移动设备与大数据颠覆传统市场调研方式

第一篇：移动设备与大数据颠覆传统市场调研方式

移动设备与大数据颠覆传统市场调研方式

阅 读Post on 13-05-03 17:20

如今，企业通过智能手机、平板电脑等移动设备收集用户数据，再通过大数据技术加以分析，导致传统市场调研方式面临颠覆。即便看似一成不变的零售业和广播电台等行业，位置数据和音频识别技术也可以帮助它们更加了解用户的真实需求。美国科技博客GigaOM今天发表评论文章称，如今，企业通过智能手机、平板电脑等移动设备收集用户数据，再通过大数据技术加以分析，导致传统市场调研方式面临颠覆。即便看似一成不变的零售业和广播电台等行业，位置数据和音频识别技术也可以帮助它们更加了解用户的真实需求。

以下为原文主要内容：

如果厌烦了晚上8点对顾客进行电话调查，或者拿着Arbitron(收听率调查公司)传感器统计收听率，无处不在的智能手机或平板电脑可能会成为你的救星，而你只需放弃一点隐私。

移动设备非常便于收集现实生活中的地理位置、温度、运动、声音等数据。但如果不对这些数据加以利用，它们只能白白浪费。

地理位置是重中之重

零售商对顾客购买的商品乃至在商店内的走动都了如指掌，但一旦顾客离开，零售商便不清楚他们要去哪里。而这种信息非常实用：如果要改进商店或探究营销方式，了解顾客的其他一举一动会大有帮助。西雅图创业公司Placed率先尝试了这种数据的利用。

Placed推出的首款产品针对想要了解用户在何处使用其应用程序和移动网站的开发者。之后，该公司推出了Panels服务，可让企业全天追踪应用用户的地理位置(通常以小额赏金作交换)。

本周，该公司发布了第一季度的研究报告，其中包括哪些百货商店最受那些人欢迎，哪些类型的商家流量增加最多，哪些商家之间的关联性最强或最弱(例如，访问某家店的人也会访问另一家店)。

Placed CEO大卫·西姆(David Shim)表示，Placed几乎可以提供按地理位置、商业类型、人口统计等细分的一切营销数据。他举例称，某高端零售商发现进店的年轻女性很多，但很少购买东西。相反，她们去的下一家店通常是Burlington Coat Factory和Ross等折扣零售店。结论很明确：这些顾客想要了解哪些衣服正流行，然后以较低的价格购买不错的仿制品。

他还注意到，拉斯维加斯一些赌场用Placed研究玩家们离开赌场后去哪些餐馆吃饭，这样当它们要自己开设餐厅和商店时就能做出最佳选择。在这两种情形下，如何才能从顾客身上赚到更多钱，答案可能是降价。如果降价10%可使销量上升14%，就可实现双赢。

反思电台

如果结合声音等其他数据，位置数据的价值会更高。例如，收听率调查公司Arbitron只能了解听众在听什么电台，却不知道他们实际在听什么歌曲。这就好比你在餐厅就餐时听一小时的拉丁电台或在健身馆收听Top 40电台，这并不表明你真的在听或喜欢听它们。

然而，在车内听的歌曲很可能反映你的真实喜好。音乐数据公司Gracenote便拥有这种技术。它采用智能手机和平板电脑内置的麦克风识别用户电视或音响中播放的歌曲，并可检测掌声或嘘声等反应，甚至还能检测用户是否调高了音量。

这样，Gracenote可以研究用户真正喜欢的歌曲，听歌的时间和地点。广播电台可能永远无法像Pandora那样个性化，但通过这种技术，他们可以更好地了解听众需求，而数字电台则可提供比Pandora更好的体验。

数据质量

这些方法听起来都不错，但它们的实现要归功于大数据的出现。Placed拥有确定用户实际位置的特殊算法并且不断改进模型，因而才能提供如此准确的分析数据。西姆表示，公司会询问用户定位是否正确，这项调查每天可收到1.5万条回应。数据库里的130亿个位置中，该公司已验证350万个。

Gracenote拥有数百万首歌曲的音频和元数据，因而可以快速识别歌曲信息，并按音乐风格、歌手、地理位置等分类。该公司希望开发一款根据行车状况自动更换歌曲的车载系统。

有人可能会担心这些应用存在隐私问题，但如果提供一点数据能换来足够的价值回报，这也未尝不可接受。数据收集这只精灵已经逃出瓶子，变成魔鬼还是仆人就看人们如何掌控。

消息源：新浪科技

译者：达西

第二篇：数字农业：颠覆传统耕作方式专题

长久以来，农业生产更多的是依靠人的经验进行，由于农业生产环境不能按人的要求而改变，对农业的生产全程进行实时精准监控，实现最优化的生产，在十几年前还是一个梦想。如今，在北京昌平现代农业科技园建立的2500亩精准农业示范基地里，一群来自国家农业信息化工程技术研究中心的农业科研人员正在利用现代信息技术将这一梦想变为现实。

——信息技术改造传统农业

利用先进的信息采集系统将一片土地的土壤类型、肥力等土壤信息，降雨、日照等气象信息，以及农业生产动态等信息收集起来，利用信息分析系统将这些信息进行综合分析处理，决定耕作的种类、方式，在生产过程中使用具有变量施肥、喷药功能的农用机械根据不同地块的情况进行精耕细作，从而有效提高产出、节约投入、减少环境污染———在位于北京市海淀区的国家农业信息化工程技术研究中心，中心精准农业工程技术部主任孟志军为记者描绘了这样一幅与传统农业截然不同的图景，这就是精准农业。

随着信息时代的来临，信息技术的飞速发展改变了人类的生活，这一技术在农业上的应用改变了几千年来传统农业的生产方式，翻开了农业发展的崭新一页。基于“3s”技术即遥感技术（rs）、地理信息系统（gis）、全球定位系统（gps）在农业中的应用，20世纪90年代中期以来，精准农业在美国、日本等发达国家中的实验研究与实践有了快速的发展，被誉为“信息时代作物生产管理技术思想的革命”。

承担这一项目的是一支年轻的队伍，平均年龄33岁，70%具有博士学位，多是有着农学与计算机专业背景的复合型人才，短短的五年时间，项目的研发已经有了实质性进展，他们开发出了收集信息的农田地理信息系统、分析信息的变量农业处方图系统、能进行全自动化操作的变量施肥机、变量喷药机等，目前他们正在打造一个更大的具有综合分析功能的平台系统。

——打造“数字农业”技术体系

事实上，精准农业也好、专家系统也好，还有设施农业、虚拟农业等等，这些基于现代信息技术的农业技术系统，都有一个共同的名字———“数字农业”。

“数字农业”是利用信息技术全面促进农业、农村可持续发展，建设现代化农业重要的科学支撑技术。“数字农业”的内容主要包括农业要素、农业过程及农业管理的数字信息化。

“数字农业”是农业信息化的核心，也是农业信息化的具体表现形式。

“数字农业”正在使人们对科学利用农业资源潜力的认识和作物生产管理观念产生深刻的变革，促进农业科技界突破传统的以单学科研究为主的工作方式，通过多学科的融合和协调，将多种科技成果组装集成，直接为农业生产的持续发展服务。

——以国产化与社会化为目标

“数字农业”是一个具有挑战性的国家目标。几乎所有现存的技术基础，目前都还不足以支撑这样一个战略目标的实现。“数字农业”在国内的发展，一方面是将其作为开展农业高新技术研究的重要方向，另一方面是通过“数字农业”技术体系的研究，从中分解出一系列适用新技术，进行国产化和社会化推广。

作为“数字农业”的核心之一，精准农业的发展正面临着令人振奋的前景。从精准农业示范基地的实施情况看，这一技术可以广泛应用于小麦、玉米等大田作物，对品质要求高的经济作物如烟叶、茶叶等效果也非常明显，可以有效提高产出率，节约肥料使用率，提高产品质量。

然而同所有引进的技术一样，精准农业面临成本过高以及如何本土化的问题，目前基地使用的全球定位系统和联合收割机等设备都由国外进口，价格高达100多万元人民币，只有实现国产化，其成本才能大幅降低，所以，今后精准农业要在关键技术上进行自主知识产权的研发和储备，建立完全的国产化的精准农业信息采集、分析以及应用体系。

孟志军介绍说，目前中心正在与黑龙江农垦总局、上海郊区的现代农业园区合作进行国产化试验，以目前研发的情况看，精准农业技术的国产化在3、5年之内就可以达到。这意味着被普遍质疑的实施精准农业成本过高的问题会得以解决，进行社会化生产成为可能。

从精准农业的特点来说，一家一户来使用它并不现实，从技术上，它的潜力巨大，一套系统可以服务于几万亩甚至数十万亩的农地。在国产化成本大幅降低之后，精准农业的推广重点将会放在建立社会化的服务体系上，面向一个乡镇、一个县，甚至一个省（区），在大的地区内建立一套这样的技术设备体系，再以社会化服务的方式为农户服务。

要保障21世纪我国16亿人口的食品安全，关键在于推动农业科学技术的发展，要进行一次新的技术革命，使传统农业向现代农业转变，粗放经营向集约经营转变。“数字农业”的发展无疑会发挥重大作用。我们期待着“数字农业”会带来更多更大的惊喜。

第三篇：移动互联网颠覆传统汽车营销

移动互联网颠覆传统汽车营销

刚刚结束的互联网大会成为各界关注的热点，尤其是关于移动互联网的应用和发展趋势，更是备受关注，伴随着移动互联网的爆发趋势，移动互联网营销成为全新亮 点，受到企业主的热烈追捧。而就在不久，一桩关于移动互联网营销网络超过2亿美元的收购案也暗示出，移动互联网营销的春天已经来临。

汽车行业发展至今，迅速普及之后所带来的增长乏力、营销尴尬等问题困扰着每个车企。通过怎样的渠道进行更加深入的营销，打动消费 者？成为很多从业者考虑的问题。于是，很多人将目光投向了时下正发展得如火如荼的移动互联。基于3G等移动网络，用手机、手持平板设备作为终端，随时随地 获得海量资讯，伴随3G时代到来，移动互联网所带来的商机令人惊叹，它改变了传统的营销方式，让营销手段更加多元、亲民，也让人们获取资讯的方式更加便 捷。

伴随移动互联网发展而迅速成长起来的移动营销颠覆了传统汽车营销模式，成为汽车行业新兴的营销形式。现在，这一新型营销模式的神秘面纱即将揭晓，我们很快就能知晓这一模式受到广大商家青睐的根本原因。

G商通移动营销平台是基于移动互联网而快速成长起来都新一代营销平台，提供包括移动建站、二维码广告投放、网站优化、营销效果跟踪等在内的一站式闭环营销服务。

1、汽车公司先通过G商通移动营销平台建立属于自己的手机官网，主要展示公司相关信息和产品信息等。

2、再利用G商通完善的线上先下营销系统进行广告投放。线上广告主要包括短链接微营销，通过云短信、微信、微博等向消费者推送汽车信息；线下主要利用二维 码进行广告投放，借助各种传统媒介方式进行二维码广告宣传，通过线上线下的全面宣传，必然能迅速提升品牌知名度，扩大品牌影响力。

3、新型抽奖互动，极大吸引消费者。G商通二维码和短链接进行营销，动人之处在于扫描二维码或打开短链接进入汽车官网后，消费者还能进行好玩的抽奖活动。享受抽奖这种好玩的游戏形式的同时还有机会赢取汽车公司提供的丰厚大奖，极大调动消费者的积极性，与消费者进行全面的互动。

4、在线问卷，完善服务。消费者还能在手机官网上在线填写问卷，将自己对公司产品、售后服务等各方面的建议与意见在线反馈给商家，企业也能基于此提升完善自身的产品与服务。

第四篇：ZestFinance用大数据颠覆传统征信业

ZestFinance用大数据颠覆传统征信业

2014-09-05 大数据邦

硅谷越来越多的科技企业开始向金融圈进军。ZestFinance就是其中之一。这家公司打出的旗号是“将Google算法带入征信领域”，其利用机器学习和大数据技术，创立了一套和传统模式相异的信用评分方式，其中应用的数据变量是传统模式的上百倍。

ZestFinance创立于2010年，创始人道格拉斯·梅里尔（Douglas Merrill）是Google的前信息总监兼工程副总裁，另一位来自金融圈的创始人肖恩·布德（Shawn Budde）曾在第一资本公司（Capital One）负责信贷业务。

记者专访了ZestFinance的创始人梅里尔，他认为，“ZestFinance完全可以取代银行现在用的算法。”

然而，美国个人消费信用评估公司（FICO）中国区总裁陈建表示，这不可能。在美国有1000多家当地信用局为消费者服务，基本隶属于三大征信公司。这三家征信公司分别拥有覆盖全美的数据库，包含超过1.7亿消费者的信用记录。在三大征信公司收集了海量个人征信数据后，还须经过复杂的模型计算才能形成征信产品。这三家征信公司目前使用的计算方法模型都来自同一家公司，即被称为“幕后大佬”的FICO。

越来越多类似ZestFinance的初创公司正在觊觎传统华尔街的地盘。而其势头如同多米诺骨牌，不断推向华尔街的要害。数据变废为宝

在ZestFinance的官网上有这样一句话：“所有的数据都是信用数据。”这句话恰恰浓缩了ZestFinance所做的工作——将成千上万的数据“变废为宝”，应用于信用评分。

这家公司在短短四年时间内，就先后获得了高达1.2亿美元的融资，其背后的出资人都是著名的IT风投，包括FlyBridge、GRP、LightSpeed以及Matrix等。

目前，美国绝大部分金融机构使用的信用评分都来自FICO的模型算法。自上世纪60年代至今，在美国的征信体系中，FICO的地位从未被撼动。

在美国，经过三大征信公司的整理和FICO的计算评分，海量的征信数据就变成了一份份整齐美观的报告和325-900分值区间的评分，用户可以只买报告，也可以报告+评分打包购买。

中国科学院院士、北京大学教授鄂维南对记者表示，FICO的评分模型的确首屈一指，但并非十全十美。FICO信用评分参考的数据变量只有不到50个，因此很多人摸清了FICO关注的变量后，就可以“模型套利”增加自己的信用评分，例如一个人可以每天反复在图书馆借书还书“刷信用”。

“针对FICO的不足，ZestFinance重新设计了一套信用评估模型。和FICO的不到50条参考变量相比，ZestFinance参考的数据变量多达上万条，并采用非线性化的、更前沿的技术来进行分析，从而防止‘模型套利’的现象，更精准地评估消费者信用风险。” 的确，ZestFinance远远超出了FICO 50条变量的界限。在这个位于洛杉矶的65人团队中，大多是数据科学家，他们开发了多个机器学习分析模型，而在这个模型中使用的数据变量多达上万条。上万条数据变量仅仅是原始信息数据，在这些数据基础上，模型可以得出超过7万个可以判断信贷行为的指标。而模型跑完这些指标仅需要不到3秒钟。

所谓机器学习，是让计算机模拟或实现人类的学习行为，以获取新的知识技能，在数据积累中不断自我完善，可谓是人工智能的核心。ZestFinance的模型之一Hilbert就是成功地将机器学习进行商业应用的案例，让机器承接7万个指标的数据分析工作，寻找逻辑关系，并不断自我改善，人类只需要根据结果进行一些逻辑分析和判断。

“多年来，美国金融机构都在用50条数据变量来决定是否给一个客户授信。问题在于，许多人并没有完整的信用记录，这导致在传统信贷中他们不断吃闭门羹，”梅里尔表示，“在ZestFinance，我们分析上万条数据变量，借助更加广泛的数据，从而对客户的风险预判更加精确。”

数据的类型亦极其广泛：一个人的网页浏览历史、手机付费记录、超市购物清单都可成为重要的参考依据，甚至在用户填写信贷申请表时是使用大写字母还是小写字母，也可以成为数据变量。

“很多数据都可以服务于信贷，例如申请人在我们的网站上停留的时间，就可以反映他对申请贷款的谨慎程度和还款诚意。”梅里尔说。

鄂维南认为，信贷记录属于强变量，在强变量缺失的情况下，可参考多种弱变量，当这些弱变量组合起来，就可形成强变量，服务于信贷风控。“例如，孩子是一个家庭支出的源泉，那么如果能推测出借款人孩子的年龄，就能预测他的消费周期：婴儿有奶粉等固定开销、学生每到9月就要缴纳学费等。只要能避开他的主要支出，就可控制坏账。” 在中国，由于征信业历史较短，缺乏足够的信贷数据，就可以用许多弱变量数据来对一个人进行还款预测。目前，学界有许多人也在进行类似的课题研究。

对于这些“弱变量”的开发利用，陈建亦表示认同，“把数据的价值挖掘出来是不可避免的趋势，大数据发展会越来越日新月异。”但他表示，从互联网数据中挖掘价值，最早做的正是FICO。“银行刷卡交易实时获得数据，通过分析进行风险识别，FICO十几年前就发明了，现在90%以上发达市场的银行都在用FICO这套系统。” 争锋FICO 的确，在当前ZestFinance和FICO尚不能同日而语。FICO占领着美国99%的信用评分市场和绝大部分发达国家的信用评分市场，而ZestFinance目前仅服务过10万名美国人。

在中国，FICO目前拥有80人的团队，已经和15家商业银行、30多家城商行和农商行建立了合作。ZestFinance目前在美国以外的其他地区还没有开展业务，但梅里尔告诉财新记者，目前正与多个中国金融机构洽谈合作。

但从未来发展的空间而言，似乎新生事物总能赢得更多青睐。面对ZestFinance等新型信用评分公司的诞生，美国主流媒体纷纷给予了报道——《经济学人》杂志写道：“ZestFinance比传统评分方法让违约率下降了40%。”CNBC表示：“ZestFinance让无账户人群不再被拒之门外。”

这一切声音，似乎都剑指FICO。

梅里尔表示，ZestFinance采用了和FICO截然不同的技术。FICO是基于20世纪50年代创造的“逻辑回归”模型，那时并无很多可供参考的数据变量。但随着互联网时代来临，数据开始爆发式增长，FICO的评分方式并未改变。梅里尔这位曾经的Google人，则将Google算法引入了征信领域，走在了技术的前沿。“ZestFinance完全可以取代银行现在用的算法。”梅里尔自信道。

对于外界的质疑，FICO表示很冤枉。陈建表示，外界对FICO其实缺乏了解。FICO并非只有一种算法，而是有几百种算法。在美国仅注册的算法专利就多达近200个。在不同的数据场景下，使用的数据变量和数量都不同。

陈建认为，数据变量并非越多越好。

“FICO信用评分的候选变量其实有1000多个，只是具体到每个评分中，只使用其中的几十个变量。”陈建表示，认为变量越多模型越好是幼稚的说法。从统计学角度，模型计算一方面要抓住本质规律，一方面要避免过度拟合。

“变量太多会造成过度拟合的问题。就好比做一双鞋子，与你的脚100%拟合，但别人都不能穿。FICO不是给一个人做一双鞋，而是要给全社会使用。如果一些变量不是适用于每个人，就不适合放在模型中。”陈建说。

根据惠誉评级公司的研究结果，FICO分数的影响力正在下降。现在美国各个银行都有自己的模型，他们会用自己的模型去跑征信原始数据，FICO评分只是其中一个参考变量。例如美联银行（Wachovia）对FICO评分的参考比重已经下降为零。

对此，陈建认为只是个别现象。“就我了解，目前美国银行业99%的资产组合还是基于FICO上，拿出1%来试验新的东西是可取的，但这并非主流。”

陈建表示，技术服务于产业，信用评分不是象牙塔里的空想，而是根基深入产业的积累。目前美国99%的银行都使用FICO的评分系统，深厚的积累是其他公司难以比拟的。

陈建毫不掩饰他对FICO的自信：“FICO已经成为发达市场金融管理的肢体部分，不会有人想要卸掉自己原本的胳膊，换上一对高科技的塑料胳膊。” 为无账户人群服务

“金融包容”正在成为一个新兴词汇，它的含义是指让没有银行账户或信用记录不好的人群公平地享受金融服务。

万事达公司CEO Ajay Banga近日在一份关于金融包容的倡议书中表示，目前全球有25亿成年人没有享受过金融服务，其中大部分是妇女和年轻人，以及一些居住在乡村的人。在美国，目前有4400万人没有银行账户。“因此，金融包容需要在所有国家倡议，绝非仅仅发展中国家。”

梅里尔表示，ZestFinance正是要为这些没有银行账户以及信用记录不好的人解决贷款问题。

“我最初的灵感来自我的小姨子。”梅里尔向财新记者追忆道，当时他的小姨子要贷款换一副汽车轮胎，然而银行因她没有足够信用记录而拒绝。“后来是我给她借了钱。如果我不借钱给她，她就只能去申请‘发薪日贷款’了。”

梅里尔提到的“发薪日贷款”是指在发薪日之前两周申请的小额个人贷款，借款人只需提供收入证明或政府救济证明，承诺在自己发薪水后即偿还贷款。如果到期无法还清贷款本金和利息，可以提出延期。然而，这种贷款的费率极高，每100美元收取15美元利息，年化利息高达400%。相比之下，信用卡的年化费率则只有12%-30%。

近年来，特别是在金融危机后，华尔街和美国监管层不断将目光投向“发薪日贷款”，认为这是高风险贷款，但屡禁不止。2014年6月5日，一批借款人向美国监管机构提起上诉，指出监管层将这些借款人列为“有声誉风险”的群体是不公平的。按照诉讼内容，美国超过80家主流银行都被监管层勒令中止和这些借款人的关系。

这些特殊借款人也引起了主流人群的同情。美国群众自发组织了团体，推进针对无账户人群的金融包容。

“ZestFinance的使命就是给这些无银行账户或信用记录不好的借款人创造透明公正的信用评分。”梅里尔表示，通过成千上万的数据变量，每个人都可以拥有一份公正的信用评价。

此外，ZestFinance还有另一个重要组成部分，即ZestCash贷款平台。

ZestCash类似一家小贷公司，它的主要业务是给那些没有银行账户或者信用记录不好的人提供小额贷款。ZestCash的借款中有90%是为了采购生活必需品，比如修车和医疗保险。

梅里尔表示，ZestFinance帮助信用记录不好的人贷款主要通过两种方式：一种是直接从ZestCash对其发放贷款；一种是让使用ZestFinance评分系统的金融机构，通过ZestFinance的评分结果对其发放贷款。“迄今为止，我们已经帮助超过10万名没有银行账户或信用记录不好的美国人获得了贷款。”

值得一提的是，ZestFinance并没有因为目标客户是“风险人群”而导致高坏账率。梅里尔表示，目前借助ZestFinance获得的贷款比银行的“发薪日贷款”违约率低50%。“也就是说，在ZestFinance算法的帮助下，‘发薪日贷款’可以节约一半的成本。” 竞争与风险

金融危机后，银行信贷更加谨慎，而硅谷的IT男们则不断尝到金融这块蛋糕的甜头，包括Prosper和Lending Club在内的P2P借贷平台应运而生，类似ZestCash的小额信贷公司也风生水起，包括Zebit、Avantcredit、Kreditech、DemystData在内的公司都看准了银行信贷这块短板。这类公司的共同特点是利用大数据做信用分析，并且大多拥有自己的网络信贷平台。

Zebit创建的Lending Stream网络借贷平台，可以在4分钟内获得50-1500美元的半年期个人信用贷款。

Avantcredit打出的标语是“从这里申请贷款不会影响你的FICO信用分数”。该公司也是自建信用体系，针对不同人的评分，给出的利率也是不同的。

Kreditech位于德国汉堡，两位自信的IT男利用大数据分析手段评估借款人还钱的概率，他们不要求客户提供信用证明，15分钟内就能提供500欧元以内的小额贷款。和ZestCash类似，Kreditech希望用户提供尽可能多的信息，连用户的借贷申请是使用iPad发送还是用老式电脑发送、输入时出错的概率、使用取消键的频率等都考虑在内。

上述公司都获得了风投的青睐，例如Kreditech2013年9月获得了900万美元A轮投资，Avantcredit2013年8月获得2000万美元B轮投资。

陈建认为，此类创新型公司和传统的FICO与银行信贷并不冲突，可以成为传统市场的补充。

当然，这类公司也并非可以为所欲为，也要受到美国监管的制约。其中，1975年通过的《平等信用机会法》（Equal Credit Opportunity Act）中规定，贷款必须发放给所有资信可靠的申请人，不论种族、宗教信仰、性别、婚姻状况、年龄和其他个人特征。然而，随着互联网大数据的井喷，这些信息都随着网络社交信息一起被纳入了ZestFinance等公司的变量测算中。此外，由于所有的征信数据都必须经本人允许采集，因此这种海量采集数据的方式还会面临侵犯消费者隐私的风险。

第五篇：移动互联网与传统互联网的优势

相对于传统互联网，移动互联网的特点主要在于：

移动便捷性。用户可以随时随地接入互联网。

个性化。通过手机号码或其它方式，可以唯一辨识用户，便于为用户提供特有的个性化服务。但与传统互联网相比，移动互联网的性能受到网络能力和终端能力的约束。

所以基于以上几点，与传统互联网相比，移动互联网的相关业务也将与传统互联网略有区别。下面我主要谈一下未来移动互联网上颇有前景的一些业务。

第一，移动多媒体业务。移动互联网的移动性、便捷性的特点，可以帮助用户随时随地接入互联网获取信息，打发碎片时间。目前，中国移动的手机阅读、无线音乐、手机电视等业务已经为用户带来了良好的多媒体体验。而随着未来网络性能的提升和终端功能的优化，移动多媒体业务必然能更好的满足用户的需求。

另外，多媒体技术的应用也会帮助用户更便捷的使用移动互联网业务。通过模式识别、语义理解等技术，用户可以通过声音、手势等方式更便捷的完成操作。

第二，个性化服务。在移动互联网时代，除了通过传统的搜索引擎来查找信息，个性化的内 容推荐是重点发展的方向。以移动的手机报业务为例，目前虽然可选内容较多，但还不能满 足用户个性化定制的需求。在未来，通过对用户行为的分析或用户主动订阅的方式，可以更 好地向用户推送个性化的内容，这种交互方式更能够帮助增加用户的粘性和忠诚度。

第三，社交业务的蓬勃发展。在web2.0时代，人们已经从被动的接受信息转变为主动的创造信息、分享信息。由于移动互联网随时随地沟通的特点，从而使SNS在移动领域的发展具有先天的优势。

目前，在传统互联网上，人人网，豆瓣，微博等已经拥有大量的用户群。而随着终端、内容、网络等制约因素的解决，移动互联网上的共享服务也必将蓬勃发展。用户可以通过移动终端上传自己的图片、视频到微博、博客、空间，还可以与好友共享、评论等。我们可以看到，移动新上线的盘古搜索添加了时评搜索这项功能，帮助用户搜索微博中的消息。可见，在未来的互联网上，很多内容的产生将依赖于用户的生产和传播，所以社交业务必将在促进交互的同时也极大的丰富了互联网的内容。

第四，基于位置的移动业务。在移动互联网时代，通过精准的位置定位为用户提供个性化的信息及社区化的服务将成为主要趋势。目前，基于位置服务开发的foursquare仅提供一些简单的功能，而在未来，通过这种服务，用户不仅可以得到周边的商场、交通等一系列信息，更可以与附近的朋友、亲人甚至是陌生人连接起来。

第五，移动支付业务。支付手段的电子化和移动化是不可避免的必然趋势。目前，用户可以通过手机支付业务在线购物、缴纳水电费、在pos机上刷卡消费……而在不久的将来，用户可用具有支付、认证功能的手机来乘坐公交车、开门、充当会员卡等，真正可以做到通过手机使用户的生活需求更加便捷化。

总之，移动互联网将为人们的生活带来翻天覆地的变化，它提升了工作效率，改善了人们生活交互的方式，同时创造了很多新的商业模式。相信随着技术水平的提升和新兴业务的发展，移动互联网必将迎来蓬勃的发展。