
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
Pandas 选取特定值所在行:6 类核心方法与实战指南 在使用 pandas 处理结构化数据时,“选取特定值所在的行” 是最高频的操作之 ...
2025-09-30球面卷积神经网络(SCNN) 为解决这一痛点,球面卷积神经网络(Spherical Convolutional Neural Network, SCNN) 应运而生。它通 ...
2025-09-30在企业日常运营中,“未来会怎样” 是决策者最关心的问题 —— 电商平台想知道 “下月销量能否达标”,金融机构想预判 “下周股 ...
2025-09-30Excel 能做聚类分析吗?基础方法、进阶技巧与场景边界 在数据分析领域,聚类分析是 “无监督学习” 的核心技术 —— 无需预设分 ...
2025-09-29XGBoost 决策树:原理、优化与工业级实战指南 在机器学习领域,决策树因 “可解释性强、处理非线性关系能力突出” 成为基础模型 ...
2025-09-29在标签体系的落地链路中,“设计标签逻辑” 只是第一步,真正让标签从 “纸上定义” 变为 “业务可用资产” 的关键,在于标签加 ...
2025-09-29在使用 Excel 数据透视表进行多维度数据汇总时,折叠功能是梳理数据层级的核心工具 —— 通过点击 “+/-” 符号可展开明细数据或 ...
2025-09-28在使用 Pandas 处理 CSV、TSV 等文本文件时,“引号” 是最容易引发格式混乱的 “隐形杀手”—— 比如字段中包含逗号(如 “北京 ...
2025-09-28在 CDA(Certified Data Analyst)数据分析师的技能工具箱中,数据查询语言(尤其是 SQL)是最基础、也最核心的 “武器”。无论 ...
2025-09-28Cox 模型时间依赖性检验:原理、方法与实战应用 在生存分析领域,Cox 比例风险模型(Cox Proportional Hazards Model)是分析 “ ...
2025-09-26检测因子类型的影响程度大小:评估标准、实战案例与管控策略 在检测分析领域(如环境监测、食品质量检测、工业产品合规性测试) ...
2025-09-26CDA 数据分析师:以数据库为基石,筑牢数据驱动的 “源头防线” 在数据驱动业务的链条中,“数据从哪里来” 是 CDA(Certified D ...
2025-09-26线性相关点分布的四种基本类型:特征、识别与实战应用 在数据分析与统计学中,“线性相关” 是描述两个数值变量间关联趋势的核心 ...
2025-09-25深度神经网络神经元个数确定指南:从原理到实战的科学路径 在深度神经网络(DNN)的设计中,“神经元个数” 是决定模型性能的关 ...
2025-09-25在企业数字化进程中,不少团队陷入 “指标困境”:仪表盘上堆砌着上百个指标,DAU、转化率、营收等数据实时跳动,却无法回答 “ ...
2025-09-25MySQL 服务器内存碎片:成因、检测与内存持续增长的解决策略 在 MySQL 运维中,“内存持续增长” 是常见且隐蔽的性能隐患 —— ...
2025-09-24人工智能重塑工程质量检测:核心应用、技术路径与实践案例 工程质量检测是保障建筑、市政、交通、水利等基础设施安全的 “最后一 ...
2025-09-24CDA 数据分析师:驾驭通用与场景指标,解锁数据驱动的精准路径 在数据驱动业务的实践中,指标是连接数据与决策的核心载体。但并 ...
2025-09-24在数据驱动的业务迭代中,AB 实验系统(负责验证业务优化效果)与业务系统(负责承载用户交互与核心流程)并非独立存在 —— 前 ...
2025-09-23CDA 业务数据分析:6 步闭环,让数据驱动业务落地 在企业数字化转型中,CDA(Certified Data Analyst)数据分析师的核心价值,并 ...
2025-09-23