很多開發(fā)者或許都已經(jīng)使用過像Flurry、Google Analytics這樣的數(shù)據(jù)分析工具，雖然這些工具各有優(yōu)劣，但它們一個共同的特點就是把用戶當(dāng)成一個群體來分析，你沒法從這些數(shù)據(jù)中看到單個用戶的行為。

比如來說如果開發(fā)者想知道接下來哪個用戶會拋棄你的應(yīng)用，這兩者都沒法告訴你?？墒菍τ陂_發(fā)者來說，能否得到這個數(shù)據(jù)直接關(guān)系到最終是否能留住這個用戶，所以像Framed Data這樣的數(shù)據(jù)服務(wù)工具也就出現(xiàn)了。

簡單來說，F(xiàn)ramed Data和以前的數(shù)據(jù)分析工具最大的區(qū)別就在于，F(xiàn)ramed Data把用戶當(dāng)成單個的人來理解，而之前的很多數(shù)據(jù)工具只是把用戶看著一個數(shù)字。

借助于Framed Data的數(shù)據(jù)分析服務(wù)，如果開發(fā)者想提前找到那些可能會離開的用戶，那么首先需要把應(yīng)用的數(shù)據(jù)提交到Framed Data上。接著Framed Data會使用一些機(jī)器學(xué)習(xí)模型來讀取這些數(shù)據(jù)，進(jìn)而描繪出用戶的行為。當(dāng)用戶行為被描繪出來后，F(xiàn)ramed Data就可以把它和已經(jīng)存在的用戶數(shù)據(jù)庫做對比，這樣也就能利用過去的用戶行為數(shù)據(jù)來識別出那些高風(fēng)險、可能會離開的用戶。在機(jī)器學(xué)習(xí)和數(shù)據(jù)科學(xué)領(lǐng)域，拿到的數(shù)據(jù)越多，精確程度自然就越高。

當(dāng)Framed Data分析完之后，開發(fā)者可以簡單的整合數(shù)據(jù)并且輸出那些被標(biāo)記為高風(fēng)險的用戶。對于那些處在中度或者低度風(fēng)險區(qū)間的用戶，開發(fā)者一樣可以采取一些措施來和這些忠實用戶互動。

舉例來說，一個照片應(yīng)用的開發(fā)者就發(fā)現(xiàn)，如果某個用戶的社交圈中有7個以上的好友在一個月內(nèi)加入到這個app中，那么即使他的好友僅僅發(fā)了很少量的照片，這個用戶也愿意留下來。這樣的數(shù)據(jù)顯然不是簡單的統(tǒng)計服務(wù)能得到的。

另外，一些開發(fā)者經(jīng)常會犯類似這樣的錯誤：假設(shè)在一個app中，如果有500個用戶都在使用聊天功能，但僅僅100個用戶在使用圖片分享功能，那么開發(fā)者往往會很自然的認(rèn)為應(yīng)該在聊天功能上傾注更多精力，但數(shù)據(jù)卻表明聊天功能和用戶留存幾乎沒什么關(guān)系，那些被小部分用戶使用的功能往往才是維護(hù)用戶忠誠度的重要特性。

所以不難看出，如果不能識別單個用戶而僅僅把用戶當(dāng)成一個集體的數(shù)字來對待，那么很多時候人們是沒法看到事物背后的因素的，進(jìn)而也就難以找到應(yīng)對的技巧。

Framed Data負(fù)責(zé)營銷和增長的總監(jiān)Tim Wu告訴我們，對于很多公司來說，招聘和維護(hù)數(shù)據(jù)研究團(tuán)隊是很麻煩的事，所以他們希望把Framed Data打造成一個無論是開發(fā)者還是非技術(shù)背景的人都能使用的服務(wù)?，F(xiàn)在Framed Data也希望能進(jìn)入中國市場，而且他們的產(chǎn)品在移動社交和游戲方面的表現(xiàn)正越來越好。

在Framed Data的CEO Thomson Nguyen看來，他們最終希望把數(shù)據(jù)科學(xué)作為一項服務(wù)提供給客戶。所以在預(yù)防用戶流失、增加用戶留存之外，他們也希望通過這個平臺上的機(jī)器學(xué)習(xí)能力來獲取一些其他成果。比如，幫助開發(fā)者提前識別用戶群里有影響力的人，幫助面向企業(yè)的業(yè)務(wù)提前識別客戶的需求等等。

總結(jié)來說，在簡單的用戶數(shù)據(jù)統(tǒng)計之外，隨著數(shù)據(jù)科學(xué)的發(fā)展，即使是一些初創(chuàng)公司也正在更進(jìn)一步的去挖掘數(shù)據(jù)背后的價值。對于移動開發(fā)者來說，接下來自然也可以借助更多的工具來了解用戶行為背后的潛在因素。