同人群在某品类的消费总频次占所有人群全部消费频次的比例的均值*100。从不同品类消费频次分布指数（TGI）分布看，普通商圈消费人群在餐饮和百货品类上，其消费频次的比重相对高于高端商圈消费人群，而高端商圈消费人群则在化妆品、超市和服饰品类的消费频次比重相对较高。/27/高端商圈普通商圈050100150200123456789050100150200123456789050100150200123456789050100150200123456789050100150200123456789050100150200123456789化妆品超市服饰百货箱包餐饮高端商圈VS普通商圈 女性人群性别&年龄对比（TGI）数据来源：TalkingData 移动数据研究中心 2016年9月TGI指数即Target Group Index（目标群体指数），反映目标群体在特定研究范围内的强势或弱势；性别（或年龄段）TGI=某类人群女性（或某年龄段）占比/不同人群女性（或某年龄段）占比的均值*标准数100。高端商圈女性比例相对高于普通商圈，女性年龄相对年轻从高端商圈和普通商圈的女性人群对比TGI指数看，高端商圈中女性比重相对高于普通商圈，且其年轻女性人群的比重相对较高，相比之下，普通商圈女性人群在36-45岁和56岁及以上人群中的比重，则相对高于高端商圈女性人群。/28/102高端商圈女性98普通商圈女性85909510010511011535岁及以下36-45岁46-55岁56岁及以上高端商圈-女性普通商圈-女性性别分布TGI年龄段分布TGI高端商圈VS普通商圈 女性人群应用偏好分布数据来源：TalkingData 移动数据研究中心 2016年9月高端商圈女性人群相对偏好理财购物、旅行和生活类应用从女性人群应用偏好分布看，高端商圈中女性消费人群相对偏好网络购物、出行、旅游、生活、健康美容、房产等类应用，普通商圈女性消费人群则相对偏好社交、视频、音乐、游戏、游戏助手等类应用。/29/娱乐36.2%理财购物28.3%旅行15.8%生活10.6%其他 9.2%社交,15.0%视频,8.2%音乐,5.8%图片,4.9%游戏,2.2%游戏助手,0.1%网络购物,16.7%金融,11.6%出行,8.6%旅游,7.2%生活,5.9%健康美容,2.2%汽车,1.0%房产,1.0%医疗,0.6%教育,3.6%新闻,3.2%阅读,2.4%高端商圈娱乐37.3%理财购物28.0%旅行15.2%生活10.4%其他 9.1%社交,15.4%视频,8.6%音乐,5.9%图片,4.7%游戏,2.5%游戏助手,0.2%网络购物,16.3%金融,11.7%出行,8.4%旅游,6.8%生活,5.8%健康美容,2.1%汽车,1.1%房产,0.9%医疗,0.6%教育,3.4%新闻,3.2%阅读,2.4%普通商圈从不同商圈女性人群的居住地分布热力图看，高端商圈女性人群居住地相对集中在静安、长宁和普陀等行政区划，居住社区偏高端；相比之下，普通商圈女性人群居住地相对分散在徐汇、静安、杨浦和长宁等行政区划，居住社区偏普通。数据来源：TalkingData 移动数据研究中心 2016年9月注：热门居住地排名不分先后，不包括全部，仅为示例。/30/高端商圈VS普通商圈 女性人群居住地分布热力图（22:00-次日6:00）高端商圈女性人群居住地偏高端，普通商圈女性居住地偏普通大渡河路灵石路分布特征：普通商圈女性人群居住地相对分散在灵石路、威海路、浦明路和大渡河路等附近生活社区，且居住地偏普通威海路浦明路热门居住地(部分)振华小区中华新村世贸滨江花园象山小区甘泉苑石泉村文化苑长风二村延安中路955同益里中宁路兴国路分布特征：高端商圈女性人群居住地相对集中在中宁路、光复西路和兴国路等附近生活社区，且居住地偏高端光复西路热门居住地(部分)中宁别墅水岸豪庭怡景园别墅区绿地世纪花园永嘉别墅品尊国际公寓绿城盛世滨江虹桥城市花园名都古北天山河畔花园高端商圈普通商圈从工作地分布热力图看，高端商圈女性人群主要位于南京西路、常德路和凯旋路等商务办公区，而普通商圈女性人群主要位于威海路、常熟路和吴中路等商务中心区域，二者职住分离程度比较接近。数据来源：TalkingData 移动数据研究中心 2016年9月/31/高端商圈VS普通商圈 女性人群工作地分布热力图（10:00-16:00）高端商圈和普通商圈的女性人群的职住分离程度相近高端商圈-工作日（10:00-16:00）南京西路 常德路 凯旋路 常熟路 吴中路 威海路普通商圈-工作日（10:00-16:00）居住地聚集区工作地聚集区样本商圈区位从节假日位置热力图看，高端商圈女性人群在日间相对偏好商业街和公园等休闲娱乐空间，而在夜间则相对偏好南京西路、浦明路等公共休闲娱乐场所。数据来源：TalkingData 移动数据研究中心 2016年9月/32/高端商圈 女性人群节假日位置热力图（10:00-23:00）高端商圈女性人群节假日相对偏好休闲娱乐消费等公共场所夜生活（18:00-23:00）休闲消费（10:00-16:00）浦明路 中山公园分布特征：高端商圈女性人群在节假日白昼时段，相对偏好在静安寺、人民广场和中山公园等场所进行休闲消费 静安寺 人民广场 江苏路分布特征：高端商圈女性人群在节假日夜晚期间，相对偏好在南京西路、浦明路和江苏路等区域丰富夜生活 南京西路从节假日位置热力图看，普通商圈女性人群在日间相对偏好公园等休闲娱乐空间，而在夜间则相对偏好步行街、商贸中心等休闲消费场所。数据来源：TalkingData 移动数据研究中心 2016年9月/33/普通商圈 女性人群节假日位置热力图（10:00-23:00）普通商圈女性人群节假日相对偏好公园等休闲娱乐空间夜生活（18:00-23:00）休闲消费（10:00-16:00）天山公园分布特征：普通商圈女性人群在节假日白昼时段，相对偏好在静安雕塑公园、广场公园、鲁迅公园和天山公园等场所休闲娱乐 广场公园 鲁迅公园 宜山路 南京西路分布特征：普通商圈女性人群在节假日夜晚期间，相对偏好在南京西路、嘉善路和宜山路等区域丰富夜生活 静安雕塑公园 嘉善路数据说明/34/数据来源TalkingData数据中心数据来自TalkingData AppAnalytics、TalkingData GameAnalytics、TalkingData Ad Tracking的行业数据采集，以及诸多合作伙伴的数据交换，如应用市场、渠道、运营商等多种不同来源的数据复合而成；线下具体消费数据由XmanData提供，时间周期为2016年1-9月；中国人民银行、国家统计局等公开数据和资料整理。数据周期2015年9月，2016年1月-9月概念定义关联应用：指安装了某款应用的用户同时安装的其他应用。TGI指数：即指Target Group Index（目标群体指数），反映目标群体在特定研究范围内的强势或弱势；例如：应用偏好TGI=目标用户群某应用类型占比/不同用户群该应用类型占比的均值*标准数100。数据来源：TalkingData 移动数据研究中心扫一扫立即访问扫一扫立即访问洞悉市场动态，提供最新Android应用排行，针对单款应用绘制人群画像通过对自媒体人的账号和文章进行甄别分析，获悉最火爆的微信公众号排行呈现移动设备趋势，提供最受欢迎的设备品牌、分辨率、操作系统等应用排名公众号排名终端指数最权威的互联网行业报告，并针对热门行业、热门事件进行重点分析基于大量移动互联网用户数据洞察用户特征，展现市场应用热度挖掘用户行为轨迹，分类解析品牌受众群体，提供可视化数据解读数据报告市场洞察人迹地图TalkingData（北京腾云天下科技有限公司）成立于2011年，致力于用数据改变企业做决策的方式，改善人类自身和环境。目前已完成C轮融资，是中国最大的第三方数据服务的领导厂商，在全球开设多个分支机构。融合了互联网“开放精神”和传统IT“严谨服务”的企业文化，为客户提供独树一帜，融创新与严谨为一体，全方位智能数据解决方案。业内独一无二的TalkingData智能数据平台，集海量数据、极致的技术和专业的咨询服务为一体，逐步打造开放的数据生态，为客户带来独特的数据价值。目前，TalkingData智能数据平台覆盖超过6.5亿/月活跃独立智能设备，客户既包括像Google、腾讯、滴滴出行等互联网企业，也包括中国银联、招商银行、欧时力、碧桂园等传统行业巨头。关于TalkingData上海小满信息科技有限公司（XmanData）2015年9月创立，于2016年5月获得京北投资天使轮投资，是银联智惠的模型及产品应用合作伙伴。XmanData核心管理和市场团队由来自大数据技术、零售业、金融业、AC尼尔森核心数模团队的专业人才组成，专注于数据产品化、应用化、市场化，以及机器学习建模分析等。目前，XmanData推出了实体商圈一站式大数据平台，分别为面向2000万实体商户的大数据普惠平台商圈雷达（商户版），和面向商业地产、购物中心、品牌、政府的一站式商圈大数据洞察平台商圈雷达（数据情报），典型客户及合作伙伴包括TalkingData、红蜻蜓、迪卡侬、野村综研、南丰城、北京银行、大搜车和元宝铺等。关于XmanDataThanks!关注TalkingData官方微信获取最新移动数据资讯