中国IDC圈7月11日报道:神秘而诱惑的丝袜,若隐若现的性感,宅男福音,电商利器。美女为什么偏爱丝袜?本期专题,亿邦动力网联合亿玛在线,试从消费数据角度来分析美女与丝袜间千丝万缕的联系。

【先来看看关于丝袜的一些数据】

2009年起,中国服装网络购物市场交易规模呈逐年增长趋势,2012年交易规模达3050亿元,同比增长49.9%;预计2013年交易规模将达4076亿元,同比增长33.6%,丝袜在其中举足轻重。

根据公开信息显示,中国年产丝袜数量为130亿双,相当于平均每人10双;丝袜年销售额为350-500亿,每年还以5%-8%的速度增长。中国的奢侈品市场从2008年的1403亿元,快速增长到2011年的2660亿元。需要注意的是,在2009年全球奢侈品市场下滑8%时,中国奢侈品市场依然保持12%的增长,此后两年增长均在30%左右。2012年,中国消费者已经成为全球第一的奢侈品消费群体,中国人奢侈品消费占全球总额的25%。

【商家:丝袜备货要从3月前就开始】

3月是个神奇的季节,当男人们还裹着羽绒服,女人们早已开始了美腿大战,你黑丝,我暗纹,你吊带,我网眼……各色丝袜在春寒料峭中盛开,上演着棉裤与丝袜齐飞的反季搭配。丝袜季三月只是开始,四月才刚达到高潮。

【丝袜:不只是黑丝】

丝袜有长有短,款式各不相同。63%的女性钟情连裤丝袜和长筒丝袜;16%的女性会购买过膝高度的中丝和脚踝高度的短丝;中丝主要在南方,而短丝主要配合女性正装鞋。

【丝袜女郎的购物时间:晚上九点】

不知是偶然还是巧合,晚上9点是女性最爱的下单时间;丝袜的商家,千万不要错过这个广告时机。

【防勾丝:丝袜的捆绑销售】

想在女性腿上赚更多钱的商家注意:10至20双丝袜捆绑销售是最佳选择,其次是5-10双。

【丝袜价格知多少】

①先来看看丝袜的单价

数据表明,丝袜的高消费已经爬到了千元以上。金字塔顶点的丝袜竟达到了1718元/双。

②再来看看丝袜的价格分布

丝袜的价格分布是均衡的:10-100元是丝袜产品的绝对主力;超过200元,丝袜产品的定价更为个性化;超过1600元,简直就是丝袜中的战斗机,可以PK各大奢侈品牌。

③最后,不同价格区间,丝袜的平均单价。

【丝袜:征战北上广】

①地域:影响丝袜的人均消费排行

不同地域在丝袜的消费上也呈现不同的特点。上海女人在一双丝袜上平均花费30元;其次是北京,一双丝袜平均消费25元;第三是广州,一双丝袜平均消费20元。而到了山东,一双丝袜平均花费只要8元。

②地域:影响丝袜的人均消费数量

上海女人一季至少购买10双丝袜;北京、广州、四川是丝袜消费的中流砥柱;而山东丝袜一季购买只有5双。

③地域:影响丝袜的人均消费总额

从丝袜购买消费总额看,上海、北京、广州的消费能力强,平均季消费总额都在100元以上;尤其是上海,直逼200元。

【丝袜血拼:上海女人TOP1】

上海女人真是当之无愧的购物狂,无论是丝袜购买数量,还是消费额,都是高居榜首,不愧为商家的必争之地;北京、广州也不甘示弱,紧随其后,占据销售排行榜的二三位。

【搭配销售:丝袜女郎还买了些啥】

从前后30天的关联购买数据来看:7%购买了长丝的女性同时购买了连衣裙;5%购买了中丝的女性同时购买了热裤;3%购买了彩丝的美眉同时购买了双帆布鞋;3%购买了短丝的美眉同时购买了短裙。丝袜商家可根据消费者的消费习惯,进行不同的商品关联推荐。

【30天后:山东妹子依然最爱丝袜】

山东女性购买了丝袜后,在30天内依旧钟爱于丝袜,比例达到1.8%;北京则又购买了化妆品,比例达到1.5%;上海购买了零食,四川则购买了男装和墨镜。

附:

亿玛DMP(Data Managament Platform)中心:亿玛公司的数据管理平台中心,是亿玛业务的数据智能引擎。它积累了公司近十年在线广告数据及电子商务消费数据,目前拥有2.7亿日用户搜索数据,每日新增2000万效果数据,目前积累了近2亿网购用户行为数据,是淘外大的独立第三方网购行为数据拥有者。

亿玛指数:是基于亿玛DMP中心的数据支持基础上,亿玛推出的旨在挖掘并分析在线广告及电子商务消费行为及习惯、趋势及动态等信息,为泛电商广告主投放广告时提供前瞻性、预判性的投放决策帮助、分析和研究,辅助广告主大化提升ROI。

关注中国IDC圈官方微信:idc-quan 我们将定期推送IDC产业最新资讯

查看心情排行你看到此篇文章的感受是:


  • 支持

  • 高兴

  • 震惊

  • 愤怒

  • 无聊

  • 无奈

  • 谎言

  • 枪稿

  • 不解

  • 标题党
2022-12-30 11:39:36
云资讯 构造云原生数据战略三大核心因素 亚马逊云科技2022 re:Invent全球大会发布多项新功能
亚马逊云科技指出了构建云原生数据战略的三大关键构成:建立面向未来的云原生数据基础设施;实现高效、跨组织的数据一体化融合;借助教育和工具,使数据普惠化。 <详情>