京公网安备 11010802034615号
经营许可证编号:京B2-20210330
当APP应用市场结合大数据时,将是一场风暴
正如马云所说,“很多人还没搞清楚什么是PC互联网,移动互联来了,我们还没搞清楚移动互联的时候,大数据时代又来了。”
在过去的2015年,大数据时代的气息浓厚,步伐矫健。利用大数据的分析和预测,电商们正在为用户进行深度画像开展精准营销,让15分钟送货上门成为现实;结合大数据分析,互联网金融企业捕捉来自大众点评、豆瓣等社交网络有效信息,多维度分析借款客户信用情况,提高自身风控能力。除此之外,大数据应用还将触角延伸到教育、医疗、交通、制造、影视、政府等领域。尽管发力点不同,但是影响都可以用“颠覆”来形容。
如此有爆发力的大数据应用,2016年将去撼动何方呢?实际上,自阿里提出PP助手“移动生态+大数据”战略之时,答案就已经非常明显。一场由大数据引发的APP应用市场巨变正在强势来袭。
应用商城使用生命周期缩短
在聊大数据对App应用市场的影响之前,我们先来看看现在的应用市场现状。
在“大众创业、万众创新”时代强音的号召下,APP创业项目遍地开花。在人人都是产品经理、人人都可以是开发者的口号下,应用市场空前繁荣。
可这样的繁荣景象可能只是“看上去很美”,真实的情况是,僵尸应用遍地都是。根据最新数据,每分钟人们从Google Play和Apple iTunes下载的应用数量将近有5.1万个,而多达110万的僵尸应用却在角落里无人发觉,基本没什么下载量。相关报告显示,仅在App Store中,来自中国的僵尸应用占比就高达81.3%;而安卓平台开放性更强,同时拥有更多开发者,加上国内的安卓应用市场审核标准尺度不一,“僵尸应用”的占比预计将更高。
在应用大潮的席卷冲击下,移动互联网用户正变得越来越成熟,用户不再像刚开始那样什么应用都愿意尝试下载, 有报道称早期App获得一个客户的价格是2元,其后是20元,现在是200元至500元。App的获客成本水涨船高。
更糟糕的是,在众多APP自助生成平台的推动下,移动应用开发门槛已经降到几乎为零。每天都在持续生产上传大量没有人会去使用的僵尸应用。这些劣质应用消耗了本就有限的市场资源,但最直接导致许多优秀的“小而美”应用因为难以汲取成长的养分,最终难逃被行业洗牌的命运。想要脱颖而出,就要烧钱进行推广,可大部分的开发者根本不具备这个资金实力。
App推广费用越来越高的同时,用户的需求也在进一步细分化。2015年一份艾媒咨询的调查数据中显示:“85%的用户会在1个月内将其下载的应用程序从手机中删除,而到了5个月后,这些应用程序的留存率仅有5%。”也就是说,部分用户每5个月就会淘汰一批手机中安装的应用。和用户迭代更新旺盛的需求不匹配的是,许多小而美的应用因为没有人使用,没有推荐位,没有推广费用而沦为僵尸应用。
移动应用分发和用户需求产生错位的现象越来越常见。厂商花费大量的推广费用把用户引导引流到自身应用商城上,却没有给用户推送真正适合的应用,用户因此产生体验落差。应用商店的使用生命周期在需求端和供应端都开始缩短。
破局:“数据+”战略前景可期
在移动应用分发和用户需求产生错位的背景下,应用商店求变创新成为首要任务。要同时满足用户的需求,就必须有创新性的分发模式推出。
近日,PP助手召开“2016年战略发布会”,以阿里海量大数据为核心,提出的“数据+”战略,利用大数据做精准分发,这种模式可能成为应用商店困境的突破口。
“数据+”战略,顾名思义就是基于大数据分析技术的运用,将开发者和用户需求进行精准匹配。
一方面,PP助手全面接入阿里大数据库,积极融合UC浏览器、高德地图、神马搜索、九游、PP助手、移动阅读平台阿里文学等阿里移动互联网矩阵应用,享有阿里系的海量数据资源,涵盖娱乐、天气资讯、交易、出行、线上阅读、音乐等多领域的数据,对用户的行为习惯有十分全面的了解,整合这些大数据之后甚至可以描绘出用户一天的日常,如:几点钟要上淘宝了,什么时候在线上阅读了…
另一方面,从行业上看,大数据与应用分发结合早已多次提出,但事实证明,此前所谓的大数据应用分发只是利用大数据对用户行为习惯进行简单、表层的分析,对用户一次感兴趣的东西将进行长期推送,随着应用商店使用生命周期变长,推送的内容不再是用户所需的,自然这样的应用商店很快会被删除在列表之外。
而本次发布会PP助手发布的“数据+”战略由“数据+时间”、“数据+空间”“数据+温度”、“数据+海外”等部分组成,新的大数据应用分发模式将改变以往行业对大数据应用分发的理解。真正挖掘及生产用户感兴趣的内容,最终向用户精准推送真正合适的APP。
以“数据+时间”为例,PP助手会通过多个场景和维度监测用户需求、兴趣点的变迁,例如有用户安装一个装修类应用之后,以往的算法是认定他对这类感兴趣,就会长期进行推荐,而PP助手会根据用户从装修到买车再到生小孩这样的人生阶段变化,适时调整推荐内容和服务。
再以“数据+空间”为例,利用大数据对用户进行标签,但即使标签完全一致的两位用户,身处的空间环境不一样,对应用的需求也不一致。同为90后的两个用户,A君喜欢徒步旅行,他收到的推送可能是穷游,而B君正出去备孕阶段,收到的推送将是大姨妈。
“数据+”战略下的大数据应用分发模式能从多维度对用户场景分析去优化传统推荐算法,甚至加入更多人的力量去挖掘及生产用户感兴趣的内容,构建不一样的用户需求模型。综合各维度考虑用户需求,给用户带来前所未有的贴心体验。
应用商城说到底,是联结用户和开发者的平台。一方面为用户提供应用推荐和下载,一方面对开发者提供展示平台和推广服务,只是现有的模式逐渐落后,不能满足用户需求和开发者推广需求。而PP助手背靠阿里整合优势资源,利用大数据,一方面能基于用户在阿里系中的数据做精准的用户画像,为用户提供他需要的app,一方面通过对开发者整个开发推广周期中的扶持和推广帮助,让其找到更对精准用户,抢占市场。这个过程实现了对用户需求和开发者服务之间的高效对接,有效解决目前用户需求和开发者服务之间的错位问题,是双赢。在数据+的模式下,PP助手有望成为目前应用商店市场困境的破局者,在目前应用商城发展受阻的困境下杀出重围,构建应用分发市场新格局。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
【核心关键词】贷款、报表、课程、专业、建模、缺失值、营销、互联网、银行、办公自动化、数据分析、数据预处理、特征工程、贷 ...
2026-06-05在数据库数据查询、业务报表统计、多表关联分析中,LEFT JOIN左连接是使用率最高的SQL关联查询语句。其核心特性是保留左表全部数 ...
2026-06-05 很多数据分析师能熟练地写SQL、做透视表、算描述性统计,但当被问到“如何预测用户流失概率”“如何归因销量下滑的关键因素 ...
2026-06-05任何一款产品从诞生、普及到最终退出市场,都会遵循一套固定的发展规律,这就是产品生命周期理论。在市场竞争日益激烈、产品迭代 ...
2026-06-04在Excel数据分析、办公统计、业务报表制作场景中,数据透视表是数据汇总、分类统计、快速复盘的核心工具,能够高效完成海量原始 ...
2026-06-04 很多数据分析师拿到数据就开始清洗、建模,但当被问到“这批数据属于什么类型——结构化还是非结构化?分类变量还是数值变量 ...
2026-06-04在问卷调查与社会科学数据分析中,卡方检验是最常用、最基础的非参数检验方法,广泛应用于市场调研、用户分析、行为统计、满意度 ...
2026-06-03【核心关键词】贷款、报表、课程、专业、建模、缺失值、营销、互联网、银行、办公自动化、数据分析、数据预处理、特征工程、贷 ...
2026-06-03 很多数据分析师画过趋势图、做过业绩预测,但当被问到“这个月销售额增长20%,到底是长期趋势自然增长,还是促销活动的短期 ...
2026-06-03逻辑回归是数据分析、机器学习、统计建模中应用最广泛的二分类预测模型,常用于风险判断、行为预测、归因分析等场景。在SPSS、Py ...
2026-06-02数字经济时代,市场竞争日趋同质化,用户消费需求愈发个性化、多元化,传统依托经验、粗放式、广撒网的营销模式弊端日益凸显。长 ...
2026-06-02 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-06-02在市场竞争日趋饱和、用户需求不断细分的当下,企业创业创新、产品迭代与市场拓展不再依赖经验决策,而是需要系统化、工具化的商 ...
2026-06-01【核心关键词】调度、岗位、数据库、企业、报表、培训、程序、数据分析、数据加工、业务部门、企业数据、调度工具、业务指标、 ...
2026-06-01 很多数据分析师能熟练地计算指标、搭建标签体系,但当被问到“画像到底在解决什么问题”“画像和标签是什么关系”“画像如何 ...
2026-06-01在数据统计分析、数据清洗、异常值识别与数据分布研究中,箱型图是最直观、高效、专业的可视化分析工具。相较于柱状图、折线图仅 ...
2026-05-29Tkinter是Python内置的标准GUI图形界面库,具备无需额外安装、调用简单、兼容性强、轻量化高效等优势,是Python快速开发桌面小程 ...
2026-05-29 很多分析师在设计标签时思路清晰,但真到落地环节却面临“数据在手,不知如何转化为可用标签”的困境:或因加工方式选择不当 ...
2026-05-29【核心关键词】大数据、经理、专业、金融、客户、传统、建模、数据产品、互联网金融、产品经理、数据分析、金融行业、数据模型 ...
2026-05-28 很多分析师每天和数据打交道,但当被问到“标签是什么”“标签和指标有什么区别”“标签体系如何设计”时,却常常答不上来。 ...
2026-05-28