小红书的竞争环境分析

论文（设计）题目电子商务平台—小红书的竞争环境分析

课程名称《电子商务》

系部经济与工商管理系

专业国际商务

学号

姓名

任课教师

电子商务平台—小红书的竞争环境分析

摘要：本文主要通过对小红书的外部数据、内部数据以及订单数据进行分析，从而对小红书的竞争环境进行分析，分析用到的数据来源主要有百度指数用到了聚类分析。本文将利用这些分析结果，对小红书在大数据时代未来可能面临的一些挑战做

简单的论述。本文共分为五个部分，第一部分为概述，第二部分为外部数据，第三部分为内部数据，第四部分为数据分析方法，第五部分为未来的挑战。

关键词：订单数据，竞争环境，聚类分析，大数据时代

一.概述

小红书是一个生活方式分享社区，创始人为毛文超和瞿芳。在小红书社区，用户通过文字、图片、视频笔记的分享，记录了这个时代年轻人的正能量和美好生活，小红书通过机器学习对海量信息和人进行精准、高效匹配。在小红书社区下设有电商平台小红书商城，也是本文主要的分析对象。

小红书上出现了关于运动、旅游、家居、旅行、酒店、餐馆的信息分享，触及了消费经验和生活方式的方方面面。如今，社区已经成为小红书的壁垒，也是其他平台无法复制的地方。

2016年初，小红书将人工运营内容改成了机器分发的形式。通过大数据和人工智能，将社区中的内容精准匹配给对它感兴趣的用户，从而提升用户体验。

小红书商城的独特性在于：第一，口碑营销。没有任何方法比真实用户口碑更能提高转化率，就如用户在淘宝上买东西前一定会去看用户评论。小红书有一个真实用户口碑分享的社区，整个社区就是一个巨大的用户口碑库。第二，结构化数据下的选品。小红书的社区中积累了大量的消费类口碑，就好像几千万用户在这个平台上发现、分享全世界的好东西，此外，用户的浏览、点赞和收藏等行为，会产生大量底层数据。通过这些数据，小红书可以精准地分析出用户的需求，保证采购的商品是深受用户推崇的。

二.外部数据分析

2.1百度指数——小红书与拼多多

（90天）搜索指数

（90天）资讯指数

搜索需求图谱

搜索地域分布

从上述的几个百度指数，我们可以简单的看出，由于拼多多最近的口碑非常不好，可谓是得罪了消费者，各项指数都急剧下跌，拼多多的指数在图中皆绿色显示，

可以看到，蓝色的小红书在各项指标上都高于拼多多，这不仅仅是因为拼多多人气下降的原因，更多的是小红书本身的努力，为什么小红书在近几年能迅速火起来，吸引了大量的流量呢？

下图展示的是小红书用户群体的年龄以及性别分布，在小红书的用户群体中，女性用户占据了66%，而男性比例只有34%，这说明小红书更倾向解决女性用户的需求。女性通常更喜欢与别人交流购物体验，具有强烈的购买欲，另外用户主要集中在一线城市，同时超过50%的用户年龄在30到39岁之间，超过20%的用户年龄在20到29岁之间，这能看出用户普遍为上班族和大学生，具有一定的经济基础与消费意愿。

笔者也在手机客户端有下载小红书进行使用，虽然使用频率并不高，但还是发现了一些规律，首先是小红书上的一些生活分享内容不同于抖音、快手等流量平台，整体界面看起来较为清爽，内容也更贴近生活需求，其次一个特点就是有非常多的明星入驻其中，比如笔者比较关注化妆品或是护肤一类的内容，智能推荐的功能便会使许多女明星的护肤教程或化妆教程出现在首页。又比如笔者近期想要出游，也可以在小红书上进行搜索，便可得到很多来自不同人的去过的不同地方的游记推荐，都是真实的用户体验。

总结来说，在小红书上，观光客为主，近半数小红书用户基本都是只看但很少发布日记；美妆类小红书用户最多，但是产能明显不足；时尚栏目最受欢迎，居家次之，运动也不赖；收集美食是第一要务，旅行是梦；海外多居住美、英、加、日、韩，国内上、广、京、浙最多。

笔者还发现，小红书现在已经有了实体店的设立，从线上发展到线下，可谓人气高涨，受到广大年轻人的喜爱。

笔者认为，小红书的优势就在于贴近生活，口碑营销，又有个性化推荐，信息来

源于真实的用户体验，大大提升客户忠诚度，信任感和客户黏性。

三.内部数据分析

3.1 CRM

笔者未能从CRM中获得实际数据，但基本思路是通过CRM我们可以获得小红书的销售绩效、订单量等数据。

3.2 Google analysis

由于谷歌分析需要翻墙进行操作，所以笔者未能从中获得实际数据。但思路是我们可以从谷歌分析中获得相关订单数据，订单量以及相关分析，以及在下个部分中笔者通过百度搜索找到了一些KOL的数据，点赞量粉丝量。

3.3 订单数据（客户行为分析）

部分KOL数据

四.数据分析方法

4.1 系统聚类法

系统聚类法是聚类分析的一种方法。其做法是开始时把每个样品作为一类, 然后把最靠近的样品 (即距离最小的样品) 首先聚为小类, 再将已聚合的小类按其类间距离再合并, 不断继续下去, 最后把一切子类都聚合。

评价指标分为用户使用度, 用户满意度和用户特征三大指标, 三大指标细分具体若干指标, 并构造层级结构评价模型。

图1

选取从“是否使用”到“职业”一共20个细分指标作为分析变量, 并以Q型聚类作为基本聚类依据。聚类方法使用组间联接的形式, 组间联接是合并两类的依据, 使这两个类别里所有两两配对观测的平均距离到达最小。以平方Euclidean作

为度量标准，平方Euclidean距离即欧式距离的平方，两变量（或观测）取值之差的平方和。聚类方案选择单一方案，即聚类数为4。系统树状图直观地显示出了聚类的整个过程。根据树状图可以方便地了解聚类个数的分类结果。如图2所示，当聚类个数为4时，在图中有且仅有4条横线的地方断开。断开后，把那些仍然相连的分为1类，就得到了4个类别，即4类人群。