无线应用的大数据有着重要的作用。但是对于手机阅读以及手机音乐的大数据分析仅限于特定 App，
而现实情况中还存在另外一种应用，即 App之间互相推广，此处我们将其命名为 App互推联盟。
APP互推是一种通过挖掘 App之间的隐含关系，将一个 App推送到另外一个相关类的 App上，而整个
移动端 App的应用个数有好几十万，所以数据包含的 信息是相当丰富。如果我们能有效利用这数据，
则我们能够采用更有效的方法来实现 App的互推，同时利用这些大数据，我们为移动广告找到了一个
更有效的平 台。
DatabaseModeling是一个数据库的建模功能，任何庞大的数据都需要一个正确的分析机制
数据分析中的问题
①全局数据打通
当我们获取单独 App数据时，这些数据都是孤立的小岛，我们不太会关心用户在其他 App中有什么样
的行为特征。当我们拥有数十万个 APP时，如果能将各 App数据进行打通，那我们能获得的利用将是
无穷无尽的。
在 PC端，浏览器可以通过 cookie、flash等方式记录一个用户的 ID，而在手机端这种方法却欠妥，
因为手机端的用户使用 App的频率远高于浏览器的频率。
但是我们仔细发现，每个用户所使用的手机 MAC号一般情况下是唯一的（在极少情况下不唯一），所
以我们可以通过 MAC号来将用户进行打通。
②信息补全
在前一章节无线音乐应用中，我们遇到一个棘手的问题是，用户信息不完整，我们不能有效地给其推
送恰当的歌曲。用户信息不完整的主要原因是因为在该 APP中留下的信息量少，如果我们能利用用户
在其他 APP的信息来补全用户信息，则可以大大提供用户在该 APP中听歌的体验。
App的互推
在没有打通 App数据之前，App互推一般都是根据随机原则、热门 App原则、相似相近原则来进行推
荐。这些方法存在很多问题，如不同用户 App推荐一样，推荐 App被用户喜好的准备低等。
当多个 App数据打通后，原始 App推送方法可以得到明显的改善。因为一方面我们可以获取用户的全
局信息，利用这些信息我们可以更好的为用户做个性化的推荐，另一方面由于 App的打通我们能更好
的将用户、App进行聚类分析，这样更加方便相似用户对相似应用的喜好。
App中的广告应用
在没有打通 App数据之前，App的广告一般都是根据 App的关键词原则进行投放，不同用户在登录同
一个 App时可能接受到同一个广告。这种投放方法存在 一个明显问题就是只抓住了 App的匹配性，
并没有抓住 App上具体人的匹配性。比如一个人刚浏览玩母婴类的 App转入另外一个音乐类的 App时，
该音乐类 App大多会为其投放音乐类广告，而不是母婴类的广告。
App在设计之初就会针对广告位置和内容进行规划
当我们把 App数据打通后，因为全局信息的关系使得用户就有了记忆功能。所当上诉情况发生时，音
乐网站可以根据用户带来的喜好为其投放与其喜好最接近的广告。这样才能更加准确的抓住用户的心
理，让用户、公司以及广告达到三赢的好结果。
