台式机、iPhone、iPad等不同设备上网时间统计分析

jeehom

本文中，作者汇总了一些具有代表性的网站(包括Read it Later、Financial Times、Linkedin等)的统计数据，图形化地向我们展示并分析了一天当中，用户使用不同类型的设备进行上网访问的时间分布情况。希望本文可以对涉及移动互联网领域的产品同学有些参考价值。

Read it Later的台式机用户
下图所显示的，是Read it Later的用户在一天24小时内使用台式机阅读文章的数量统计。 可以看到，白天的阅读高峰出现在午时，而且前后两个小时内的数据也不错。在经历了傍晚的低谷之后，统计数字在晚上9点前后达到一天内的最高峰。
5 t" p# k  L0 X# `) Juser-device-mobile-readitlater-computer
Read it Later的iPhone用户
再来看第二张统计图，它显示了Read it Later的用户在一天内使用iPhone阅读文章的数量统计。可以看到4个主要的峰值：早上6点(早饭或早阅读时间)，上午9点(上班途中的时间)，傍晚5点到6点(下班途中的时间)，晚上8点到10点(晚上休息、卧床阅读时间)。
user-device-mobile-readitlater-iphone

" \. L1 k( t* e9 p* J" w可以看出，台式机与移动设备(手机)的统计情况之间的差异非常显著。
  p  j! U# F8 F1 P( A- t& ^- mRead it Later的iPad用户
$ k) k3 e& R8 A没悬念，接下来的图片所展示的，是Read it Later的用户在一天内使用iPad阅读文章的数量统计；可以看出，统计结果与iPhone的有些许相似之处。其中，早上6点左右出现了白天的峰值。上班途中的时间点上，情况一般；下班路途上的阅读量达到甚至超过了早饭和早阅读的时间。全天的最高峰很突兀的出现在晚上8点到11点之间的时间段里，正如前面提到的，基本是晚上睡前的放松阅读时间。显然，至少在阅读文章的用例中，iPad用户在晚间非常活跃。
; c& o$ g6 o6 M$ euser-device-mobile-readitlater-ipad
; \  B9 L( S' u7 c( C. R新闻资讯类网站的访问设备统计
在comScore的统计报告中，也可以看到类似的特征。下图显示了用户使用台式机与平板电脑阅读新闻内容的时间分布情况。在白天工作时间，台式机的使用量占有绝对优势，而平板电脑的访问量在晚间休息时间达到峰值，甚至超出白天台式机的最高点。
/ k& U' X( Q7 {4 i) y- L' Quser-device-mobile-news-tablet-pc
) `1 j: \6 q. e0 k8 R; t7 S/ J, q( Y
+ e$ _0 k5 U7 S" gTechCrunch里有一篇关于Financial Times的报道。FT是英国老牌报纸，最近，他们为移动设备用户专门打造了基于HTML5的Web应用(Web App)。下图反映了其智能手机与台式机用户的访问量分布；可以看出，即使对于新上线的网站和服务，统计结果依然符合我们在前面看到的模式。
user-device-mobile-financial-times-smartphone-pc
; t' k! V( a, _9 }社交类网站(Linkedin)的访问设备统计
这里有一张很漂亮的关于Linkedin的信息图，我们将其中关于访问设备统计的部分拿出来。其中，第一张图不区分设备，展示的是一天24小时内全部用户的访问量统计；第二张图则锁定移动设备的用户。可以看出，访问量的高峰出现在上午9点至下午2点之间，在这期间，设备类型主要是台式机。即使晚间移动设备的访问量达到了峰值，它还是没有超过白天的统计数字。

至少对于Linkedin来说，我们可以得出大致的结论：人们更多是在工作时间进行访问。估计大伙对自己的工作都不怎么满意。
user-device-mobile-linkedin-overall
) X; {5 t* c* f! c/ M- muser-device-mobile-linkedin

6 O7 A  h$ I! o5 X- F抛开网站及服务，不同设备类型的联网行为也是有各自的显著特征的。下图显示了笔记本、平板电脑和智能手机在3G网络链接的时长与会话数方面的统计结果。
user-device-mobile-3g-connection-traffic-patterns
; ~$ b) _) C/ _( |1 j6 ^, O使用环境

对于以上这些统计结果，有一种观点，认为起到决定作用的实际上是设备的使用环境。例如，对于新闻资讯类的网站，移动设备访问量在早上达到峰值，是因为人们在当时必然在路上；或者，对于平板电脑来说，晚上的访问量峰值证明人们必然是在家中。固然，这种假设具有一定的参考价值，但毕竟我们所能看到的统计数据，是以时间为考量的，环境及地理因素并没有包含在其中。我们无法肯定这种关于使用环境的假设是100%正确的。

如果时间足够充裕，人们完全可以在起床之后使用手机来阅读Financial Times，因为它就在枕边的床头柜上。类似这样的假设，你还能想到很多。通过这些统计数据，我们唯一可以确认的，是不同设备在一天当中不同时段的上网情况。