几个方面可能影响人均活跃天数。比如用户量级及用户质量。①用户量级：样本中厦门航空的用户量级较小，对于量级较小的用户运营相对比量级较大的用户运营要容易些。②用户质量：南方航空每月28日为南航会员日，有会员免费抽取机票的活动。这个活动没有门槛，用户可以当天为了参加活动而注册为新会员。由于这批用户注册的目的是参加活动并非购买机票，这批用户在非会员日期间APP使用行为非常少，整体拉低了南方航空的人均活跃人数指标。但是由于这批用户获取成本基本为0，反而说明会员日活动效果很好。南航可以考虑去除会员日活动带来的用户，重新再看下剩余用户的人均活跃天数即可了解目前用户的活跃程度。

报告中覆盖机型是否完整？为什么没有看到HTC的机型？

报告中仅体现了主流品牌及TOP10机型，HTC品牌并未出现。以东方航空的设备机型为例，HTC在东航用户设备品牌中排名第10，品牌占比1%；机型one在机型中排名75名，占比为0.3%；由于报告中仅体现了主流TOP品牌及TOP10机型，HTC并未入榜。

模拟器用户是什么？为什么会怀疑刷量？

一般来说，一台设备一个机型；而在Talkingdata的统计数据中，发现个别APP的设备总数与机型总数差异较大，这种情况可能是模拟器用户造成的。有的用户会使用模拟器进行操作，一个模拟器对应一台设备可以刷出多个机型。在刷量推广中会出现一种刷量的方式是通过模拟器更改设备的机型进行刷量操作。TalkingData的数据统计根据设备id识别设备，去除了恶意刷量数据，保证了数据的公平性。

报告中为什么感觉并没有深入业务进行分析？

报告中所有数据来源为TalkingData 移动数据研究中心Android平台Top50000应用数据，根据用户的APP覆盖及启动情况进行数据提取及分析。报告并未使用航司APP内部数据，在数据的解读上也并未深入航司业务。

报告中的是否包含了代理人的操作数据？

报告统计和分析了各航司App的所有用户，未排除代理人在App中的使用行为。这是因为一方面代理也部分体现了用户在App中的使用行为，另一方面通过代理人数据也可以分析刷票、占座等行为。