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
在传统零售行业同质化竞争激烈、大众营销转化率持续走低的背景下,依托经验与直觉的粗放式营销逐渐失效。美国塔吉特百货(Target ...
2026-10-10随着智能客服、数字化服务、用户精细化运营的快速普及,传统零散、非标准化的客户服务数据与业务体系逐渐难以支撑高效服务治理。 ...
2026-10-10 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 ...
2026-10-10CDA数据分析师 出品 作者:李诗怡 定义区别 · 场景举例 · 指标分类 · 计算方法 知识体系总览 模块 包含内容 一、核 ...
2026-10-09在数据分析工作流中,业务数据大多存储在各类关系型数据库内,例如MySQL、PostgreSQL、SQLite等。Pandas是Python生态中主流的数 ...
2026-10-09在数字化精细化运营时代,海量用户存在需求差异、行为差异、价值差异与偏好差异。如果企业采用“一刀切”的统一营销、统一服务、 ...
2026-10-09 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 ...
2026-10-09指标体系是企业数字化分析、业务监控、经营决策的核心基础框架,是将零散数据转化为可衡量、可对比、可落地业务价值的关键体系。 ...
2026-10-08随着市场竞争日趋饱和,同质化低价竞争逐渐陷入内卷僵局,传统以价格、渠道、促销为核心的营销模式边际效益持续递减。在此背景下 ...
2026-10-08 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 ...
2026-10-08你有没有想过,手机里点外卖、刷社交软件、转一笔账,背后到底是谁在替你"记着账"? 答案其实很简单:数据库,以及跟它对话的那 ...
2026-10-07CDA数据分析师 出品 作者:李诗怡 一、数据分析四大思维 1. 对比思维:没有对比就没有分析 核心观点:单独一个数字没有意义,有 ...
2026-10-05Kimball 是方法,星型模型是它产出的形状。 很多人把"Kimball vs 星型模型"当成一道选择题——这本身就是个误会:Kimball 是动词 ...
2026-10-05写在开头 老板在微信上甩来一句: "帮我看下为什么销量跌了。" ” 你回工位,打开 SQL,开始写。查订单表、拉近三个月、按 ...
2026-10-03CDA数据分析师 出品 作者:李诗怡 1. 事实表 vs 维度表 对比维度 事实表 维度表 核心问题 记录“业务发生了什么事” 描述 ...
2026-10-02做数据聚合时,PySpark的groupBy()确实能完成统计,这也是它的本职工作。但它有一个根本性局限:每一组数据,最终只能返回一行 ...
2026-10-01热力地图是数据可视化中极具辨识度与实用性的空间分析图表,结合地理空间维度与数据密度特征,通过颜色深浅、色阶渐变直观展示数 ...
2026-09-30 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 ...
2026-09-30同样是“银行数据岗”,在国有大行总行数据中心、在一家城商行的零售部、在银行系金融科技子公司、在保险公司,工作内容、成长节 ...
2026-09-29在数据分析与统计学研究中,数据往往不是独立存在的,不同变量之间普遍存在相互关联、相互影响的关系。相关性统计分析是挖掘变量 ...
2026-09-29