手機(jī)上的大數(shù)據(jù)（二）：手機(jī)大數(shù)據(jù)的特點(diǎn)

本文由百分點(diǎn)信息無(wú)線業(yè)務(wù)部高級(jí)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。

隨著移動(dòng)設(shè)備的功效越來(lái)越壯大，移動(dòng)互聯(lián)網(wǎng)與傳統(tǒng)互聯(lián)網(wǎng)之間的差別愈發(fā)不容疏忽。新型的技術(shù)以及數(shù)據(jù)分析方案都展現(xiàn)一個(gè)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(jī)上的大數(shù)據(jù)。

移動(dòng)互聯(lián)網(wǎng)具有互聯(lián)網(wǎng)的很多特點(diǎn)，但移動(dòng)互聯(lián)網(wǎng)作為一個(gè)新生事物，也有其自身的“不同”。

用戶在互聯(lián)網(wǎng)和移動(dòng)互聯(lián)網(wǎng)上表征的不同

移動(dòng)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(dòng)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(shí)世界中去。

在車站等車時(shí)，拿著手機(jī)在翻閱小說(shuō);站在商圈里，拿著手機(jī)搜尋熱門商家;或者是在睡覺前，拿著PAD看看有什么娛樂信息，看看愛好的文章，既拉長(zhǎng)了用戶們籠罩的領(lǐng)域，也拓寬了其利用網(wǎng)絡(luò)的時(shí)間。

無(wú)疑，相對(duì)于成熟互聯(lián)網(wǎng)利用而言，移動(dòng)互聯(lián)網(wǎng)的利用重要還是在補(bǔ)充高低班、辦事途中，晚上睡覺前等碎片化時(shí)間。因此，“打發(fā)時(shí)間”類利用也躋身三大類重要利用之一，而且受眾面極廣。

手機(jī)上的碎片化

雖然受眾面廣，時(shí)間占比高，但由于“碎片”的特點(diǎn)，目前還沒有一個(gè)很好的盈利模式將其利用起來(lái)。當(dāng)然，這也是一個(gè)市場(chǎng)發(fā)展必定要經(jīng)歷的過程。先讓盡可能多的用戶用起來(lái)吧，暫時(shí)先不要去考慮如何盈利，為時(shí)尚早。

手機(jī)瀏覽的利用時(shí)間

手機(jī)視頻時(shí)間

可以看到，在晚上十點(diǎn)至十一點(diǎn)手機(jī)瀏覽和手機(jī)視頻都達(dá)到了高峰，范例的睡覺前時(shí)間，從一個(gè)側(cè)面反響了手機(jī)利用時(shí)間與互聯(lián)網(wǎng)利用的不同。

移動(dòng)互聯(lián)網(wǎng)帶來(lái)的復(fù)雜形勢(shì)

移動(dòng)互聯(lián)網(wǎng)絕不僅是有線的業(yè)務(wù)延展到無(wú)線那么簡(jiǎn)略。勢(shì)必會(huì)產(chǎn)生一些呈幾何圖形增長(zhǎng)的業(yè)務(wù)，充分施展移動(dòng)互聯(lián)網(wǎng)的特點(diǎn)，比如LBS，比如O2O。

移動(dòng)互聯(lián)網(wǎng)的發(fā)展使得一些本來(lái)看似不相干的東西串了起來(lái)，我隱隱有種感到。元芳，你怎么看?

所以，移動(dòng)互聯(lián)網(wǎng)的數(shù)據(jù)處理巨絕不簡(jiǎn)略是統(tǒng)計(jì)分析，而是多種更為先進(jìn)的算法來(lái)找到暗藏在層層迷霧下面的本相。

互聯(lián)網(wǎng)分析與移動(dòng)互聯(lián)網(wǎng)分析上的差別

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)站廣泛利用。而Mobile Analytics卻還是一個(gè)新鮮的事物。它和Web Analytics有繼承的關(guān)系，但是又有明顯的差別。

(通常所說(shuō)的Mobile Analytics重要指Mobile Application Analytics，也就是各種移動(dòng)設(shè)備上的原生利用的數(shù)據(jù)統(tǒng)計(jì)分析。)

在Web Analytics中，絕大部分情況下用戶是基于瀏覽器的cookie進(jìn)行統(tǒng)計(jì)的。

也就是說(shuō)，其實(shí)利用同一臺(tái)電腦的同一個(gè)瀏覽器上網(wǎng)的兩個(gè)人會(huì)被計(jì)為一個(gè)獨(dú)立用戶(Unique Visitor)，而同時(shí)利用同一臺(tái)電腦的IE和Chrome瀏覽器的同一個(gè)人卻會(huì)被計(jì)為兩個(gè)獨(dú)立用戶。Mobile Analytics的對(duì)象卻不同，它是按照移動(dòng)設(shè)備(例如手機(jī))來(lái)統(tǒng)計(jì)的，絕大部分情況下每個(gè)移動(dòng)設(shè)備的利用者是唯一的。所以它比Web Analytics更能正確到人，這意味著可以在此基礎(chǔ)上供給更個(gè)性化的服務(wù)和更精準(zhǔn)的營(yíng)銷。

手機(jī)上的數(shù)據(jù)分析

這還不是Mobile Analytics唯一讓人著迷的處所。瀏覽器的Cookie很容易被打掃或籠罩，但是基于設(shè)備的統(tǒng)計(jì)相對(duì)更為牢固和長(zhǎng)久。這使得用戶細(xì)分(Segmentation)和斷代分析(Cohort Analytics)可以更加正確和實(shí)用。我們可以通過某種條件(例如當(dāng)年3月份的新增用戶并且利用時(shí)長(zhǎng)超過20分鐘的)篩選出一批用戶，分析他們的舉動(dòng)模式。

Mobile Analytics和Web Analytics還有個(gè)很大的差別是，前者統(tǒng)計(jì)數(shù)據(jù)時(shí)，有可能是離線或者信號(hào)不好、網(wǎng)絡(luò)不牢固的狀態(tài)，導(dǎo)致統(tǒng)計(jì)數(shù)據(jù)無(wú)法立即上傳。等到數(shù)據(jù)能上傳時(shí)，可能已經(jīng)隔了幾小時(shí)到幾天不等。而Web Analytics則不會(huì)涌現(xiàn)這種情況，不能上網(wǎng)就無(wú)法訪問網(wǎng)站，如果能上網(wǎng)站但是不能連接到統(tǒng)計(jì)服務(wù)器，這部分統(tǒng)計(jì)數(shù)據(jù)也不會(huì)被重新發(fā)送。這使得Mobile Analytics需要更復(fù)雜的數(shù)據(jù)補(bǔ)償策略。

從數(shù)據(jù)量上來(lái)說(shuō)，Mobile Analytics一點(diǎn)都不比Web Analytics少。它需要統(tǒng)計(jì)很多Web Analytics所沒有的數(shù)據(jù)，例如設(shè)備型號(hào)、利用版本、推廣渠道、甚至地位信息，同時(shí)還有很多開發(fā)者自定義的事件。而移動(dòng)設(shè)備(含平板電腦)總量的增長(zhǎng)率遠(yuǎn)遠(yuǎn)大于PC(含筆記本電腦)總量的增長(zhǎng)率，每個(gè)移動(dòng)設(shè)備上的移動(dòng)利用個(gè)數(shù)的增長(zhǎng)也非�？臁Ｋ怨┙o公共服務(wù)的Mobile Analytics平臺(tái)都是范例的大數(shù)據(jù)利用處景。