极光大数据:那些住进现实版“爱情公寓”的年轻人,后来都怎么样了?
2019-06-18 14:38:48
  • 0
  • 0
  • 0
  • 0

极光大数据(Aurora Mobile, NASDAQ:JG)发布《2019年集中式长租公寓人群研究报告》,从都市青年居住环境、公寓人群的工作情况及生活娱乐情况、公寓人群画像等方面,展示北上广深四个一线城市的集中式长租公寓里住着怎样一群年轻人。


重要发现:

• 公寓人群的通勤路程较所在城市整体人群普遍偏短,通勤成本较低:北京公寓人群通勤路程最长,达12.6公里,平均上班花费50.4分钟

• 北京公寓人群周末最活跃,深圳公寓人群最宅:北京公寓人群的周末活动半径最大,达8.8公里,深圳公寓人群的周末活动半径最短,是北京公寓人群的一半

• 北上公寓所在地职住比较高,广深公寓所在地职住比较为平衡:北上公寓多选址在居住人口密度较低的商业区或办公区,职住比高于1.5;而广深的公寓选址多在居民区,职住相对平衡

• 广州、深圳两地长租公寓的整体条件更便利:广州、深圳的公寓生活餐饮配套指数、运动健康配套指数和医疗保健配套指数均高于北京和上海,但交通便利方面略逊一筹

• 上海公寓人群春节期间留恋魔都:上海公寓人群有45.7%的用户留在上海,安徽省是第一大出行省份;北京、广州、深圳三地公寓人群春节期间留守本地的比例均超过30%

长租公寓可分为集中式公寓和分散式公寓:集中式公寓是指以整栋楼(或者一栋楼的几层)为运作标的的公寓形式;分散式公寓是以分散的住宅小区(或商住公寓)为运作标的的公寓形式。集中式长租公寓包含公共区域、配套空间和房间,会为租客提供生活服务以及社交、创业等附加服务。

本报告研究对象是集中式长租公寓人群,覆盖北上广深四个一线城市十大品牌公寓人群。


一、都市青年居住环境

拥有丰富的工作机会和完善的基础设施的一线城市吸引了大批高校毕业生和外来务工人员:上海市常住非户籍人口达976.21万,居一线城市之首,占常住人口的40.3%;深圳常住非户籍人口占65.3%,四个一线城市中常住非户籍人口的比例最高。住有所居是常住非户籍人口来到都市亟需解决的问题,但近年来,高企的房价和严格的户籍管制让许多外来人口优先选择租房。

居住是都市青年进入城市后首先面对的问题。随着都市青年不断融入城市生活,居住空间从睡觉的地方成为他们身心休憩的港湾和享受城市生活的起点,更多的居住需求开始出现。于是,功能更全面的公寓成为满足这些都市青年居住需求的一种方式。

从2015年开始,中央密集出台鼓励发展住房租赁市场的相关政策,加快住房租赁市场发展,相继在人口净流入的大中城市作为首批住房租赁试点,提供集体建设用地建设住房试点增加租赁土地供给,发行房地产投资信托基金(REITs)试点助力盘活租房租赁存量资产等。

北上广深积极响应国家发展住房租赁市场的号召,纷纷推出相关政策加快发展住房租赁市场,鼓励和支持住房租赁企业的发展,在房源提供、税收、融资渠道上给予政策支持。

经过十余年的发展,集中式公寓形成了房地产系、创业系、酒店系和中介系四大公寓运营商类型。这些公寓运营商背靠地产、创业服务、酒店管理经验和中介客源等各方资源形成自身的市场优势。从公寓租住方的角度来看,集中式公寓市场逐渐形成差异化发展趋势,打造不同配置的公寓以满足蓝领、白领、金领等不同人群的居住需求。


二、公寓人群工作情况

根据极光大数据的统计结果,相比所在城市整体人群的通勤路程,各城市公寓人群的通勤路程普遍偏短,通勤成本降低。其中,北京公寓人群通勤路程最长,达12.6公里,平均上班花费50.4分钟;上海公寓人群平均路程也超过10公里,平均上班花费44.4分钟;深圳公寓人群上下班相对幸福,平均通勤路程为7.9公里,平均花费33.6分钟。

根据极光大数据的统计结果,半数广州和深圳公寓人群通勤路程在5公里以内,占比分别是54.1%和57.1%;通勤路程在5-10公里范围上海公寓人群占比19.6%,高于其他一线城市;32.2%北京公寓人群通勤路程超过15公里,在各个一线城市中占比最高。

根据极光大数据的统计结果,GY公寓人群的通勤距离在北京和上海居首,分别为15.8公里和12.1公里。北京AX公寓人群通勤距离也超过15公里;MF公寓人群通勤距离为10公里,在北京属于相对友好的通勤距离。在上海,BY、CJ、AX、YZ四家公寓人群通勤距离均低于10公里。

根据极光大数据的统计结果,广州各个公寓人群的通勤距离都在10公里范围内,其中,LH公寓人群的通勤距离仅为7.6公里。深圳GY公寓人群的通勤距离最长,达12.3公里;YZ公寓位居第二,通勤距离达11.2公里,其他公寓人群的通勤距离均低于10公里。

根据极光大数据的统计结果,一线城市公寓人群中,2成以上一个月内有出差情况。31%广州公寓人群一个月内有出差行为,位居一线城市之首;29.2%北京公寓人群一个月内有出差行为,与广州公寓人群出差比例较为接近;深圳公寓人群一个月内出差比例相对较低,仅为23.6%。

根据极光大数据的统计结果,北京公寓人群主要工作地在四环以内,集中于朝阳区,如国贸、望京等区域;在丰台区的总部基地等区域也有零星集中点;在四环以外,沿地铁八通线向通州方向也是典型的公寓人群工作集中区域。

根据极光大数据的统计结果,上海公寓人群工作地集中于陆家嘴、南京路和静安区内环线周边为核心的中心城,遍布新天地、徐家汇和五角场等主要区域,中心城周边片区也有一批独立的热点区域,如虹桥、金桥等。

根据极光大数据的统计结果,广州公寓人群最为集中的工作区域是以珠江新城和体育中心为核心的天河CBD,在广州主城区的各区均有热点区域,如海珠区的江南西和白云区的机场路附近。

根据极光大数据的统计结果,坂田及其周边工业园区是深圳公寓人群的一大工作地,另一大主要工作地是福田CBD;在南山区和宝安区等行政区域也有零星热点区域。


三、 公寓青年生活娱乐情况

根据极光大数据的统计结果,北京公寓人群的周末活动半径最大,达8.8公里,深圳公寓人群的周末活动半径最短,仅为4.4公里,是北京公寓人群的一半。

根据极光大数据的统计结果,四个一线城市要数深圳公寓人群最宅,北京公寓人群最活跃。广州和深圳的周末活动半径以1公里以内居多,分别占比33.4%和41.9%,广州公寓人群在1-5公里活动半径的占比为30.2%,高于深圳公寓人群;北京和上海公寓人群的周末活动半径以1-5公里居多,分别占比25.7%和31.1%。

根据极光大数据的统计结果,广州和深圳公寓选址在超高居住人口密度的比例分别为35.8%和35.3%,而北京和上海公寓处于超高居住人口密度的比例分别为4.8%和9.2%,远低于广州和深圳,主要可能原因为北上的公寓多选址在商业区或办公区,而广深的公寓选址在居民区。

根据极光大数据的统计结果,深圳公寓所在街道职住比均值为1,在一线城市中职住最为平衡;在公寓所在街道的职住比大于1.5的区间,北京和上海公寓的占比分别达15.4%和16.5%,广州公寓是8.2%,深圳公寓仅为0.9%。

根据极光大数据的统计结果,广深公寓整体上生活餐饮生活配套更佳,均值均为72.5,高于北京和上海。广州公寓生活餐饮配套指数在大于70分区间占比达73.4%,深圳公寓在该区间占比为66.1%。

根据极光大数据的统计结果,四个城市公寓的交通便利指数均属中等水平,北京公寓以45的交通便利指数位居第一。在交通便利指数低于40的区间,广州公寓占比为58.3%,四个一线城市中最高,表明广州公寓的交通配套水平较不均衡。

根据极光大数据的统计结果,深圳、广州和北京公寓的运动健康配套指数分别为65.2、64.9、62.9,排名前三甲;在运动健康配套指数大于70的区间,广州公寓占比46.2%,四个一线城市中最高。

根据极光大数据的统计结果,各城市公寓医疗保健配套指数均高于70,说明公寓一公里范围内药店和医疗场所的配套均较为完善。广州公寓的医疗保健指数达84.9,在70-100分区间的公寓占比高达87.3%,为四个一线城市中最高。


四、 公寓人群画像

根据极光大数据的统计结果,上海公寓人群有45.7%的用户留在上海,安徽省是第一大出行省份,占比9.8%; 39.8%的北京公寓人群春节期间留在北京,河北省是第一大出行省份,占比13.4%;广州公寓人群有40.1%留在广州,27.5%人群出行目的地是广东省;深圳公寓人群有30.5%留在本地,有21.3%人群在广东省活动。

根据极光大数据的统计结果,除了出行和通讯app外,深圳公寓人群偏爱招商银行系app,招商银行偏好指数达76.1,掌上生活偏好指数达69.1,求职招聘app也较受青睐,前程无忧51Job、Boss直聘、智联招聘均上榜。与深圳公寓人群相比,luckin coffee瑞幸咖啡和大众点评两款生活类app进入广州公寓人群偏好top 10,偏好指数分别为65.1和65。

根据极光大数据的统计结果,北京公寓人群出行偏好易通行和北京一卡通,生鲜采购偏好多点。上海公寓人群极有可能属于吃货体质,app偏好top 10中有4款餐饮相关app,外卖偏爱饿了么,觅食偏爱大众点评,生鲜偏爱叮咚买菜和盒马。


报告说明

1.数据来源

1)极光大数据,源于极光云服务平台的行业数据采集及极光iAPP平台针对各类移动应用的长期监测,并结合大样本算法开展的数据挖掘和统计分析;2)极光调研数据,通过极光调研平台进行网络调研;3)其他合法收集的数据。以上均系依据相关法律法规,经用户合法授权采集数据,同时经过对数据脱敏后形成大数据分析报告。

2.数据周期

报告整体时间段:2019年02月-2019年04月。

3.数据指标说明

具体数据指标请参考各页标注。

4.免责声明

极光大数据所提供的数据信息系依据大样本数据抽样采集、小样本调研、数据模型预测及其他研究方法估算、分析得出。由于统计分析领域中的任何数据来源和技术方法均存在局限性,极光大数据也不例外。极光大数据依据上述方法所估算、分析得出的数据信息仅供参考,极光大数据不对上述数据信息的精确性、完整性、适用性和非侵权性做任何保证。任何机构或个人援引或基于上述数据信息所采取的任何行动所造成的法律后果均与极光大数据无关,由此引发的相关争议或法律责任皆由行为人承担。

5.报告其他说明

极光数据研究院后续将利用自身的大数据能力,对各领域进行更详尽的分析解读和商业洞察,敬请期待。

6.版权声明

本报告为极光大数据所作,报告中所有的文字、图片、表格均受相关的商标和著作权的法律所保护,部分内容采集于公开信息,所有权为原著作者所有。未经本公司书面许可,任何组织和个人不得以任何形式复制或传递。任何未经授权使用本报告的相关商业行为都将违反《中华人民共和国著作权法》和其他法律法规的规定。


最新文章
相关阅读