本文由百分點資訊無線業務部高階總監李曉東、Talking Data COO徐懿以及成都電子科大的龔亮聯合撰寫。

無線應用的大資料有著重要的作用。但是對於手機閱讀以及手機音樂的大資料分析僅限於特定App，而現實情況中還存在另外一種應用，即App之間互相推廣，此處我們將其命名為App互推聯盟。

APP互推是一種通過挖掘App之間的隱含關係，將一個App推送到另外一個相關類的App上，而整個移動端App的應用個數有好幾十萬，所以資料包含的資訊是相當豐富。如果我們能有效利用這資料，則我們能夠採用更有效的方法來實現App的互推，同時利用這些大資料，我們為移動廣告找到了一個更有效的平臺。

Database Modeling是一個資料庫的建模功能，任何龐大的資料都需要一個正確的分析機制

大資料分析中的問題

① 全域性資料打通

當我們獲取單獨App資料時，這些資料都是孤立的小島，我們不太會關心使用者在其他App中有什麼樣的行為特徵。當我們擁有數十萬個APP時，如果能將各App資料進行打通，那我們能獲得的利用將是無窮無盡的。

在PC端，瀏覽器可以通過cookie、flash等方式記錄一個使用者的ID，而在手機端這種方法卻欠妥，因為手機端的使用者使用App的頻率遠高於瀏覽器的頻率。

但是我們仔細發現，每個使用者所使用的手機MAC號一般情況下是唯一的（在極少情況下不唯一），所以我們可以通過MAC號來將使用者進行打通。

② 資訊補全

在前一章節無線音樂應用中，我們遇到一個棘手的問題是，使用者資訊不完整，我們不能有效地給其推送恰當的歌曲。使用者資訊不完整的主要原因是因為在該APP中留下的資訊量少，如果我們能利用使用者在其他APP的資訊來補全使用者資訊，則可以大大提供使用者在該APP中聽歌的體驗。

 App的互推

在沒有打通App資料之前，App互推一般都是根據隨機原則、熱門App原則、相似相近原則來進行推薦。這些方法存在很多問題，如不同使用者App推薦一樣，推薦App被使用者喜好的準備低等。

當多個App資料打通後，原始App推送方法可以得到明顯的改善。因為一方面我們可以獲取使用者的全域性資訊，利用這些資訊我們可以更好的為使用者做個性化的推薦，另一方面由於App的打通我們能更好的將使用者、App進行聚類分析，這樣更加方便相似使用者對相似應用的喜好。

App中的廣告應用

在沒有打通App資料之前，App的廣告一般都是根據App的關鍵詞原則進行投放，不同使用者在登入同一個App時可能接受到同一個廣告。這種投放方法存在一個明顯問題就是隻抓住了App的匹配性，並沒有抓住App上具體人的匹配性。比如一個人剛瀏覽玩母嬰類的App轉入另外一個音樂類的App時，該音樂類App大多會為其投放音樂類廣告，而不是母嬰類的廣告。

App在設計之初就會針對廣告位置和內容進行規劃

當我們把App資料打通後，因為全域性資訊的關係使得使用者就有了記憶功能。所當上訴情況發生時，音樂網站可以根據使用者帶來的喜好為其投放與其喜好最接近的廣告。這樣才能更加準確的抓住使用者的心理，讓使用者、公司以及廣告達到三贏的好結果。

via：雷鋒網