2020中国步行街智能化发展报告

如果无法正常显示，请先停止浏览器的去广告插件。

1. 2020中国步行街智能化发展报告 21世纪经济研究院发布，京东数科研究院、京东智能城市研究院、智慧足迹联合提供技术支持

2. 目录一、摘要二、分析框架三、宏观经济与试点城市画像分析四、步行街客流分析五、步行街业态分析六、智慧服务分析七、分析总结与改造建议

3. 一、摘要为了积极响应商务部在2018年7月提出的《商务部办公厅关于推动高品位步行街建设的通知》指导意向，基于2019年1月提出的《商务部关于开展步行街改造提升试点工作的通知》，对首批11条试点改造步行街所属城市的宏观经济与城市画像分析、步行街到访客流分析、步行街业态分析、步行街智慧服务分析多个维度，进行全面的剖析。经过了1年多时间，第一批试点改造步行街积极推动改造进度，已取得阶段性进展及成果。步行街客流方面，11条步行街2019年的客流量普遍高于2018年同期客流量，大部分同比增长率集中在15%至48%左右,客流增长显著，增幅最高皆属于特色型步行街。客流年龄结构上，55岁以上银发一族增幅最快。综合型步行街更吸引本市客流，特色型步行街更吸引来自全国各地的外地客流。步行街业态方面，截止2020年1月，11条步行街业态多样丰富，涉及民生的购物、生活服务、美食三者各步行街分布在 60%至85%左右。11条步行街文化旅游类业态聚集度较好，都有展览馆、美术馆、文化宫、博物馆等文化展示及体验互动场所，综合型步行街集中在28%至62%左右，特色型步行街集中在15%至33%左右。智慧服务方面，短视频类应用成为步行街宣传新渠道，2019年11条步行街到访客流街内使用短视频类应用使用量同比增长均值在110%左右；智慧交通的改善提升了步行街客户的出行体验，2019年同比增长最快的三种方式为：公共交通、租车、城市叫车，增长率分别为196%，190%，186%。 11条步行街经各自改造实施后，综合型步行街本市客流增长显著，例如北京王府井和上海南京路2019年同比增长领跑其他同类型步行街。特色型步行街客流辐射范围更广，例如成都宽窄巷子和杭州湖滨2019年全年客流同比增长领跑其他试点改造步行街，更吸引外地客流。 1 2 3 4 数据来源： 1、数据来源于智慧足迹数据科技有限公司（以下简称智慧足迹） 2、外地指本市以外的范围，包括外市、外省 3、数据来源于百度地图开放平台，且已经过报告发布方处理 4、数据来源于智慧足迹数据科技有限公司

4. 二、分析框架宏观基本面微观需求画像微观供给画像如何有效发展宏观经济分析客流量变化分析步行街业态多样分析加速线上线下融合试点改造步行街所属城市画像分析客流属性分析步行街业态聚集分析升级线下商业客流来源地分析步行街小店业态分析 AI和大数据赋能步行街内智慧服务类应用分析衡量十一条步行街所属城市经济、消费、人口等基础动能。度量十一条步行街到访客流情况金融科技赋能回归本质基于步行街改造评价指标中业态情况，结合当前疫情状况，预估对小店影响和提振方式。基于前面各模块分析及当前步行街改造方向，提出对应的改造建议。

5. 三、宏观经济与试点城市画像分析 3.1 宏观经济形势的总体判断 5 截至5月11日，全国共报告新冠肺炎累计确诊病例超过8万例，全球则超过400万例。严峻的疫情防控形势令本就处于下行压力的中国经济受到更大考验。国家统计局数据显示，初步核算，今年一季度国内生产总值206504亿元，同比下降6.8%，其中第三产业增加值下降5.2%。疫情导致线下消费急剧萎缩，据国家统计局数据，一季度社会消费品零售总额同比下降19.0%，餐饮收入下降44.3%，商品零售下降15.8%。消费对国民经济增长的贡献率在2019年达到57.8%，连续6年成为拉动中国经济增长的第一“主引擎” 。在后疫情时期，着力挖掘消费潜力、促进消费回补，对于发展经济、改善民生具有重要意义。步行街是城市商业的发源地和重要承载形式，步行街改造提升是促进消费升级和高质量发展的重要政策抓手。今年3月13日，商务部等23部门发布《关于促进消费扩容提质加快形成强大国内市场的实施意见》。该文件旨在从供给端发力，以供给带动需求，促进消费回补和潜力释放。文件明确提出构建“智能+”消费生态体系，推动线上线下融合式消费，并表示将支持打造消费中心，推动商业消费步行街改造提升，预示着步行街改造提升力度将进一步加大。由于受到疫情冲击，步行街作为线下消费业态，不可避免地面临客流减少带来的经营压力。近期，为拉动居民消费、促进消费回补，多地陆续出台消费券政策。据商务部5月8日发布的数据，疫情发生以来，全国有28个省市、170多个地市统筹地方政府和社会资金，累计发放消费券190多亿元，对提振线下消费起到了积极推动作用。当前国内疫情形势趋于平稳，全国绝大多数地区已成为低风险区域，接下来通过强化线上线下融合发展、加大商业促销力度，步行街有望迎来补偿性消费和新的发展空间。 6 数据来源： 5、数据分别来源于国家卫生健康委员会、世界卫生组织（WHO）。 6、数据来源于国家统计局。

6. 三、宏观经济与试点城市画像分析 3.2 试点城市画像 3.2.1 第三产业对经济增长贡献较大，北京、上海、广州GDP占比均超70% 11座试点城市在2019年的第三产业增加值占比除重庆外均超过60%，第三产业增加值增速除西安外均高于各城市GDP增速。其中，北京第三产业规模及占比均居首位。 7 各城市第三产业增加值规模及占GDP比重（2019年）第三产业(亿元) 第三产业占GDP比重 40000 83.5% 72.7% 71.6% 53.2% 北京上海广州重庆数据来源:国家统计局，地方（省/市）统计局 65.6% 66.2% 60.8% 63.5% 62% 63.0% 61.9% 30000 20000 10000 0 数据来源： 7、GDP和第三产业增加值数据均为初步核算数据。成都杭州武汉天津南京西安沈阳

7. 三、宏观经济与试点城市画像分析各城市第三产业增速与GDP增速比较（2019年） GDP增速（%）第三产业增速（%）数据来源:国家统计局，地方（省/市）统计局南京 10% 沈阳成都 8% 6% 天津上海 4% 2% 武汉重庆杭州北京西安广州

8. 三、宏观经济与试点城市画像分析 3.2 试点城市画像 3.2.2 一线城市消费体量最大，武汉等新一线城市消费增速态势强劲在社会消费品零售总额方面，2018年三大一线城市上海、北京和广州位居前列，体量最大。而在增速方面，除天津以外，其他新一线城市都维持了8%以上增速，态势强劲。各城市社会消费品零售总额和增速（2018年）数据来源:国家统计局，地方（省/市）统计局社会零售总额（亿元）社会零售总额增速 14000 7.9% 2.7 % 7.6% 8.7% 10.5% 10% 8.4% 9% 1.7 % 9.6% 9.2% 上海北京广州重庆武汉成都南京杭州天津西安沈阳 10000 8000 6000 2000 0

9. 三、宏观经济与试点城市画像分析 3.2 试点城市画像 3.2.3 人均可支配收入制约消费水平，北上广人均消费支出水平居前 2018年，上海、广州、北京、杭州的人均消费支出均超过4万元，位居前列，与其人均可支配收入水平大体一致。从在岗职工平均工资来看，北京、上海、广州均远超8.2万元的全国平均水平，对扩大消费形成支撑。各城市在岗职工平均工资、人均可支配收入、人均消费支出情况（2018年）数据来源:国家统计局，地方（省/市）统计局人均消费支出（元）在岗职工平均工资（元/年）人均可支配收入（元/年） 160000 140000 120000 100000 80000 60000 40000 20000 北京上海广州南京杭州天津武汉成都西安沈阳重庆

10. 三、宏观经济与试点城市画像分析在岗职工平均工资增长趋势（元）（2018年）数据来源:国家统计局全国平均北京上海广州 100000 0 2000 2003 2006 2009 2012 2015 2018

11. 三、宏观经济与试点城市画像分析 3.2 试点城市画像 3.2.4 居民平均消费倾向存在差异，天津、沈阳、广州、重庆消费倾向高 2019年，11座城市的消费倾向(城镇居民平均消费倾向=城镇居民人均消费支出/城镇居民人均可支配收入) 最高超过75%，最低则不足60%。其中，沈阳、天津居民平均消费倾向较高。在一线城市中，广州居民的消费倾向则要高于北京和上海。各城市城镇居民平均消费倾向（2019年）数据来源:国家统计局、地方（省/市）统计局天津南京 75% 沈阳 65% 北京 55% 成都上海广州重庆西安武汉杭州

12. 三、宏观经济与试点城市画像分析 3.2 试点城市画像 3.2.5 成都住宿餐饮业规模及占GDP比重均居首位，广州、重庆规模居前据2017年数据，成都、广州、重庆、北京、上海、武汉的住宿餐饮业规模均超过400亿元，位居前列。在住宿餐饮业的GDP占比方面，成都、武汉、西安等城市排名靠前，这与城市饮食文化丰富、居民日常消费活跃、夜经济发达、慢生活倾向等有一定关系。各城市住宿餐饮产业增加值规模及占GDP比重（2017年）住宿和餐饮产业增加值(亿元) 数据来源:国家统计局、地方（省/市）统计局 . 3.15% 2.24% 住宿和餐饮业/GDP（%）成都安西 1.53% 杭州南 1.70% 京 131.28 188.18 438 2.52% 广州 .02 沈阳 .05 3 43 424.78 193.15 1 309.1 1.67% 412.33 406.58 津重 2.19% 庆 413.8 198.31 天 2.01% 武汉 3.03% 上海 1.35% 北京 1.48%

13. 三、宏观经济与试点城市画像分析 3.2 试点城市画像 3.2.6 11城市入境游客数量梯次明显，广州、上海吸引力较高据2017年数据，11座城市试点城市入境旅游人数大体可分为三个梯次：广州、上海均超过700万人次，处于第一梯队，显示出对境外游客有较高的吸引力；杭州、北京、成都、武汉、重庆、西安等居中，处于第二梯队；天津、南京、沈阳均在100万以下，处于第三梯队。在入境人数与常住人口比值方面，广州、杭州、上海有较明显的优势。各城市入境过夜游客总人次数（2017年）数据来源:国家统计局、地方（省/市）统计局旅游人数（万人） . 61.88% 8.37% 8.61% 5.09% 18.21% 沈阳广州西安 897 京南天津 71.8 69.38 .33 719 79.21 402.23 175.13 224.85 重庆 7.312% 29.74% 上海 .13 旅游人数/常住人口杭 42.48% 州 392.56 250 301.34 都成武汉 22.95% 京北 18.78% 18.08%

14. 三、宏观经济与试点城市画像分析 3.2 试点城市画像 3.2.7 北京、西安和上海技术输出能力处于前列，重庆以技术吸纳为主 2017年，北京、西安、上海、武汉、天津的输出技术成交规模均超过500亿元，北京更是以4486.9亿元高居首位，这与城市雄厚的科研力量、众多的高等院校息息相关。重庆、杭州技术市场成交金额则显示为净输入，以技术吸纳为主。各城市技术市场成交金额（2017年）数据来源:科技部输出技术（亿元）吸纳技术（亿元）净输出技术（亿元） 5000 4000 3000 2000 1000 0 北京 -1000 西安上海武汉天津成都广州南京沈阳杭州重庆

15. 三、宏观经济与试点城市画像分析 3.2 试点城市画像 3.2.8 一线城市人才吸引力更强，西安、杭州等新一线城市常住人口增速最快在各城市户籍人口及与常住人口比值方面，2018年上海、北京、广州等一线城市户籍人口占常住人口比例均不足65%，拥有大量的外来人口，对全国人才有较强的吸引力。在常住人口增速方面，与2017年相比，西安、杭州、广州、成都、武汉五座城市2018年的常住人口增速较快，这与其近几年大力引进人才、积极放松落户限制存在较为密切的关系。各城市户籍人口及与常住人口占比（2017、2018年）数据来源:国家统计局、公安部、地方（省/市）统计局 2018年人口规模（万人）户籍人口/常住人口 2017年人口规模（万人） 109.73% 90.39% 60.33% 63.77% 69.35% 重庆成都上海北京天津 62.24% 92.25% 79.75% 78.94% 89.60% 82.61% 武汉杭州沈阳南京 3500 3000 2500 2000 1500 1000 500 0 广州西安

16. 三、宏观经济与试点城市画像分析十一城常住人口和增长率（2018、2017年）数据来源:国家统计局、公安部、地方（省/市）统计局 2018年人口规模（万人）常住人口增速 2017年人口规模（万人） 3500 3000 0.87% 0.23% 1.78% -0.76% 0.18% 2.80% 1.73% 4.02 % 3.57 % 1.21% 广州武汉西安杭州南京 0.27% 2500 2000 1500 1000 500 0 重庆上海北京成都天津沈阳

17. 四、步行街客流分析 4.1 客流总量变化分析：增幅最高皆属于特色型步行街，宽窄巷子、湖滨和不夜城增幅最大 11条步行街2019年的客流量普遍高于2018年同期客流量，表明商务部在2019年推出步行街改造计划后， 11条步行街的客流量均有提升，平均同比提升7.6%。其中，客流量增幅前三的步行街为成都宽窄巷子、杭州湖滨和西安大唐不夜城，同比增加48.2%，33.0%和30.7%。 2018-2019年11条步行街客流总量同比变化数据来源:智慧足迹 800000 2019年各街客流量 2019年同比 48.22% 成都宽窄巷子 -17.51% 南京夫子庙 33.00% 杭州湖滨 -14.22% 上海南京路 600000 14.56% 天津金街 400000 200000 0 30.69% 西安大唐不夜城 24.67% 广州北京路 -20.51% 武汉江汉路 21.40% 沈阳中街 -2.53% 重庆解放碑 6.13% 北京王府井

18. 四、步行街客流分析 4.2 客流属性分析 4.2.1 客流年龄分析：55岁以上银发一族增幅最快 11条步行街客流年龄分布比例最高的年龄段为25-34岁，达32%。该年龄段的客流具备一定的购买力，喜欢尝试新鲜事物，追逐潮流。11条步行街针对潮流时尚、文化风俗、沉浸式演出等多方面进行升级，改造完成的步行街集商业文娱一体化，更加吸引年轻一代人的眼光。 11条步行街客流人群分布 2019年客流年龄占比数据来源:智慧足迹 2019年同比 91.14% 97.96% 105.69% 105.13% 115.74% 16-24岁 25-34岁 35-44岁 45-54岁 55岁以上 40% 30% 20% 10% 0

19. 四、步行街客流分析值得注意的是，2018-2019年同比客流增幅最快的年龄段为55岁以上的银发一族，平均增幅达24%；增幅前三的步行街为成都宽窄巷子、沈阳中街和西安大唐不夜城，增速达52.1%，51.1%和47.5%。银发一族的潜在市场需求巨大，步行街的进一步完善优化可着重挖掘银发一族的消费需求。 2018-2019年步行街人群为55岁以上人群同比变化 2019年客流年龄占比数据来源:智慧足迹 2019年同比成都宽窄巷子沈阳中街西安大唐不夜城杭州湖滨 8.3 52.14% 上海南京路 .9 .85 % 47.45 重庆解放碑 29 28 6% % 南京夫子庙 .84 32 天津金街 % .92 34 北京王府井 51.11% 广州北京路 % 1% 1.99 % 1.86% 武汉江汉路 -25.31% 65% 30% 10% 0

20. 四、步行街客流分析 4.2.2 客流收入水平分析：王府井和南京路高收入客流与步行街高消费定位最符合根据京东线上消费大数据预测的到访步行街的客流收入水平，将收入预测分为高、中高、中等、中低和低五等。不同步行街的客流收入水平差异大。北京王府井和上海南京路高收入的客流达到30.89%和31.36%，大幅度领先排名第三的广州北京路的18.87%。针对高收入客流的步行街引入概念店和奢侈品店铺。 2019第四季度步行街客流收入预测高中高中等中低数据来源:京东低北京王府井成都宽窄巷子广州北京路杭州湖滨南京夫子庙上海南京路沈阳中街天津金街武汉江汉路西安大唐不夜城重庆解放碑 0 20% 40% 60% 80% 100%

21. 四、步行街客流分析 4.3 客流来源地分析：南京路和王府井本市客流增幅最高；湖滨、宽窄巷子和夫子庙外市客流占比最多；江汉路最吸引本省内游客同比分析2019年本市和非本市客流量占比发现上海南京路步行街和北京王府井本市客流增幅最高，分别为 8.7%和7.3%。改造后的南京西路步行街引入一系列旗舰店和体验店；主打高端购物的王府中环也为北京王府井增添时尚气息。非本市客流增速最高的步行街是武汉江汉路、成都宽窄巷子和西安大唐不夜街，分别为 9.2%，6.3%和4.5%。主打历史文化和文娱体验的特色型步行街相对综合型步行街，成为更多非本地游客的到访选择。 2018-2019年11条步行街本市和非本市客流变化本市客流增幅数据来源:智慧足迹非本市客流增幅 10% 0 -10% -20% 西碑解庆重安大唐不汉江夜放城路汉街武金津天阳沈南海上中京街路庙夫京南杭州湖子滨路京北州广宽都成北京王窄府巷井子 -30%

22. 四、步行街客流分析从整体客流来源地来看，新一线城市中，杭州湖滨外省客流最多达65.5%；沈阳中街本市客流占比最多达 50%。四条坐落于直辖市的步行街的本市和外省客流差别大。虽然北京王府井和上海南京路步行街本市客流增速最快，但本市客流的占比仅为31.8%和27.4%，本地客流市场有进一步提升空间。反观天津金街和重庆解放碑，本市客流比例达到60.3%和69.5%，步行街定位与本地人的休闲娱乐需求更吻合。本市、本省和外省客流占比本市占比外省占比数据来源:智慧足迹本省占比北京王府井上海南京路天津金街重庆解放碑武汉江汉路成都宽窄巷子西安大唐不夜城广州北京路沈阳中街南京夫子庙杭州湖滨 0 20% 40% 60% 80% 100%

23. 四、步行街客流分析 4.4 本市客流受步行街辐射半径的影响分析：中街到访客流最爱短距离活动，南京路到访客流最爱长距离活动本地客流分析聚焦客流居住地距离步行街的直线距离，分析3个距离段的客流来源地之间的占比。分城市来看，距离对沈阳中街本地客流的影响因素最大，居住地步行街小于5公里的本地客流比例高达46.6%。西安大唐不夜城和广州北京路排名第二第三，居住地小于5公里的平均比例为41.5%和38.7%。上海南京路本地访客到访距离最长，10-20公里间的客流占比达41.7%。本市客流受步行街辐射半径的距离影响小于5公里 5-10公里数据来源:智慧足迹 10-20公里北京王府井重庆解放碑 50% 成都宽窄巷子 30% 西安大唐不夜城广州北京路 0 武汉江汉路杭州湖滨天津金街南京夫子庙沈阳中街上海南京路

24. 五、步行街业态分析 5.1 步行街业态多样分析：金街、南京路和湖滨街内涉及民生的购物、生活服务、美食三者占比领跑其他街区；宽窄巷子最符合美食之都定位 2020年1月，11条步行街业态多样丰富，涉及民生的购物、生活服务、美食三者各步行街分布在 60%-85% 左右。其中，天津金街、上海南京路、杭州湖滨三者占比相对其他步行街最多，皆超过80%，领跑其他步行街。大大满足了到访客流的综合消费需求。各街美食业态占比，成都宽窄巷子美食业态占比最多。 2020年1月11条试点改造步行街业态多样分布购物生活服务美食购、生、美占比（右）公共设施数据来源:百度地图开放平台，且图表已经过报告发布方处理企业楼宇酒店休闲娱乐文化传媒旅游景点行政业态 100% 90% 80% 70% 60% 50% 40% 30% 20% 10% 0 0 北窄王宽京北都成州广京南南海上阳沈唐汉大武安西放不江津碑夜汉金天城路街中京夫州杭街路子湖京巷庙滨路子井府解庆重

25. 五、步行街业态分析 5.2 步行街业态聚集分析：金街和北京路在文化展览及体验互动类业态占比领跑其他同类步行街；宽窄巷子文化展览及体验互动类业态占比领跑其他同类步行街截止2020年1月，11条步行街文化旅游类业态聚集度较好，都有展览馆、美术馆、文化宫、博物馆等文化展示及体验互动场所。其中，属综合型步行街的天津金街、广州北京路文化展览及体验互动类业态占比总业态旗鼓相当，分别占比 63.22%和61.06%,皆较高超过其他同类步行街；属特色型步行街的成都宽窄巷子文化展览及体验互动类业态占比总业态33.33%，领跑其他同类步行街。 2020年1月11条试点改造步行街业态聚集分布数据来源:百度地图开放平台，且图表已经过报告发布方处理博物馆美术馆文化宫艺术团体文物古迹展览馆景点游乐园动物园风景区公园水族馆寺庙教堂新闻出版广播电视其他文展及互动占比 100% 90% 80% 70% 60% 50% 40% 30% 20% 10% 0 城大庆重不唐江安西解夜路汉街汉武津金街天阳中路南海上夫沈京庙子滨京南州湖路北州广窄宽都杭京子巷井府王成京北放碑 0

26. 五、步行街业态分析 5.3 购物、美食、生活服务业态下小店占比分析：金街和湖滨购物业态下的小店占比领跑其他街区；中街、金街和解放碑美食业态下的小店占比排名前三；中街、不夜城和江汉路生活服务业态下的小店占比排名前三 2020年1月，11条步行街购物业态下的小店占比远大于美食、生活服务类下的小店占比。购物业态下，11条步行街小店占比都较高，主要在75%-93%左右；其中，天津金街和杭州湖滨小店占比均超过90%以上。美食业态下，沈阳中街、天津金街、重庆解放碑小店占比均接近40%；预期在疫情结束后，专业无菌可视的中央厨房美食新模式，将会受到消费者更多的青睐。生活服务业态下，沈阳中街、西安大唐不夜城、武汉江汉路小店占比均超过15%；结合宏观经济与消费趋势中提到的疫情对服务业的冲击更大，而在疫情结束后，将会更难恢复之前的繁荣景象。当前疫情期间，各业态下小店业态都会遭受供需两端冲击。如何帮扶提振“小店经济”，结合金融科技，帮助小店解决融资难问题，预期将是疫情衰退期后步行街改造的重要研究课题。 2020年1月11条试点改造步行街购物业态下小店分布小店业态占比其他业态占比数据来源:百度地图开放平台，且图表已经过报告发布方处理 100.00% 80.00% 60.00% 40.00% 20.00% 城碑不夜放大唐庆西安重宽都成解巷窄夫京南北州子庙子路京街广阳沈南中路京井海上北京王江府汉滨汉武杭州湖街金津天路 0.00%

27. 五、步行街业态分析 2020年1月11条试点改造步行街美食业态下小店分布小店业态占比其他业态占比数据来源：百度地图开放平台，且图表已经过报告发布方处理子成广都州宽北窄京巷路城夜不唐大西安北上京海王南府京井路庙子夫京南武杭汉州江湖汉滨路碑放解庆重天沈津阳金中街街 90.00% 80.00% 70.00% 60.00% 50.00% 40.00% 30.00% 20.00% 10.00% 0.00% 2020年1月11条试点改造步行街生活服务业态下小店分布小店业态占比其他业态占比数据来源:百度地图开放平台，且图表已经过报告发布方处理路上海南京井府北京王湖州杭广州北京滨路街金天津碑重庆解放庙京南宽都成夫窄子巷路江汉武不唐大安西汉城夜街中沈阳子 100.00% 80.00% 60.00% 40.00% 20.00% 0.00%

28. 六、智慧服务分析 6.1 城市生活服务成为步行街业务提升新突破口基于2019年步行街商务部改造计划中智慧服务、线上线下融合及软硬件改造等指标指导下，分析11条步行街区域内用户移动应用使用量，排除手机系统软件及输入法等与步行街内无关数据。2019年11条步行街区域内用户使用量最多的移动智慧服务前5排序如下：社交网络（例如：微信）、综合电商（例如：京东）、移动支付类（例如：京东支付）、旅游预定（例如：携程）、地图导航（例如：百度地图）。其中同比增速最快的智慧服务前3排序如下：城市叫车（例如：滴滴）、生活服务综合平台（例如：美团）、短视频综合平台（例如：抖音）。在步行街内传统业务发展至坪效瓶颈的情况下，互联网应用，例如：生活服务综合平台、短视频综合平台、城市出行叫车服务成为步行街低成本获客及业务提升的新渠道来源。 2019年11条步行街内用户应用使用分析 2019年指数 27% 数据来源:智慧足迹同比 38% 49% 74% 36% 133% 移动支付旅游预订地图导航生活服务综合平台 90% 196% 100% 50% 0 社交网络综合电商台短视频综合平台城市叫车

29. 六、智慧服务分析以杭州湖滨、成都宽窄巷子在智慧改造的效果，反应在生活服务类应用活跃度上均有300%左右的同比增长，符合步行街智慧化规划方向预期。 2019年11条步行街生活服务类需求同比增长趋势数据来源:智慧足迹 350% 250% 150% 50% 0 滨路子湖杭宽都成不州唐广大安西沈解庆重天京北京南路汉京江南夫王津路庙子府金放阳井街碑中夜北窄街城京巷州海上汉武

30. 六、智慧服务分析 6.2 短视频类应用成为步行街宣传新渠道短视频近年受到年青人的青睐，“网红打卡地”更成为年青人争相追逐的目标，短视频做为步行街“网红打卡地”宣传工具，在年青人当中广泛使用。分析成都宽窄巷子、广州北京路短视频类应用使用量均有200% 左右的同比增长。 2019年11条步行街内用户应用使用分析数据来源:智慧足迹武汉江汉路上海南京路 300% 200% 成都宽窄巷子广州北京路 100% 南京夫子庙 0 重庆解放碑杭州湖滨西安大唐不夜城北京王府井沈阳中街天津金街分析两条步行街年青人（16至34岁）比例，成都宽窄巷子步行街年青人占比61.65%，广州北京路步行街年青人占比67.95%，短视频应用成为步行街题材在年青人间分享交流的新渠道。

31. 六、智慧服务分析 6.3 电商融合助力步行街识别用户消费偏好从京东数据观察，2019年11条步行街在互联网营销节日（例如：618、双十一等）及传统线下实体消费旺季（例如：十一、双旦等）电商用户在步行街内呈现活跃度增加趋势。 2019年11条步行街内用户电商需求活跃度数据来源:京东 9月 10月 11月 12月 8月 7月 6月 5月 4月 3月 2月 1月 100% 80% 60% 40% 20% 0

32. 六、智慧服务分析分析用户在步行街内电商类需求偏好，同比2018年，跨境类需求有约276%的增长、特卖、品牌、生鲜类需求也都有100%以上的增长。 2019年11条步行街内用户电商需求偏好 2019年指数同比 111% 276% 特卖电商跨境电商数据来源:智慧足迹 145% -41% 86% 121% 二手电商社交电商生鲜电商 100% 50% 0 品牌电商

33. 六、智慧服务分析针对11条步行街用户电商需求占比分析：受益于城市国际化定位及电子商务发展，杭州湖滨、上海南京路跨境电商（例如：京东国际）需求占比最高。基于步行街区内品牌招商策略及旅游特色步行街定位，南京夫子庙、西安大唐不夜城品牌类电商（例如：优衣库）需求占比最高。 2019年11条商业街用户电商需求占比特卖电商需求占比二手电商需求占比数据来源:智慧足迹生鲜电商需求占比社交电商需求占比品牌电商需求占比跨境电商需求占比 100% 80% 60% 40% 20% 0 宽京北北都成州广杭南夫州京南海上沈天放解不江津碑城夜汉金中阳路街街路京子湖京巷窄庙滨路子井府王唐汉大武安西庆重

34. 六、智慧服务分析 6.4 改善智慧交通提升步行街客户体验步行街出行结合大数据分析，采用互联网的方式，有效调度各种交通资源，从而给步行街高效低成本的疏导客流，提升步行街客户体验。通过对2019年11条步行街用户出行方式分析集中在：城市叫车、公共交通和共享单车。其中同比2018年分析增长最快的三种方式为：公共交通、租车、城市叫车。共享单车经过几年爆发式的发展，目前已进入平稳有序的平台期；步行街私家车停车、电动车充电等老大难问题仍有改善的空间。 2019年11条步行街用户智慧出行分析 2019年使用量数据来源:智慧足迹 2019年同比 200% 100% 400000 0 300000 200000 -100% 100000 -200% 0 城市叫车公共交通共享单车长短租车代驾汽车分时租赁接单助手车辆充电加油在线停车

35. 六、智慧服务分析天津金街步行街周边交通经过天津市政府2018年推行“慢行交通”规划及治理，从步行街用户交通需求量可以看出城市叫车类、公共交通类均呈现明显增长。在客流有效疏导效率上取得明显成果。 2019年天津金街用户“城市叫车”类需求分析 2019年城市叫车需求指数 2019年同比数据来源:智慧足迹（红色圆点代表城市叫车类应用使用量） 2018年12月 10月 196% 6月 71% 83% 12月 100% 39% 67% 2019年12月

36. 六、智慧服务分析 2019年天津金街用户“公共交通”类需求分析 2019年城市叫车需求指数 2019年同比数据来源：智慧足迹（绿色圆点代表公共交通类应用使用量） 2018年12月 10月 435% 6月 309% 26% 12月 100% 39% 73% 2019年12月

37. 六、智慧服务分析 6.5 移动支付提振步行街小店经济发展移动支付以其用户使用便捷体验好，商户入网门槛低结算收款快等特点迅速在全国各地商业环境尤其在收款金额小收款频次高的小微门店场景普及推广。商家移动支付设备的铺放量及用户移动支付产品的使用量对步行街整体资金流运转效率起关键作用，普遍使用移动支付，对于步行街线下结算、营销、会员转化、金融融资等原来由人工完成的工作转为由系统平台及数据来实时完成。通过对2019年11条步行街移动支付使用量分析，以成都宽窄巷子、杭州湖滨、西安大唐不夜城为代表的特色型步行街在增速上明显。 2019年11条步行街移动支付使用量分析数据来源:智慧足迹成都宽窄巷子南京夫子庙天津金街 200% 100% 广州北京路 50% 杭州湖滨重庆解放碑 0 上海南京路北京王府井西安大唐不夜城沈阳中街武汉江汉路

38. 六、智慧服务分析 6.5 移动支付提振步行街小店经济发展相比特色景区型步行街移动支付快速增长，沈阳中街商业综合型步行街在2019年移动支付上有111%的同比增长。分析其原因，主要得益于沈阳中街步行街内小店经济的蓬勃发展，移动支付已覆盖包括：餐饮、交通、购物、生活服务等绝大部分小金额高频次使用场景，基本满足用户不用携带现金出门的需求。 2019年6月与2018年6月沈阳中街用户移动支付爆点比较 2018年6月数据来源:智慧足迹（蓝色圆点代表移动支付类应用使用量） 2019年6月

39. 七、分析总结与改造建议 7.1 分析总结步行街类型所属城市等级北京王府井综合型一线改造效果：北京2018年人均可支配收入在11城中排名第二且人均消费支出名列前茅，与步行街高消费定位符合，可持续引进首店、旗舰店来提高街内商业质量，满足高消费需求。街内2019年本市客流同比增长率领跑其他同类街区，符合王府井本身提高本市客流的改造方向。待提高：北京2017年的技术输出及输入均在11城中排名第一，建议可联合城市内技术公司，加快打造智慧街区相关项目，来满足消费者对智慧服务的相关需求。上海南京路综合型一线改造效果上海2018年社零售总额规模在11城中排名第一，这与居民日常消费活跃、夜经济发达倾向有很大关系，与步行街提高夜经济定位符合。 2019年街内客流跨境电商类应用使用量占比排名11条步行街第二，说明客流倾向国际品牌需求旺盛，与步行街本身国品牌与潮流定位吻合。待提高：2019年南京路街内客流二手电商网站类应用使用量占比在11条步行街中排名第一, 说明到访客流有精打细算需求，建议多举办街内促销活动，形成差异化消费层次的街内消费文化底蕴。广州北京路综合型一线改造效果广州2017年入境过夜游客总人次数与旅游人数占比均在11条步行街中排名第一, 2019年北京路客流总量同比增长率排名同类街区第一，街内文化展览及体验互动类业态占比在11条步行街中排名第二，说明步行街业态能较好满足旅游客流需求。 2019年北京路街内客流生活服务类应用和短视频类应用使用量占比分别在同类步行街中排名均为第一,说明与打造智慧步行街发展方向符合度较高。待提高：广州2019年城镇居民平均消费倾向在11城中排名为第三，居民有较高的消费欲望，建议多举办促进消费活动，进一步提高解街内消费文化底蕴。基于样本数据分析的总结

40. 七、分析总结与改造建议 7.1 分析总结类型所属城市等级天津金街综合型新一线改造效果：天津2019年居民平均消费倾向在11城中排名为第一，截止2019年1月金街街内业态多样、业态聚集在11条步行街排名均为第一，说明步行街丰富的业态结构很好满足客流较旺盛的消费需求。 2019年10月，金街到访客流街内城市叫车类、公共交通类应用使用量均呈较高增长，说明打造“慢行交通”的规划及治理效果显著。待提高：截止2019年1月，金街街内购物和美食业态的小店类占比在11条步行街中排名分别为第一和第二，由于小店数量占比较多，建议可升级小型临街店铺，提高街内商业质量。沈阳中街综合型新一线改造效果：沈阳2018年居民平均消费倾向在11城中排名为第二，2019年55岁以上客流增速在同类步行街中排名第二，截止2019年1月，中街街内美食和生活服务类小店占比在11条步行街均排名第一，说明步行街业态结构较好符合到访客流消费需求。 2019年中街街内到访客流使用移动支付量在同类街区中排名第一,结合美食和生活服务类小店占比较高，说明街内打造智慧街区在便捷移动支付方面表现较好。待提高：基于大数据分析结果显示中街到访客流在11条步行街中最喜欢短距离活动范围，通过提高智慧交通的使用场景，可更好调度交通资源，满足近距离到访客流交通便利需求。武汉江汉路综合型新一线改造效果：武汉2019年第三产业增速高于GDP，在11城中排名第四，2018年社零总额增速在11城中排名第一，截止到2019年1月生活服务类小店占比在同类街区中排名第三，2019年江汉路到访客流占比总客流在11条步行街中排名第一，说明江汉路基于发达的第三产业占比，街内业态结构符合大背景，很好满足了湖北省内客流较强的消费需求。待提高：基于打造品牌步行街的规划，建议多引进品牌店、首店、旗舰店，来提高街内商业质量。步行街基于样本数据分析的总结

41. 七、分析总结与改造建议 7.1 分析总结步行街类型所属城市等级重庆解放碑综合型新一线改造效果：重庆2017年住宿餐饮业规模在11城中均为第三，截止到2019年1月美食业态下小店占比在 11条街中排名第三，说明步行街业态结构定位与居民消费习惯较好吻合。重庆2017年相对其他11城以吸纳技术为主,2019年解放碑街内到访客流城市生活服务类应用使用量同比增长率在同类步行街中排名第二,短视频类应用使用量同比增长也在同类步行街中排名靠前，说明街区打造智慧街区的规划效果较明显。待提高：重庆2019年居民消费倾向在11城中排名第四，居民有较高的消费欲望，建议多举办促进消费活动，进一步提高解街内消费文化底蕴。成都宽窄巷子特色型新一线改造效果：成都2017年住宿餐饮产业增加值规模及占GDP比重在11城中均排名第一，截止2019年1月，宽窄巷子的美食业态占比街内业态在11城中排名第一，2019年到访客流同比增长率在11条步行街中排名第一，说明街内业态结构很好满足本市及本市外到访客流休闲需求，主打“成都特色休闲新模式”效果显著。 2019年宽窄巷子街内到访客流城市生活服务类应用使用量在11城中排名第二，短视频类应用使用量在11城中排名第一，说明街内新媒体的打造计划效果显著。待提高：2019年宽窄巷子街内到访游客特卖电商类应用使用量在11城中排名第一，建议街内多举办促进消费活动，来满足游客精打细算的消费需求。南京夫子庙特色型新一线改造效果：夫子庙2019年外市到访客流占比总客流在11条步行街总排名第三，且截止2019年1月，夫子庙步行街涉及民生的购物、美食及生活服务类业态占比在同类业态排名第二,说明街内业态结构丰富，能较好满足到访客流消费需求。待提高：结合2019年外地到访街内客流占比较多，街内文化展览及体验互动类业态在11条步行街排名最末，可联合市内或南京周边旅游景点，例如同南京园博园共同打造城市旅游品牌，提高外地客流文化旅游需求。同时，建议多引入智能街区设施，来加快打造智慧街区进度。基于样本数据分析的总结

42. 七、分析总结与改造建议 7.1 分析总结步行街类型所属城市等级杭州湖滨特色型新一线改造效果：杭州2018年城市常住人口增速在11城中排名第二,2019年湖滨街内到访客流量同比增长率在 11街区中排名第二，2019年外市客流占比街内客流在11条步行街中排名第一，截止2019年 1月街内涉及民生的购物、美食及生活服务类业态占比在同类步行街中排名第一，说明街内业态结构很好满足了本市及外市的客流购物、休闲需求。 2019年湖滨街内城市生活服务和短视频类应用使用量分别在11条步行街中排名第一、第二，说明街内打造智慧街区效果显著。待提高：基于杭州2018年较高的人均消费支出，再结合2019年湖滨街内到访客流跨境电商应用使用量占比在11条步行街内排名第一，说明到访客流有较强的国际品牌需求，建议多引进品牌店、首店或旗舰店，提高街内商业质量。西安大唐不夜城特色型新一线改造效果：西安2018年城市常住人口增速在11城中排名第一, 2019年到访街内客流总量增幅在11条步行街中排名第三，且截止到2019年1月街内生活服务类小店占比在同类街区中排名第一，说明街内客流增长明显，且生活服务类业态结构较好满足到访客流消费需求。待提高：西安2017年技术输出能力处于11城中前列,结合街内打造智慧街区的规划，建议多引入智能化设施，加快智慧街区打造进度。基于样本数据分析的总结

43. 七、分析总结与改造建议 7.2 改造建议 7.2.1 加速线上线下融合正如本报告宏观分析篇所述，人口流量是商业发展的基石，商业是在新的生活方式、生活态度以及生活环境的要求下迭代发展的，人口流量的变化使得整个消费市场都出现变化。 2020年1月23日武汉全面封城，随后各地陆续出台“居家“、“隔离”等政策，消费者无法外出进行消费玩儿乐，导致各步行街及线下实体商业备受打击，流量出现了断崖式的冻结。 2019-2020年春节北京王府井步行街春节期间客流对比 2020年春节数据来源:智慧足迹 2019年春节

44. 七、分析总结与改造建议 2019-2020年春节武汉江汉路步行街春节期间客流对比 2020年春节数据来源:智慧足迹 2019年春节虽然对于线上线下融合概念已经说了很多年，但这次疫情给很多实体门店当头一棒，包括餐饮、零售、服务、商业地产、线下娱乐等，线下“衣食住行”成为了重灾区。据商务部发布的数据显示，截至2月20日，大型百货商场、购物中心开业率在50%左右，即便是开业，营业时间也大幅缩短，多数柜台或店铺仍然关闭，客流主要来自商场内的超市等门店，只相当于平常的10-15%。对于疫情期间短期内爆发式发展的远程办公、网络上课，生鲜电商等线上业务及迅速走红的“宅经济”在疫情过后是否可以持续；经此一役，线上线下融合大趋势无疑将加快进程。疫情期间，不止于众多行业纷纷转战线上，线上也是尽可能向线下敞开怀抱，迫不及待与传统产业擦出火花。例如：这次疫情中，北京荟聚购物中心线上就“云”生活话题进行调研，其中38%的受访者期待购物中心的网上商城。针对本次特殊疫情，京东于2月10日以来，为2096名时尚居家行业的门店导购在超新星云店模式小程序实现复工和销售，截至目前达成下单金额近千万。

45. 七、分析总结与改造建议 7.2 改造建议 7.2.2 升级线下商业消费体验升级打造同等高效的现实版网购不管线上如何高效，但真实体验还必须在现实场搭建移动电子支付、实体门店仓库化及配置与网景中才能完成，特别是那些与改善、提升生活品购同样功能的软件，从而打造同网购一致的资金质、升华精神有关的消费。给客户更好的体验和流、物流、信息流的高效运转。服务成为赢得顾客青睐的关键。同时充分利用导购员，例如：本次疫情期间，有如今，传统商业中心体验业态，如时尚餐饮、电两年门店积累的专业导购亚楠，微信里积累了近影院、KTV、冰场、健身会所、美容美体、电 600位精准客户，亚楠每周会从京东云店的后台玩、儿童体验等持续走高，全业态模式已成大势甄选适合不同客户的商品，通过朋友圈、微信群所趋。“个性化的主题定位”、“独特体验的建或一对一进行分享，短短几天，日销售就已经超筑设计”、“个性化和独特体验的业态品牌”已过10万。成为线下综合商业体发力点。

46. 七、分析总结与改造建议 7.2 改造建议 7.2.3 AI和大数据赋能识城基于智能传感器及互联网数据服务，应用时空大数据分析算法，能够挖掘生成步行街范围内细粒度的游客轨迹，在步行街的运营层面，可以精准分析区域游客热度和驻留时长，评估步行街不同区域的游客活跃度、品牌认知度、品牌转化度等，再结合迁移学习、时空预测等分析算法，为步行街店铺招商和空间改造提供辅助决策；在步行街管理层面，基于历史和实时的游客流转数据挖掘，可以智能生成疏解和引导预案，以应对节假日的高峰客流，保障游客的安全。悦客线上线下一体化，带来了更多了解游客的信息渠道，结合游客流体在步行街的线下游览和消费行为数据，及其在不同线上平台的行为数据，可以实现更加精准的游客画像和商家画像，进而结合智能推荐算法更好地连接商户和游客，提高了游客的消费体验，同时提高商户的经营销售。智场智慧化物联网设备的采用，以及时空大数据分析算法的应用，能够极大提高步行街的管理水平。举例来说，智能停车系统，可以最大化步行街的停车位利用率，提高游客的停车便利度，进而提高游客体验；智能交通调度系统，融合公交车、出租车、网约车、共享单车等多种交通方式的实时数据，通过时空大数据算法预测供需关系，推荐最优的调度策略；智能人流管控系统，通过分析实时的人流轨迹数据，对客流过载、客流对冲等事件形成预警，并提供疏导方案。兴商游客大数据为精准营销提供了强大的支撑，结合步行街和商户的主张定位，以及实际到访游客的精准画像，一方面，分析步行街主张和游客画像之间的差距，可以辅助步行街的升级改造计划；另一方面，结合智能营

47. 七、分析总结与改造建议 7.2 改造建议 7.2.4金融科技赋能线下统一收银模式小微企业征信体系小微企业融资赋能通过统一收银，对步行街管理处，可获通过工商信息变更对企业征信评分，对基于本小节一、二，再结合商户行业类取有效的商户交易流水情况，便于差异步行街管理处，可定期对街内商户进行型，对于步行街管理处，联合金融科技化定价商户租金，有利于步行街营收分征信评分查询，结合以上交易流水营业企业，可定向给予综合表现较好的商户析更准确；对商户店铺，可根据不同阶额，定期进行差异化提醒处理，更好提融资等优惠政策。段交易流水分析店铺周期营业额变化，升街内商户质量。判断对应时段的成本投入。 7.2.5 回归本质不管是线上线下如何融合，步行街如何改造升级，最终的销量还要看门店的商品质量和服务能力是否满足到访客流的消费休闲需求，所有问题还要回到商业的本质。

48. 八、免责及权利声明本报告基于京东智能城市研究院、京东数科研究院、智慧足迹（京东智能城市研究院、京东数科研究院、智慧足迹以下三者统一简称为“技术支持方”）认为可靠的数据和信息，但技术支持方对该等数据和信息的真实性、准确性、完整性、时效性及适用性等不作任何明示或默示的保证，亦不承担任何责任。收阅者应当自行判断并独立作出决策。任何人援引或基于本报告所采取的任何行动所造成的法律后果均与技术支持方无关，由此引发的争议或法律责任皆由行为人自行承担。特别的，在任何情况下，本报告中的数据、信息或所表达的观点均不构成对任何人的投资建议或其他形式的专业意见或决策依据。因数据来源、抽样方法、统计分析口径等存在差异，本报告中的数据和结论可能与政府官方公布的相同或相似的数据和结论存在差异。如引用、摘录、转载本报告需注明出处，且不得对本报告进行有悖原意的删节和修改。