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
随着大数据技术的快速发展,商业竞争逐步从传统的经验式经营转变为数据驱动的精细化运营。海量的用户行为数据、交易数据、运营数 ...
2026-09-04CDA数据分析师 出品 作者:李诗怡 1. 波士顿矩阵(BCG Matrix) 定义: BCG于1970年提出的业务组合分析工具,以"市场增长率"(纵 ...
2026-09-04 数据分析师八成以上的时间在和数据表格打交道,但许多人拿到Excel后习惯性地先算、先分析,结果回头发现漏了一列关键数据, ...
2026-09-04数据透视表是Excel与Power BI中最核心的数据分析工具,具备快速汇总、维度拆分、动态筛选的能力,可高效完成数据归类与统计展示 ...
2026-09-03在Power BI数据分析可视化场景中,堆积柱状图+折线图是最常用的复合图表组合。堆积柱状图适合展示各细分维度当期数值、结构占比 ...
2026-09-03 很多数据分析师每天与Excel打交道,但当被问到“表格结构数据的基本处理单位是什么”“数据类型误判会引发哪些分析错误”“ ...
2026-09-03CDA数据分析师 出品 作者:李诗怡 一、8个核心数据清洗函数 1. TRIM:一键清除多余空格(最常用) 作用:仅保留文本中"单词/字 ...
2026-09-02数据分析的核心并非单纯操作工具、整理报表或绘制图表,而是依靠科学的思维逻辑挖掘数据价值、解释业务现象、指导经营决策。在完 ...
2026-09-02在社会经济、产业研究、区域治理与大数据实证分析中,面板数据是最具研究价值的数据类型。面板数据同时包含截面维度与时间维度信 ...
2026-09-02 很多数据分析师能熟练计算均值、标准差,但当被问到“如何用一张图让业务方3秒内看懂核心结论”“面对不同数据类型该怎么选 ...
2026-09-02在数据驱动决策的体系中,数据分析按照分析目的可分为描述性分析、诊断性分析、预测性分析与指导性分析四大类型。其中,诊断性分 ...
2026-09-01网络请求是Python爬虫开发、接口测试、数据拉取的核心基础功能,Python生态中主要依靠 urllib 和 requests 两大库实现HTTP请求操 ...
2026-09-01 很多数据分析师面对业务问题时,常常感到“知道要分析,却不知道用什么方法”。其实,数据分析并非无章可循——从三大基础范 ...
2026-09-01在数据库设计与业务数据维护中,自增ID是数据表最常用的主键字段,用于唯一标识每一条业务数据,正常状态下ID应保持连续递增。但 ...
2026-08-31在数理统计、数据分析、经济测算与日常量化评估中,平均值是刻画数据集中趋势、反映整体水平的基础核心指标。在实际应用中,最常 ...
2026-08-31在数据驱动的时代,数据分析早已不是“凭经验、靠感觉”的零散操作,而是一套具备固定逻辑、标准化流程的系统方法——这就是数据 ...
2026-08-31在大数据时代背景下,海量行业数据亟需通过专业化工具挖掘潜在价值,辅助企业业务决策、优化运营模式、规避经营风险。Python凭借 ...
2026-08-28SQL是数据分析领域最基础、最核心的工具,承担着取数、清洗、统计、分层、归因的全流程工作。不同于单纯的语法练习,实战化SQL数 ...
2026-08-28 很多企业团队并非缺乏指标,而是陷入“指标失控”:仪表盘上堆满实时跳动的数据,却无法回答“当前瓶颈在哪、下一步该做什么 ...
2026-08-28随着新零售模式的快速普及,零售行业从传统的“货品驱动”全面转向“用户驱动”。门店交易数据、线上消费记录、浏览轨迹、复购频 ...
2026-08-27