国双科技推移动互联网产品Mobile Dissector
腾讯科技讯 4月12日消息，国双科技高级商务拓展总监许云、国双科技高级技术总监黄勇坚近日介绍刚刚推出了国双科技移动互联网产品Mobile Dissector。Mobile Dissector不仅支持windowsPhone，还支持IOS和Android平台。以下的国双科技介绍实录：
许云： 谢谢大家早晨来到这里，今天有一些新朋友，所以我对国双作做一个简单的介绍，国双的简介和我们的产品都有哪些，我其实还准备了一些其他的产品放在了后面，大家如果有需要我可以多做一些介绍。所以，在产品后面我会直接先讲一下Mobile Dissector和我们服务的客户。
国双是做在线业务的优化，我们同时提供监测工具，也做搜索市场营销。我们是在2005年成立的，中间加黄线的部分是和在2008年也成为iCrossing的合作伙伴，iCrossing也是美国一家做网络营销的公司，我们是它的全球战略合作伙伴，我们跟它合作。因为它和很多全球性的公司有服务协议，在中国我们就替它服务这些在中国的客户，比如它在美国签了可口可乐，因为iCrossing本身不在中国，它也需要找一家本地的合作伙伴来服务它的客户。所以，有一些国际的合作是从iCrossing这边过来的，我们和它有战略合作。
SEMPO是搜索引擎市场专家组织，我们是它的企业会员，同时续扬是我们商业运营高级副总裁，同时也是SEMPO的全球董事、大中华区主席。2008年BizSpark这个项目有一个升级叫BizSparkOne，国双在大中华区是第一个加入这个计划的，因为到目前可能BizSparkOne中国在里面的公司也就三四家，应该在五家之内。2010年的时候，我们完成了A轮融资，是思伟创投。
在2011年说到我们的产品，我们的产品特点其实和我们使用微软的SQL Server的OLAP技术是息息相关的，因为我们用的不仅仅是数据库，而用的是数据仓库。所以，所有的这些数据之间的连接都存在数据仓库中。所以，我们对用户的数据能够从一个比较全面的维度和指标来进行分析，因为是数据仓库，我们可以从任意的维度对数据进行切割，所以能够进行多维度的自由剖析。现在我们有Mobile Dissector，可以做到从PC到移动设备跨设备、跨应用地整合数据。
从我们的产品上来讲，Web Dissector是我们在互联网上的分析工具，StreamingDissector和Video Dissector是对于富媒体的，Video Dissector是对于Video-on-demend的视频进行分析，Streaming Dissector是对于实时的视频流进行分析。主要的客户，像CNTV、上文广、SMG、江苏卫视、CUTV，这些大的在线的网络电视台用我们的服务。
SEMDissector是竞价排名工具，因为我们要帮助我们的客户管理关键字，Contribution Dissector（归因模型）是基于用户长期访问的一个产品，它能够追溯一个用户在过去的一段时间，比如说我们能够做到有一个长时间Cooking，其实我们可以监测它几年的访问行为，根据这个来更好地量化营销的策略。
Mobile Dissector就是我们今天要说的在移动设备上的分析工具。因为我们和微软的合作关系比较密切，windowsPhone在中国launch的那一天，我们也是作为windowsPhonelaunch的SDK中的一个同时发布的，因为微软当时是选择了一些有代表性的SDK和微软的windowsPhone发布，比如有做游戏的，有做广告的，有做分析的，下面还有下面我简单地说一下Mobile 的SDK。
我们的优势其实还是基于我们在互联网方面的技术和解决方案，也就是数据仓库。所以，我们能够做的事情就是多维度地自由剖析，这是属于我们的一个技术亮点。因为我们和微软的合作比较多，我们的Mobile Dissector不仅支持windowsPhone，还支持IOS和Android平台。它能够对常用的用户使用行为，比如说使用的时间多长、什么时候启动的、用户在什么地域使用，这些都是属于基本的维度。
其中强调一点，比如对于程序运行时的错误，因为我们的Mobile Dissector一方面是监测用户的使用习惯，看看用户是真正怎样使用应用的，另外一方面它还能够帮助开发者完善你的应用，当你的程序出错的时候我们能够非常方便地把错误替你分析出来，比如说我们可以看到发生了什么错误。
举例：这一期其实也是一个多维度剖析的例子，因为不同的异常信息在我们的数据仓库中是不同的维度，我们会从异常信息的维度去区分，有异常的信息，它是哪个应用程序，程序中有不同的版本，再接着向下剖析是哪个版本出的错，这个版本在什么设备上，在这个例子中是一款windowsPhone手机。windowsPhone手机是操作系统是CE，看操作系统的版本是7.1，windowsPhone对外就是7.5了，就是Mango了，可以看到是什么异常和具体的错误信息，我们可以把这些信息调用出来，这样方便应用开发者完善他的程序。这就是我们完整的剖析路径。
黄勇坚：大家好，今天我向大家介绍一下这一款移动互联网下的APP数据分析的产品，还有它有哪些与别人不同的地方。 首先，Mobile Dissector究竟是一款什么样的产品？
它就是我们通过对主流移动平台下的APP应用程序进行用户行为的分析。大家也很清楚，很多公司在很早的时候就开始做Web Analytics，但是Mobile Analytics移动互联网是最近兴起的，目前在市场上做这样的一些厂商并不多，这一块是比较新兴的行业。我们公司本身就是做数据分析起家的，我们有很多做数据分析的互联网客户，现在我们在移动互联网领域也加入我们的数据分析方案，从而我们的数据分析既包含了Web Analytics的数据分析和视频数据分析、移动数据分析，现在我们的数据就非常全了。
通过这款产品，我如果是一个开发者的话，我能够知道用户是怎么样用我的APP的，用了多长时间，用的时候有没有发生异常数据，在用的过程中是用什么样的硬件用的，是用WiFi还是3G上网，我们都可以分析。
它基础的一个架构分为两块，首先，用户的移动电话，我们在用户的移动电话中针对APP部署了我们的SDK（软件开发包），SDK提供了很标准的、非常容易调用的相应平台非常自然的调用接口，相应平台的程序员就可以很容易调用我们的函数，从而得到一些基础使用情况的跟踪数据。我们把这些数据收到了之后，再通过WiFi和3G把数据发送到我们的数据仓库，就达到了我们对于移动互联网APP做数据分析的功能。
而且我们也考虑到用户的移动带宽通常是比较有限的，我们往往不能一下就把数据发出去，我们走缓存策略，我们往往会把数据缓存到一定程度，在用户下一次启动的时候才把数据一次性地发出去，从而尽量减少部署了SDK之后所带来的性能开销，因为通过种种的优化，它带来的性能开销其实基本上是可以忽略的。
它目前支持主流的应用平台，Android、IOS、windowsPhone都在我们支持的范围之内，而且包括最新的windows8，虽然windows8是桌面操作系统，但是它由于支持了microsoft store之后，windows8microsoft store的APP已经和windowsPhone的APP已经非常像了，如果我们买一个windows8的平板电脑，它装的是这种桌面操作系统，但是新的microsoft store用上去，我在用的时候那种触摸感就和移动设备的体验是一样的，只不过屏幕大了，只不过它的CPU硬件更好。所以，我们认为windows8也是属于移动互联网的一部分，我们也支持windows8。目前，支持windows8的厂商非常少。
部署也非常简单，也有几行代码，而在windowsPhone下，必要的APi就只有这两个，只要调用这两个必要APi就能够去实现这么多功能的跟踪。那么，对于它的跟踪功能理念，我们能够做什么跟踪呢？
1，基础使用情况的跟踪。包括我有多少新用户、累积用户有多少、新用户的比例是多少，我们能够根据时间每天绘制出一条曲线，从而使用户方便地看到用户使用情况的增加、减少等趋势上的变化。
2，对数据进行汇总。比如这里面列出来三个：使用交互的时长、使用的次数、APP使用的跳出率。我解释一下跳出率，我们是把传统的WebAnalytics领域的跳出率迁移到了Mobile APP的领域来，跳出率其实是Web Analytics的一个概念，是指浏览一个网页就走了的那些人，就叫“跳出”，所谓“跳出率”就是指用户一来就走，这是最直观的理解。
跳出率越高，就说明这个APP、这个网页越不吸引人，用户没用几下就跑掉了。我们通过对APP跳出率这样一个直观的数字，就可以概括看出用户受众对于我这个APP的参与程度有多少。通过比较同一个行业不同APP的跳出率，我们可以知道开发者当前的APP是处于所在行业中的什么地位。跳出率在Mobile Analytics中比较新的，我们公司提出这样一个新的概念去直观地衡量APP的交互情况。
3，对一些推广渠道的情况做跟踪。像windowsPhone和IOS只有一个官方的Market，但是Android不一样，Android有很多的Market，我们能够跟踪不同Market的下载数量是多少、用户的使用情况是多少，我们可以做这样的跟踪。
4，对事件进行跟踪。所谓“事件”其实是一种扩展机制，不同行业的APP的事件是不一样的，比如对于现在图上所列的这一款软件，它是一款推荐别人下载装机软件的软件，所以它肯定会很关注有多少人通过我这个APP下载了我所推荐的软件，但是这种需求是很个性化的，不同的行业所要跟踪的是不同的，那怎么办？
于是，我们就可以用事件的这种机制，给事件起一个名称叫“下载软件”，当发生“下载软件”的时候，APP就会往我们这里传数据。从而，我们就能够知道用户有多少下载了这个软件、下载这个软件的事件触发率是多少。
大家可以看到，这个事件出发率在这里是不高的，是3.8%的事件触发率，为什么触发率会那么低呢？其实我们还可以进行多维度自由剖析，我可以选中这个下载软件，从另外一个维度去剖析它。比如按照这个例子去选，从日期去剖析这个下载软件的数据，我们可以看到发生了这个下载软件行为的那些人都是哪一天所发生的行为，我们看它是不是有一个日期的规律，是不是和时间有关系？
比如上下班的时间有关系。剖析完日期之后，如果我们没有发现我们想要的结论的话，我还可以从用户跳出的界面去进行剖析，去看用户是从哪些界面退出的，是不是我做的APP导航很不清楚用户不知道在哪儿下载软件，从而导致他跳出，我们还有用户退出的维对进行剖析。
举例：比如我们现在发生了一个异常，这个时候我想知道这些异常都是怎么产生的，于是我就选中，我看这些异常。下一步，我们从内置的几十个维度，运营商、连网类型、硬件信息等维度，选择我关心的维度选中剖析。比如，我选择设备名称进行剖析，就会看到发生这种异常的设备是什么样的设备。我们做开发者的经常会被人抱怨说：“你的APP发生了异常”，而我们开发者肯定希望重现这个异常，出去这个异常重现不了的话，开发者没有办法调试和改良。
这个时候就遇到这个问题，这个异常是怎么产生的？开发者会去问用户你的分辨率是多少、用什么设备，我们这个游戏是Android，Android的机型太多了，有一些异常在这个设备上会产生、在另一个设备上就不会产生，开发者就会经常去问用户。那么，使用了我们这样一个多维度自由剖析之后，我们在所要调试的异常中去选中硬件设备的维度剖析，就会知道原来这个异常是这样一些设备上产生的，我们就可以有的放矢，在这些设备上去试一下，看看它是不是会产生异常，对我们的数据能够做很好的调试跟踪。
这个例子我想表明的是，我们把那么多的维度结合在一起做交叉的分析，就能够得到传统的厂商所得不到的一些数据。如果大家知道这个领域，现在的一些分析数据都是单独只看操作系统、单独只看设备，没有办法把异常和设备连在一起进行交叉地察看。我们认为，不能进行交叉察看的话，对于数据分析是比较不利的。再拿这个例子举例，别人可以看到有哪些异常，别人也可以看到有哪些设备，但是他不能知道产生这个异常的是由哪些设备所产生的，因为它不能把两个数据结合在一块。
这个时候，开发者就会有“这些异常具体是怎么产生的？为什么到我的测试机上产生不了呢？”这样的疑问，这个问题也是别人不能解决的，只有通过多维度自由剖析加上数据仓库的技术，才能得到这些数据。
我们还有其他很丰富的维度，比如用户连网类型，是用WiFi还是用3G进行上网；比如操作系统的版本号，版本号中的不同程序1.0情况怎么样、2.0的情况怎么样，都可以得到跟踪；比如用户的一些地理省份的数据。这些信息其实都在维度这个子菜单中可以看到，我们有将近50多个维度，这50多个维度全部可以交叉自由剖析。刚才我举的例子是异常和设备这两个交叉剖析，已经可以帮助开发者去做调试，将近50个维度进行剖析的话，就会非常强大了。
页:
[1]