移动互联网进入下半场？数据服务公司 TalkingData 更愿意将其称为分水岭。“下半场”的概念是美团-大众点评 CEO 王兴在去年提出的一个概念——百度、阿里、腾讯在互联网时代的版图已定，移动互联网上头条、新美大（美团-大众点评）、滴滴的竞争则刚开始。当移动互联网终端硬件增速接近天花板，依附在智能终端上的生态服务、软件增速也会下降，所以大家都得变换玩法了。

作为一家成立于 2011 年，致力于用数据改变企业做决策方式的独立三方数据服务提供商，TalkingData 每年都会发布这样一份移动互联网的数据报告，对去年的一些核心趋势做一个总结。这也很容易让人想起那些掌握了庞大用户群体的头部公司，诸如阿里巴巴、支付宝有大数据消费报告，滴滴有人口出行数据报告，微信有手机行为报告等，报告主旨都是揭示一些趋势。

2 月 16 日，TalkingData 发布了《2016 年移动互联网行业发展报告》，这份 100 多页的报告完整的梳理了过去一年中国移动互联网的大小关键数据。在发布会的现场，这些数据又被精简成了一份 40 多页的简报（下附链接），从宏观环境、用户洞察、硬件市场和行业应用以及 TOP 应用榜单五个大的基本面出发进行了描述。只是在这份报告里，却丝毫看不到互联网战争“下半场”的硝烟。所谓的“下半场”，可能是所有人都盯错了方向。不多说，我们先在这份报告里画画重点：

13.7 亿活跃智能终端，几乎人手一台！这个数字意味着人口的红利已经完全退消失，即便是在广大的三四线城市和农村，也都已经人手一台手机。想要依靠开拓新手机用户来实现增量增长的互联网公司可以停一停了。

在这 13.7 亿智能终端用户中也有一些趋势，女性用户逐步在提高，基本上以每年 2%的速度逐步提升；从年龄角度看，移动互联网已经是年轻人的战场，00 后和 90 后包括 80 后占了移动互联网主流群体，直播类、二次元的 IP 因此得到了大量释放。不过 70 后以上人群在去年一年里面也得到了增长，为此中老年智能机的占比由 26% 上涨到 28%。

每个用户使用 app 也有一个数据。平均算下来，2014 年用户安装了 34 款应用，2015 年接近 40 款，2016 年倒变成了 39 款；如果按照平均使用 app 数来看， 2014 年我们基本上一台设备能够使 20 款应用，2015 年是 25 款，2016 年又变少成为 23 款应用。随之而来的是，人们使用 app 的习惯慢慢固化，常用 app 锁定在一屏内。这就引出了另外一个问题，我们接着看图。

用户使用手机 app 习惯已经固化：TalkingData 就用户的覆盖率和活跃率做了一个四象限图，用来表达用户的主需求、主安装以及主要使用之间具体是怎样的关系。左上的象限中明显分为两类，其中图片阅读、教育、摄影、新闻和金融理财使用率高且有大众需求，有潜力在未来的纪年进入右上。

而医疗、智能硬件、健康美容和母婴并不是面向“所有人”的服务，在覆盖率方向很难有更大的提升，与左下象限中的房地产、出行、汽车服务、餐饮等一系列与线下相关的业务一样，更多的是在使用率上的提升，也就是经营存量用户。

右上角是覆盖率和使用率双高的区域，基本也是人们常说的成熟市场。比如第一个就是通讯社交，其次是视频、音乐、游戏和网上购物，这几款都是现在目前移动互联网相对来说比较饱和的阶段，未来一年内既不会有太多的机会也不会有爆发式增长。

总结来说，面向“所有人”的服务，“所有人”用的都很满意（右下为空），面向“垂直人群”的服务，尚未被完全满足。那么，在这里面还有“下半场”选手的机会么？继续看报告：

头部应用对用户的注意力把控明显：这张图摆上来，大家都能有一个直观的认知了：覆盖率前 20 的排行榜中，只有 WiFi 万能钥匙、360 手机助手、360 卫士，三款应用不属于 BAT 系。

而其中腾讯的微信和 QQ 两个系统级的应用又远远的甩开了其它应用。结合前文所述，2016 年人均安装 App 只有 23 个，这个表里就已经占了 20个，说好的“下半场”选手在哪呢？

这个现象其实不难解释，在这 20 个应用里微信、QQ、手机淘宝、支付宝、手机百度、QQ 浏览器、UC 浏览器、新浪微博都可以被称为平台式应用。用户可以在微信里叫购物、QQ 上玩游戏、支付宝里叫车、百度里理财，对于一个普通用户来说真的没必要为单一需求再多下几个 App。

而对于尚未站稳脚跟的“下半场”选手来说，可能永远都无法撼动这个版图了。只能略显委屈的入驻微信、入驻支付宝、入驻新浪微博，做一个大应用下的小功能，这样的“下半场”未免有些无趣。不过，也并不是一点空间都没有，只不过还打算在场子里打拼的企业可能需要换换方向了。

政策、资本等宏观环境在压缩旧的挖掘新的方向。随着移动终端数量的指数级增长，移动互联网和大数据获得了广泛发展。宏观环境下政府有了一定的规范行为，去年有从滴滴大战优步到国家出台网约车规范；有从鼓励互联网+金融到出现各种严控的金融软件，总体上看宏观环境有鼓励也有限制。

但这其实并不意味着风停了，是大多数经过泡沫验证的领域都已经进入了稳定期，而下半场选手却都还没来得及刹车掉头。从上图可以看到，做一个手机 App 统治世界已经不可能了。下一步的风口会向手机以外的硬件和 App 以外的软件方向移动。三维立体显示、区块链、智能数据挖掘、4D 打印等，下一个小米、滴滴甚至阿里巴巴就有可能诞生在上图的第一个波峰前。

不过，现在今日头条在做人工智能，百度也在做人工智能，滴滴在研究大数据，腾讯在研究区块链，阿里在研究 AR 与 VR。如果你打算在下半场里抢占先机的话，一定要看看这份 40 页报告的 PDF（提取密码：k1q7） 完整版。

另外，如果你对 TalkingData 这份报告是如何制作出来的感兴趣，下面是 PingWest 品玩（微信号：wepingwest）对 TalkingData 高级副总裁蒋奇、市场智能部高级总监陶京琪的采访：

问：TalkingData 公司收集数据的原理是不是基于一些客户 app，嵌入 TD 公司的 SDK，然后手机内其他的 app 的数据都可以监测到？

TalkingData 市场智能部高级总监陶京琪：原则上我的渠道不只是 SDK 一种，还有其他渠道上来的数据，肯定公司不可能把市场上所有的全流量给布上。TD 也不是全流量。公司不是以 TD 一个方式在收集所有的应用数据，原则上公司有运营商、合作伙伴，应用数据作为补充，所有的数据汇总上来，我们会可以标准化到设备上去。

从数据量看，TalkingData 目前的数据量月活是 6.5 亿设备，日活也是超过 2 亿的设备。以市场的角度，我们是除腾讯以外最大体量的第三方的机构，如果是纯第三方我们就是最大的。我们数据的收集渠道首先就是跟 10 万款应用、8 万游戏做了 SDK 的数据合作的服务，我们从它这边去收集一部分数据源。另外我们也有线下商超的布点，从那边也收集了一些数据。

我们还有很多数据是通过数据交换和数据交易的维度去补充上来的，除了 TalkingData 自己的数据以外，我们还采买了其他端的数据，运营商的数据、商业 WiFi 的数据，app 上面更精准的 SDK 服务等。

问：TD 公司在数据统计这块是怎么变现的？

TalkingData 高级副总裁蒋奇：首先您看到在数据报告这块我们是免费的。我们一直认为数据报告这块收费是一个悖论，既要公允，又要挣钱，很难平衡的。我理解变现有几个要素，第一有足够的数据积累，不管是你自有的，还是交换来的，还是买来的。第二要有足够好的数据技术，来处理这些数据。数据技术在某种意义上就是把传统的脏活累活的效率提高，其实就是这点价值。第三就是场景，你得有足够多的场景，场景是很复杂的概念。场景是把你的认知和客户真实需求结合起来，打磨成一些解决方案。所以在这个过程当中，我觉得 TD 数据变现里面很大的一块方式就是我们在很多行业里面找到的场景。

举个例子，我们跟地产行业合作的场景之一在哪里？可能在于我们帮助地产行业解决了传统意义上它完全要靠人力解决的一个在拿地前的投测的问题。我通过这个地块内目标的流动客群的分析来判断这个地块本身的价值。它应该是用一个什么样的价格来拿，拿完之后是什么样的商业实体，我应该卖什么样的价格，跟周围的竞品价格是什么样的关系。

问：咱们做这块事，我知道比如说做推送的一些公司也在收集数据做这些，TD 跟他们来比的话，差异在哪？其实很多提供底层技术的都可以收集到。比如说微博装机量足够大，看一个结果也可以抓得到，你们的优势在哪呢？是铺得更广吗？

蒋奇：铺得广意味着就是广，不代表精准，我们认为这个数据铺得广只有一个价值，就是 ID 的打通的概率要更高，就这一个价值。某种意义上，除非真正覆盖体量到了 BAT 这个体量，到我们这个体量。你把自己认为是一个通用 ID，是行得通的。比如说微信跳出来说我要用微信号做 ID，它覆盖率够高。TalkingData 跳出来说我也要做 ID，因为我覆盖率足够高。

TD 甚至比 BAT 都要高，但是我们认为这是整个数据非常基础的能力。你的 ID 是否被业内公认的，能否成为整个数据交换体系里面的核心是第一。第二，做得越广越不准，做得广就意味着要加强广度，而不是深度。我举个例子，比如说如果像腾讯那样自己有金融业务，就能够深入到一个用户的行为里面去，知道他今天买了 40 万的理财产品，明天他存了 20 万现金进去。后天他在电商上面买了一个什么东西，你对这样个体的刻画才是足够深入的，才是足够准确的。这样的数据 TD 有没有？TD 没有。这些数据只能交换而来，但是不容易驱动交换。

好的数据一定得有客户，有场景，然后把数据变成客户认可的服务才会产生价值。运营商在两年前是很强势的，现在这个时代不是这样了，运营商的数据是卖不出去的，因为只代表了一类维度的数据，数据交换应该先有广度后才可能交换纵向深度信息。几乎所有的公司都可以说有数据，但这个是很难看明白的，拿到数据把这些东西打开之后，才会发现里面有巨大的差别。