微信扫一扫,关注公众号

  • 科技行者

  • 算力行者

见证连接与计算的「力量」

首页 “友盟+”猴年春节移动大数据:用户首选棋牌、动作类游戏

“友盟+”猴年春节移动大数据:用户首选棋牌、动作类游戏

2016-03-02 20:41
分享至:
----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.-
2016-03-02 20:41 CNET科技资讯网

3月2日,第三方全域大数据服务公司“友盟+”发布了2016猴年春节移动大数据。数据显示,春节期间(7日-13日),受快递行业放假影响,电商类应用出现一波低谷,整体用户使用时长都有明显减少。而随着春节假期的结束,越来越多的用户又开始回归了网购。同样,春节期间遇到低估的还有交通导航类应用,在大家都返乡探亲的这段时间内,几大拥堵城市人口流动较大,交通也得到了缓解,交通导航类应用的使用场景也减少了很多。

而相反的在春节期间用户时长有明显增长的则出现在游戏领域,以动作街机、棋牌类游戏应用为例。春节期间大家休闲时间充裕,闲暇时刻唯有手机相伴,所以玩手机游戏的频次和时长都有明显增多。“友盟+“数据显示,动作街机、棋牌这两类游戏应用在7日至13日期间的使用时长都有较大幅度的提升。值得一提的是,在除夕夜当晚,动作街机、棋牌这两类应用的使用时长相比春节前提升了10%和6%,说明这两类游戏是用户在除夕闲暇时间的首选。

观察春节期间各分类应用总使用时长排名,“友盟+“数据显示,视频类应用以1408万小时遥遥领先;棋牌、动作街机类游戏分别以509万小时、254万小时处于第二、第三;电商导购、交通导航则以54万小时居后。

因受猴年除夕夜各大应用的红包活动影响,全部应用总启动次数在春节期间也呈现了过山车式的变化。在除夕前几天,大多用户在返乡途中,应用使用频次出现了逐步放缓趋势。而到除夕当天,总启动次数却出现了跳跃式提升,很大程度受猴年红包活动影响。随后更多用户走亲访友、团聚拜年,视线逐渐移开手机,总启动次数在9日、10日达到低谷。

通过观察除夕(7日)当天的24小时数据,可以发现整体活跃设备量在夜间较为集中。从16时开始,整体活跃设备量不断上升,最终在春节联欢晚会后的一小时(21时),整体活跃设备量达到了最高峰1.3亿部,此刻用户的使用场景大多都是抢春晚红包。

分享至
0赞

好文章,需要你的鼓励

推荐文章
  • 南方科技大学等机构联手破解AI推理训练难题:让大模型"一次思考"就学会解题

    南方科技大学等机构联手破解AI推理训练难题:让大模型"一次思考"就学会解题

    本文介绍了由南方科技大学等机构于2026年4月发表的研究(arXiv:2604.08865),提出了名为SPPO的大模型推理训练新方法。该方法将推理任务重新建模为"序列级情境赌博机",用一个轻量级价值模型预测题目难度,以单次采样替代GRPO的多次采样,解决了标准PPO的"尾部效应"问题。实验显示,SPPO在数学基准测试上超越GRPO,训练速度提升约5.9倍,配合小尺寸价值模型还能显著降低显存占用。

  • 香港科技大学数学系研究者:扩散模型原来是一个"魔法恒等式"拆成了两半

    香港科技大学数学系研究者:扩散模型原来是一个"魔法恒等式"拆成了两半

    这项由香港科技大学数学系完成的研究(arXiv:2604.10465,2026年ICLR博客论文赛道)提出了一种从朗之万动力学视角理解扩散模型的统一框架。研究指出,扩散模型的前向加噪和逆向去噪过程,本质上是朗之万动力学这一"分布恒等操作"被拆成了两半。在这个视角下,VP、VE-Karras和Flow Matching等不同参数化的模型可被精确互译,SDE与ODE版本可被统一解释,扩散模型相对VAE的理论优势得以阐明,Flow Matching与得分匹配的等价性也得到了严格论证。

  • 中国人民大学研究团队打造的"AI科学家":让机器自主完成几十小时的科研工程,它是怎么做到的?

    中国人民大学研究团队打造的"AI科学家":让机器自主完成几十小时的科研工程,它是怎么做到的?

    中国人民大学高岭人工智能学院等机构联合开发了AiScientist系统,旨在让AI自主完成机器学习研究的完整工程流程,包括读论文、搭环境、写代码、跑实验和迭代调试,全程无需人工干预。系统核心设计是"薄控制、厚状态":由轻量指挥官协调专业代理团队,通过"文件即通道"机制将所有中间成果持久化存储,使每轮工作都能建立在前一轮积累的基础上。在PaperBench和MLE-Bench Lite两个基准上,系统表现显著优于现有最强对比系统,论文发布于2026年4月。

  • 字节跳动发布GRN:像人类画家一样"边画边改"的AI图像生成新范式

    字节跳动发布GRN:像人类画家一样"边画边改"的AI图像生成新范式

    这项由字节跳动发布的研究(arXiv:2604.13030)提出了生成式精化网络(GRN),一套模仿人类画家"边画边改"直觉的视觉生成新框架。其核心包括两项创新:层级二进制量化(HBQ)通过多轮二分逼近实现近乎无损的离散图像编码,以及全局精化机制允许模型在每一步对整张图像的所有位置重新预测并随时纠错,从根本上解决了自回归模型的误差积累问题。配合基于熵值的自适应步数调度,GRN在ImageNet图像重建(rFID 0.56)和生成(gFID 1.81)上均创下新纪录,并在文本生成图像和视频任务上以20亿参数达到同等规模方法的领先水平。

----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.-