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
数据分析需要学习的内容非常广泛,涵盖了从理论知识到实际技能的多个方面。以下是数据分析所需学习的主要内容: 数学和统计学 ...
2024-11-24数据分析师需要具备一系列多方面的技能和能力,以应对复杂的数据分析任务和业务需求。以下是数据分析师所需的主要能力: 统计 ...
2024-11-24数据分析师需要学习的课程内容非常广泛,涵盖了从基础理论到实际应用的多个方面。以下是根据我搜索到的资料整理出的数据分析师需 ...
2024-11-24《Python数据分析极简入门》 第2节 6 Pandas合并连接 在pandas中,有多种方法可以合并和拼接数据。常见的方法包括append()、conc ...
2024-11-24《Python数据分析极简入门》 第2节 5 Pandas数学计算 importpandasaspdd=np.array([[81,&n ...
2024-11-23数据分析涉及多个方面的学习,包括理论知识和实践技能。以下是数据分析需要学习的主要方面: 基础知识: 数据分析的基本概念 ...
2024-11-22数据分析适合在多个单位工作,包括但不限于以下领域: 金融行业:金融行业对数据分析人才的需求非常大,数据分析师可以从事经 ...
2024-11-22数据分析是一种涉及从大量数据中提取有用信息和洞察力的过程。其工作内容主要包括以下几个方面: 数据收集与整理:数据分析师 ...
2024-11-22数据分析师需要掌握多种技能,以确保能够有效地处理和分析数据,并为业务决策提供支持。以下是数据分析师需要掌握的主要技能: ...
2024-11-22数据开发和数据分析是两个密切相关但又有所区别的领域。以下是它们的主要区别: 定义和目标: 数据开发:数据开发涉及数据的 ...
2024-11-22数据架构师是负责设计和管理企业数据架构的关键角色,其职责涵盖了多个方面,包括数据治理、数据模型设计、数据仓库构建、数据安 ...
2024-11-22数据分析师需要具备一系列技能,以确保能够有效地处理、分析和解释数据,从而支持决策制定。以下是数据分析师所需的关键技能: ...
2024-11-22数据分析师需要具备一系列技能,以确保能够有效地处理、分析和解释数据,从而支持决策制定。以下是数据分析师所需的关键技能: ...
2024-11-22数据分析师需要具备一系列的技能和能力,以确保能够有效地处理、分析和解释数据,从而支持业务决策。以下是数据分析师所需的主要 ...
2024-11-22需求持续增长 - 未来数据分析师需求将持续上升,企业对数据驱动决策的依赖加深。 - 预测到2025年,中国将需要高达220万的数据人 ...
2024-11-22《Python数据分析极简入门》 第2节 4 Pandas条件查询 在pandas中,可以使用条件筛选来选择满足特定条件的数据 importpanda ...
2024-11-22数据分析师的工作内容涉及多个方面,主要包括数据的收集、整理、分析和可视化,以支持商业决策和问题解决。以下是数据分析师的一 ...
2024-11-21数据分析师必须掌握的技能可以从多个方面进行归纳和总结。以下是数据分析师需要具备的主要技能: 统计学基础:数据分析师需要 ...
2024-11-21数据分析入门的难易程度因人而异,总体来看,入门并不算特别困难,但需要一定的学习和实践积累。 入门难度:数据分析入门相对 ...
2024-11-21数据分析是一项通过收集、整理和解释数据来发现有用信息的过程,它在现代社会中具有广泛的应用和重要性。数据分析能够帮助人们更 ...
2024-11-21