TalkingData：2019金融人群洞察报告(19页).pdf

1、TalkingData金融人群洞察报告 暨金融人群最具投放价值媒体奖揭晓 Best Media For Target Audiences TalkingData 互联网金融用户增速放缓，政策管控趋紧推动市场规范化发展 -15% -10% -5% 0% 5% 10% 15% 20% 25% 30% 35% 0 2,000 4,000 6,000 8,000 10,000 12,000 14,000 16,000 18,000 2014.122015.62015.122016.62016.122017.62017.122018.62018.12 互联网金融用户*规模（万）、使用率及增长率 用户规模

2、使用率增长率 数据来源：CNNIC 注：互联网金融用户，指通过互联网管理理财产品，以期获取一定利益的人群，此处不包括网络支付用户。 中国理财产品线上渗透率国际领先，银行、货币基金为资金主要流向 40.7% 美国 34.6% 中国 27.9% 新加坡 24.9% 英国 银行存款储蓄, 17% 货币基金, 17% 银行理财, 13% 股票, 10% 保险, 8% P2P, 8% 其他, 6% 国债/债券, 4% 公募基金, 4% 其他固定收益类 产品, 3% 信托, 3% 私募股权和风险 投资, 2% 私募证券基金, 2% 海外投资, 2% 中国互联网理财用户可投资资产主要投资去向 数据来源：BG

3、C全球数字理财管理报告2018 美国、中国、新加坡、英国理财产品线上渗透率 钱包正在”智能手机化” 电 子 购 物 实 体 卡 电 子 理 财 扫 码 支 付 现 金 钱 包 TalkingData通过智能手机行为“数说金融” 本部分使用了TalkingData自有的数据 源, 采用约1亿个金融行为活跃的设备 数据, 每个设备拥有数十个标签, 形成 了超过十亿的行为特征; 第一篇研究的是北京和上海两地核心 金融区域为工作地的用户的特征, 北 京主要研究的是金融街区域, 上海主 要研究的是外滩区域； 第二篇采用无监督机器学习对十亿多 行为特征依照标签分值进行聚类, 从 而形成了依照用户的近似行为

4、特征而 划分的族群, 由于篇幅限制, 本报告 展示聚合而成的十个族群。(以安卓 设备为主) TalkingData自有数据源 金融行为活跃 第一篇： 金融从业者-北京 VS 上海 第二篇： 金融族群 无监督机器学习 已婚对比TOP5手机品牌 年龄对比TGI指数 金融从业者-北京 VS 上海 北京 42.55% 上海 41.36% 0 200 400 600 800 0% 20% 40% 60% 80% 100% 覆盖率活跃率TGI 0 200 400 600 800 0% 20% 40% 60% 80% 100% 覆盖率活跃率TGI 苹果，56% 华为, 17% OPPO, 6% 小米, 5%

5、 荣耀, 5% 苹果，51% 华为, 14% 小米, 7% OPPO, 5%荣耀, 5% 18-24岁 25-29岁 30-34岁 35-39岁 40-44岁 45-49岁 50岁+ 0%50% 北京上海 北京 上海 北京上海 金融从业者-北京 VS 上海 共性 iPhone/华为是标配 基础种类App行为基本 一致 北京 年轻从业者更多 房产服务的覆盖率和TGI 更高 上海 资深从业者更多 新零售的覆盖率和TGI 更高 金融人群众生相 十亿个特征 十个族群 金融人群, 十大聚类族群的城市分布 #0 疑似 羊毛党 /机器人 #1 畅享数字 生活的 小白领 #2 数字 内容的 沉溺者 #3 为生

6、活 奔波的 平凡人 #4 老年的 视频内容 消费者 #5 退休前 的职场 奋斗者 #6 年少与 年老的品质 生活追逐者 #7 数字化 生活的 核心力量 #8 年轻 爱消费的 贷款用户 #9 完成财富 积累的 老年人 金融人群侧写-#0 疑似羊毛党/机器人 男性, 98.93% 女性, 1.07% 0 100 200 300 400 500 0% 10% 20% 30% 40% 50% 18-24岁25-29岁30-34岁35-39岁40-44岁45-49岁 50岁+ 百分比TGI 0 50 100 150 200 250 0% 20% 40% 60% 80% 100% 通讯社交 金融理财 网络