饿了么与美团外卖市场份额不相上下身份和地域的区别

2015年7月，笔者创建了专注于分享滴滴出租车红包的微信群聊，最初是为了方便人们在不打扰他人的情况下分享红包，并在需要红包乘车时轻松领取红包。随着群中人数和共享红包种类的增加，群已成为各类O2O服务APP优惠券红包的配送中心。从2015年8月到2017年8月，群里生成了约2万条红包分享记录，笔者近期导出这些记录，通过数量、时间、语义等维度分析这些数据，分享作者自己的解读，供大家学习和交流。

数量维度

该小组的主要成员是来自北京一所大学的大学生。两年时间，群共生成聊天记录21477条，其中有效红包分享记录约2万条，群员在10个月内从几十人增长到500人。聊天记录

可以导出为Excel表格格式，单个聊天记录的格式如图1所示。

图1每列的数据是微信群号

（是的，微信群也有群号）、消息发送时间、发件人微信昵称、发件人微信ID、发送表单（已接收或已发送）、消息类型（文字、网页、动画表情符号、照片壁纸）和消息内容。因为大部分红包都是以网页的形式共享的，每个APP只使用自己的固定域名，比如滴滴打车用 xiaojukeji.com，Ele.me 用 ele.me。笔者通过对不同域名数量统计，分析了红包数量最多的12个应用及其数量比例（图2），这12类应用的红包数量占红包总数的95%。

图2

从图中可以看出，外卖红包是所有红包类型中最丰富的，因为“吃”的频率在衣食住行方面最高。 Ele.me 占所有红包的近一半，这与市场研究机构发布的2016年和2017年外卖应用市场份额报告的结论不一致（Ele.me 和美团的市场份额相当）。这是因为微信群聊参与者的身份和地域限制，只反映了外卖APP在小区域内的市场份额。

在

除了图中的APP，红包数量较多的APP还有：去哪儿、优单车、迪达拼车、爱鲜蜜蜂、一米仙、携程、每日游仙、乐汇、优酷、快乐娱乐、Airbnb、中国移动、触宝、In Stock。需要补充的是，图2中 JD.com 的红包包括京东商城、京东大甲和京东财经，网易的红包包括网易燕轩、考拉海沟和阴阳大师。上述APP

基本涵盖了我国大部分提供O2O服务的主流APP类，也体现了大学生的消费特点。共享旅游、外卖、生鲜外卖、网购、娱乐休闲是大学生的主要消费形式。

从图1中我们可以看到，每个红包在分享时都有一个对应的标语，笔者分析了这些标语的高频词，并将它们制作成词云图，如图3所示。

图3

细心的读者可能会发现，红包口号有几种类型，一种是宣传APP（及其提供的服务）本身，一种是其他品牌的广告，常见的是影视剧和品牌推广等，另一种是APP自己的明星代言，比如饿了么的王祖兰和科比。我分析了这三种红包在2015年8月、2016年8月和2017年8月三个月的比例，如图4所示。

图4

2015年夏天是O2O服务的时候

开始快速发展，当时他们的市场份额并不高，所以红包主要以推广自己的服务为主，到了2016年夏天，O2O服务竞争到了火热阶段（外卖领域和旅游领域），当时红包折扣也比较大，分享数量也比较多， 所以我们看到其他品牌广告的比例明显增加，红包标题广告可以作为O2O服务提供商的收入来源之一。笔者没有行业经验，但我猜红包标题广告的曝光率和点击率比其他一些广告形式要高。2017年夏天，外卖旅游市场格局已经确定，红包打折减少，分享人数下降，所以大部分广告都是针对推广自己的APP，常见的广告口号是“X收到红包金额最多”，刺激大家点击链接，产生消费。

数量维度

图 5 显示了过去两年前七大应用中红包数量的趋势。

（建议横向查看）。

图5

从红包数量走势来看，

可以得出以下结论：一是 Ele.me 和美团外卖的红包是所有外卖红包的主流。2016年8月之前，美团外卖的红包数量高于 Ele.me 的红包数量，Ele.me 的红包数量已经远高于美团的红包数量。改变的原因不是 Ele.me 加大了推广力度，而是大部分团员（北京某大学的学生）从一个校区搬到了另一个校区，与 Ele.me 相比，美团外卖的规模比新校区大。同样，2017年6月之后，红包数量整体下降，是由于大部分团员大学毕业导致外卖需求下降。这从另一个角度反映了小规模数据的不稳定性。

二、同样的外卖红包，我们可以看到，在2016年2月和

2017年2月，也就是春节和寒假期间，各种外卖APP的红包数量明显下降，很明显，大部分团员都回家过年了，外卖需求大幅减少。有意思的是，滴滴红包数量变化不大，一方面是春节的影响，另一方面说明滴滴在下沉三四线城市方面做得比较好。

最后，我们看到滴滴红包的数量稳步增长，直到 2016 年 7 月达到顶峰，并从 2016 年 8 月开始一路下降。笔者认为，下滑的原因与集团成员关系不大，主要原因是2016年8月1日，滴滴宣布收购优步中国，滴滴是国内共享出行领域最大的。一方面是优惠待遇的下降，另一方面是部分摇摆乘客可能会选择其他出行方式，笔者认为这是滴滴红包分享数量下降的原因。

图6

图6列出了滴滴和ofo红包数量的趋势，以便更直观地看到变化。摩拜单车没有上市，因为摩拜单车的份额较少，在图表上并不明显。如果说2015年夏天是汽车共享开始快速发展的时候，那么从图中可以看出，2016年夏天是共享单车快速发展的时候。事实上，滴滴从2012年开始做打车打车，ofo早在2014年就开始在大学校园推广共享单车。随着4G网络和智能手机的普及，微信用户数量不断增加，在诸多因素的综合作用下，这些旅游O2O服务在2015年之后才开始快速发展。

让我们将时间维度缩小到一天以内，看看一天内旅行红包和外卖红包之间共享的数量和时间之间的关系（图7）。

图7

一般来说，在线红包共享可以

代表分享者的同时线下已经产生了相应的行为，通过红包数量的变化可以看出分享趋势，在“吃”和“行”方面，统计数据很好地反映了我们的一般认知。外卖集中在中午12点和晚上7点两餐点之前，白天出行分布相对均匀。

支付宝跨年红包

相信大部分读者都经历过支付宝跨年红包的洗礼，

作为敏感的红包群主美团红包，我发现支付宝的吱吱密码在12月中旬就开始出现在群里，并在除夕达到高峰，图8是2017年12月10日至2018年1月10日群聊中支付宝跨年红包数量的变化。

图8

由于作者是

在国外，他没有参与分红包的行动，但笔者很好奇：2017年12月12日至2017年12月22日，支付宝分享了红包吱吱声单，“支付宝”三个字有大量的变体词，让人以为是诈骗新闻，我分析了过去十天的所有支付宝变种，把它做进了图9的词云。

图9支付宝

一共出品了十个变种，一开始笔者猜测支付宝是为了防止微信跟踪和屏蔽，但我觉得这个变种并不能阻止微信监控消息，前后的红包都很正常，所以我特别期待了解这个问题的朋友回答我的问题。

总结

总而言之，这个包含 20，000 条记录的数据集太小，无法得出宏观结论，到目前为止，大多数结论都是显而易见的。将此数据集用于行为预测和用户分析等进一步操作也是不现实的。此外，这个数据集的特殊性在于它是独一无二的，不像微博等公开数据，这样的数据只能由人类组织收集，所以即使这个数据集的规模足够大，在其上训练的模型也很难具有实用价值。

所以，假设我有足够的小组成员，我也许可以通过收集他们的性别、职业和收入，结合他们在网上分享红包的时间、类型和次数，得出一些有趣的经济结论。此外，如果我们能够获得每个红包群成员的点击量，这就增加了一个数据维度，可以结合时间、标题广告和点击率来优化红包的发送，也可以结合群里的其他数据维度进行用户画像、行为预测等。当然，这都是基于团员够多、红包够的前提。在此前提下，我们可以对O2O行业的发展进行宏观分析，以全新的视角观察行业的发展。

不过，以上限制对于微信官方来说并不是问题，微信利用自身的平台优势关联了无数APP，使用不同的数据源，微信可以通过协同过滤和多视角学习用户画像做出更精准的推荐。从另一个角度来看，我们的行为越来越多被BAT三巨头收集，大家在互联网上也越来越透明，所以隐私的保护也越来越重要，这不仅要靠企业自律，还要靠国家加强立法。

通过这一分析，笔者的主要发现是小数据集的片面性，不是说数量达到百万级就不是小数据，而是要深刻认识现有数据集的局限性，不能一概而论，试图获得全面的宏观数据。这对数据挖掘从业者有一定的影响。

微信群聊记录可以导出到

电脑通过“同步助手”，可以导出为文本文档、表格或网页格式，结合Excel和相关Python工具包美团红包，很容易挖掘微信群聊数据，读者可以挖掘自己感兴趣的微信聊天记录。我还匿名了本文中使用的数据集，并将其发布到网上供您研究。

数据集下载地址：

授权从公共帐户THU Datapie（ID：datapi）复制。