
国内APP排名伤不起 大数据多为忽悠_数据分析师培训
随着移动互联网的发展,智能手机与APP为人们生产生活带来了极大改变。根据有关数据显示,2014年,我国各类APP超过了70万,仅教育类APP就超过了7万个。
不过,伴随着移动互联网人口红利逐步消失,新手玩家及普通玩家比例在逐步减少,用户对于APP选择将越来越苛刻,部分用户体验较差,运营不佳的APP将被迅速淘汰。
那么,各类APP开发者或者运营者包括BAT第三方应用平台在利益驱使下,不断出炉各种APP排名榜。而这些排名也遭遇多方面的质疑。
近日,全球领先的市场研究集团益普索(Ipsos)资深研究总监,电信与大数据研究专家张宗华在西班牙MWC2015接受《通信生活报》(微信:maoqiying2008)采访时表示,目前很多公司声称拥有大数据,并且定期发布大数据分析结果,甚至高调推出APP排行榜。但细究其数据来源,不难发现,“相对于基础运营商(中国移动、中国电信、中国联通)拥有的全客户、全行为数据,这些所谓大数据仍就只是抽样数据,只不过样本量更大而已。在数据的多样性、更新的速度以及真实性上都达不到大数据的标准。”
张宗华透露,益普索目前与国内三大基础电信运营商以及华为等合作,将在今年5月份推出最为权威的APP报告、App排行榜,并且出炉“App潜力指数”。
张宗华认为,该报告的影响可能有三个:第一、对用户来说,可以免遭垃圾推送之苦。譬如,基础运营商掌握了用户基本的消费行为,就不会随意群发垃圾短信,APP体验一定会越来越好;第二、对开发者而言,要求比较严苛,开发出的App真正有人使用,不太容易说靠着一些公关活动或短期的营销。因为App推广方面,第一步骤肯定是砸钱,希望越多人来装越好,但数据出来之后,就会公开透明;第三、VC不会去乱烧钱,能够精准掌握APP潜在价值。
张宗华还发表如下观点:
1、现在,几乎所有创业人都想弄个App,感觉其门槛比较低。但是App有没有成功或有多少用户在使用,在市场上没有一个有公信力数据。益普索有一个突破,就是利用益普索“推动+互动+体验=潜力”这一App潜力评估模型,推出不同品类中APP潜力排名,以及排名背后的推动因素。不管是App公司、投资者、广告主,可以看到这个App是否值得投资;
2、真正大数据,具有Volume(数量)、Variety(多样)、Velocity(速度)和Veracity(真实)特性,除了上述4V之外,还该具有第五个V,也就是Value(价值),没有价值的大数据是不值得收集和分析。目前大数据分析多是由IT人员主导的,里面有过多的工具性和技术性。然而,再好的工具不能解决人们的问题依旧是没用的工具。在大数据研究的领域,益普索将加入其多年的消费者心理和行为研究的经验,找到确实能解决企业和用户问题的方向,为大数据添加更多的目的性和人性化。
3、中国真正有资格谈大数据是基础运营商,如果中国三大运营商把数据拿出来,就是一个全量数据,而且没有作假的可能性。运营商记录数据是用户一天使用的行为,用户有没有使用一个App,使用App多久,使用APP干什么,数据记录清清楚楚;现在基础运营商都想发展自己的App(注:中国电信流量宝、中国联通沃理财以及中国移动和教育),因为语音通讯时代为主导世界已过去了,现在是移动互联时代, 不能在这个时代还让用户打热线去营业厅,服务手段最简单就是做App,所以他们不断开发各种App,让用户能够在移动互联网上得到各种服务。
4、360手机助手、百度移动分发以及腾讯应用宝会有一个下载市场。现在有很多刷榜公司,几十部手机、百部手机在那边下载,甚至可能有一些比较更恶劣做法,就是App甚至可以交给他们一些钱,把分数做上去。诸多APP排行榜在国内缺少公信力:第一、App的拥有者本身刷榜行为;第二、发布榜单本身可能有一些类似百度的竞价排名模式。
5、HTML5是基于浏览器开发出来一些工具,用浏览器肯定没有用App方便。3-5年内HTML5要取代App是不太可能。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据成为新时代“石油”的今天,几乎每个职场人都在焦虑: “为什么别人能用数据驱动决策、升职加薪,而我面对Excel表格却无从 ...
2025-10-18数据清洗是 “数据价值挖掘的前置关卡”—— 其核心目标是 “去除噪声、修正错误、规范格式”,但前提是不破坏数据的真实业务含 ...
2025-10-17在数据汇总分析中,透视表凭借灵活的字段重组能力成为核心工具,但原始透视表仅能呈现数值结果,缺乏对数据背景、异常原因或业务 ...
2025-10-17在企业管理中,“凭经验定策略” 的传统模式正逐渐失效 —— 金融机构靠 “研究员主观判断” 选股可能错失收益,电商靠 “运营拍 ...
2025-10-17在数据库日常操作中,INSERT INTO SELECT是实现 “批量数据迁移” 的核心 SQL 语句 —— 它能直接将一个表(或查询结果集)的数 ...
2025-10-16在机器学习建模中,“参数” 是决定模型效果的关键变量 —— 无论是线性回归的系数、随机森林的树深度,还是神经网络的权重,这 ...
2025-10-16在数字化浪潮中,“数据” 已从 “辅助决策的工具” 升级为 “驱动业务的核心资产”—— 电商平台靠用户行为数据优化推荐算法, ...
2025-10-16在大模型从实验室走向生产环境的过程中,“稳定性” 是决定其能否实用的关键 —— 一个在单轮测试中表现优异的模型,若在高并发 ...
2025-10-15在机器学习入门领域,“鸢尾花数据集(Iris Dataset)” 是理解 “特征值” 与 “目标值” 的最佳案例 —— 它结构清晰、维度适 ...
2025-10-15在数据驱动的业务场景中,零散的指标(如 “GMV”“复购率”)就像 “散落的零件”,无法支撑系统性决策;而科学的指标体系,则 ...
2025-10-15在神经网络模型设计中,“隐藏层层数” 是决定模型能力与效率的核心参数之一 —— 层数过少,模型可能 “欠拟合”(无法捕捉数据 ...
2025-10-14在数字化浪潮中,数据分析师已成为企业 “从数据中挖掘价值” 的核心角色 —— 他们既要能从海量数据中提取有效信息,又要能将分 ...
2025-10-14在企业数据驱动的实践中,“指标混乱” 是最常见的痛点:运营部门说 “复购率 15%”,产品部门说 “复购率 8%”,实则是两者对 ...
2025-10-14在手游行业,“次日留存率” 是衡量一款游戏生死的 “第一道关卡”—— 它不仅反映了玩家对游戏的初始接受度,更直接决定了后续 ...
2025-10-13分库分表,为何而生? 在信息技术发展的早期阶段,数据量相对较小,业务逻辑也较为简单,单库单表的数据库架构就能够满足大多数 ...
2025-10-13在企业数字化转型过程中,“数据孤岛” 是普遍面临的痛点:用户数据散落在 APP 日志、注册系统、客服记录中,订单数据分散在交易 ...
2025-10-13在数字化时代,用户的每一次行为 —— 从电商平台的 “浏览→加购→购买”,到视频 APP 的 “打开→搜索→观看→收藏”,再到银 ...
2025-10-11在机器学习建模流程中,“特征重要性分析” 是连接 “数据” 与 “业务” 的关键桥梁 —— 它不仅能帮我们筛选冗余特征、提升模 ...
2025-10-11在企业的数据体系中,未经分类的数据如同 “杂乱无章的仓库”—— 用户行为日志、订单记录、商品信息混杂存储,CDA(Certified D ...
2025-10-11在 SQL Server 数据库操作中,“数据类型转换” 是高频需求 —— 无论是将字符串格式的日期转为datetime用于筛选,还是将数值转 ...
2025-10-10