
急进的APP创业更需大数据分析支撑商业变革
现在很多APP创业变得更加急进,一方面看到的是市场的浮躁,另一方面看到的是市场当中唯快不破的理论被大家演绎到极致,不管是创业者,还是投资者,都希望通过最短的时间成本验证一个商业模式,然后挑战一个商业模式,如果发现这段时间不行的话,快速转到下一个风口,这样的社会舆论支持了我们在整个应用领域当中需要更快、更有效的手段来洞察到这个世界的变化。
从这种变化来说,必须基于大量的数据支撑和分析才能完成,不管是O2O,还是今天看到的金融的机会,他们最初可能只是在一个区域,一旦拿到了资金的支持,迅速的在中国大地上开始燎原,而这种变化的瞬间可能在一个月或者两个月当中就能发生。基于多元数据的分析和整合,能够带给我们的是更实效的全量数据的挖掘,体现出多元数据相互矫正的数据优势。
以下为林佳婕演讲全文,经钛媒体编辑:
希望我的发言能给大家在商业模式上带来一些启发。
开篇时候,跟大家分享两个我亲身经历的小故事,第一个故事是去年年初时候有一个投资人找到我,说你能不能用你们的大数据帮我分析一下目前市场上成长速度快的、有投资价值的目前还处于早期的App应用,然后作为下一步投资的标的来研究,我说没问题,于是给他拉了一个清单,当时投资人看到清单时候说你的数据靠谱吗,于是掏出手机在AppStore里搜索半天,没有发现这个应用,又问了一下在场其他小伙伴,小伙伴似乎也没有听到这个应用,这个故事在这里没有完结,一年以后WiFi万能钥匙成了独角的APP。
在新的App创业环境中,很多商业巨变可能时间缩的越来越短。像WiFi万能钥匙这样的应用之所以没有被纳入投资人的目录当中去,很大原因是因为当时这个应用没有IOS版本,作为高大上投资人,他们过多依赖自己的感受以及身边小伙伴的感受来判断行业的方向。
另一个小故事,跟微博相关的,有一天一个朋友问我,说在你们的统计报告里微博的使用用户数仍然非常高,这个数据靠谱吗?我当时就回答他,我说我们系统是基于大用户量的统计,数据非常值得信赖。今天可以看到,由于市场变得越来越个性化,通过自己的方式进行判断的时候,业务偏差越来越大,像微博这样的应用,今天在座的很多人用的并不是很多,但是,对于一个比较屌丝的群体,仍然是今天获得公众新闻一个重要平台和手段,6月25号,因为一个名人的离婚,使得微博数据上升了将近10%的日活用户量,这样的数据变化,今天判断一个市场,靠我们的感觉和周边小伙伴已经完全不够了,需要更大的数据做支撑。
说到数据支撑,很多时候都会说到大数据,每一个公司都会强调自己是一个大数据公司,通过大数据分析来支撑商业的变革。
在这里,我想跟大家分享一个观点,在很多时候,数据的大小并不在于它的体量,而在于你所需要研究的对象,你对于所要研究的渗透率是什么状况,比如今天晚上一家人想在一起吃饭,家里三口人,我只需要知道这三口人的口味就完成了100%的用户调研,但如果我面对的市场是上亿市场的时候,我需要的样本量就非常大。
我记得我刚开始工作时候会阅读中国互联网中心每年发布的《中国互联网发展状态报告》,在很长一段时间内给了我非常多启发,今年也发到了将近35亿,我不知道在座各位有负责仔细看过它的样本数字,前两天我还特意看了一眼,在今年的报告当中,大家提到整个互联网用户规模已经达到5.77亿,支撑报告的数据支持是3.8万抽样用户,3.8万面对5.77亿的比值,我们可以知道中间数据的偏差会是什么状况,当然,这样一个报告对于我们研究整个市场的大趋势、大方向以及寡头型的、独角型的应用在市场上的占有率和发展方向仍然非常有作用,作为一个创业者,如果希望通过这个报告发现一些快速的成长的机会,可能给我们的帮助就非常有限,我们需要更多、更有效的工具来支撑我们的判断。
好消息是现在看到的可开放、可利用的数据规模越来越多了,最近,习主席在一些公开场合也提到了大数据的公开,在充分保护用户隐私的基础上实现数据的流通,今天通过运营商的手段,通过跟互联网APP公司的合作,我们能够获得很多大量的数据来支撑我们的商业判断和运营,对于创业者来说,能够发觉到很多有意思的、有创新意义的机会。
下面,我们聊聊生活类理财产品,Top10 APP基本融到钱了,少则一千万美金,多则五千万美金,如果把这些的一些应用放到图谱上进行的时候,我们发现大部分应用目前处于非常早期的阶段,只要日活用户数能够达到50万,当生活理财类APP当中就能排到第一梯队了。
把5-50万以及5万月活跃以下APP进行排序分类的时候,我们得出了这张图谱,第一梯队APP的成长性并不是很好,相反月活5万以下的APP表现出了非常强劲的成长性,这是今年4-6月的数据,5-50万之间的差距并不是很大,告诉我们成长迅速的APP下一阶段会对第一梯队的APP形成冲击,对整个市场形成洗牌,这样的APP是我们需要重点关注的,也是创业者可以起步的一些机会点。
5万月活,这是什么概念?APP移动整体用户规模将近达到5亿,在目前整个用户当中的渗透率不到万分之一,从这样的渗透率来说,如果通过一些简单的小样本的分析,我们很难发现它的存在,甚至看不清楚它的成长曲线,我们确实做了一个比较,我们把一个十万和千万级数字的成长曲线分一起进行分析,APP1的成长曲线非常好,回归多大样本时候,APP1没有APP3成长性好,我看到这样数据时候也非常惊讶,从那个角度想的话,初次小的样本,当它落在一个很大的体量当中的时候,通过传统的简单的抽样分析的方法,谁的成长性数字会好看?完全是运气问题,你的用户有幸落在统计范围内,就会成长的非常好,如果很不幸的话,就成为被淹没的对象。基于这样的一种统计,要求我们在新的业务生态混淆当中更多的关注一些能够帮助我们快速发现机会的数据。
在这里,给大家做一个分享,如果回顾未来整个数据的发展和APP洞察这样的业务领域,我们觉得时间、有效性、体量规模会决定整个市场在未来的价值。传统的基于人工调研方式的周期可能延长到将近3个月,对于一个稳定发展的业态里说,它的数据是有参考价值的。但回归到机会成本变得越来越重要的市场的时候,这样的时延是很难接受的。
今天中午吃饭时候也聊到类似话题,今天很多APP创业变得更加急进,拿到钱的创业团队很多时候只做将近半年的业务规划,在很短时间内就把自己手上的钱烧出去,去换更多的市场机会。一方面看到的是市场的浮躁,另一方面看到的是市场当中唯快不破的理论被大家演绎到极致,不管是创业者,还是投资者,都希望通过最短的时间成本验证一个商业模式,然后挑战一个商业模式,如果发现这段时间不行的话,快速转到下一个风口,这样的社会舆论支持了我们在整个应用领域当中需要更快、更有效的手段来洞察到这个世界的变化。
从这种变化来说,必须基于大量的数据支撑和分析才能完成,不管是O2O,还是今天看到的金融的机会,他们最初可能只是在一个区域,一旦拿到了资金的支持,迅速的在中国大地上开始燎原,而这种变化的瞬间可能在一个月或者两个月当中就能发生。基于多元数据的分析和整合,能够带给我们的是更实效的全量数据的挖掘,体现出多元数据相互矫正的数据优势。
汽车领域洞察案例,大家知道,汽车行业是一个低频的但是高价值交易的市场,在很多时候,汽车经营商都会想客户在哪里?怎么在客户作出决策之前找到他们?4S店怎么设置在用户转换率最高的地方?这一系列问题都需要通过一些洞察来支持,在这里,我们给一个汽车的客户做了完整的分析,研究对象是近期有汽车购买需后的人群,不是大的互联网人群,在互联网当中的占比一段时间内不会超过2%,一旦购买完成以后,很快从这个人群当中脱离出去了,下次回归到汽车需求人群,可能是五年或者六年以后的事情了。我们找到了短期内有汽车购买需求的样本将近一千万,我们对这些用户进行了将近一个月的跟踪、分析,了解他们在互联网上的行为,尤其是APP当中的行为,从他浏览汽车的品牌、了解车系到他获得汽车相关的资讯,比较汽车性能的偏好和指标,最后,在他所熟悉的商圈完成购买,通过科学的大数据分析进行支撑。
今天只是在一个很庞大的报告当中筛选几个报告跟大家分享,我们也希望能够给大家带来一些创业上的思考。首先看到的是品牌的差异,品牌差异在区域上有比较明显的排名上的差异,虽然“3.15”曝光了陆虎的一些消息,目前来说,陆虎在北京区域仍然是大家跟踪和车爱的品牌。从用户活跃时间来卡,把关注汽车购买时长画成了一个图谱,对于北京人民来说,工作时间的自由支配度会非常好,即使工作日,大家也在关注自己关注的汽车品牌。
同样的数据,我们发现上海整个网民关注时间完全后移了,偏到下午三点,完成一天基本工作以后才会做一些跟私人相关的工作,到周末和工作日,大家在上面倾注的时间是类似的,从某种意义上说,私人时间和工作时间还是分的非常清楚,说明上海人民可能更职业化的一面。
从DAU情况来看,我们把汽车DAU做了相应统计,也许大家很少看到这样的数字,很多时候,APP为了提升自己的用户数,会提到注册用户数、月活用户数这样一些数字,会刻意回避DAU这样的数值,更表现出客户对App使用的黏度和喜好程度。从整个汽车市场来说,寡头经济其实已经表现的非常明显了,Top3的排名基本都是属于汽车之家和易车两大集团,基于固网的先发优势固定特点在APP时代仍然抢到了非常好的船票。但是,即使排名是这样的,用户的黏度和使用情况其实还是会有很大差别的,像汽车之家,时间使用时间会长很多,在深度经营过程中,如果研究用户黏度的话,会是很好的参考。
汽车网站活跃度停留在下午或者晚上时间段,到APP这个特定业务领域的时候,活跃度爆发点是22点,手机确实改变了大家的一些上网和使用习惯,开始选择躺在床上,摆一个非常舒适的姿势进行相应的阅读,这样的阅读习惯和时间点的变化,对于我们做营销或者做用户感知分析都是非常有价值的。
在APP的使用当中,汽车的APP是一个黏度非常高的应用,80%的用户会选择只装一个APP,而不是在多个App当中进行切换的使用,从这样一种状况来说,其实很容易形成垄断状况。另外,从汽车搜索情况来看,不同APP当中,用户关注的品牌有非常大的差异。总关注的车型来说,在这两年的发展当中,其实还是有很大变化的,用户从关注最初的小型家庭汽车向SUV进行变化,从SUV来说,中价位汽车成为大家搜索和浏览的重点,也是整个市场接下来发展的风向标。在汽车类别当中,像电动类汽车,成为大家关注的重点,占比将近46%,虽然今天购买电动汽车用户并不是特别多,但是随着搜索和关注度的持续增温,未来电动汽车将形成大的增长趋势,代替传统汽油车。
我们能够把用户和区域进行更紧密的衔接,以前做调查报告的时候,如果我们能把数据放到一个省或者一个市的范围内进行呈现,已经是很不容易的事情了,从今天来说,因为我们的样本量足够大,可以把信息进一步切分,切分到更小的颗粒当中,可以研究北京市不同区域用户对于汽车品牌关注度的分布,甚至可以研究以地铁沿线为重点线索看我们关注汽车人群到底分布在哪一个商品的小区内,以及商品小区的房价是什么样的分布,对于我们进行进一步的业务细分是非常有帮助的。另外,把德系车和不同品牌的车进行细分,跟商圈进行挂钩。
最后,给我们公司产品做一个广告,我们公司现在在整个微信上发布了AppMap,集奥雷达产品,基于我们现在看到的海量的数据所做的实时洞察产品,提供免费版的数据发布供大家使用,包括主流APP日活、月活、流失量统计等等数据。同样,我们在APP里增加了我们称为APP未来之星的功能,帮助大家看到各个领域当中目前成长最快的APP,希望新的APP的发觉能够给在座的创业者带来更多商业创新的思路,实现自己新一次的飞跃。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
随机森林算法的核心特点:原理、优势与应用解析 在机器学习领域,随机森林(Random Forest)作为集成学习(Ensemble Learning) ...
2025-09-05Excel 区域名定义:从基础到进阶的高效应用指南 在 Excel 数据处理中,频繁引用单元格区域(如A2:A100、B3:D20)不仅容易出错, ...
2025-09-05CDA 数据分析师:以六大分析方法构建数据驱动业务的核心能力 在数据驱动决策成为企业共识的当下,CDA(Certified Data Analyst) ...
2025-09-05SQL 日期截取:从基础方法到业务实战的全维度解析 在数据处理与业务分析中,日期数据是连接 “业务行为” 与 “时间维度” 的核 ...
2025-09-04在卷积神经网络(CNN)的发展历程中,解决 “梯度消失”“特征复用不足”“模型参数冗余” 一直是核心命题。2017 年提出的密集连 ...
2025-09-04CDA 数据分析师:驾驭数据范式,释放数据价值 在数字化转型浪潮席卷全球的当下,数据已成为企业核心生产要素。而 CDA(Certified ...
2025-09-04K-Means 聚类:无监督学习中数据分群的核心算法 在数据分析领域,当我们面对海量无标签数据(如用户行为记录、商品属性数据、图 ...
2025-09-03特征值、特征向量与主成分:数据降维背后的线性代数逻辑 在机器学习、数据分析与信号处理领域,“降维” 是破解高维数据复杂性的 ...
2025-09-03CDA 数据分析师与数据分析:解锁数据价值的关键 在数字经济高速发展的今天,数据已成为企业核心资产与社会发展的重要驱动力。无 ...
2025-09-03解析 loss.backward ():深度学习中梯度汇总与同步的自动触发核心 在深度学习模型训练流程中,loss.backward()是连接 “前向计算 ...
2025-09-02要解答 “画 K-S 图时横轴是等距还是等频” 的问题,需先明确 K-S 图的核心用途(检验样本分布与理论分布的一致性),再结合横轴 ...
2025-09-02CDA 数据分析师:助力企业破解数据需求与数据分析需求难题 在数字化浪潮席卷全球的当下,数据已成为企业核心战略资产。无论是市 ...
2025-09-02Power BI 度量值实战:基于每月收入与税金占比计算累计税金分摊金额 在企业财务分析中,税金分摊是成本核算与利润统计的核心环节 ...
2025-09-01巧用 ALTER TABLE rent ADD INDEX:租房系统数据库性能优化实践 在租房管理系统中,rent表是核心业务表之一,通常存储租赁订单信 ...
2025-09-01CDA 数据分析师:企业数字化转型的核心引擎 —— 从能力落地到价值跃迁 当数字化转型从 “选择题” 变为企业生存的 “必答题”, ...
2025-09-01数据清洗工具全景指南:从入门到进阶的实操路径 在数据驱动决策的链条中,“数据清洗” 是决定后续分析与建模有效性的 “第一道 ...
2025-08-29机器学习中的参数优化:以预测结果为核心的闭环调优路径 在机器学习模型落地中,“参数” 是连接 “数据” 与 “预测结果” 的关 ...
2025-08-29CDA 数据分析与量化策略分析流程:协同落地数据驱动价值 在数据驱动决策的实践中,“流程” 是确保价值落地的核心骨架 ——CDA ...
2025-08-29CDA含金量分析 在数字经济与人工智能深度融合的时代,数据驱动决策已成为企业核心竞争力的关键要素。CDA(Certified Data Analys ...
2025-08-28CDA认证:数据时代的职业通行证 当海通证券的交易大厅里闪烁的屏幕实时跳动着市场数据,当苏州银行的数字金融部连夜部署新的风控 ...
2025-08-28