京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据解读:中国有多少人愿意用iPhone 6换小米
为了在竞争异常激烈的手机市场博眼球,小米也真是拼了。近日,小米总监钟雨飞的一条“iphone换小米”的微博引发了网友的疯狂吐槽,他在微博中称将发起活动:“iPhone5s及以前的手机,不管好坏,免费换小米Note标准版,6及plus换顶配版”。不过,他的自信似乎没有得到网友的支持,反而找来不少讽刺,甚至有网友调侃:“任意一款奔驰E级或S级,不论成色好坏,免费更换奇瑞QQ顶配版……”
究竟是什么给了小米总监这么大的自信?近日,Talking Data发布《2014移动互联网数据报告》(以下简称《报告》)似乎揭开了谜底。在2014年移动设备中小米排名第三,而排名第一的“逼格than逼格”的苹果自然成为小米的“眼中钉”。
图1:《2014移动互联网数据报告》移动设备排名
那么问题来了,iPhone6换小米,换还是不换?
一、安卓应用商店品牌林立360手机助手拔得头筹
如果选择换,除了系统不同外,最大的改变还是下载APP的方式。安卓不同于IOS,应用商店林林总总数十家,《报告》充分考虑了刚换完手机的用户,对安卓应用下载平台进行了排名。其中,360手机助手以31.7%的绝对优势排名第一,腾讯应用宝屈居第二。
图2:《2014移动互联网数据报告》手机应用商店用户覆盖TOP10
虽然移动应用下载平台品牌林立,但是“马太效应”凸显,前三甲几乎占据了整个市场的80%份额,在《报告》的移动应用用户覆盖比例TOP20中也可见端倪,移动应用分发排名第一的360手机助手在全部移动应用用户覆盖比例中排名第6位,应用宝排名12。
图3:《2014移动互联网数据报告》移动应用用户覆盖比例排行榜
二、碎片化时间价值凸显吃喝玩乐分布时间不同
移动互联网已经完全融入到人们的生活之中,《报告》数据显示,除了凌晨的睡眠时间外,用户在全天各个时段的上网时长及活跃度均较高,在中午和晚上各出现一个高峰值,碎片化时间价值凸显。
图4:《2014移动互联网数据报告》移动智能终端活跃度
同时报告指出,用户习惯在早上使用学习类应用,例如新闻、教育类APP;而中午和晚饭之后的黄金时段大多更倾向于聊天、购物、视频等休闲类APP。
图5:《2014移动互联网数据报告》终端用户各时段使用应用分布
三、用户APP喜好地域性明显上海人最爱财
北上广深四座城市一直是各大分类的对比主力军,在此次Talking Data的报告中也进行了深入对比,《报告》指出,北京用户更倾向于打车软件,而上海地区则更倾向于理财应用;广州、深圳用户更爱玩,青睐游戏类APP和视频类APP。
图6:《2014移动互联网数据报告》一线城市应用倾向分布图
最后,报告指出我国移动互联网已经进入高速发展期,用户需求多元化得到释放,行业更加趋于细分化发展。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据可视化实践中,数据系列与数据标签的混淆是导致图表失效的高频问题——将数据标签的样式调整等同于数据系列的维度优化,或 ...
2025-11-21在数据可视化领域,“静态报表无法展现数据的时间变化与维度关联”是长期痛点——当业务人员需要分析“不同年份的区域销售趋势” ...
2025-11-21在企业战略决策的场景中,“PESTEL分析”“波特五力模型”等经典方法常被提及,但很多时候却陷入“定性描述多、数据支撑少”的困 ...
2025-11-21在企业数字化转型过程中,“业务模型”与“数据模型”常被同时提及,却也频繁被混淆——业务团队口中的“用户增长模型”聚焦“如 ...
2025-11-20在游戏行业“高获客成本、低留存率”的痛点下,“提前预测用户流失并精准召回”成为运营核心命题。而用户流失并非突发行为——从 ...
2025-11-20在商业数据分析领域,“懂理论、会工具”只是入门门槛,真正的核心竞争力在于“实践落地能力”——很多分析师能写出规范的SQL、 ...
2025-11-20在数据可视化领域,树状图(Tree Diagram)是呈现层级结构数据的核心工具——无论是电商商品分类、企业组织架构,还是数据挖掘中 ...
2025-11-17核心结论:“分析前一天浏览与第二天下单的概率提升”属于数据挖掘中的关联规则挖掘(含序列模式挖掘) 技术——它聚焦“时间序 ...
2025-11-17在数据驱动成为企业核心竞争力的今天,很多企业陷入“数据多但用不好”的困境:营销部门要做用户转化分析却拿不到精准数据,运营 ...
2025-11-17在使用Excel透视表进行数据汇总分析时,我们常遇到“需通过两个字段相乘得到关键指标”的场景——比如“单价×数量=金额”“销量 ...
2025-11-14在测试环境搭建、数据验证等场景中,经常需要将UAT(用户验收测试)环境的表数据同步到SIT(系统集成测试)环境,且两者表结构完 ...
2025-11-14在数据驱动的企业中,常有这样的困境:分析师提交的“万字数据报告”被束之高阁,而一张简洁的“复购率趋势图+核心策略标注”却 ...
2025-11-14在实证研究中,层次回归分析是探究“不同变量组对因变量的增量解释力”的核心方法——通过分步骤引入自变量(如先引入人口统计学 ...
2025-11-13在实时数据分析、实时业务监控等场景中,“数据新鲜度”直接决定业务价值——当电商平台需要实时统计秒杀订单量、金融系统需要实 ...
2025-11-13在数据量爆炸式增长的今天,企业对数据分析的需求已从“有没有”升级为“好不好”——不少团队陷入“数据堆砌却无洞察”“分析结 ...
2025-11-13在主成分分析(PCA)、因子分析等降维方法中,“成分得分系数矩阵” 与 “载荷矩阵” 是两个高频出现但极易混淆的核心矩阵 —— ...
2025-11-12大数据早已不是单纯的技术概念,而是渗透各行业的核心生产力。但同样是拥抱大数据,零售企业的推荐系统、制造企业的设备维护、金 ...
2025-11-12在数据驱动的时代,“数据分析” 已成为企业决策的核心支撑,但很多人对其认知仍停留在 “用 Excel 做报表”“写 SQL 查数据” ...
2025-11-12金融统计不是单纯的 “数据计算”,而是贯穿金融业务全流程的 “风险量化工具”—— 从信贷审批中的客户风险评估,到投资组合的 ...
2025-11-11这个问题很有实战价值,mtcars 数据集是多元线性回归的经典案例,通过它能清晰展现 “多变量影响分析” 的核心逻辑。核心结论是 ...
2025-11-11