前不久, Analysys易观千帆发布2016年Q1移动应用数据,其中猎豹移动5款产品:猎豹清理大师、猎豹安全大师、金山电池医生、猎豹浏览器、万年历均以压倒性优势占据同类APP榜单前列。
易观千帆是易观智库旗下基于海量移动互联网用户行为数据进行挖掘的大数据产品。它致力于分析各类APP的运营情况及用户行为特征,为业内提供客观且权威的行业参考。
此次易观发布的Q1移动应用数据,是对上万种APP运营状况进行分析监测后,得出的各类软件月活数榜单,其中猎豹清理大师、猎豹安全大师,金山电池医生、猎豹浏览器、万年历5款猎豹产品均挺进各自品类应用榜单前五位,其中猎豹清理大师在工具优化类APP中居首,处于遥遥领先的位置。


“易观千帆”2016年Q1发布的移动应用数据部分榜单
从国外到国内均备受亲睐的猎豹移动工具类应用
得益于早期全球化、移动化的发展战略,猎豹移动首先聚焦欧美市场,并凭借Clean Master(猎豹清理大师)和CM Security(猎豹安全大师)两款产品,确立了其在欧美工具应用市场的地位。
在此次易观发布的Q1移动应用报告中,猎豹清理大师在优化工具APP排行榜中位列榜首;猎豹安全大师在安全管理APP榜单中位列第四;金山电池医生在电池管理排行榜中位列第二;猎豹浏览器在浏览器APP排行榜中位列第五;万年历在日历应用APP排行榜中位列第三。由此可见,猎豹移动的产品在国内同样处于行业领先地位。
以工具类产品为核心的猎豹移动产品矩阵
作为全球领先的移动工具应用开发商,猎豹移动将工具和安全领域做到全球第一格局。
其旗下五款工具类应用不但是全球200余个国家安卓用户的装机必备,也在全球应用排行中榜上有名,其中猎豹清理大师更是位列Google Play全球工具榜单第一。在此次易观公布的2016年Q1移动应用排行榜中,猎豹清理大师同样位列优化工具APP榜首。猎豹清理大师是一款清理手机缓存及垃圾文件的强力应用,随着手机存储空间的不断增大,更多的文件和安装软件可能会带来更多的垃圾,用户对垃圾分类专清的需求也在不断加大,需要简单、专业的工具进行文件管理和垃圾清理。同时,猎豹清理大师一键解决的手机加速、超强省电和CPU降温,都直击用户痛点。猎豹清理大师以更干净、更快、更安全的手机优化排名榜首,作为猎豹移动最重量级产品,目前在国内用户总量超过4.1亿,月活跃用户数超过6600万。
今年5月初,世界著名评测机构AV-Test对全球25个安卓安全软件进行专题评测,猎豹安全大师、猎豹清理大师双双名列前茅,猎豹安全大师更是以满分的成绩完美应对了这次“突击检查”。
除了工具类产品的挖掘和完善,猎豹移动将产品矩阵的搭建延伸到了以内容为核心的产品上。除了饱受赞誉的轻游戏《钢琴块2》,猎豹最近推出的旨在聚合全球网红的短视频应用“头牌”也颇受关注。
据最新财报,目前猎豹移动拥有超过 20 亿的用户安装量,在移动端的月度活跃用户规模已达6.51亿。多元产品矩阵携带的海量用户,为猎豹移动积攒了巨大的流量能力。
以产品矩阵为发展动力的猎豹移动
猎豹清理大师等工具产品矩阵的巨大成功,除了让猎豹迅速跻身全球移动流量新势力,也成为了猎豹移动发展的核心动力。2015年6月,猎豹发布猎豹移动广告平台,致力于通过流量优势和大数据能力为广告主提供精准的投放服务。
“我们战略十分清晰、简单:使用工具类产品作为获取移动用户的切入点;在此之上,将内容型产品打造成为平台产品,借此不断提升猎豹用户的活跃度。同时,我们将充分利用猎豹在大数据分析领域的优势打造出战略高地,更好地服务我们的移动用户和广告客户。”猎豹移动CEO傅盛坦言。
无论是用户基础,还是技术实力,猎豹移动“以工具应用为入口,以大数据为高地,以内容为核心”的全球化战略值得期待。
好文章,需要你的鼓励
GeoVerse融合几何潜在扩散模型与Wan2.2视频生成先验,并引入全局空间记忆机制,实现了跨视角一致、生成质量高且推理速度快的新视角合成,在多个数据集上大幅超越现有方法GLD。
本文解读TT-VidT,一种通过分离外观锚点与动作令牌、结合Diff Compression训练目标的视频自监督方法。在24种架构目标组合的受控实验中,仅TT3D与Diff Compression搭配才能进入强动作敏感区,且计算量比同类方法降低近一半。
Q&A Q1:Imprint Reader是什么? A:Imprint Reader是上海人工智能实验室团队开发的模型,通过SMaRT训练方法学会读取另一个模型冻结的权重更新,把参数层面的变化翻译成自然语言描述,判断这次更新到底注入了什么知识或诱导了什么行为习惯。 Q2:MetaEdit能做什么? A:MetaEdit能把Reader对目标行为的梯度信号迁移到原始模型上,不需要任何目标任务的训练数据,只用一句行为描述就能定向调整模型参数,已经在安全性拒绝率调节、数学推理风格转变和工具调用能力提升上验证过效果。 Q3:Imprint Reader读权重更新的准确率高吗? A:目前还不高,知识类目标的Pass@100只有2%,行为类目标是16%,说明自由生成描述的可靠性有限,但相比原始模型完全答不出来的0%基线,已经证明了权重更新的自然语言读取是可行的。
统一多模态模型能看也能画,理论上该会自我修正。本论文提出UMM-Reflection,用整条轨迹的强化学习联合训练诊断和修图能力,GenEval提升12分,且迁移到多个未训练基准,揭示RL提升的是选择可靠性而非新能力。