下载文档原格式
手机APP用户行为分析近年来，手机APP在生活中的使用逐渐普及，人们几乎可以使用手机APP完成生活方方面面的需求。
如今，APP的乱象也逐渐呈现出来，网购虚假、广告冒犯等问题日益严重。
针对这些问题，不同的人对手机APP的使用方式和体验也有所不同。
于是，人们开始关注手机APP用户行为，并对其进行分析。
一、手机APP用户行为特点1. 游戏玩家：游戏是手机APP中最热门的类别之一，吸引了大量用户。
游戏玩家通常会在休闲时间打开游戏，进行游戏体验，以增加娱乐性和消除压力。
他们通常想要尽快完成游戏，并希望获得尽可能高的分数。
2. 消费者：手机APP已经成为了消费的新方式之一。
消费者们通常会通过手机APP购买物品，比如食品、衣服、电器等。
这些用户通常会在APP中留下各种信息，以便APP提供更好的服务。
3. 知识探索者：手机APP还包括了很多知识和教育类的应用。
这些用户往往希望在手机上随时学习，并能够使用手机APP获取需要的知识。
他们通常会在学习方面花费很多时间和精力。
4. 社交达人：手机APP还包括了很多社交类应用，如微信、QQ等。
这些用户通常会在手机APP上与朋友和家人保持联系。
他们会使用手机APP分享自己的生活，并接受他人的资讯。
二、手机APP用户行为分析1. 我们可以了解用户在使用APP时的场景、位置、情绪等因素，以便更好地掌握用户的需求。
调查和研究可以帮助我们更好地了解用户，并开发出更适合他们的APP。
2. 我们可以观察用户在使用APP时，对界面、操作逻辑、承载内容的评价和反应。
通过这样的分析，我们可以得知用户使用APP时所关注的内容，并对APP进行一定的改进。
3. 我们可以通过APP的后台数据分析、调研等手段，获取用户的活跃度、留存率、点开率等数据。
这些数据可以从某些角度反映用户对APP的使用情况。
三、如何改善用户体验1. 设计易用的界面：分析用户使用APP时的反馈信息，我们可以发现大部分用户对界面设计的要求非常高。
手机购物APP用户行为分析报告一、引言随着智能手机的普及和移动互联网的迅猛发展，手机购物APP已成为人们购物的主要方式之一。
为了更好地了解手机购物APP用户的行为特点和倾向，本报告将对用户购物行为进行深入分析，帮助企业优化用户体验和提升销售额。
二、用户群体分析1. 年龄分布通过对大量用户数据的统计分析，我们发现手机购物APP的主要用户年龄集中在25-35岁之间，占比达到60%。
此外，40岁以上的用户也占有一定比例，说明手机购物APP已逐渐渗透到中老年用户群体中。
2. 地域分布根据用户注册信息和地理位置数据，购物APP的用户主要分布在一、二线城市，其中北上广深等一线城市用户占比最高。
此外，三、四线城市的用户也有不少增长。
3. 消费能力根据用户购买记录和订单金额分析，手机购物APP用户的消费水平相对较高。
其中，高端品牌和奢侈品的销售额占比较大，说明用户在手机购物APP上有较强的消费需求和购买力。
三、用户购物行为分析1. 浏览行为在购物APP中，用户主要通过浏览商品页面来寻找感兴趣的产品。
根据用户点击量和停留时间统计，我们发现用户对于商品的浏览时间主要集中在30秒至2分钟之间，这也就要求企业在有限的时间内向用户传递更多有效信息。
2. 搜索行为手机购物APP提供了强大的搜索功能，用户可以通过关键词快速找到所需商品。
用户的搜索行为主要集中在品牌、价格和商品属性等方面，同时也体现了用户对于优惠活动和促销信息的关注度。
3. 购买行为购物APP的核心目标是促进用户的购买行为。
根据用户下单数据和购买转化率，我们发现用户的购买决策主要受到商品价格、评价和折扣等因素的影响。
同时，在支付方式上，用户更倾向使用便捷、安全的第三方支付工具。
四、用户行为模式分析1. 忠诚度分析通过用户登录频率和购买频次的统计，我们可以评估用户的忠诚度。
研究发现，充值型用户和常购型用户的忠诚度相对较高，因此企业可以通过提供更多的优惠和奖励措施来巩固这部分用户群体。
智能手机用户行为分析和预测智能手机已经成为了我们日常生活中必不可少的一部分，几乎每个人都拥有至少一部智能手机。
我们使用智能手机的方式和频率也在不断变化，这些变化对于相关企业和市场都有着深远的影响。
因此，对于智能手机用户行为的分析和预测能够为企业和市场指明方向，优化商业模式和产品策略，从而更好地满足消费者需求，增加市场份额。
一、用户行为分析1、日常行为对于大部分智能手机用户来说，使用手机最频繁的是查看社交媒体、浏览新闻和信息、收发短信和电话以及使用各种应用程序。
这些行为可以通过相关数据的收集和分析得到更为准确的结果，进而帮助企业了解用户使用手机的时间、频率、时间段、地点等信息，进而优化公司的营销策略，提高用户满意度。
2、购买行为随着电子商务的发展，智能手机购物成为了越来越多人的选择。
根据数据，消费者使用智能手机购物所带来的收益已占到了整个电商销售额的20%以上。
因此，在用户购买行为的分析中，对于用户的偏好、需求以及购买习惯等信息的收集和分析，能够帮助企业更好地满足用户需求，提高用户体验和满意度，从而进一步提高销售额。
二、用户行为预测1、基于历史数据的预测对于消费者的一些日常行为和购买行为，我们可以基于历史数据进行预测。
如基于消费者的过去消费历史，我们可以预测消费者接下来会购买的商品、购买的时间以及购买的方式等。
这些预测信息能够帮助电商或零售企业提供个性化的推荐服务，从而提高用户体验和满意度。
2、基于机器学习的预测近些年，深度学习和机器学习等技术的发展，也为用户行为的预测提供了更多的可能性。
利用机器学习算法，我们可以对用户的数据进行分析，从而预测用户未来的行为。
如基于用户浏览过的商品、搜索关键词、花费时间、点击率等信息，我们可以预测用户下一步关心哪类产品、浏览哪个网站、或者购买什么商品等等。
这些预测信息能帮助企业优化其营销策略，增强对用户的吸引力和集中力，提高销售额和市场份额。
三、用户行为分析与预测的应用1、优化营销策略卖家通过对消费者行为的分析和预测，可以优化自己的商业策略和营销策略。
智能手机应用用户行为分析智能手机已经成为现代人生活中不可或缺的一部分，人们几乎可以通过智能手机完成各种各样的事情，从社交娱乐到工作学习。
而智能手机上的应用程序更是让人们的生活变得更加便捷和丰富。
然而，对于智能手机应用用户的行为分析，却是一个值得关注的课题。
首先，我们可以从用户下载和安装行为入手。
用户在选择下载应用程序时，往往会考虑到自己的需求和兴趣。
一些用户喜欢社交类应用，如微信、抖音等，因为这些应用可以让他们与朋友互动、分享生活，满足社交需求。
另外一些用户可能更倾向于游戏应用，因为游戏可以让他们放松心情、消磨时间。
还有一些用户则更喜欢健康类应用，如健身、睡眠监测等，因为他们关注健康和身体。
用户下载应用的种类和数量往往反映了他们的兴趣爱好和生活习惯。
另外，用户在应用程序中的操作行为也是一个重要的研究对象。
通过分析用户在应用中的点击、浏览、购买等操作行为，可以了解用户的偏好和习惯。
比如，一些用户可能会频繁点击某个功能，这表明他们对这个功能感兴趣或者经常使用。
而一些用户可能会在应用中停留较短时间，这可能意味着他们对应用不太满意或者不太适合他们的需求。
通过对用户操作行为的分析，开发者可以更好地了解用户的需求，优化应用的功能和体验。
此外，用户在应用中的评论和评分也是评估用户行为的重要指标。
用户在应用商店中对应用进行评价和评论，可以反映他们对应用的满意度和不满意度。
一些用户可能会给予较高的评分和积极的评论，表示他们对应用的认可和赞赏。
而一些用户可能会给予较低的评分和负面的评论，表示他们对应用的不满意或者存在问题。
通过对用户评论和评分的分析，开发者可以及时发现和解决问题，提升应用的质量和用户体验。
最后，用户在应用中的付费行为也是一个重要的研究对象。
一些应用是免费的，但是其中可能会设置一些收费项目，如购买虚拟道具、解锁高级功能等。
用户是否愿意花钱购买这些收费项目，往往取决于他们对应用的认可和需求程度。
一些用户可能会花费大量资金在应用中购买虚拟物品，这表明他们对应用的热爱和投入。
《移动手机用户行为的分析》篇一一、引言随着移动互联网的迅猛发展，移动手机用户行为已经成为研究消费者行为的重要领域。
了解并分析移动手机用户的行为模式，对于企业制定有效的营销策略、提升用户体验以及开发新产品具有重要意义。
本文旨在深入探讨移动手机用户的行为特征、影响因素及未来趋势，以期为企业提供有价值的参考。
二、移动手机用户行为特征1. 活跃度高：移动手机用户活跃度高，使用频率高，随时随地可访问互联网。
2. 多样化需求：用户需求多样化，涉及购物、社交、娱乐、学习等多个方面。
3. 场景化消费：用户在特定场景下产生消费需求，如旅游、出行、餐饮等。
4. 个性化需求：用户对产品和服务的需求日益个性化，追求独特体验。
三、影响移动手机用户行为的因素1. 人口统计特征：年龄、性别、职业、教育水平等因素影响用户对产品的选择和使用习惯。
2. 心理因素：用户的兴趣爱好、价值观、情感倾向等影响其使用产品的行为。
3. 技术发展：新技术的发展推动着移动手机功能的升级，从而影响用户的使用习惯。
4. 市场竞争：市场竞争环境影响企业的营销策略，进而影响用户的选择。
四、移动手机用户行为分析方法1. 数据挖掘：通过收集和分析用户的浏览记录、购买记录等数据，了解用户的兴趣爱好和消费习惯。
2. 问卷调查：通过设计问卷，了解用户的年龄、性别、职业、教育水平等基本信息，以及其对产品的需求和期望。
3. 用户访谈：通过与用户进行深入交流，了解用户的实际需求和痛点，以及其对产品的满意度和改进建议。
4. 竞品分析：通过对竞品的分析，了解市场上的产品特点和用户需求，从而优化自身的产品和服务。
五、移动手机用户行为趋势及影响1. 个性化定制需求增加：随着技术的发展，用户对产品的个性化定制需求日益增加，企业需根据用户需求提供定制化服务。
2. 社交化消费趋势明显：用户在社交平台上进行消费的意愿增强，企业需加强社交平台的营销力度。
3. 短视频和直播的兴起：短视频和直播的流行，使娱乐类应用的使用率大幅提升，企业可借此机会开展内容营销。
手机APP用户行为分析与用户画像研究随着智能手机的普及和移动互联网的发展，手机APP已经成为人们日常生活中不可或缺的一部分。
用户行为分析与用户画像研究对于企业而言，有助于深入了解用户需求、改进产品设计以及优化用户体验。
本文将围绕手机APP用户行为分析与用户画像，进行研究和探讨。
一、手机APP用户行为分析手机APP用户行为分析是对用户在手机APP上的行为进行收集、监控和分析的过程。
通过手机APP用户行为分析，企业能够获得用户行为的定量和定性数据，了解用户使用手机APP的偏好、行为模式以及参与程度。
用户行为分析的主要方法包括以下几个方面：1.1 用户行为数据收集手机APP用户行为数据的收集是用户行为分析的基础。
通过运用各种数据采集技术和工具，如日志分析、事件跟踪、问卷调查等，可以获取用户在APP上的操作数据和反馈信息。
这些数据包括用户的点击次数、停留时间、下载量以及评论与评分等。
同时，还可以了解到用户的地理位置、设备信息以及网络状况等。
1.2 用户行为分析方法手机APP用户行为分析依靠数据分析方法对用户行为进行解读。
数据分析方法主要包括定量分析和定性分析。
定量分析主要通过统计学和数学模型来分析用户数量、行为频率、转化率等数据。
而定性分析则将用户行为从主观、感性的角度进行解读，主要运用用户访谈、焦点小组讨论等方法，了解用户的偏好、态度和使用反馈。
1.3 用户行为模式识别通过对用户行为数据的分析和挖掘，可以发现用户行为模式。
用户行为模式是指用户在APP上反复出现的行为方式。
例如，用户每天都会在特定的时间段使用某个APP，或者用户在使用过程中总是遵循相同的操作路径。
通过识别用户行为模式，企业可以为用户提供更加个性化的服务和推荐。
二、用户画像研究用户画像是对用户的属性、兴趣、需求等进行画像化的过程，以便更好地了解用户需求，进行精准营销和产品优化。
手机APP用户画像的建立可以帮助企业创造更有针对性的用户体验，提高用户黏性。
手机APP用户行为的分析与挖掘随着智能手机的普及，手机APP已经成为人们不可或缺的生活工具，人们已经很难想象生活中没有手机APP的存在。
那么，作为APP的开发者和运营者，我们需要了解手机APP用户的行为和需求，以便更好地满足用户需求、提高用户满意度。
本文将分别从使用时间、用户行为热点、用户偏好和流失分析四个方面来探讨手机APP用户行为的特点和分析方法。
一、使用时间使用时间是每个人需要进行时间管理的一个重要问题。
通过分析用户使用APP的时间分布，我们可以了解用户在哪些时间段更倾向于使用APP，这对于我们了解用户行为、推送合适的信息和优化运营管理十分有利。
首先，我们可以通过分时段分析，了解用户日常使用时间以及使用时长的变化情况。
其次，我们可以看看用户在一周中的使用规律。
例如，周末时间多是社交和娱乐类APP的高峰期，而工作日限制时间和必要性使得用户会更倾向于使用效率工具类APP，因此我们需要根据用户不同的使用时间段，针对用户行为规律进行针对性的推送。
二、用户行为热点用户行为热点是指用户经常使用的功能和操作，这些行为热点往往是用户心中的“交互要素”，当这些要素出现问题时，用户的不满就会直接体现在使用体验上。
同时，用户行为热点的变化也可能预示着市场变化和优化需求。
我们可以通过数据挖掘的方法，对用户行为热点进行深入的分析。
例如，对于一个社交APP来说，点赞、评论、私信等行为很可能是用户的行为热点。
因此，我们可以通过对这些热点行为的次数、时间、地点等方面进行大数据挖掘分析，找到行为热点对应的潜在需求和问题，从而为用户提供更加个性化、营销化的服务。
三、用户偏好用户偏好是指用户更加喜欢、熟悉的内容和使用方式。
在手机APP用户行为分析和推广中，我们需要借助数据分析方法来深入了解用户的偏好特征，以便推送合适的内容和服务，提升用户总体体验和使用时长。
首先，我们可以通过用户画像、兴趣标签和问卷调查等方式了解用户的偏好，例如用户喜欢什么样的内容、使用何种方式购买产品等。
手机APP用户消费行为分析及预测随着智能手机市场的日益成熟，移动应用程序（APP）也越来越普及。
APP的功能多样化、操作简便、随时随地都可使用，成为人们生活中不可或缺的一部分。
然而，每个APP的开发商都面临着一个重要问题——如何吸引用户，引导用户使用自己的APP，并从中获得经济效益。
该问题关键在于分析和预测用户的消费行为。
1. 消费行为分析用户使用手机APP的主要目的是获取信息、娱乐和消费。
APP开发商可以收集用户访问数据、交易数据等各种信息以了解用户消费行为，寻找机会提高其收入。
APP开发商可以使用以下方法来收集数据：- 注册流程：通过注册流程了解用户的基本个人信息；- 行为分析：记录用户浏览，评论，拍照，分享等行为；- 交常分析：结合支付渠道的数据，了解用户交易情况；- 用户调查：通过问卷调查或者通过用户反馈功能了解用户真实需求和意愿。
通过以上的收集方式，分析用户的消费行为，从而提供个性化的服务，提高用户体验。
开发商可以根据用户的行为习惯推送相关的广告、信息等，促进流量和转化率。
2. 用户消费行为预测为了增加收入和提高用户转化率，开发商还需要预测用户的消费行为。
预测用户的消费行为可以分为两个方面：短期和长期。
短期预测需要考虑用户购买的时间、地点、价格、产品等因素；长期预测则需要考虑用户的生命周期、年龄、兴趣爱好等。
根据以上的预测所得，开发商可以制定相应的营销策略，例如定期推送相关内容，定制相关产品等等，提高用户留存率。
3. 消费行为预测的优化针对消费行为预测面临的一些问题，如数据缺乏、模型不准确等问题，开发商可以采用以下措施进行优化：- 数据安全：开发商应加强数据安全，保护用户隐私，采取相关措施预防数据泄漏。
- 机器学习模型：开发商可以使用机器学习模型，结合深度学习和神经网络算法，进行更精确的预测，优化APP用户体验，提高用户流量和转化率。
- 数据分析工具：企业可以使用自己的网络分析工具，结合第三方组件，进行深度数据挖掘，并对预测程序进行优化。
手机App用户行为分析报告随着智能手机的普及和移动互联网的高速发展，手机App已经成为现代人生活中必不可少的工具之一。
通过手机App，我们可以进行各种各样的功能和服务，如社交媒体、在线购物、生活助手等。
随着越来越多的用户加入到手机App的使用群体中，对用户行为进行分析已经成为了各个手机App开发者和市场营销人员重要的任务。
在本文中，将从多个角度对手机App用户的行为进行深入分析。
第一部分：手机App用户的使用习惯现在的人们使用手机App的时间越来越长，已经成为日常生活不可或缺的一部分。
手机App的使用习惯不仅包括使用频率，还涉及到具体的使用时段。
通过对用户数据的分析，可以发现不同人群在不同时段的使用习惯有所差异。
例如，大部分用户在早晨和晚上两个时间段内使用较为频繁，而在工作时间段用户的使用频率则相对较低。
第二部分：手机App用户的偏好在众多的手机App中，用户会有自己的偏好和喜好。
通过对用户行为进行分析，可以了解用户对于具体App的兴趣爱好和使用习惯。
例如，通过分析用户搜索记录和点击行为，可以得出用户对于新闻类App、社交媒体类App和游戏类App的兴趣相对较高，而对于金融类App和学习助手类App的使用频率相对较低。
第三部分：手机App用户的购买行为手机App不仅提供了各种服务和娱乐，也成为了用户进行在线购物的平台。
通过对用户购买行为的分析，可以了解用户的消费偏好和购买动机。
例如，通过对用户购物车的分析，可以了解用户对于不同类型商品的兴趣和购买决策过程。
此外，还可以通过统计用户的购买频率和购买金额，了解用户的消费能力和购买力。
第四部分：手机App用户的社交行为社交媒体类App已经成为许多用户日常交流和分享的平台。
通过对用户在社交App中的行为进行分析，可以了解用户的社交类型和参与程度。
例如，通过分析用户在社交App中的评论和点赞行为，可以了解用户的社交参与度和对于社交网络的重视程度。
此外，还可以通过分析用户的好友列表和社交圈子，了解用户的社交关系和社交圈子的规模。
用户在手机端消费行为分析口袋购物的创始人王珂，是我见过的对移动电商理解最深入的人之一。
1984年出生的他是一个技术宅男，却总是在琢磨用户天天到底在手机上干什么，用户一般在手机上买东西翻到第几页就不想往下翻了这些问题。
他创办的口袋购物，不久前刚刚获得成为基金和经纬中国1200万美元的A轮投资，成立仅2年时间就达到如此高的估值，一时间在创投圈引起了不小的讨论。
目前口袋购物已经做到移动交易400亿一年。
几天前，我和王珂有了一次深入的交流，我们重点探讨了用户在移动终端上购物的一些行为习惯。
由于手机屏幕很小，用户不再可能像在PC上那样一页一页去浏览商品，用户在手机上购物呈现了许多新的特征。
曾航：口袋购物做了这么久，你们观察下来用户在手机上买东西的习惯和在PC 上有哪些不同？王珂：手机上购物有碎片化的特点，毕竟屏幕很小吗。
我们也在PC上做过电商，但是目的仅仅是为了和手机做一个对比。
我们发现一个很有趣的现象，那就是我们的用户在移动终端上面收藏一个商品平均的频次是PC上49倍。
一开始我对这个数据很惊讶，后来我想明白了，其实道理很简单。
PC屏幕大，用户一页可以看好几十件商品，他们可以一页一页往下翻，直到找到自己想要的商品，他们看到喜欢的商品就直接加到购物车里就好了，不需要收藏。
在PC上，人们可以一页一页地在浏览器上打开很多购物网页，一天也不用去关掉。
而手机屏幕很小，如果一个一个地看很累。
可能你往下翻到第50页的时候手机已经没电了。
所以用户往往看到一个勉强符合自己购买特征的，就先收藏起来。
比如用户要买个剃须刀，他在手机上看到的可能并不是自己最后想买的那个，但是勉强满意，就先收藏起来。
这给了我一个很大的启发。
我们（口袋购物）现在每天相关的销售额是400到1000万人民币一天，而我们上面每天新增的被收藏商品量，是4亿人民币。
我在想，如果我们把每天被收藏商品的量转化1%成销售额，也是非常惊人的数字了。
曾航：那些这些用户在手机上的收藏如何转化成巨头的销售呢？王珂：去年1月的时候，我们发现口袋购物上面有1000多个用户收藏了风衣，但是没有买。
为什么没有买？我估计还是手机屏幕小，没有找到他们最满意的风衣。
还有那时是1月份啊，还很冷，一般人要到3月份才去买风衣的。
后来我想了一个主意，我找来一批淘宝的风衣卖家，和他们说，我这里有1000个人想买风衣，你们能否搞一次团购？1000个人，1%的人买了就是10件，10%的人买了就是100件。
后来我们找到给出条件最好的一个卖家，给了7折包邮的价格，专门针对这1000个人搞了一次团购，就是过了今天就不是这个价格了，我们把活动PUSH给这1000个人，结果卖出了300多件风衣。
电商一般的转化率只有1%到2%，而我们这次活动的转化率居然达到了30%，效果非常好。
曾航：这次尝试后，你发现了一些移动电商新的特征？王珂：我觉得未来电子商务的模式会发生巨大的变化。
过去的商业模式下，我们先把商品生产出来，然后再到市面上去找需要它的买家，这中间成本很高。
而现在我们发现用户在手机上沉淀下来的收藏很多，这使得我们可以更清楚地了解用户的需求。
这样我们可以把商品卖给真正喜欢它的人，这样转化率提高了很多。
我把这种模式称作“反向团购。
”长期以来，PC一直想取代电视成为市场占有率最高的终端，但是一直没做到，而手机只用了不到10年的时间就做到了这一点。
互联网加上手机，将产生世界上最具颠覆性的商业模式。
所以我们现在放弃了PC，专注做纯移动。
我们做反向团购，发现卖家最讨厌把促销当做降价。
这一点在PC上是做不成功的，因为在PC上收藏商品的人很少。
在手机上，少就是多。
全网有16亿种商品，可能你需要的只有100种。
我们要做的，就是帮你把那100个商品挑选出来。
这需要通过大数据的方式来实现。
曾航：你当时怎么想到要来做口袋购物这个事情的？王珂：几年前我刚开始创办这家公司的时候，发现电商行业有个很怪的现象，就是不管是大小商家，都赚不到钱。
毕胜曾经说过，自己入错行了。
我们访谈了许多淘宝卖家，都说自己亏钱。
这就很奇怪，所有的人都说这个行业前景很好，但是大家都挣不到钱。
我去看了麦考林的财报，他做邮购业务，获取用户的成本占销售的12%，实体店是25%，而到了电商，变成了35%。
我们访谈了大部分卖家，这个成本在30%左右，所以他们是不可能挣钱的。
我一直在思考，是什么导致了流量那么贵？互联网理论上是海量的供给，高效匹配海量的需求，所以天下没有难做的生意。
现在的情况太不正常了。
用户找满意的商品很困难，而电商卖家获取用户的成本又很高。
曾航：你认为现在做电商的都赚不到钱，问题出在哪里呢？王珂：后来我发现，用户上网买东西，搜索最多的是类别次，例如用户要买风衣，他会搜索“风衣”两个字，而不会去搜索“英伦立领长款风衣”。
我们假设有1000万用户在网上同时搜索风衣，淘宝给这1000万人提供的搜索结果都是同样的。
一页显示20个搜索结果，50页显示1000个。
一般人翻到50页就不会往下翻了。
假设有10万种风衣，最后人们只看到了1000种风衣。
也就说现在的搜索是不研究个性的。
像风衣这样类别的关键词并不多，也就万把个。
互联网上90%的内容都是从来没有被展现过的，连一次都没有。
反过来说，用户要找到自己喜欢的东西，也是很困难的。
我们假设淘宝是一个4亿立方米的巨型商场，有10亿商品。
用户只能看到前面5%的商品。
直通车只能把柜台看到前面5%的地方。
前面这5%的卖家不赚钱，因为流量费用太贵。
后面95%的卖家也不赚钱，因为他们没有足够的流量。
结果是大小卖家都不赚钱。
曾航：这是一个老大难的问题，到底如何解决呢？王珂：我的第一个想法是谁干过这样的事情。
直接找,把这个事情再干一遍,如何把商品按照用户的喜好重新排序，就好了,商品也被展现，用户逛起来也爽了。
我们认为用户点击收藏购买记录，用户看了20个商品，点了1个不点其他19个，肯定有原有的。
点击和购买记录是用户不同程度的购买喜好。
我们用这个来衡量，为什么喜欢，为什么不喜欢。
百度和谷歌都干过这样的事情，百度以前的广告系统叫做相关性广告，你搜鲜花的时候，会出现鲜花关键词广告，按照出价排序。
问题在于，它的库里面有1000个鲜花广告，最后展现的是10个，所以一年到头就展现了50条广告，950没有展现过。
李彦宏自己也说，历史上相关性广告，95%的广告从来没有被任何人看到过。
我认为在电商领域也有类似的情况，全网的实体商品，95%的商品没有被展现过，一次都没有。
所以百度是如何解决这个问题的呢？后来，你在百度里面搜索鲜花，那么和鲜花的特征匹配的广告，比如礼物的广告，也会展现。
比如你搜索包含鲜花的关键词的广告，可能只有1000条，包含相关性的，有5万条。
搜索鲜花时，用户可能不会准确的描述自己的目的，但是搜索引擎会自动匹配。
每个特征有自己的权重，比如鲜花是一种礼物，巧克力也有礼物特征，用这些数据，通过高维度的逻辑回归，计算每个特征的权重。
结果是情人节的时候，你去搜索鲜花，很可能会出现巧克力的广告。
百度上了凤巢系统之后，被展示的广告数量，由5%提升到26%。
百度去年上线了个性化搜索投放技术，农民在百度里面搜索“苹果”，可能出现种子和化肥，而科技爱好者搜索“苹果”两个字，可能出现手机的和平板电脑，这项技术将广告展示数量进一步大幅提升，这个团队还因此获得了百度内部的大奖。
目前百度正进行个性化搜索投放的尝试，农民在百度里面搜索“苹果”，可能出现种子和化肥，而科技爱好者搜索“苹果”两个字，可能出现手机的和平板电脑。
我们也在想，是否购物也是一样，依据用户的喜好、特征去自动匹配商品？每个商品都有几万个特征。
我们每个商品有300多万个特征。
我们依据过去点击收藏搜索记录，按照全网商品按照你的喜好排排序，希望50%的商品都给你展示。
搜索引擎，翻到50页的时候，越往后翻到后面越弱。
搜索引擎如果让用户翻到后面50页，它肯定死掉，而购物领域大家普遍接受，前几页往往找不到自己喜欢的商品，普遍翻到后面很多页。
我们把它叫做发现引擎。
全网商品依照你的喜好排序,把你会点、会收藏的东西排在前面,按照你的行为习惯个性化给你推荐商品，这样大大节省了你在手机上挑选商品的时间。
曾航：理论上，个性化推荐购物这个事情由淘宝这样的大平台来做是最有优势的，因为多年来用户在淘宝里面积累了大量的购买记录，包括购物车、收藏、搜索的记录，这些行为记录最有利于向用户提供个性化商品，那么小公司的机会在哪里呢？王珂：你说的没错。
淘宝去年成交总用户是1.3亿，但我们相信未来有7到9亿人通过手机去完成电子商务，也就是说，现在只有1亿人在PC上有记录，大部分人的电商购物记录还是空白的，他们从来没有在PC上买过东西，这就是创业公司的机会。
我们不想去抢巨头的已有用户，重要的事情是有大量新用户还没有在手机上买过东西。
曾航：不过这又是个鸡生蛋还是蛋生鸡的问题，当用户刚刚开始使用口袋购物的时候，你们手上并没有积累他们足够多的行为数据，这个时候给他们推荐的商品并不一定是他们想要的，一些用户可能还没有等你积累到足够的数据就流失掉了，如何解决这个问题？王珂：这个问题我们也想了很久，就是在没有数据的情况下如何冷启动。
在移动互联网上，用户忍耐的时间非常短，可能你稍微不满足他的需求，就把你卸载了。
我们最近做了一些尝试。
用了一些一看就懂的应用，比如今日半价。
我们先不告诉你个性化的事情，先告诉你，今日半价，这里面使我们挑选的商品，都是半价。
或者另一个频道，叫做吃吧，把吃货特别有欲望的零食放进去。
我们同个这样一堆小的应用，用户体验是统一的，积累用户行为数据。
曾航：如果淘宝封杀你们怎么办？淘宝一直不喜欢美丽说、蘑菇街这样的，在它之外新建一块新的流量，每一个给淘宝倒流量的平台，做大之后可能都面临被封杀的问题。
王珂：我们很少研究行业格局，我们首先研究用户需求。
我们感觉，手机是B2C 最大的机会。
我去研究过新用户在淘宝上买东西的过程，你首先要注册淘宝账号，然后要再注册支付宝账号，支付宝账号需要邮箱，许多用户可能没有邮箱，还需要再去注册一个邮箱。
中间还要扫描身份证、验证、激活，非常麻烦。
但是你去B2C电商网站上买东西，就容易的多。
因为支付宝是支付工具，属于金融领域，因此监管要求很高，而B2C只是买东西，相对来说整个流程简单的多。
你到4、5线城市去看一下，许多人购物都是货到付款，现在移动POS收款机器又很方便。
我去研究过4、5线城市许多人第一次购物的经历，他们第一次上网买东西是用手机而不是电脑。
很多人第一次上网买东西居然是上唯品会，因为发现这里世界名牌居然只要3到5折，而且支持货到付款。
那么以前呢？他们喜欢上电视购物，他们觉得这很神奇，你一个电话打过去，就把你需要的东西送上门了。
我们一开始只放淘宝卖家的货物，后来放了许多B2C网站的东西。
