南京 · 20200708

为什么做这项研究（情境-冲突-疑问-障碍-解决）

• P2：尝试探讨的问题： 购房意愿中高的人群中，哪一类人群特别值得关注？ 疫情何时会从人们的心里过去，什么时候人群才会活跃起来？ 整体客流恢复的区域性/结构性有怎样的特征？ 在整体客流中，购房意愿中高的人群有怎样的特征？

研究框架与方法论（MECE：相互独立、完全穷尽）

• P2：尝试探讨的问题： 购房意愿中高的人群中，哪一类人群特别值得关注？ 疫情何时会从人们的心里过去，什么时候人群才会活跃起来？ 整体客流恢复的区域性/结构性有怎样的特征？ 在整体客流中，购房意愿中高的人群有怎样的特征？

量化方法与指标体系（可复核的方法论）

• P3：如何通过数据回答这些问题？ 选择南京南站四至为采集范围，监测一定时间段内该区域客流的特征及流向分布 通过时时追踪客流信息，并分析其特征变化，得到与南站联系紧密区域的相关结论 监测围栏-南京南站：火车站+地铁站 选择原因：①南京南站站是南京的最主要高铁站、地铁站； ②地铁南京南站周边有众多带客流商业。 监测人流：以月为单位，去除重复出疫情稳定虹桥站的人流，同时去除工作人流 监测人流：监测时间内出现在南站的客流 （2020.01-2020.
• P9：客流职业分布 IT&医护人员&大学生占比最高，疫情稳定后，大学生流动性降低8%，医护人员增高2% 备注：职业判断通过显著的业务规则（通过某些APP的命名以及其功能明显的所从事职业倾向性，如安装云办公、企业云、出行、物流、高校教务、企业员工考勤类等功能性的APP）、特殊的线下区域特点（如机场、铁路、医院、学校、产业园、农场、山区等）和机器学习模型预测两种方法进行组合判断的：主要提供真实职业样本+开发者提供的TAG标签+app行为特征进行模
• P17：中高购房意愿客群-休闲消费 健身意愿：整体客流对健身意愿呈两极化，而在高健身意愿中，中高购房意愿客流的意愿显高于整体20% 消费特征：以新街口附近的商圈为主；对车辆品牌要求更高，更追求安全、品质、品牌（沃尔沃、雷克萨斯），对性价比车关注度显著低于整体客流（丰田、大众），购房客群或更关注生活的品质、健康、安全改善 备注：健身意愿、车辆品牌偏好判断基于用户安装健身类app、车辆类app的情况（譬如：健身类-keep、每日瑜伽等；车辆类-4S
• P25：医护人员-休闲消费 医护人员，对健身偏好与整体客流基本无差异 以新街口附近的商圈为主，对车辆品牌要求以实用性价比为主 备注：健身意愿、车辆品牌偏好判断基于用户安装健身类app、车辆类app的情况（譬如：健身类-keep、每日瑜伽等；车辆类-4S店自身使用APP等）并对其打分，再通过正态分布得出高中低； 商场偏好通过特殊的线下地理位置数据，采集近一个月用户到访的情况。

关键发现与判断（均来自原文）

• P7：客流基本特征 性别：监测客流中，男性占7成，在社会活动仍占多数 收入与消费：中高收入（>7000）客流占比55%，高消费（>7000）占比66%，生活压力偏大，入不敷出 年龄与家庭：年龄26-35岁占一半，已婚未孕为主 备注： 消费包含日常消费，房租房贷 备注：20年1月到6月的客流基本特征变化微弱，就不做过多的对比赘述
• P8：租房&购房意愿 租房意愿：中高客户绝对总量在疫情后增加109%；至6月28日客流高租房意愿小幅下降1% 购房意愿：中高客户绝对总量在疫情后增加58%；至6月28日客流高购房意愿持平 备注：租房意愿是根据他线上租房类App近期的安装个数，使用频次，时长，app和用户之间的交互次数进行的评分判断。 购房意愿是根据线上App使用安装的指标和线下楼盘到访进行的评估分析。
• P9：客流职业分布 IT&医护人员&大学生占比最高，疫情稳定后，大学生流动性降低8%，医护人员增高2% 备注：职业判断通过显著的业务规则（通过某些APP的命名以及其功能明显的所从事职业倾向性，如安装云办公、企业云、出行、物流、高校教务、企业员工考勤类等功能性的APP）、特殊的线下区域特点（如机场、铁路、医院、学校、产业园、农场、山区等）和机器学习模型预测两种方法进行组合判断的：主要提供真实职业样本+开发者提供的TAG标签+app行为特征进行模
• P15：中高购房意愿日客流趋势 中高购房意愿的客流在正月后逐步增长，但慢于整体客流的恢复，在整体客流的占比仍低于节前水平 1月20， 疫情得到全国重视 2月10 南京复工日 备注：整体-是指全部的客流。购房意愿中高-根据线上App使用安装的指标和线下楼盘到访进行的评估分析，划分为高中低。中高意愿客流占比=购房意愿中高/整体客流。 2月24，正月后首周 整体客流进入复苏通道 1月24，除夕 3月27，南京疫情降为三级响应
• P16：中高购房意愿客群-基本信息 有购房意愿客户，中高收入人群（收入>7000)占比64%，中高收支比基本均衡（支出含房贷） 26-35岁、已婚未孕客群为主 备注： 月消费包含日常消费房租房贷 备注：20年1月到6月的客流基本特征变化微弱，就不做过多的对比赘述
• P17：中高购房意愿客群-休闲消费 健身意愿：整体客流对健身意愿呈两极化，而在高健身意愿中，中高购房意愿客流的意愿显高于整体20% 消费特征：以新街口附近的商圈为主；对车辆品牌要求更高，更追求安全、品质、品牌（沃尔沃、雷克萨斯），对性价比车关注度显著低于整体客流（丰田、大众），购房客群或更关注生活的品质、健康、安全改善 备注：健身意愿、车辆品牌偏好判断基于用户安装健身类app、车辆类app的情况（譬如：健身类-keep、每日瑜伽等；车辆类-4S
• P18：中高购房意愿客群-市场属性 客户关注占比中，单价1.0-2.0万/㎡关注度提升4%，总价100-200W关注度提升2%，面积90-130㎡关注度提升1%，低总价、低单价的产品或先获关注 备注：以上数据均为二手房关注数据，即南京有购房意愿客群浏览房产类网页，关注的产品属性。
• P19：中高购房意愿客群-居住活跃度 疫情前，中高意愿客群居住主要分布在秣陵及其周边、江浦； 疫情中，江浦居住人流减少，淳化人流增加 秣陵、铁心桥、淳化、东山、雨花可重点关注 疫情前(1.1-1.20)街道板块聚集区域 板块评分方法说明： 1、选取过去23周，每周top10购房意愿中高客流的街道板块（该数据每周更新） 2、针对过去23周中，每周TOP10街道的人流量与出现频率，按排名评分(最高10分，最低1分)，23周累计得分为综合得分（该评分

风险提示（主动披露）

（该成果未单列风险提示；相关判断见上文关键发现。）

给委托方的启示

• P3：如何通过数据回答这些问题？ 选择南京南站四至为采集范围，监测一定时间段内该区域客流的特征及流向分布 通过时时追踪客流信息，并分析其特征变化，得到与南站联系紧密区域的相关结论 监测围栏-南京南站：火车站+地铁站 选择原因：①南京南站站是南京的最主要高铁站、地铁站； ②地铁南京南站周边有众多带客流商业。 监测人流：以月为单位，去除重复出疫情稳定虹桥站的人流，同时去除工作人流 监测人流：监测时间内出现在南站的客流 （2020.01-2020.