很多開發者或許都已經使用過像Flurry、Google Analytics這樣的數據分析工具，雖然這些工具各有優劣，但它們一個共同的特點就是把用戶當成一個群體來分析，你沒法從這些數據中看到單個用戶的行為。

比如來說如果開發者想知道接下來哪個用戶會拋棄你的應用，這兩者都沒法告訴你。可是對于開發者來說，能否得到這個數據直接關系到最終是否能留住這個用戶，所以像Framed Data這樣的數據服務工具也就出現了。

簡單來說，Framed Data和以前的數據分析工具最大的區別就在于，Framed Data把用戶當成單個的人來理解，而之前的很多數據工具只是把用戶看著一個數字。

借助于Framed Data的數據分析服務，如果開發者想提前找到那些可能會離開的用戶，那么首先需要把應用的數據提交到Framed Data上。接著Framed Data會使用一些機器學習模型來讀取這些數據，進而描繪出用戶的行為。當用戶行為被描繪出來后，Framed Data就可以把它和已經存在的用戶數據庫做對比，這樣也就能利用過去的用戶行為數據來識別出那些高風險、可能會離開的用戶。在機器學習和數據科學領域，拿到的數據越多，精確程度自然就越高。

當Framed Data分析完之后，開發者可以簡單的整合數據并且輸出那些被標記為高風險的用戶。對于那些處在中度或者低度風險區間的用戶，開發者一樣可以采取一些措施來和這些忠實用戶互動。

舉例來說，一個照片應用的開發者就發現，如果某個用戶的社交圈中有7個以上的好友在一個月內加入到這個app中，那么即使他的好友僅僅發了很少量的照片，這個用戶也愿意留下來。這樣的數據顯然不是簡單的統計服務能得到的。

另外，一些開發者經常會犯類似這樣的錯誤：假設在一個app中，如果有500個用戶都在使用聊天功能，但僅僅100個用戶在使用圖片分享功能，那么開發者往往會很自然的認為應該在聊天功能上傾注更多精力，但數據卻表明聊天功能和用戶留存幾乎沒什么關系，那些被小部分用戶使用的功能往往才是維護用戶忠誠度的重要特性。

所以不難看出，如果不能識別單個用戶而僅僅把用戶當成一個集體的數字來對待，那么很多時候人們是沒法看到事物背后的因素的，進而也就難以找到應對的技巧。

Framed Data負責營銷和增長的總監Tim Wu告訴我們，對于很多公司來說，招聘和維護數據研究團隊是很麻煩的事，所以他們希望把Framed Data打造成一個無論是開發者還是非技術背景的人都能使用的服務。現在Framed Data也希望能進入中國市場，而且他們的產品在移動社交和游戲方面的表現正越來越好。

在Framed Data的CEO Thomson Nguyen看來，他們最終希望把數據科學作為一項服務提供給客戶。所以在預防用戶流失、增加用戶留存之外，他們也希望通過這個平臺上的機器學習能力來獲取一些其他成果。比如，幫助開發者提前識別用戶群里有影響力的人，幫助面向企業的業務提前識別客戶的需求等等。

總結來說，在簡單的用戶數據統計之外，隨著數據科學的發展，即使是一些初創公司也正在更進一步的去挖掘數據背后的價值。對于移動開發者來說，接下來自然也可以借助更多的工具來了解用戶行為背后的潛在因素。