论文部分内容阅读
移动互联网也会有生命周期，并且在不断演进的过程中，生命周期会不断地进入不同的发展阶段。如果人们想更深入地了解移动互联网生命周期的演进规律，甚至希望进行干预，最称心应手的工具就是数据。
每一个真正关心移动互联网大数据发展的人，心中都有两个愿望：第一个，就是希望业内能够利用中国移动互联网用户的行为数据，再通过巧妙的加工和设计形成一种指数，以准确地反映和预测中国移动互联网的发展，就像股票指数和天气指数一样。第二个，就是希望业内能诞生更多的优秀数据服务商，为应用开发者提供高可用的数据分析统计平台、相关数据工具和服务。
记者在9月11日举办的T11全球移动大数据峰会上看到，这两个愿望都已经能够实现了。
好数据指数会说话
一个好的移动互联网大数据指数可以服务于政府，帮助政府更好地做决策；可以服务于开发者，让开发者更好地找准开发方向；可以服务于传统行业，帮助行业转型移动互联网，降低经营风险；可以帮助投资机构，找准优秀的、有投资价值的项目。
如今，这个指数已经诞生，它就是中国移动互联发展指数。为将现有海量数据资源转化为经济和社会发展的动力，中移指数大数据互联研究院联合TalkingData等大数据、移动互联网和手机媒体产业的领军企业，在中国工程院倪光南院士等专家组带领下，正在构建涵盖移动互联网大数据产业链的发展指数。该指数可通过对中国移动互联网大数据进行挖掘，展现中国移动互联网现状，预测中国移动互联网发展趋势，为政府决策、行业企业、社会服务，并致力于成为助力国家网络安全、改善公共服务环境的一个晴雨表和风向标。
在笔者看来，这一指数的最大意义在于能够回答很多与移动互联网发展息息相关的问题。比如下面的几个：
国内移动互联网发展到今天，到底有多少台移动设备？
截至到2015年Q3，预计中国会有12.4亿台移动设备在运行过程当中源源不断地产生数据。而从2014年的Q4一直到2015年的Q3，数字是10.615、11.315，11.815和12.415亿台，可以看出设备数量增长趋势是放缓的。
移动设备用户的年龄分布是怎样的？
80后、90后和00后，三者加在一起占比超过72%。00后和90后中，25岁以下的青年占比超过36.6%，说明移动互联网的未来是属于年轻人的。
移动互联网用户每年的增速是怎样的？
一、二、三线城市移动互联网用户的增速，一线城市增速是35.5%，二线城市增速是33.2%，三线以下城市增速是41.5%。
平均每个用户在智能设备上装了多少款应用？
一线城市43.6款应用，二线城市41.4款，三线城市40.4款。
每天被实际使用的应用程序的数量在总应用数量的占比？
一线城市26.6%，二线城市25.2%，三线是24.7%。
移动设备品牌哪家强？
苹果仍处于霸主地位。然后是三星、小米、华为。但从4月到7月的数据表现来看，苹果的市场占有率数据呈现了下降趋势。
运营商提供的WiFi和4G网络服务，目前运营状况是怎样？
2015年1月，WiFi用户占比是56.9%。7月，数据下降到了54.9%，掉了2个百分点。形成鲜明对比的是，4G用户占比从1月份的5.2%猛增到7月份的11%。
在半年时间内，哪些应用的用户使用时间是上升的，哪些是下降的？
游戏类从34.7%下降到34.1%，社交聊天、影音播放、聊天购物都存在不同程度的使用时间的减少。
使用时间大幅度上升的有哪些？
教育阅读、健康医疗、资讯新闻、交通导航、金融理财。
把周六或者周日的一天按24小时划分，从0点到23点，用户活跃度是怎样分布的？
周末凌晨0点到3点、清晨的6点到7点、上午10点到11点、午休12点前后、晚饭18点以后，这些时段是用户活跃度相对更高的时段。
抽取三组比较有特点的人群：北京的游戏人群、杭州的O2O人群和上海的金融人群。他们在24小时内的活跃度表现差异是怎样的？
北京的游戏人群晚睡早起，比较辛苦。他们在每天22点到第二天凌晨3点的活跃度要高于其他城市的游戏人群；杭州的O2O人群早上和晚上都处于活跃状态，上午10点和晚上21点是活跃度的两个峰值时间点；上海的金融人群在晚上21点到22点的活跃度要明显高于其他城市的金融人群，实际上那个时段恰处于美股开盘。
好服务商都有故事
移动互联网应用究竟给人们的生活带来了什么改变？早晨上班出门前，用墨迹天气看一下当天天气怎样，出门的时候再用滴滴打车叫个车，忙了一上午后，到中午打开雪球看看股票。如果你是90后、00后的“小朋友”，中午还可能会用爱奇艺看会儿电影，用唯品会淘淘货。到了晚饭时间，再用美拍分享个晚饭时的照片。临睡前，再用YY玩会儿游戏。
那么，为什么会有很多开发者使用TalkingData提供的工具和服务？这就要从国内移动互联网数据统计分析工具的发展历程开始说起了。
据TalkingData联合创始人兼CEO崔晓波介绍，国内移动互联网数据统计分析工具的发展到现在为止经历了三个阶段。
第一个阶段是统计分析阶段，这个阶段的特点是应用开发者们的需求特别简单，就是只需要一个能够查看每天到底有多少客户安装了自己的应用，以及每天有多少客户正在使用这款应用的可视化工具。在这一阶段，由于移动互联网整个体系都是非常脆弱的，导致将数据统计做得准确非常困难。比如，TalkingData当时推出的第一个统计分析产品上线后，在后台会发现收集到很多“奇怪的”数据，如上传上来的数据中会出现系统时间是1950年或1970年。这是因为，在当时市场上存在着很多非正规渠道来源的手机，这些手机的系统配置存在错误，比如很多销售商在配置系统时都不更正系统时间，这时就需要TalkingData进行纠错，而纠错的过程非常复杂，需要结合很多数据模型，使用很多算法，比如是按统计日还是发生日计算，使用方差还是其它算法。
在第二阶段，发生了一个更有意义的变化，那就是有很多传统行业开始转型。TalkingData从此时开始获得了一批像招商银行、银联、平安这样的金融类客户，这些企业非常优秀，也是真正抱着虚心学习的态度，渴求在移动互联网中取得成功。为了帮助它们，TalkingData也投入了很多资源，并结合它们的具体业务开发相应的工具，帮助它们提炼对数据的加工算法。这一阶段的移动数据统计分析的最主要的特征就是垂直化、细分化，以及数据统计分析与业务不可脱离。
在第三个阶段，很多应用开发者和客户在基于数据采集、整理的基础上又提出了更加具体的需求。比如，应用开发者能够通过数据分析统计平台看到用户在流失，也可以看到用户是否忠诚，但问题是无法及时地采取措施来减少流失和干预用户决策，这个新需求对于TalkingData来说，是一个新的挑战。
每一个真正关心移动互联网大数据发展的人，心中都有两个愿望：第一个，就是希望业内能够利用中国移动互联网用户的行为数据，再通过巧妙的加工和设计形成一种指数，以准确地反映和预测中国移动互联网的发展，就像股票指数和天气指数一样。第二个，就是希望业内能诞生更多的优秀数据服务商，为应用开发者提供高可用的数据分析统计平台、相关数据工具和服务。
记者在9月11日举办的T11全球移动大数据峰会上看到，这两个愿望都已经能够实现了。
好数据指数会说话
一个好的移动互联网大数据指数可以服务于政府，帮助政府更好地做决策；可以服务于开发者，让开发者更好地找准开发方向；可以服务于传统行业，帮助行业转型移动互联网，降低经营风险；可以帮助投资机构，找准优秀的、有投资价值的项目。
如今，这个指数已经诞生，它就是中国移动互联发展指数。为将现有海量数据资源转化为经济和社会发展的动力，中移指数大数据互联研究院联合TalkingData等大数据、移动互联网和手机媒体产业的领军企业，在中国工程院倪光南院士等专家组带领下，正在构建涵盖移动互联网大数据产业链的发展指数。该指数可通过对中国移动互联网大数据进行挖掘，展现中国移动互联网现状，预测中国移动互联网发展趋势，为政府决策、行业企业、社会服务，并致力于成为助力国家网络安全、改善公共服务环境的一个晴雨表和风向标。
在笔者看来，这一指数的最大意义在于能够回答很多与移动互联网发展息息相关的问题。比如下面的几个：
国内移动互联网发展到今天，到底有多少台移动设备？
截至到2015年Q3，预计中国会有12.4亿台移动设备在运行过程当中源源不断地产生数据。而从2014年的Q4一直到2015年的Q3，数字是10.615、11.315，11.815和12.415亿台，可以看出设备数量增长趋势是放缓的。
移动设备用户的年龄分布是怎样的？
80后、90后和00后，三者加在一起占比超过72%。00后和90后中，25岁以下的青年占比超过36.6%，说明移动互联网的未来是属于年轻人的。
移动互联网用户每年的增速是怎样的？
一、二、三线城市移动互联网用户的增速，一线城市增速是35.5%，二线城市增速是33.2%，三线以下城市增速是41.5%。
平均每个用户在智能设备上装了多少款应用？
一线城市43.6款应用，二线城市41.4款，三线城市40.4款。
每天被实际使用的应用程序的数量在总应用数量的占比？
一线城市26.6%，二线城市25.2%，三线是24.7%。
移动设备品牌哪家强？
苹果仍处于霸主地位。然后是三星、小米、华为。但从4月到7月的数据表现来看，苹果的市场占有率数据呈现了下降趋势。
运营商提供的WiFi和4G网络服务，目前运营状况是怎样？
2015年1月，WiFi用户占比是56.9%。7月，数据下降到了54.9%，掉了2个百分点。形成鲜明对比的是，4G用户占比从1月份的5.2%猛增到7月份的11%。
在半年时间内，哪些应用的用户使用时间是上升的，哪些是下降的？
游戏类从34.7%下降到34.1%，社交聊天、影音播放、聊天购物都存在不同程度的使用时间的减少。
使用时间大幅度上升的有哪些？
教育阅读、健康医疗、资讯新闻、交通导航、金融理财。
把周六或者周日的一天按24小时划分，从0点到23点，用户活跃度是怎样分布的？
周末凌晨0点到3点、清晨的6点到7点、上午10点到11点、午休12点前后、晚饭18点以后，这些时段是用户活跃度相对更高的时段。
抽取三组比较有特点的人群：北京的游戏人群、杭州的O2O人群和上海的金融人群。他们在24小时内的活跃度表现差异是怎样的？
北京的游戏人群晚睡早起，比较辛苦。他们在每天22点到第二天凌晨3点的活跃度要高于其他城市的游戏人群；杭州的O2O人群早上和晚上都处于活跃状态，上午10点和晚上21点是活跃度的两个峰值时间点；上海的金融人群在晚上21点到22点的活跃度要明显高于其他城市的金融人群，实际上那个时段恰处于美股开盘。
好服务商都有故事
移动互联网应用究竟给人们的生活带来了什么改变？早晨上班出门前，用墨迹天气看一下当天天气怎样，出门的时候再用滴滴打车叫个车，忙了一上午后，到中午打开雪球看看股票。如果你是90后、00后的“小朋友”，中午还可能会用爱奇艺看会儿电影，用唯品会淘淘货。到了晚饭时间，再用美拍分享个晚饭时的照片。临睡前，再用YY玩会儿游戏。
那么，为什么会有很多开发者使用TalkingData提供的工具和服务？这就要从国内移动互联网数据统计分析工具的发展历程开始说起了。
据TalkingData联合创始人兼CEO崔晓波介绍，国内移动互联网数据统计分析工具的发展到现在为止经历了三个阶段。
第一个阶段是统计分析阶段，这个阶段的特点是应用开发者们的需求特别简单，就是只需要一个能够查看每天到底有多少客户安装了自己的应用，以及每天有多少客户正在使用这款应用的可视化工具。在这一阶段，由于移动互联网整个体系都是非常脆弱的，导致将数据统计做得准确非常困难。比如，TalkingData当时推出的第一个统计分析产品上线后，在后台会发现收集到很多“奇怪的”数据，如上传上来的数据中会出现系统时间是1950年或1970年。这是因为，在当时市场上存在着很多非正规渠道来源的手机，这些手机的系统配置存在错误，比如很多销售商在配置系统时都不更正系统时间，这时就需要TalkingData进行纠错，而纠错的过程非常复杂，需要结合很多数据模型，使用很多算法，比如是按统计日还是发生日计算，使用方差还是其它算法。
在第二阶段，发生了一个更有意义的变化，那就是有很多传统行业开始转型。TalkingData从此时开始获得了一批像招商银行、银联、平安这样的金融类客户，这些企业非常优秀，也是真正抱着虚心学习的态度，渴求在移动互联网中取得成功。为了帮助它们，TalkingData也投入了很多资源，并结合它们的具体业务开发相应的工具，帮助它们提炼对数据的加工算法。这一阶段的移动数据统计分析的最主要的特征就是垂直化、细分化，以及数据统计分析与业务不可脱离。
在第三个阶段，很多应用开发者和客户在基于数据采集、整理的基础上又提出了更加具体的需求。比如，应用开发者能够通过数据分析统计平台看到用户在流失，也可以看到用户是否忠诚，但问题是无法及时地采取措施来减少流失和干预用户决策，这个新需求对于TalkingData来说，是一个新的挑战。