闲置物品流转与再商品化研究报告

基本信息

阅读时间：约 30 分钟

字数：约 14,128 字

摘要：市场共识：闲置流转已经是一门成熟的生意，剩下的只是规模继续扩大。支持这一判断的读数很漂亮——2025年我国二手商品交易额达到1.69万亿元，同比增长12.4%，近五年平均复合增长率达到11.2% [6]；同期二手电商交易规模达到8500亿元，同比增长18.4% [6]；全国二手商品门店超过60万家，从业人员超过1000万人 [6]。单看这些数字，这条赛道已经跨过了从无到有的阶段。

市场共识：闲置流转已经是一门成熟的生意，剩下的只是规模继续扩大。支持这一判断的读数很漂亮——2025年我国二手商品交易额达到1.69万亿元，同比增长12.4%，近五年平均复合增长率达到11.2% [6]；同期二手电商交易规模达到8500亿元，同比增长18.4% [6]；全国二手商品门店超过60万家，从业人员超过1000万人 [6]。单看这些数字，这条赛道已经跨过了从无到有的阶段。

我们认为：把「交易额增长」直接读成「闲置被更多流转」，是这条赛道最容易被跳过的一次换算。交易额是分子的读数，而判断流转是否可持续需要分母——家庭中到底有多少物品进入了流转、又有多少被直接丢弃。公开读数给出了分子，却几乎没有给出分母。更值得注意的是两组公开数据的排列：一组是"十四五"时期二手商品流通交易额年增长率达69.6%，另一组是近五年平均复合增长率11.2% [6]；两个读数出现在同一份发布中，相差约58.4个百分点（测算）[8]，说明这条赛道的规模统计本身还在口径整理阶段。

1. 第一，线上化程度已经过半，继续提升的空间主要在线下。以二手电商交易规模8500亿元与二手商品交易额1.69万亿元计算，线上占比约为50.3%（测算，分子8500亿元、分母16900亿元、单位为百分比、年份2025年）[6][8]；而公开资料显示2015年二手电商的线上渗透率仅为4.7% [7]，十年间提升约45.6个百分点。线上化从零到过半已经完成，后续增量必须来自线下存量的改造，而线下改造的难度远高于线上；
2. 第二，意愿与行为之间存在约20个百分点的缺口。公开调查显示76%的居民家庭出售过二手物品，95.9%的居民家庭有出售意愿 [7]，两者相差19.9个百分点（测算）[8]。这条缺口说明闲置流转的瓶颈不在意愿侧，而在「把物品变成商品」这一步的操作成本——定价、拍照、描述、沟通、发货，每一步都在劝退；
3. 第三，流转的支持体系已经形成相当规模的就业结构。全国二手商品门店超过60万家、从业人员超过1000万人 [6]，按1.69万亿元交易额折算，每亿元交易额对应约592名从业人员（测算，分子1000万人、分母16900亿元、单位为人每亿元、年份2025年）[6][9]。这一密度说明这条赛道目前仍是人力密集型的，规模化并不完全来自效率提升。

要理解闲置流转的难点，先要看清一件物品从「使用中」到「可交易」之间要跨过多少道工序。一件仍在使用的物品，它的价值由使用者自己认定；一旦决定出售，它就必须被重新定义——确定品相、估算价格、拍摄图片、撰写描述、约定交易方式、承担物流或见面成本。这一整套动作把一件私人物品转换成了一件商品，而转换的成本由卖方独自承担。

转换成本与物品价值的关系决定了流转的结构。当物品的二手价格显著高于转换成本时，出售是理性的；当两者接近时，出售与否取决于个人对时间价值的判断；当转换成本高于二手价格时，物品会被搁置或丢弃。这解释了一个常见的观察：家里堆着的最多的往往不是最贵的物品，也不是最便宜的物品，而是那些「卖了不划算、扔了可惜」的中等价值物品。

公开读数从两个方向印证了这一结构。一方面，二手数码产品的交易额超过4000亿元 [6]，占1.69万亿元总交易额的约23.7%（测算）[8]——数码产品单价高、品相可描述、物流方便，转换成本相对于价值很低。另一方面，公开调查显示居民家庭的出售意愿高达95.9%，而实际出售过的比例为76% [7]，意愿与行为之间的缺口恰好落在那些转换成本居中的品类上。

还有一层机制与时间有关。闲置物品的持有成本是隐性的——占用的空间、心理上的「未处理事项」、以及随技术迭代产生的贬值。这三项成本在持有期间持续发生，却不在任何账本上出现。因此处置决策往往被推迟，而推迟的结果是物品进一步贬值，最终从「卖得掉」变成「只能丢」。这一负向过程是理解丢弃率的关键：丢弃往往不是一开始的选择，而是延迟的结果。

隐性持有成本的计量方式可以简化为一句话：它是单位面积的机会成本乘以物品占用的面积，再加上随技术迭代产生的贬值。城市住宅的价格水平决定了前一项，产品迭代速度决定了后一项。公开读数显示2025年城镇化率为66.343%、较上年提高约0.448个百分点 [4][10]，人口向城市集中会持续抬高居住空间的单位成本，这对流转是正向推力；但同时，迭代快速的品类贬值速度也更快，两项因素的方向相反，净效应取决于具体品类。

这一机制解释了一个反直觉的现象：在居住成本最高的城市，闲置物品的流转意愿往往最高，但实际流转率未必更高。原因是两件事同时发生——持有成本高促使人处置，而处置的操作成本（时间、沟通、物流）在城市中也更高。因此城市并不是天然的流转友好环境，它只是把问题的两端同时放大了。

把「闲置是否被更好地利用了」做成可比较的判断，需要两个指标。第一个是再流通率，定义为进入二手市场的物品数量占同期退出使用状态的物品数量的比重；第二个是丢弃率，定义为被直接废弃的物品数量占同期退出使用状态的物品数量的比重。两者之和加上长期搁置的部分，构成全部退出路径。

这张表最值得注意的是前两行的可得性。再流通率与丢弃率是判断闲置流转是否可持续的核心指标，但两者的分子都需要「退出使用的物品数量」，而这一数据在公开渠道中不存在。家庭物品的退出没有登记环节，也没有统一的统计口径，因此这两个指标目前只能通过抽样调查估计，无法从交易数据中反推。

这是本报告的一处明确缺口。公开读数提供了交易额、线上化程度、参与意愿与就业规模，但无法提供退出量，因此无法计算真正的再流通率与丢弃率。本报告的处理方式是：以可获得的读数推算代理指标（线上化程度、就业密度、意愿缺口），并把丢弃率相关的判断全部标注为结构假设，不给出具体数值结论。

度量还需要一个时间基准。公开资料显示，2020年二手电商交易规模为3745.5亿元、同比增速高达44.2% [7]；2025年为8500亿元 [6]。以这两个读数计算，五年间的规模扩大约2.27倍，隐含的年均复合增长率约为17.8%（测算，分子8500亿元、分母3745.5亿元、期数5年、年份2020至2025年）[7][10]。这一速度与近五年平均复合增长率11.2%的整体读数相比高出约6.6个百分点（测算）[6][10]，说明线上渠道的增速持续快于整体。

宏观背景读数如下：世界银行年度序列口径下，2025年国内生产总值约19.50万亿美元、人均约13,862美元、总人口约14.07亿、城镇人口占比66.343%、居民消费价格指数同比上涨0.06% [1][2][3][4][5]。这组数字给出两个背景：其一是价格总水平几乎零增长，意味着二手商品的价格优势无法依赖新品涨价来放大，其吸引力必须来自自身的性价比；其二是城镇化率仍在缓慢上升，人口向城市集中会压缩居住空间，从而抬高闲置物品的隐性持有成本，这对流转是正向因素。

第一条证据是规模与增速。公开信息发布显示，2025年我国二手商品交易额达到1.69万亿元，同比增长12.4%，近五年平均复合增长率达11.2%；其中二手手机等数码产品的总体交易额超过4000亿元 [6]。同一份发布还提到，"十四五"时期二手商品流通整体呈现稳中向好、量质齐升的态势，交易额年增长率达69.6% [6]。这两个增速读数需要并列阅读：11.2%是五年平均复合增长率，69.6%是某一时段的年增长率，两者相差约58.4个百分点（测算）[8]。

第二条证据是线上渠道的结构。公开信息发布显示，2025年二手电商交易规模达8500亿元，同比增长18.4% [6]；另一份报告资料同样引用8500亿元这一读数，并提到闲鱼月活跃用户突破2亿、转转注册用户超4亿 [7]。以8500亿元与1.69万亿元计算，线上化程度约为50.3%（测算）[8]。同时，公开资料显示2015年二手电商线上渗透率仅为4.7%、2020年交易规模为3745.5亿元且同比增速达44.2% [7]，构成了从4.7%到50.3%的十年路径。

第三条证据是参与意愿与行为的差距。公开资料引用的调查显示，76%的居民家庭出售过二手物品，95.9%的居民家庭有出售意愿 [7]；同一组资料还提到56%的消费者认为二手交易的购物意愿较强，60%的年轻人在购物时经常或总是比价 [7]。意愿与行为之间相差19.9个百分点（测算）[8]，这一缺口是本报告在机制章判断的主要依据——意愿已经充足，制约来自执行环节。

第四条证据是线下的组织形态。公开信息发布显示，全国二手商品门店超过60万家，从业人员超过1000万人，形成了庞大的就业网络 [6]；同一份发布还提到地方案例，某跳蚤市场依托怀旧氛围与老旧物件定期举办周末集市，单日客流最高突破2万人次 [6]。按1.69万亿元交易额与60万家门店计算，平均每家门店对应的年交易额约为281.7万元（测算）[6][11]，说明线下渠道以小微主体为主。

第五条证据来自使用者结构。公开资料提到线上平台的月活跃用户已突破2亿、注册用户超4亿 [7]，同一组资料还提到60%的年轻人在购物时经常或总是比价、56%的消费者认为二手交易的购物意愿较强 [7]。这两组读数合起来说明，二手交易的主要参与者是在价格敏感度高、比价习惯强的年龄区间；对他们而言，二手不是「退而求其次」，而是价格比较后的正常选项。

把四条证据连起来可以看到一个共同特征：所有读数都指向「已经发生的交易」，而没有指向「未被交易的物品」。交易规模、线上化程度、用户规模、门店数量都是供给侧与流通侧的读数，而判断闲置流转的可持续性需要的是需求侧的存量读数——家庭中还有多少物品处于「可交易但未交易」的状态。这一信息结构决定了本报告的方法选择：以代理指标表达方向，把核心指标的缺口明确标注。

既然瓶颈在「物品变商品」的操作成本，方案设计的着眼点就应当是降低这一成本，而不是继续扩大交易平台的流量。三个动作按影响从大到小排列：第一个是定价的自动化，第二个是描述与拍摄的模板化，第三个是交付的集中化。

第一个动作针对定价。定价是转换过程中最耗时的一步，也是卖方最缺乏信息的一步——大多数人不知道自己的物品在二手市场上值多少。公开资料提到，60%的年轻人在购物时经常或总是比价 [7]，说明比价行为已经普遍；但比价解决的是买方的问题，卖方需要的是定价建议。把同款或同类物品的近期成交价直接呈现给卖方，可以把定价从一次研究变成一次确认。

第二个动作针对描述与拍摄。多数物品的交易描述高度同质，完全可以模板化：品相、购买年份、使用频次、配件完整性、瑕疵说明。模板化的作用不只是省时，更重要的是统一了信息披露口径，减少交易后的争议。这一点在单价较高的品类上尤其重要，因为争议的成本远高于描述的成本。

第三个动作针对交付。公开信息发布显示，全国二手商品门店超过60万家、从业人员超过1000万人 [6]，这一线下网络本身就是交付节点——如果门店同时承担收货与代售的功能，卖方只需要把物品送到最近的门店，后续的定价、上架、沟通与发货由门店完成。这一模式把转换成本从卖方转移到专业分工方，代价是分成比例，但降低了流转的门槛。

这张表的最后一列是本报告认为最需要权衡的部分。四个动作都会带来副作用：定价自动化可能使差异化物品被系统性低估，因为算法只能参考同类成交；描述模板化可能遗漏模板之外的瑕疵；交付集中化会分走一部分成交价；回收即时化用价格换便捷。这意味着降低转换成本不是没有代价的优化，而是一次成本结构的重新分配——把卖方的时间成本换成了价格上的让步。

还需要考虑动作的适用顺序。对单价高的物品，卖方更愿意自行完成定价与描述，因为价格让步的绝对值大；对单价低的物品，卖方更愿意接受回收价，因为时间成本相对于物品价值更高。因此合理的顺序是：先对低单价、高频次的品类推行回收即时化，再对中等单价品类推行模板化与集中交付，高单价、低频次的品类保持卖方自主定价。

本报告有三处边界需要先说明。第一处是品类边界。本报告讨论的是标准化程度较高、有明确二手价格的耐用品，包括数码、家电、图书与家具；不包括卫生敏感品类、定制类商品与收藏品，后三者的定价与流转逻辑差异较大。第二处是数据边界。由于再流通率与丢弃率的分母不可得，本报告在这两个指标上不给出具体数值结论，只给出方向性判断与代理指标。第三处是地域边界。本报告引用的公开读数以全国总量为主 [6]，地方案例仅作说明，不用于推断区域差异。

第一类反面证据针对「意愿与行为之间的缺口由操作成本造成」。如果调查口径本身的差异才是缺口的主因——例如「出售过二手物品」按家庭计而「有出售意愿」按个人计——那么19.9个百分点的缺口就不能直接解释为操作成本的阻碍。公开资料没有披露两项调查的具体口径是否一致 [7]，因此这一归因的强度属于中等。

第二类反面证据针对「价格总水平零增长对二手是正向因素」这一表述。若新品价格持续下行，二手的相对价格优势会被压缩，因为新旧价差是买方选择二手的主要动机之一。世界银行年度序列口径下2025年居民消费价格指数同比上涨0.06% [5]，这是总体价格水平；但具体到数码这类迭代快速的品类，新品价格的下降幅度可能显著大于总体水平，从而压缩二手的性价比空间。

第三类反面证据针对「线下门店是交付节点」这一判断。门店数量超过60万家、从业人员超过1000万人 [6] 描述的是存量，而不是可被整合为交付节点的能力。多数线下门店是独立经营的小微主体，其经营品类、定价方式与是否愿意承接代售业务都高度分散。因此把门店网络视为现成的交付基础设施，可能高估了它的整合度。

这张表把四处反面证据与它们各自要推翻的判断、所需的观察以及现有读数的支持程度列在一起。四处之中，第一与第三处指向同一类问题：公开读数的粒度不足，只有总量而没有结构。这意味着本报告关于机制与方案的判断在总量层面成立，在细分品类与细分区域层面需要读者自行核对。

第一组测算给出线上化程度。以二手电商交易规模8500亿元与二手商品交易额1.69万亿元计算，线上占比约为50.3%（测算）[6][8]。结合公开资料中2015年4.7%的渗透率读数 [7]，可得到十年间提升约45.6个百分点的路径。这一测算的意义在于界定后续增量的来源：线上从4.7%到50.3%的路径已经走完，剩下的近一半在线下，而线下改造的对比对象是分散经营的小微门店。

第二组测算给出就业密度。以从业人员1000万人与交易额1.69万亿元计算，每亿元交易额对应约592名从业人员（测算）[6][9]；同时以门店60万家计算，平均每家门店对应的年交易额约为281.7万元（测算）[6][11]。两个读数一起看，可以得出一个关于生产率的判断：这条赛道目前的单位产出需要的人力投入较高，规模化主要来自参与主体数量的增加，而不是单主体效率的提升。

第三组测算给出意愿缺口的规模含义。公开调查显示出售意愿比例为95.9%、实际出售过的比例为76% [7]，两者相差19.9个百分点（测算，95.9%减76%）[8]。若把有出售意愿但未出售的家庭视为潜在的流转增量来源，则缺口规模与家庭总数的乘积构成了流转扩大的上限。需要强调的是，这一测算只能给出方向，因为「未出售」的原因可能是没有可出售的物品，而不一定是操作成本。

第四组测算给出价格让步的量级。以回收模式的折扣率取三档假设——分别为成交价的六成、七成与八成——卖方在回收模式下的净收益相对于自主成交分别下降约40%、30%与20%（测算）[12]。若把卖方在自主成交模式下需要投入的时间按每小时38元的机会成本折算（参照第六章的工时口径），并把单件物品的操作时间设为1小时、2小时与3小时，则时间成本分别约为38元、76元与114元（测算）[12]。两者相抵的位置决定了卖方应当选择哪种模式；四个动作的效率与价格让步构成一条权衡曲线 [14]。

这张表把四组测算的参数、结论方向与适用限制列在一起，读者可以按自己的参数替换后重新计算。需要再次强调，除交易额、线上规模、门店数量与意愿比例来自公开读数外，其余参数均为结构假设；其中机会成本取值、单件操作时长与回收折扣率都没有公开数据支撑。因此四组测算的作用限于说明关系的量级与方向，不能用于推导任何具体品类或渠道的盈利水平。

跟踪这套判断需要五个指标。第一个是线上化程度，即二手电商交易规模与交易总额之比，可得性高，可从公开发布中推算。第二个是单店平均交易额，可得性中等，用于判断线下渠道的效率是否在提升。第三个是意愿与行为缺口，可得性低，只能通过抽样调查获得，但验证力最高。第四个是回收类订单在总量中的占比，可得性中等，用于判断转换成本是否被有效降低。第五个是品类的价格让步幅度，即回收价与成交价之比，可得性低。

五个指标中，第一个与第二个构成一组，用于判断规模扩张的来源是效率还是主体数量；第三个指标虽然可得性最低，却是唯一能够直接检验本报告核心判断的指标；第四与第五个指标用于评估方案设计的效果。由于核心指标与可观测指标互不衔接，当前的评价体系存在一个断点 [15]。这一分配与第二章的度量框架一致——优先跟踪能够检验机制判断的变量，而不是跟踪结果指标。

还需要提示三处风险。第一处是口径风险：本报告引用的交易额、线上规模与增速读数来自不同来源，其中同一份发布中出现的69.6%与11.2%两个增速读数相差58.4个百分点（测算）[8]，说明这条赛道的规模统计仍在整理过程中，任何单一读数都不应被单独引用。第二处是可持续性风险：闲置流转的经济性依赖于转换成本与物品价值的比值，而新品价格下行会同时压低二手价格与缩小价差，压缩流转空间。

第三处是标注风险：本报告在丢弃率与再流通率上不给出数值结论，因为分母不可得 [13]。读者在使用本报告时应注意，凡涉及「闲置被更多利用」的总量判断，都缺少直接的统计支持；本报告提供的是机制解释与代理指标的走势，而不是对流转效果的整体评价。

还有一处需要单独说明的度量问题：意愿缺口19.9个百分点（测算）[8]表述的是比例差，而不是人群差。同一批家庭在不同时点的意愿与实际行为可能同时被计入两个比例，因此这一缺口不能被理解为「有19.9%的家庭想做但没做」。要得到人群层面的判断，需要的是同一批样本的追踪调查，而公开资料并未提供这类数据 [7]。

把跟踪指标与风险提示放在一起，可以得到一个关于这条赛道的基本判断：交易规模的增长是确定的 [6]，线上化程度的提升也是确定的 [7]；但这两件事都不等于闲置被更少地丢弃，因为丢弃率的分母从未被统计过。因此对这条赛道的评价应当从「交易额有多大」转向「未被交易的物品有多少」，而这需要新的统计口径。

最后需要说明本报告的适用与不适用情形。本报告适用于标准化耐用品的流转分析与渠道设计；不适用于卫生敏感品类、定制类商品与收藏品，这三类的定价机制与本报告的转换成本框架不同。同时在丢弃率方向上，本报告只给出机制解释，不给出数值结论 [6][7][13]。

本报告的核心判断是：闲置流转的问题已经从「有没有渠道」转为「值不值得卖」。公开读数充分支持渠道的存在——二手商品交易额1.69万亿元 [6]，二手电商8500亿元 [6]，线下门店超过60万家、从业人员超过1000万人 [6]，线上用户规模以亿计 [7]。但支撑这些读数的都是已经完成的交易，而未被交易的物品从未被统计。

从机制看，一件物品从使用中到可交易要跨过定价、描述、交付与沟通四道工序，转换成本由卖方独自承担；转换成本与二手价格的比值决定了出售是否理性，处于中间区间的物品最容易长期搁置。

从度量看，再流通率与丢弃率的分母即退出使用量不可得，这是本报告的一处明确缺口；可用的代理指标是线上化程度、就业密度与意愿缺口 [13]。

从测算看，线上化程度约为50.3%（测算）[8]，每亿元交易额对应约592名从业人员、平均每家门店年交易额约281.7万元（均为测算）[9][11]，意愿与行为之间相差约19.9个百分点（测算）[8]。

从方案看，降低转换成本的四个动作都伴随价格让步，因此改善的本质是成本结构的重分配而非纯粹的效率提升；不同单价区间应当采用不同的动作组合。

从风险看，这条赛道的统计口径仍在整理，同一份发布中出现过相差约58.4个百分点的两个增速读数（测算）[8]；在使用任何单一读数前都应核对口径。

最后需要重复一处重要限定：本报告的全部换算数值均为结构测算，参数来自公开读数的近似与结构假设 [8][9][11][12]。读者在使用时应把它们当作关系方向的说明，而不是可直接引用的市场预测。

本报告的判断建立在两类材料之上。第一类是公开可得的外部读数，包括世界银行的年度序列数据，以及关于二手商品交易规模、线上渠道规模、居民参与意愿与线下门店规模的公开信息发布与行业报告资料。第二类是本报告自身的结构测算，其参数取值与单位在附录 C 中逐条列出。

需要特别说明的是规模读数的口径。本报告引用的交易额、线上规模与增速读数来自不同来源，且同一份公开发布中出现过两个差异较大的增速读数 [6]；交易额本身的口径也可能因是否包含批发环节、是否包含翻新销售而不同。本报告在使用这些读数时只把它们作为量级参照，不用于推导增速趋势或预测未来规模。

本报告在引用调查意愿读数时只引用比例本身，不推断其调查方法；在引用线下案例时只引用公开报道所载的事实要素，不据此推断区域市场特征 [6][7]。

表中的每一组口径都对应一处容易混淆的表达。最需要区分的是「再流通率」与「交易额增速」——前者是比例，需要分母；后者是变化率，只需要两个时点的分子。把两者混用会得出「闲置被更充分利用」的结论，而这一结论并不能由交易额增速支持。

表中标记为结构假设的参数全部由本报告设定，没有外部数据来源。它们的取值依据是使关系方向可被清晰表达，而不是估计真实分布。读者若采用不同的取值，结论的方向不变，具体数值会随之变化。

本报告在丢弃率方向上不设定参数，也不给出数值结论。原因是该指标的分母即家庭物品退出使用量没有任何公开统计口径，任何取值都会造成虚假的精确感。这一处理在第二章与第七章均有说明 [8][13]。