sensortower-china.com

数字广告数据洞察,指的是把广告投放在各渠道上的花费、展示、创意和份额等信息,用统一口径收集、估算并呈现出来,用来回答"钱花在哪、效果如何、对手怎么投"这三类问题。Sensor Tower 的 Pathmatics 模块就是这类工具:它覆盖 Facebook、Instagram、TikTok、X(原 Twitter)、Reddit、OTT、YouTube、展示广告、视频广告等关键渠道,提供广告投放情况、支出与展示量估算、声量份额(SOV)等信息。它适合需要横向对比竞品投放、评估渠道结构、或为全渠道预算分配找依据的营销与市场团队;如果你只关心自家后台的转化数据,这类第三方估算数据的价值会有限。

数字广告数据从哪来、覆盖什么

Sensor Tower 描述的数据链路分三步,理解这条链路有助于判断数据能回答什么、不能回答什么:

• 第一步:从源头收集。 通过全球第一方消费者小组和应用商店 API,收集具有代表性的应用和数字广告活动样本。
• 第二步:处理与质检。 用自有模型和第三方数据集聚合、充实匿名数据,并做质量测试,把原始数据转化为可操作数据。
• 第三步:输出洞察。 在一个平台上提供移动应用、数字广告及受众洞察。

关键含义:广告支出和展示量是估算值,来自样本加模型推算,而不是广告主后台的账单数字。所以它更适合看趋势、看结构、看相对份额,不适合当作精确的财务对账依据。

核心指标分别回答什么问题

其中 SOV 是横向对标最常用的指标:它把绝对量转成相对份额,便于跨渠道、跨区域比较,也便于观察季节性营销节点前后的份额变化。

站内广告与站外广告:零售媒体洞察的区别

Pathmatics 覆盖的是站外数字广告生态。Sensor Tower 另有零售媒体洞察,它包含 Pathmatics 数字广告洞察的所有内容,并额外提供品牌和产品在零售商中的声量份额、站内与站外创意、联合品牌广告商与产品等信息。

两者的用途差异:

• 站外广告数据:看品牌在公开广告渠道的整体投放策略与声量。
• 零售媒体(站内+站外):看品牌在具体零售商生态内的曝光与竞争位置,适合优化全渠道媒体投资、加强零售商关系。

如果你的业务依赖电商平台内的广告位,只看站外数据会漏掉站内这一块。

从数据到决策的基本思路

1. 定范围。 先确定要对标的品类、区域和时间窗,否则 SOV 和支出估算没有比较基准。
2. 看结构。 用渠道维度的支出与展示量分布,判断竞品把钱压在哪些渠道,和自己的结构差在哪。
3. 看创意。 结合创意数据理解对手的卖点与形式,而不只是看花了多少钱。
4. 看趋势。 关注份额和支出的变化方向,尤其是营销节点前后的波动。
5. 落到预算。 把上述观察转成渠道预算的调整假设,再用自有转化数据验证。

需要注意:第三方估算数据反映的是"市场上看得见的投放",无法直接告诉你某次投放的转化率或 ROI。它和自家广告后台数据是互补关系,不是替代关系。

常见卡点

• 把估算当账单。 支出与展示量是模型推算值,用于比较和趋势判断,不宜作为结算依据。
• 忽略样本代表性。 数据始于消费者小组和 API 样本,小众渠道或极细分品类的覆盖可能不如主流渠道充分。
• 只看总量不看份额。 市场整体在涨时,你的绝对支出增加不代表份额提升。
• 站内站外混着看。 两者口径和用途不同,混在一起容易得出错误结论。

Sensor Tower 平台提供 DEMO 演示与免费注册入口,可以在正式评估前先确认渠道覆盖和指标口径是否匹配你的问题。

应用洞察（App Insights）指的是围绕移动应用本身的表现数据做系统化分析，核心指标包括下载量、收入、每次下载收入（RPD）、活跃用户、会话次数、使用时长、关键词排名、评分与评论等。它回答的是"这款应用表现如何、为什么、下一步往哪走"这类问题，而不是单看某一天的下载数字。适用条件是：你需要评估赛道、对标竞品或验证产品决策，且能接受数据来自抽样与估算、跨区域比较时存在口径差异。

应用洞察包含哪些数据维度

按 Sensor Tower 平台的划分，应用表现洞察覆盖以下层面：

其中 RPD（每次下载收入）是连接规模与变现的关键指标：下载量高但 RPD 低，说明用户获取效率可能有问题；RPD 高但下载量低，则可能是赛道天花板或获客成本限制。

它和广告洞察、受众洞察有什么区别

三者常被混用，但观察对象不同：

• 应用洞察：看应用本身的表现，即产品做得好不好。
• 应用广告洞察：看投放行为，包括声量份额（SOV）、广告网络、顶级广告主、发行商与创意，回答"竞争对手在怎么买量"。
• 受众洞察：看人群，即消费者实际在用哪些应用（应用参与度）、在看哪些广告（广告曝光），回答"我的用户还在哪里"。

一个典型场景：某游戏下载量下滑，应用洞察显示是留存走低而非新增不足；广告洞察显示竞品同期加大了投放；受众洞察则显示目标人群的注意力转移到了另一类应用。三个视角合起来才能定位原因。

数据从哪里来，口径为什么重要

Sensor Tower 的数据流程分三步：先从全球第一方消费者小组和应用商店 API 收集具有代表性的应用与广告活动样本；再用自有模型和第三方数据集聚合、充实匿名数据并做质量测试；最后转化为平台上的可操作洞察。

这意味着两点需要留意：

1. 数据是抽样加建模的结果，不是应用商店的官方全量数字，绝对值应看作估算。
2. 跨区域、跨平台比较时口径可能不一致，例如不同市场的样本覆盖度、iOS 与 Android 的统计方式差异，都会影响结论。做同比或竞品对比时，优先看趋势方向而非绝对数值。

典型用途

• 评估赛道：用下载与收入趋势判断一个品类是在扩张还是收缩。
• 对标竞品：比较 RPD、会话次数、使用时长，找出自己与头部产品的差距在哪一环。
• 发现增长机会：通过关键词排名与搜索广告数据，找到尚未被充分覆盖的搜索需求。
• 验证产品决策：版本更新或运营活动后，观察留存与参与度指标是否按预期变化。

游戏类产品还可借助 GameIQ 查看子类别、产品模型、艺术风格、变现方式等结构化标签，以及 ARPDAU（每日活跃用户平均收入）等指标，把"表现"拆解到更细的产品特征层面。

使用前需要确认的事

• 明确你要回答的是产品问题、投放问题还是人群问题，再选对应模块，避免拿广告数据解释留存问题。
• 关注指标定义：会话次数、使用时长、活跃用户的统计口径在不同工具间可能不同。
• 平台提供 DEMO 演示与免费注册入口，具体功能范围与价格以官网当前说明为准。

市场情报是把分散在各处的下载、收入、用户参与、广告投放、网站流量等数据，整合成可比较、可决策的行业认知。它回答的不是"昨天发生了什么"，而是"我在这个赛道里处于什么位置、下一步该往哪走"。如果你需要判断竞品表现、选择投放渠道、评估一个新市场的机会，市场情报就是做这些决定前该看的那层信息。它适用于应用发行、广告投放、游戏运营、品牌营销等场景；如果只是想知道自己产品的日常运营数据，那属于产品分析工具的范围，不是市场情报要解决的问题。

数字市场情报通常包含哪些数据维度

不同平台划分方式不同，但常见维度可以归为几类。Sensor Tower 把它的平台能力拆成应用表现、应用广告、游戏、高级使用、数字广告（Pathmatics）、零售媒体、受众、网站等模块，对应下来大致是：

这些维度单独看都有局限，价值在于交叉。比如"下载量高但会话次数低"，和"下载量一般但留存好"，指向的是完全不同的产品状态。

数据从哪里来，为什么这决定了结论的可信度

理解数据来源，才能判断一个结论能信到什么程度。Sensor Tower 描述的三步流程是：

1. 从源头收集：通过全球第一方消费者小组和应用商店 API，收集有代表性的应用和数字广告活动样本。
2. 处理与校验：用自有模型和第三方数据集聚合、充实匿名数据，并做质量测试，把原始数据转成可操作数据。
3. 转化为洞察：在同一个平台上输出应用、广告、受众层面的洞察。

关键在第一步的"样本代表性"。基于消费者小组的数据是估算值，不是应用商店后台的精确账目。这意味着：趋势和量级可信，绝对值要留余地。用它判断"这个赛道在增长"没问题，用它精确核算某个竞品的月收入就要谨慎。

市场情报能回答哪些业务问题

• 竞品对标：把自家指标和头部产品放在同一口径下比，看差距在下载、留存还是变现环节。
• 赛道趋势判断：某个品类整体在扩张还是收缩，增长来自哪个区域。
• 投放渠道选择：看竞品在 Facebook、Instagram、TikTok、YouTube、OTT 等渠道的声量份额，判断预算该往哪压。
• 受众发现：了解目标人群实际在用哪些应用、看哪些广告，找到新的触达路径。
• 跨平台机会：把网站流量和移动应用行为连起来看，发现只在单一端看不到的互动趋势。

Sensor Tower 引用的 Duolingo 战略和业务运营首席经理 Andrew Nam 的说法是，这类工具被用来"分析行业和竞争对手"，了解全球移动行业趋势和感兴趣的国际市场——这基本概括了市场情报的典型用法：对外看格局，对内定方向。

把情报变成行动：一个可操作的流程

1. 先定问题，再选指标。想清楚要解决的是"要不要进这个市场"还是"投放预算怎么分"，前者看赛道规模和增长，后者看渠道声量份额。
2. 设定对标对象。选 3–5 个真正可比的产品，而不是笼统看品类平均。
3. 固定区域和时间粒度。网站洞察支持日、周、月粒度，应用数据也有区域拆分——口径不统一，比较就没有意义。
4. 形成假设并验证。比如"竞品增长靠搜索广告"，就去查它的关键词排名和搜索广告数据。
5. 跟踪变化。市场情报是持续动作，不是一次性报告。

常见误区

• 只看单一指标。下载量高不等于产品健康，要结合留存和收入一起看。
• 忽略区域与时间粒度。全球数据好看，可能只是某一个市场在拉动。
• 把估算值当精确值。基于样本和模型的数据，适合看趋势和相对位置，不适合当财务口径。
• 拿情报替代决策。数据告诉你"是什么"，"该怎么做"仍要结合自己的资源和目标判断。

一句话总结：市场情报的价值不在于数据本身，而在于它让你在动手之前，先看清自己站在哪里。

在数据情报语境下，"全球数字经济"不是宏观GDP统计里的一个部门分类，而是数十亿消费者每天在移动应用、网站和数字广告上留下的可量化行为总和。Sensor Tower 这类平台把它拆成应用下载与收入、用户参与度、广告支出与声量份额、网站访问与受众等维度，从第一方消费者样本和应用商店API采集数据，经聚合建模后转化为可操作洞察。如果你需要判断一款应用在某个海外市场的真实表现、评估竞品的广告投放强度，或对比不同区域的用户活跃度，这套维度就是入口；但要注意不同平台、不同产品的指标口径和覆盖范围并不一致，跨源直接比较容易得出错误结论。

全球数字经济在数据情报里包含哪些维度

按 Sensor Tower 官网对平台的描述，可观测的数据大致分为四组：

游戏场景还有更细的切分：GameIQ 提供每次下载收入（RPD）、每日活跃用户平均收入（ARPDAU），并按子类别、产品模型、艺术风格、变现方式归类。高级使用洞察则把每位用户的会话次数、花费时间、新增、留存、流失趋势做成可与头部应用对标的指标。

这些数据是怎么来的

Sensor Tower 官网把链路描述为三步：

1. 从源头收集：通过全球第一方消费者小组和应用商店API，收集具有代表性的应用和数字广告活动样本。
2. 处理与提质：用自有模型和第三方数据集聚合、充实匿名数据，并做质量测试，把原始数据转化为可操作数据。
3. 转化为洞察：在一个平台上输出移动应用、数字广告及受众洞察。

理解这条链路的意义在于：数据不是全量普查，而是样本加建模的估算结果。所以看到某个具体数值时，它更适合用来判断量级和趋势，而不是当作精确账目。

典型用途：这些数据能支撑什么判断

• 对标竞品表现：把自家应用的下载、收入、RPD、留存与同类头部产品放在同一指标下比较，找出差距出现在获客还是留存环节。
• 评估市场与区域机会：结合区域声量份额和下载/收入分布，判断某个国际市场是已被头部占据还是仍有空间。Duolingo 战略和业务运营首席经理 Andrew Nam 在官网引述中提到，Sensor Tower 被用于分析行业和竞争对手、了解全球移动行业趋势和感兴趣的国际市场。
• 优化用户获取与广告投放：通过广告支出、展示量估算和创意情报，看清竞争对手在哪些渠道、以什么节奏投放，再调整自己的预算分配。
• 连接跨平台行为：网站洞察把桌面端与移动端网站数据与移动应用行为打通，用于观察同一批受众在不同终端上的互动趋势。

使用前需要留意的口径问题

• 样本覆盖不等于全量：数据来自消费者小组和商店API，不同国家、不同品类的覆盖密度可能不同，小众市场或长尾应用的估算误差会更大。
• 指标定义要逐项确认：例如"活跃用户"在不同产品里可能是日活、月活或去重口径，"收入"可能只含应用内购而不含广告变现，直接横向比较前需核对定义。
• 估算值适合看趋势：广告支出、展示量这类数字通常是估算，用于比较相对量级和变化方向比用于绝对核算更可靠。
• 跨平台不可直接拼接：不同数据源的采集方法和建模方式不同，把两家的数字直接相加或对比，容易产生系统性偏差。

如果你的任务是快速建立对某个应用或某个海外市场的判断，可以从应用表现和广告声量两个维度入手，先看量级和趋势，再针对具体问题深入单一指标。

移动分析是把移动应用、数字广告和受众行为数据集中起来，用来回答"谁在用、用多久、花多少钱、广告投到哪里"这类业务问题的分析方式。它适合需要做竞品对标、买量决策、产品优化或市场进入评估的团队；如果你只关心自家后台的单款应用基础统计，不一定需要引入第三方移动分析平台。Sensor Tower 将这类能力组织为应用表现洞察、应用广告洞察、游戏洞察、高级使用洞察、受众洞察、网站洞察等多个模块，覆盖从下载、收入到广告投放与跨平台受众的完整链路。

移动分析的核心对象：哪些指标

移动分析的分析单元通常不是"一个应用"，而是几组可横向比较的指标。Sensor Tower 页面列出的指标包括：

这些指标的价值在于可比性：同一指标放在竞品、品类或地区之间对比，才能回答"我处于什么位置"。

移动分析能回答的实际问题

竞品与市场位置

• 某品类的下载量和收入趋势如何，头部产品占据多少份额
• 竞品的关键词排名、评分与评论变化说明了什么
• 目标市场的用户参与度（会话次数、使用时长）与成熟市场差多少

用户参与、留存与流失

高级使用洞察支持把用户行为与顶级应用对标，查看每位用户的会话次数、花费时间、新增用户、留存用户及流失用户趋势。这类数据回答的是"用户来了之后有没有留下来"，而不只是"有没有下载"。

广告投放与买量决策

应用广告洞察和 Pathmatics 覆盖全球及区域声量份额（SOV）、最大的移动应用广告网络、顶级广告主、发行商与创意，以及 Facebook、Instagram、TikTok、X（原 Twitter）、Reddit、OTT、YouTube、展示广告、视频广告等渠道的投放情况、支出与展示量估算。零售媒体洞察在此基础上增加品牌和产品在零售商中的声量份额、站内与站外创意、联合品牌广告商与产品。

跨平台与受众

受众洞察回答"消费者实际在使用哪些应用、正在看哪些广告"；网站洞察把桌面端与移动端网站数据与移动应用行为连接起来，提供真实受众、总访问量、人均访问次数和独立访客数，并支持日、周、月粒度分析。

移动分析、应用洞察、市场情报、数字广告分析的边界

这几个概念经常混用，实际关系是包含与被包含：

• 移动分析：范围最宽，指围绕移动生态的数据分析活动，涵盖应用、广告、受众、网站。
• 应用洞察：聚焦应用生态本身，回答下载、收入、RPD、活跃、会话、关键词排名、评分评论、搜索广告等问题。
• 市场情报：更偏宏观，用于判断行业趋势、区域市场格局和竞争态势，常以报告或榜单形式呈现。
• 数字广告分析：聚焦广告投放侧，回答声量份额、广告主与创意、渠道支出与展示量估算。

Sensor Tower 把上述能力放在同一平台，因此"移动分析"在它的语境里更接近一个入口概念，而不是单一功能。

数据从哪来：三步处理流程

理解数据来源，才能判断指标能不能用于决策。Sensor Tower 描述的处理流程是：

1. 从源头收集数据：通过全球第一方消费者小组和应用商店 API，收集具有代表性的应用和数字广告活动样本。
2. 处理数据以保证质量：用自有模型和第三方数据集聚合、充实匿名数据，并进行质量测试，把原始数据转化为可操作数据。
3. 转化为可操作洞察：在一个平台上输出移动应用、数字广告及受众洞察。

这意味着平台数据是样本加建模的结果，适合做趋势判断和横向对标；涉及自家产品的精确口径时，仍需与自有后台数据交叉验证。

常见使用场景

• 产品优化：用会话次数、使用时长、留存与流失趋势定位体验问题。
• 买量决策：用声量份额、广告网络、创意和支出估算判断投放空间与竞争强度。
• 市场进入评估：用区域下载、收入、参与度数据判断品类是否值得进入。
• 竞品对标：把自身指标与头部应用放在同一维度比较，找出差距所在。

Duolingo 战略和业务运营首席经理 Andrew Nam 在 Sensor Tower 页面中的评价是，该平台已成为其分析行业和竞争对手的必备工具，帮助了解全球移动行业趋势和感兴趣的国际市场——这正对应"竞品对标 + 市场进入评估"两类场景。

判断是否需要引入移动分析工具

可以用三个问题自检：

1. 你是否需要看自家产品之外的数据（竞品、品类、区域）？如果只看自家后台，第三方平台价值有限。
2. 你是否需要把应用数据与广告投放数据放在一起看？如果买量和产品分属不同团队、各看各的报表，统一口径会带来额外收益。
3. 你是否需要跨平台（应用 + 网站）理解同一批受众？网站洞察正是为此设计。

三个问题中有两个以上回答"是"，移动分析平台就值得评估。Sensor Tower 页面提供 DEMO 演示和免费注册入口，可先用演示数据验证指标口径是否符合你的决策需求，再决定是否深入使用。