Sensor Tower和Mobile Index的收入与用户数估算方式

随着移动应用市场竞争的日益激烈，开发商和投资者在很大程度上依赖数据分析平台来把握市场趋势并做出战略决策。Sensor Tower、Data.ai等平台提供的用户数和收入估算值被广泛用作行业标准指标。本文旨在分析这些平台估算用户数和收入这一核心指标的方法论，并阐明其可靠性依据与内在局限性。

用户估算的数据基础

平台的设备用户数估算基于可识别设备或用户的数据。

• ADID (Android Advertising ID)：Android设备使用的36位唯一识别码
• IDFA (Identifier for Advertisers)：iOS设备使用的唯一识别码

除了这些标识符之外，平台还会通过用户未曾察觉的渠道获取数据，从而加深分析的深度。免费VPN服务、针对特定应用使用提供奖励的激励应用，或者由数据收集公司直接发行的实用工具应用等便是其中的代表。这些应用以提供免费服务为代价收集用户数据，这也是分析平台数据池的重要组成部分。

收入估算的方法论与建模

收入估算是通过对应用商店公开的收入排名数据进行统计建模来实现的。部分应用开发商会向数据分析平台付费提供其项目的查看权限（Data barter），以便平台能够访问Google Play Console或App Store Connect中记录的实际收入数据。平台基于这样获取的数据构建相关性模型，即特定的收入排名对应特定的收入规模，例如，通过学习大量应用的数据，确立“第1名相当于100万美元”、“第10名相当于10万美元”等标准。此后，通过将该模型扩展应用于整个应用生态系统，仅凭排名即可反算各个应用收入。

估算模型的局限性与解读时的注意事项

这种估算方式虽然能够简便地估算收入，但由于存在结构性局限，在解读数据时需要具备批判性视角。由于大多数分析都集中在Google Play和Apple App Store上，因此Galaxy Store等特定应用商店以及Steam、PlayStation等其他平台的收入并未包含在分析范围内，这可能会扭曲整个市场面貌。此外，由于模型赋予排名本身的权重高于个别应用的表现，导致头部应用的收入曲线看起来比实际波动要平稳得多，或者当出现新的第1名应用时，其收入往往被估算得与前一个第1名几乎完全相同。此外，由于该模型仅将应用内购买作为估算对象，游戏公司通过自身网站销售虚拟物品、外部支付系统、通过PC客户端联动的跨平台收入等无法被追踪，从而导致实际收入与估算值之间产生偏差。

尽管存在明显局限，为什么还要使用平台？

核心在于将自身的实测数据用作校正系数。首先计算自身游戏的实际收入与平台估算值之间的误差倍率，然后将该倍率应用到竞争对手的估算值中来反算收入。

纵使平台数据的估算准确率仅达60%左右，企业也能以自身内部数据为基准校正误差，从而在合理范围内推断竞争对手的表现，并客观评估自身的市场地位。这将为制定营销预算、设定新项目目标、吸引投资等核心决策提供强有力的依据。