研究 Post-COVID Consumer 支出 in New York City

Overall spending growth remained positive throughout the pandemic, excepting the immediate shock in April 2020. 图1显示了2019年1月至2021年8月的支出水平, indexed to spending levels in 2019. 2020年4月，一般商品的总支出比2019年1月低7%. 到2021年8月，总支出比2019年1月高出26%，即使与大流行前的水平相比，支出增长水平也很强劲. (Office of the New York State Comptroller 2022)  

图1:一般商品的线上支出增长强于线下支出, regardless of 零售商类型

在我们的观察期内，总支出增长总体强劲, spending varied substantially by product, 零售商类型, 和通道. As our prior research demonstrates (Wheat et al. 2021a, 2021b, 2021c), 2020年3月，各种产品的线下和线上零售支出增长出现分歧，并进入了线上增长持续优于线下增长的新动态. 这种模式适用于纽约人在一般商品上的支出. 值得注意的是, this pattern holds across 零售商类型s as well; 在线 spending growth at 其他零售商s is consistently higher than 离线 spending growth at 顶级零售商.

图1中没有显示的一个重要的细微差别是，消费者可以从同一家公司进行在线和离线购买, ^[5] 这样，公司就可以用在线支出抵消线下支出的下降. 事实上，公司甚至可能鼓励这种转变(所谓的“砖块和点击”模式)。. (Hortaçsu and Syverson 2015). 记住这一点很重要，因为大公司可能有更多的资源来开发和维护在线服务，以补充他们的离线服务. (Rodrigue 2020)

此外，不同类别的纽约人的消费增长也不尽相同, 在我们的研究期间，他们在每个类别中花费的相对金额有很大的不同. 我们发现，纽约人的消费转向了在线零售商和顶级零售商—and away from 离线 spending at 其他零售商s—starting in 3月ch 2020. 这方面最明显的例子是顶级零售商向网上消费的急剧转变. 然而, these shifts reversed over the course of 2020 and 2021.

衡量纽约人如何在不同类别中分配他们的支出, 我们使用其他零售商线下消费与其他三类消费的比率. 这使我们能够对这些类别的相对份额进行美元价值计算，并大致评估消费者如何分配支出, regardless of overall growth at a given time. 例如, in Figure 2 we see that 每1美元.2020年1月，00名纽约人在其他零售商线下消费，他们花了3美元.60 在线 at the 顶级零售商. This figure rose to $12.76 每1美元.00 in April 2020 and fell to $3.77 每1美元.00 in 8月ust 2021. 另外, by 8月ust 2021 New Yorkers were spending relatively less 离线 at the 顶级零售商 than before the pandemic. New Yorkers spent $2.02 离线 at 顶级零售商 每1美元.00 离线 at 其他零售商s in January 2020. This figure fell to $1.83 每1美元.00 by 8月ust 2021. This is interesting but should be interpreted with caution. As mentioned above, a limitation of this analysis is that 在线 and 离线 spending done at the same retailer is presented in separate categories. 一些 of the decline in 离线 spending at the 顶级零售商 is being offset by 在线 spending increases at those same retailers.

图2:纽约人继续将大部分支出分配给顶级在线零售商

这最初似乎与一种普遍的国家说法相矛盾，即大流行将引发激烈的战争, durable shift in spending away from smaller, 离线 retailers. (博伊尔2021, D’Innocenzio 2020, 弗里德曼2020年, Nassauer 2020) We do indeed observe a drastic shift, 只有在我们的研究期结束时，观察到我们的系列恢复到大流行前的水平. 此外, a return to pre-pandemic patterns does not diminish the disruptions to revenues and expenses businesses faced during this time. It may also be the case that what may be a valid national narrative may not hold in the same ways in New York City, 对于这座城市来说，可能是一种有效的叙述，但在不同的社区之间却有着显著的不同. 在不同地理粒度层次上的进一步研究将有助于阐明这一点.

图2的一个显著特征是，在我们整个研究期间, 纽约人在其他零售商线下消费的金额总是四类中最低的. 其他类别都没有低于1美元.00 (i.e. 每1美元.00个纽约人在其他零售商线下消费，他们总是至少花费1美元.00 in each of the other categories). 这是一个关于该产品在纽约市场结构的实证结果. As we demonstrate in Finding 3, 其他零售商的线下消费不一定是最低的. 最后, 2020年春季和初夏发生的消费模式的巨大变化可能会给人一种较小的变化没有意义的印象. 然而, 市场份额的微小但持久的变化，大约是一美元的几美分, rather than multiples of dollars, 从长远来看，对利润率较低的零售商来说可能仍然很重要.

我们观察到的纽约人在一般商品上的消费模式并不适用于所有的产品类型. We find that New Yorkers’ spending on groceries across our categories is notably different during the study period. 与此形成鲜明对比的是 to general goods spending, 2020年3月，杂货店的线上和线下支出都有所增加, with 离线 spending remaining notably positive. Like general goods spending however, 在疫情前，无论零售商类型如何，在线支出的增长速度都低于线下支出，疫情后这种情况发生了变化.

图3:疫情后，在线杂货支出的增长速度快于线下支出, regardless of 零售商类型

We observed noticeable differences in spending by New Yorkers on general goods and groceries by channel and 零售商类型. As Figure 4 demonstrates, 每1美元.纽约人在其他零售商线下消费时，他们只花了不到1美元.00 in each of the other categories. 例如, the spending ratio for 顶级零售商 was $0.80 in January 2020, and steadily declined to $0.67 by 8月ust 2021. It is relevant to note again that New York City may prove different than the rest of the country in this regard. The way people spend on food to consume at home in New York City may be different to other cities in the country, let alone suburban and rural areas.^[6]

图4:纽约人继续在其他零售商线下消费大部分食品杂货

top和其他零售商的在线杂货消费比例相对较低，这表明它们只占整个市场的一小部分, despite their high growth rates shown in Figure 3. It is also notable that New Yorkers spent more 在线 at 其他零售商s than they did 在线 at the 顶级零售商. The spending ratio for 其他零售商s 在线 was on average $0.在研究时间上比顶级在线零售商高出04个百分点. 随着不同类型的零售商寻求应对后covid经济的变化和挑战, 纽约市杂货商的例子可能是一个有趣的案例研究.

可以理解的是，人们担心大流行可能以牺牲其他零售商为代价，极大地提高了顶级零售商的成功. 我们观察到的不同类型零售商和渠道的消费增长差异确实表明，顶级零售商的增长方式与其他在线和线下零售商相比存在显著差异. We also observe that for general goods spending, 在疫情爆发的头几个月里，人们对顶级在线零售商的需求发生了急剧转变. 然而, this changed over the course of the rest of the pandemic, 纽约人在一般商品上的支出分配恢复到接近大流行前的水平. 其他零售行业可能会经历不同的后疫情经济, and a reversion to pre-pandemic trends does not diminish the real challenges smaller retailers have faced over the past two years.

Longer-term trends toward 在线 spending at 顶级零售商 may challenge inclusive growth more than the short-term COVID spike. In more recent months, the top general goods retailers received a smaller share of spending than they did during the height of the pandemic. 这个说, 顶级零售商的在线支出增长速度快于所有其他支出类别，在整个研究期间的支出份额是最高的. While 消费者’ move toward 顶级零售商 在线 may be small relative to the shifts we observe at the height of the pandemic, 如果从中长期持续下去，这种变化可能会产生影响, especially for retailers whose margins are tight. 政策makers might usefully attend to these longer-term structural changes when considering programs to support all businesses.

政策制定者可以根据特定行业需求定制后疫情经济业务支持计划. 我们的研究结果显示，消费者在食品杂货和一般商品上的支出存在巨大差异. Top 在线 retailers of general goods continue to capture the largest share of consumer spend in the post-COVID economy. 与此形成鲜明对比的是, smaller grocers still capture materially larger shares of consumer spend than 顶级零售商 in New York City, 尽管线下和线上消费在顶级杂货商中的份额都在增加. 这些差异表明，决策者在评估业务支持计划时，可以根据部门和零售商类型进行区分，从而受益, 特别是那些旨在促进网上销售的项目. 例如, a goods retailer may need technical assistance to understand the costs and benefits associated with offering delivery or pickup, how to leverage payment or 在线 customer service platforms, or how to manage shipping logistics. 与此形成鲜明对比的是, 专业服务公司可能会受益于为新的视听设备或高速宽带基础设施投资的创新融资，以提高其在线服务的质量.

Further research can help local policymakers better support businesses and communities in the post-COVID economy. 研究不同地理粒度水平的消费者支出超出了本报告的范围，但对于更好地理解后疫情经济至关重要. 在这种情况下, 对其他城市或地区covid后消费行为的分析可以提供背景，有助于解释我们对纽约市的研究结果. 同样的, 在次城市层面对这些模式进行更细致的地理分析，可以为每个当地社区的纽约人的经历提供更有针对性的对话. More local analysis is critical to informing public policy, 因为社区水平差异的影响可能比跨城市差异更重要. (法雷尔等人. 2019)