淘宝改变了哪些城市.docx
- 文档编号:9046534
- 上传时间:2023-05-16
- 格式:DOCX
- 页数:12
- 大小:1.11MB
淘宝改变了哪些城市.docx
《淘宝改变了哪些城市.docx》由会员分享,可在线阅读,更多相关《淘宝改变了哪些城市.docx(12页珍藏版)》请在冰点文库上搜索。
淘宝改变了哪些城市
淘宝改变了哪些城市
淘宝改变了哪些城市?
2015-03-14团支书城市数据团
城市数据团
微信号metrodatateam
功能介绍用数据阅读城市
话说周一早上,我第一个来到了单位打卡。
打开电脑,忽然发现本来整理干净的电脑桌面上竟然多了一个压缩文件。
解压一看,大小2.15G,吓了我一跳。
咦,是哪位大神趁周末黑了我的电脑给我塞了那么大一个病毒呢?
有如此仇怨么?
2.15G的病毒?
百思不得其解,我左右环顾一下,还没有同事来,于是以迅雷不及掩耳盗铃之势摁下了CTRL+X,将其剪切到了我的私藏文件夹中。
若无其事地开始工作了。
下班后同事陆续回家,我带上耳机,调低屏幕亮度,打开了我的私藏文件夹,准备继续还未看完的韩剧。
但一不小心却瞄到了放在文件夹角落里的那个诡异文件。
好奇心忽然开始作祟,我决定奋不顾身地准备打开看看这个2.15G的病毒到底是何方神圣。
双击。
竟然打不开!
什么鬼?
居然还是JSON格式的文件。
一怒之下花二十分钟写了个小程序,把这个文件丢了进去。
我的破电脑开始疙疙瘩瘩地呻吟,而一个庞大的千万级数据文档露出本来的面目,而以下这些文字,也都由此而来。
哦对了,忘了说了,这个“病毒”的文件名是:
“2014年12月淘宝全网商品数据”。
淘宝改变了哪些城市?
在大众的感知中,淘宝与城市是挂不上边的两个事物。
城市是一个涉及到空间属性的概念,而淘宝作为一种互联网经济模式,它有空间属性吗?
按照马首富的理念,阿里巴巴(淘宝)是一个基于互联网的能够无差别支持商业梦想的伟大虚拟平台。
就这个意义而言,淘宝是一种抹平了传统商业的地域属性且彻底颠覆了“产地-渠道-市场”的传统商品交换逻辑的商业模式。
换句话说,淘宝应当是一种去空间化的、一种相对扁平的、一种反集聚的商业模式。
那么现实如何呢?
看图便知:
从数据上看,毫无疑问,商品数量的分布并不扁平,反而是高度集聚在少数城市当中,我们将每个城市的淘宝商品数量和排名取对数制作出下图:
看到这张图,我们长舒一口气。
原来每个城市的淘宝商品总数量和其排名,是基本符合齐夫法则的(Zipf'sLaw)。
这也就意味着:
淘宝作为一个高度市场化的经营平台,它在空间上自然产生了某种程度的集聚。
由于空间上的集聚,使得淘宝对城市的影响并不是均衡的,而是对不同的城市有不同程度的影响。
在这样一个认识的前提下,问题来了:
淘宝在哪些城市或哪些区域聚集呢?
看图便知:
上图是淘宝网在卖的商品数量在全国各个地级以上城市的分布。
很明显,淘宝的商品数量高度集聚在东部沿海地区。
为了观察其空间集聚的程度,我们再用核密度进行分析,得到下图:
从图中可以看出以下结论:
1,淘宝商品分布的高密度地区仍在东部沿海地区;
2,其中最强的两个区域仍然是长三角包邮国与珠三角省港深;
3,帝都虽然也较强,但却孤独地矗立在华北平原当中,骄傲地俯瞰着其南部的河北山东的各个孤点。
当然,商品总数量只是其中一个指标。
事实上,我们还比较了店铺数量的聚集和商品种类的丰富度。
但在全国尺度上来看,基本也呈现相同的态势。
可以参看下面两张图(左图是店铺数量分布,右图是商品种类数量分布),不再具体展开了。
事实上,这三个指标之间有着很强的相关性。
我们按照城市在商品总量上的排名,取出了前50名(否则图太长看不清楚)。
分别叠加了店铺数量和商品种类数量制作出下图:
如图所示,总体而言每个城市的商品数量与店铺数量呈现除了高度统一的趋势。
在这两个指标上面,排名前十的城市分别是:
上海、广州、金华、北京、深圳、杭州、苏州、温州、佛山、台州。
而每个城市的商品种类数曲线则略有一些局部的波动,但前十名梯队仍然不变,且呈现与商品和店铺数量统一的总体规律。
做完这张表,我弱弱地问:
“金华排名第三?
难道火腿真的那么受欢迎吗?
”这时远处传来一个微弱的声音:
“义乌,在金华。
”
果然解释了一切。
但第二个疑惑仍未得到解答:
到底菏泽究竟是有什么逆天的独门特产呢?
按下菏泽的问题先不表。
我们起码得到了这样一个初步的结论:
在互联网时代,淘宝商品并没有扁平地分布在全国尺度的空间当中,而是保持了高度的集聚。
其集聚的空间范围基本上是三个城市群:
1,长三角;
2,珠三角;
3,帝都。
(谁说“京津冀”的?
中国有这个城市群吗?
那里不是叫做“帝都和它的穷邻居们”吗?
)
虽然看到了淘宝在空间上的集聚状况,但淘宝商品和卖家的集聚程度并不一定意味着淘宝对城市的改变程度。
对于这三个城市群而言,其经济和人口本来就高度集聚,淘宝的集聚也可能只是一种附属现象。
因此,某城市的淘宝指数(商品量/卖家量/商品种类数)高,并不意味着淘宝对城市的改变(影响)程度大。
在此我们还需要探讨另一个问题:
如何判断淘宝对城市的改变(影响)程度呢?
简单地说,假如我们认为淘宝指数的集聚在某种程度上是城市经济集聚的附属现象,那么我们需要做的是把城市自身的经济集聚特征剥离出去,然后再看淘宝指数的变化。
也就是说,我们需要将各个城市的淘宝指数和其总体经济指数合在一起进行综合比较。
在这里,我们选择了城市的GDP作为被剥离的指标。
我们从《中国城市年鉴2014》中整理了相关城市的GDP指标,然后将每个城市的“淘宝指数/GDP指数”作为度量淘宝对城市改变程度的指标。
在这个度量体系中,相同GDP的城市,淘宝指数越高,改变程度越大;相同淘宝指数的城市,GDP指数越小,改变程度越大。
我们利用每个城市的“淘宝指数/GDP指数”,制作出下图。
可以看到:
这一指标密度最高的地区虽然仍在东部沿海,但和淘宝指数的空间分布图已经不完全一致了。
我们把这两张图(下左图是淘宝指数分布,下右图是“淘宝指数/GDP指数”分布)放在一起比较:
通过淘宝指数和影响程度指数的比较可以看到,在剥离城市自身经济发展水平的因素后,淘宝对城市影响的真实状况如下:
1,淘宝对帝都的影响作用大幅地降低了,降到了与石家庄差不多的程度;
2,淘宝对包邮国的影响作用仍然极强,但其影响的重心则向南大幅移动,从上海移动至浙南地区;
3,淘宝对珠三角的影响作用仍然极强。
在保持了原有影响的同时,其高强度影响范围向东侧沿海大幅度地延伸,一直连接到了福建沿海地区。
总体而言,虽然淘宝指数在三大城市群均高度集聚,但事实上对这三大城市群的改变程度是截然不同的。
那么,最后一个问题来了:
淘宝对哪些城市改变程度最大呢?
我们把全国地级以上城市再按照GDP排名(取了前50名),然后叠加了每个城市的淘宝指数,得到了下图(GDP是红线,淘宝指数是蓝线):
从这张图上,我们可以清晰地看到每个城市GDP指数和淘宝指数的关系:
淘宝指数曲线偏离GDP曲线越高,淘宝对该城市的改变程度越大;越低,则反之。
于是,我们看到了那些淘宝指数远远高于GDP指数的城市:
杭州、佛山、东莞、泉州、南通、温州、临沂、台州。
。
。
同时我们也看到了那些淘宝指数远远低于GDP的城市:
大连、唐山、长春、大庆、鄂尔多斯、包头。
。
。
目测太不科学了。
让我们用一个唤起悲惨童年回忆的方法来结束吧。
请看下面这张成绩单。
(由于图表面积有限,我们只列出了从GDP排名到淘宝指数排名跃迁度最高的十名和GDP排名到淘宝指数排名下降度最多的十名。
另外部分数据不全的城市和体量过小的城市没有列入到计算之中。
)
补充说明:
大家一定会有疑问,”为什么只使用淘宝商品和卖家数据?
而忽略了买家和交易数据?
”
对于这个疑问,我们有以下两个非常认真的解释:
原因一:
在这个答案里,我们更多是从城市产出(而非消费)角度来思考淘宝对城市的改变;同时用于对比和剥离的城市GDP也与城市产出(而非消费)的关联度更强。
因此我们觉得用淘宝商品和卖家数量和城市经济指标进行对比,在逻辑上有着更强的说服力。
原因二:
我们真的没有那个数据。
最后附加一个研究者招募说明:
城市数据团的属性之一是一个由城市研究者们合作构建的开放性的学术交流平台和数据平台。
因此,城市数据团非常希望有更多的研究者能加入我们,一起参与到城市问题的挖掘和研究当中。
如有兴趣加入的话请看下面的具体说明:
城市数据团能够为加入的研究者们提供什么?
1,很多很多关于各类城市的数据。
(有些虽然不能给你原始数据,但是提出具体需求的话我们可以提供运算支持)
2,还算说得过去的空间算法及分析的技术支持。
(也可以教你,但大家不一定有那么多时间,所以更多可能是直接帮你分析。
)
城市数据团对加入的研究者有什么要求?
1,未来你做出的成果如果要发表在学术领域,请在第一作者之外署上与你协作研究的作者名字。
如果要发表在网络上,请多署一个城市数据团的名字。
2,未来你发表的成果(学术或网络)水平请不要低于以往城市数据团署名发布过的成果。
如果看完以上的说明后仍然有兴趣要加入我们,请发邮件到该地址:
metrodata@。
我们是一个确定会且及时回邮件的群体。
*注:
以上文字中提到的“你”均指未加入城市数据团前的你;等你加入后,“你”就变成了“我们”。
END.
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 淘宝 改变 哪些 城市
![提示](https://static.bingdoc.com/images/bang_tan.gif)