京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据时代下,如何挖掘长尾应用
上世纪末,意大利经济学者帕累托注意到19世纪英国人的财富和收益模式,经过大量调查和研究,帕累托发现:社会上20%的人占有80%的社会财富,这个定律被称为“二八定律”,此定律也可以应用到其他领域。“二八定律“意味着大量处于80%位置的产品(其中有不少优秀产品)会被埋没。在互联网时代,安德森的“长尾理论”很好地解决了“二八定律”中长尾产品被忽略的问题,比如亚马逊的平台策略可以让长尾产品的销售额达到与热门产品足以匹敌的水平。
但在移动互联网时代,应用市场的应用并没有像“长尾理论”一样达到有效的分发,而更趋近于“二八定律”,艾瑞曾有报告指出:几乎每一个垂直细分领域,都是一到三款主流应用几乎占据了80%的用户的手机桌面,剩下的80%的APP要去抢夺剩下20%的用户。对于用户来说,如果有适合自己的优秀应用被埋没在80%中,实在是一件悲剧的事情。
用户是如何寻找心仪的app的
我们说互联网时代是信息爆炸的时代,而移动互联网时代绝对是APP爆炸的时代,据公开报告,截止2014年年底,谷歌Play Store的应用数量已达到了143万,而Apple Store的应用数量也已经超过121万。在如此多的应用中如何找到自己感兴趣的应用?
一般来说,用户寻找应用的方法有3种,第1种是直接搜索,这种方式一般是针对必备应用(比如微信)或者自己知道的热门应用(比如华尔街日报)。第2种是应用市场中的推荐或排行榜,这种推荐大部分是广告行为,应用不一定真正满足用户的喜好,而且排行榜上的应用可谓“百年不变”,很难满足用户探索新应用的好奇心。第3种是推荐应用的应用,比如最美应用,这种应用可以让不少并不大众的应用得到曝光并让用户了解和使用,但问题同样存在,它通常每天只推荐有限的几款应用,而对于大批量的优质长尾应用的曝光度不够,并且对于编辑人员来说,每天从浩如烟海的应用中挑选应用实在是一件费时费力的事。
上述三种寻找应用的方式各有优劣,但它们有一个共同的缺陷,那就是忽略了大批长尾应用中的优秀应用。在移动互联网时代,可能每天都会诞生优秀的应用,这些应用可能不为人知,短期内也没法登上排行榜,却可能是受人们喜欢的潜在应用,这样的应用受到了大部分应用市场的忽略。
基于长尾应用的解决之道
挖掘应用市场中的长尾应用无论对用户还是对企业都有巨大的价值,随着大数据时代的到来,长尾应用被发掘的几率越来越大,目前对于长尾应用的挖掘大概有两种方式。一种是上文说到的类似最美应用这样的推荐类app,不少媒体和产品都会基于自己的特性为用户推荐app,比如豌豆荚中有一个“关注”分类,如果你关注了类似虎嗅网,好奇心日报这类媒体或应用,就可以收到它们的推荐信息。第二种也是大部分应用市场最常用的方式,即根据用户的下载历史和动作推荐用户可能喜欢的应用,这背后的算法便基于大数据分析。
除以上两种方式之外,目前我还发现了一种专门基于长尾优秀应用推荐的地图式应用推荐,比如石榴掌游,它本质上是一款可视化内容推荐平台,但它并不像大部分应用市场那样只推荐某几款热门应用,打开石榴掌游你会看到琳琅满目的应用(现在以游戏为主),它用算法按照相似程度把手游排列在一起,越近的就越相似,越远的就越不同,就如同手握一张手游世界地图一样,一旦你点击某个图标,就会看到此应用的具体介绍、图片以及玩家上传的视频,通过这些信息用户便可以判断游戏是否是自己喜欢的类型。石榴掌游上陈列着数不清的长尾游戏应用,打开它的界面你就像进入一个百宝箱一样,在里面寻觅自己感兴趣的应用。同时石榴掌游也是一个背后依托强大机器学习算法的应用,它可以根据用户手机的自有应用预测用户可能喜欢的应用,也可以根据用户的浏览和下载记录判断用户的喜好,从而为用户提供更精准的推荐。
大数据时代的意义在于每个人无论购买什么产品,都会收到与自己的真实需求异常契合的产品推荐,产品推荐或广告对于每个人来说都是独特的,定制化的,广告或产品不再是一种打扰,而是需求。可以预见在大数据分析技术越来越成熟的未来,长尾产品的市场和价值将会越来越大。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在Python数据分析与数据清洗工作中,Pandas是最核心的数据处理库,DataFrame是结构化数据的标准存储格式。在实时数据采集、循环 ...
2026-08-19在零售行业大数据分析与精细化运营领域,纸尿裤旁摆放啤酒是最经典、最具代表性的商业案例。两种看似毫无关联的商品,一个是婴幼 ...
2026-08-19 很多数据分析师能熟练地计算指标、搭建标签体系,但当被问到“画像到底在解决什么问题”“画像和标签是什么关系”“画像如何 ...
2026-08-19在数据分析、业务监控、质量检测与风险管控工作中,数据波动性是衡量数据稳定性、业务健康度、结果可信度的核心依据。数据波动代 ...
2026-08-18很多分析师在设计标签时思路清晰,但真到落地环节却面临“数据在手,不知如何转化为可用标签”的困境:或因加工方式选择不当导致 ...
2026-08-18在数据分析、业务评价、产品评级、用户分层与综合决策场景中,单一指标往往无法全面、客观地评价事物整体水平。现实中的评价对象 ...
2026-08-18在数理统计、假设检验、数据分析与机器学习领域中,卡方分布(χ²分布)是继正态分布、t分布之后最重要的连续型概率分布之一。 ...
2026-08-17在Python数据清洗、文本校验、账号密码规则校验、脏数据过滤、字符串规整化处理中,正则表达式是最高效、最常用的文本匹配工具。 ...
2026-08-17 很多分析师每天和数据打交道,但当被问到“标签是什么”“标签和指标有什么区别”“标签体系如何设计”时,却常常答不上来。 ...
2026-08-17手游行业具备用户迭代快、竞争激烈、用户粘性易流失的典型特征。随着新游持续上线、玩家审美升级、玩法疲劳等问题出现,存量用户 ...
2026-08-14在数字化产品运营、商业数据分析、业务增长管理中,零散的指标统计无法支撑系统性的业务决策。单一的点击率、转化率、销量数据只 ...
2026-08-14 很多数据分析师每天都在写SQL,但当被问到“数据查询语言(DQL)的本质是什么”“SELECT语句中各子句的书写顺序与实际执行顺 ...
2026-08-14在数据库数据分析、数据清洗、报表统计与业务查询场景中,日期时间是最高频、最核心的基础字段。数据库中存储的日期格式多样,包 ...
2026-08-13在数据统计分析与数据清洗工作中,箱线图是一种简洁高效、客观性强的数据可视化图表,能够直观呈现数据集的分布特征、离散程度和 ...
2026-08-13 很多数据分析师写过无数个SELECT查询,但当被问到“如何新建一张表来固化中间数据”“创建视图和创建物理表有什么区别”“视 ...
2026-08-13在自动化办公、数据采集、定时统计、日志清理、系统监控等场景中,程序往往需要按照固定时间间隔重复执行指定任务,这种运行机制 ...
2026-08-12在数据分析日常工作中,Excel数据筛选是数据清洗、数据提取、样本筛选的核心基础操作。传统Excel手动筛选、函数筛选方式,面对多 ...
2026-08-12 很多数据分析师精通Excel函数和数据透视表,但当被问到“数据从哪里来”“表和视图有什么区别”“数据库管理系统和SQL是什么 ...
2026-08-12在数据分析、统计建模、数据挖掘与商业调研过程中,原始数据往往无法做到绝对干净规整。受系统故障、人工录入失误、设备误差、突 ...
2026-08-11在数据分析工作中,聚类分析是典型的无监督学习方法,核心作用是依据数据自身的多维特征,将相似样本自动划分为若干类别,实现“ ...
2026-08-11