手機上的大數(shù)據(jù)二手機大數(shù)據(jù)的特點

1、手機上的大數(shù)據(jù)（二） ：手機大數(shù)據(jù)的特點 隨著移動設(shè)備的功能越來越強大， 移動互聯(lián)網(wǎng)與傳統(tǒng)互聯(lián)網(wǎng)之間的差異愈發(fā) 不容忽視。 新型的技術(shù)以及數(shù)據(jù)分析方案都展現(xiàn)一個全新的網(wǎng)絡(luò)模式。 我們需要 打破一些固有的思維，重新審視手機上的大數(shù)據(jù)。移動互聯(lián)網(wǎng)具有互聯(lián)網(wǎng)的很多特征， 但移動互聯(lián)網(wǎng)作為一個新生事物， 也有 其自身的“不同”。用戶在互聯(lián)網(wǎng)和移動互聯(lián)網(wǎng)上表征的不同移動互聯(lián)網(wǎng)的“碎片化”互聯(lián)網(wǎng)造就了宅男宅女， 把人們拴在了電腦桌前； 而移動互聯(lián)網(wǎng)又解放了宅 男宅女，把他們又重新放回了現(xiàn)實世界中去。在車站等車時，拿著手機在翻閱小說； 站在商圈里，拿著手機搜尋熱點商家； 或者是在睡覺前， 拿著 PAD看看有

2、什么娛樂信息， 看看喜歡的文章， 既拉長了用 戶們覆蓋的范圍，也拓寬了其使用網(wǎng)絡(luò)的時間。無疑，相對于成熟互聯(lián)網(wǎng)應(yīng)用而言， 移動互聯(lián)網(wǎng)的應(yīng)用主要還是在填補上下 班、辦事途中，晚上睡覺前等碎片化時間。因此， “打發(fā)時間”類應(yīng)用也躋身三大類主要應(yīng)用之一，而且受眾面極廣手機上的碎片化雖然受眾面廣，時間占比高，但由于“碎片”的特點，目前還沒有一個很好 的盈利模式將其利用起來。 當然， 這也是一個市場發(fā)展必然要經(jīng)歷的過程。 先讓 盡可能多的用戶用起來吧，暫時先不要去考慮如何盈利，為時尚早。手機閱讀的使用時間手機視頻時間可以看到， 在晚上十點至十一點手機閱讀和手機視頻都達到了高峰， 典型的 睡覺前時間，從一

3、個側(cè)面反映了手機應(yīng)用時間與互聯(lián)網(wǎng)應(yīng)用的不同。移動互聯(lián)網(wǎng)帶來的復(fù)雜形勢移動互聯(lián)網(wǎng)絕不僅是有線的業(yè)務(wù)延展到無線那么簡單。 勢必會產(chǎn)生一些呈幾 何圖形增長的業(yè)務(wù)，充分發(fā)揮移動互聯(lián)網(wǎng)的特點，比如 LBS，比如 O2O。移動互聯(lián)網(wǎng)的發(fā)展使得一些本來看似不相關(guān)的東西串了起來， 我隱隱有種感 覺。元芳，你怎么看？所以，移動互聯(lián)網(wǎng)的數(shù)據(jù)處理巨絕不簡單是統(tǒng)計分析， 而是多種更為先進的 算法來找到隱藏在層層迷霧下面的真相?；ヂ?lián)網(wǎng)分析與移動互聯(lián)網(wǎng)分析上的差異Web Analytics （網(wǎng)站分析）已經(jīng)被各種互聯(lián)網(wǎng)企業(yè)、電子商務(wù)企業(yè)、以及 傳統(tǒng)行業(yè)的企業(yè)網(wǎng)站廣泛使用。而 Mobile Analytics 卻還是一個新

4、鮮的事物。 它和 Web Analytics 有繼承的關(guān)系，但是又有明顯的區(qū)別。（通常所說的 Mobile Analytics 主要指 Mobile Application Analytics ， 也就是各種移動設(shè)備上的原生應(yīng)用的數(shù)據(jù)統(tǒng)計分析。 ）在 Web Analytics 中，絕大部分情況下用戶是基于瀏覽器的 cookie 進行統(tǒng) 計的。也就是說，其實使用同一臺電腦的同一個瀏覽器上網(wǎng)的兩個人會被計為一個 獨立用戶（ Unique Visitor ），而同時使用同一臺電腦的 IE 和 Chrome瀏覽器的 同一個人卻會被計為兩個獨立用戶。 Mobile Analytics 的對象卻不同，它

5、是按 照移動設(shè)備（例如手機） 來統(tǒng)計的，絕大部分情況下每個移動設(shè)備的使用者是唯 一的。所以它比 WebA nalytics 更能精確到人，這意味著可以在此基礎(chǔ)上提供更 個性化的服務(wù)和更精準的營銷。手機上的數(shù)據(jù)分析這還不是 Mobile Analytics 唯一讓人著迷的地方。 瀏覽器的 Cookie 很容易 被清除或覆蓋，但是基于設(shè)備的統(tǒng)計相對更為穩(wěn)定和長久。這使得用戶細分 （ Segmentation ）和斷代分析（ Cohort Analytics ）可以更加準確和實用。我們 可以通過某種條件（例如當年 3 月份的新增用戶并且使用時長超過 20分鐘的） 篩選出一批用戶，分析他們的行為模式。

6、Mobile Analytics 和 Web Analytics 還有個很大的區(qū)別是，前者統(tǒng)計數(shù)據(jù) 時，有可能是離線或者信號不好、 網(wǎng)絡(luò)不穩(wěn)定的狀態(tài)， 導(dǎo)致統(tǒng)計數(shù)據(jù)無法立即上 傳。等到數(shù)據(jù)能上傳時，可能已經(jīng)隔了幾小時到幾天不等。而 Web Analytics 則不會出現(xiàn)這種情況， 不能上網(wǎng)就無法訪問網(wǎng)站， 如果能上網(wǎng)站但是不能連接到 統(tǒng)計服務(wù)器，這部分統(tǒng)計數(shù)據(jù)也不會被重新發(fā)送。這使得 Mobile Analytics 需 要更復(fù)雜的數(shù)據(jù)補償策略。從數(shù)據(jù)量上來說， Mobile Analytics 一點都不比 Web Analytics 少。它需 要統(tǒng)計很多 WebA nalytics 所沒有的數(shù)據(jù)，例如設(shè)備型號、應(yīng)用版本、推廣渠道、 甚至位置信息，同時還有很多開發(fā)者自定義的事件。而移動設(shè)備（含平板電腦） 總量的增長率遠遠大于 PC（含筆記本電腦）總量的增長率，每個移動設(shè)備上的 移動應(yīng)用個數(shù)的增長也非?？?。所以提供公共服務(wù)的 Mobile Analytics 平臺都 是典型的大數(shù)據(jù)應(yīng)用場景。原文發(fā)表于 2012-10-25本文由百分點信息無線業(yè)務(wù)部高級總監(jiān)李曉東、 Talking Data COO 徐懿以 及成都電子科大的龔亮聯(lián)合撰寫。相關(guān)閱讀手機上的大數(shù)據(jù)（一） 手機上的