印度移动应用市场正创下营收新高。据Sensor Tower数据显示,今年第一季度应用内购收入突破3亿美元,同比增长33%,但其中大部分消费仍流向了全球平台。
非游戏类应用是本季度增长的主要推手,应用内购收入超过2亿美元,同比增长44%,在总体消费中的占比进一步提升。增长较为突出的品类包括实用工具、视频流媒体以及生成式AI应用。
这一增长态势折射出印度应用市场的深层变化。据Sensor Tower数据,印度年度应用内购收入已从2021年的5.2亿美元攀升至2025年的逾10亿美元,预计今年将达到12.5亿美元。虽然下载量已趋于稳定,每年维持在约250亿次,但用户使用时长持续增加,表明用户粘性不断加深,也意味着用户为数字服务付费的意愿正在逐步提升。
第一季度,印度应用市场的消费收入主要被全球平台收入囊中,Google One、Facebook、ChatGPT和YouTube均跻身头部收益平台之列。国内平台则在视频流媒体领域表现更为突出,JioHotstar和SonyLIV排名靠前。下载榜单也呈现出类似格局,ChatGPT、Instagram以及中国短剧应用FreeReels领跑市场,其后是Story TV、JioHotstar和Meesho等本土应用。
Sensor Tower首席市场洞察经理Donny Kristianto在接受TechCrunch采访时表示,印度应用市场的下载端已趋于成熟,但随着用户使用深度不断加大、数字支付习惯日益普及,市场的变现能力正在持续增强。
尽管增长势头明显,印度依然是一个相对低消费的市场。Sensor Tower提供给TechCrunch的数据显示,印度每次下载带来的收入约为0.03美元,而东南亚和拉丁美洲均超过0.20美元,差距十分显著。
新兴品类正在推动印度移动应用市场增长,但消费仍集中在少数几个成熟细分领域,尤其是生产力工具、社交媒体和视频流媒体应用主导了各榜单前列。数据显示,仅视频流媒体一类就占据了收入前十名应用中约一半的席位,充分展示了其强劲的变现能力。
即便如此,用户需求的变化仍预示着进一步增长的空间。生成式AI应用下载量同比增长69%,ChatGPT在安装量和营收两项指标上均跻身头部应用之列。印度长期以来是ChatGPT用户数量最多的市场,与此同时,其他AI应用也在快速获得市场份额。
短剧平台的增速更为惊人,下载量增幅超过400%,FreeReels等应用走在前列。这一趋势表明,尽管新兴品类在不断拓展用户的付费边界,印度应用市场的变现之路依然处于相对早期阶段。
Q&A
Q1:印度应用市场的应用内购收入规模有多大?
A:根据Sensor Tower的数据,印度移动应用市场今年第一季度应用内购收入突破3亿美元,同比增长33%。年度收入方面,已从2021年的5.2亿美元增长至2025年的超过10亿美元,预计今年全年将达到12.5亿美元,整体增长势头强劲。
Q2:印度应用市场为什么主要被全球平台占据?
A:目前来看,全球平台凭借更成熟的变现体系、更强的品牌影响力以及更丰富的内容资源,在印度市场占据了主导地位。Google One、Facebook、ChatGPT和YouTube均位列收入前茅。国内平台虽然在视频流媒体领域有所突破,如JioHotstar和SonyLIV表现不错,但整体上与全球平台仍存在差距。
Q3:生成式AI应用在印度市场的增长情况如何?
A:生成式AI应用在印度市场增长显著,下载量同比增长高达69%。其中ChatGPT表现最为突出,在安装量和营收两项指标上均进入头部应用行列。印度也长期是ChatGPT全球用户数量最多的市场,显示出印度用户对AI应用的高度接受度,未来增长潜力可期。
好文章,需要你的鼓励
企业AI搜索公司Glean宣布年度经常性收入(ARR)达3亿美元,较15个月前的1亿美元增长三倍。尽管谷歌、微软、OpenAI等科技巨头纷纷入局企业AI搜索市场,Glean凭借"上下文图谱"技术深度理解企业业务需求,并帮助客户显著降低AI计算成本。该公司提供按用量计费和混合定价两种模式,客户涵盖Databricks、Reddit、Pinterest及三星等企业。Glean上轮融资后估值达72亿美元。
香港中文大学与MiniMax提出ClaimDiff-RL框架,将图像描述的AI训练从整体打分升级为逐条核查,有效解决了传统方式导致AI"少说保平安"的问题,同时在多项基准测试上超越Gemini-3-Pro-Preview。
杰夫·贝索斯旗下的蓝色起源公司在佛罗里达卡纳维拉尔角进行静态点火测试时,新格伦重型火箭发生爆炸。这是美国历史上最大规模的火箭爆炸之一,也是蓝色起源公司遭遇的最严重失败。所有人员安全,但该事故可能导致新格伦火箭项目长期暂停。此前该火箭已成功完成三次发射,并实现了助推器回收和重复使用。
ParaVT是一个由南洋理工等多校联合提出的并行视频工具调用框架,通过让AI同时分析多段视频并引入PARA-GRPO算法解决训练中的格式崩溃与工具跳过问题,在六项长视频理解测试中平均提升约7.9%。