3.2 目標人群分析：數據化、可視化

對要開發的小程序進行目標人群分析，有利于找出小程序用戶的核心需求點。根據分析得出目標用戶群體的行為軌跡、用戶畫像等信息，為小程序下一步的功能設計服務，使得小程序的功能完美滿足用戶的核心需求。

開發者在做小程序的目標人群分析時，要注意用戶信息的數據化和可視化。數據化不同于數字化，它不是簡單地把數據轉為二進制碼，而是一個以量化的形式展現，將現象轉為可使用制表來分析的過程。可視化也不是僅止于簡單地使用圖表來表示數字，而是通過用圖表示數據的方式來幫助人們發現隱藏在數據背后的規律。

目標人群分析的數據化和可視化又可表現為三個方面：用大數據搞清楚小程序消費用戶畫像、利用大數據找出用戶行為軌跡和采用用戶畫像獲取用戶基本信息。在分析小程序目標人群時，做好這三方面內容的數據化、可視化，有助于幫助小程序開發者完成精準的產品定位。

3.2.1 用大數據搞清楚小程序消費用戶畫像

大數據是近年來互聯網界的熱點話題。使用大數據的目的并非是將龐大的數據信息掌握在手中，而是借助大數據的力量，對那些具有研究分析價值的數據進行專業化的處理。例如，我們在淘寶搜索時，頁面上會出現類似于“你可能對這些產品感興趣”的字樣，這就表示我們在淘寶上的搜索行為軌跡已經被系統后臺記錄下來，系統再通過大數據的分析計算向我們做出產品推薦。

在用戶分析方面，大數據的價值主要表現在兩個方面：一方面，利用大數據技術細分客戶群體，然后為每個群體定制特別的服務；另一方面，利用大數據技術可模擬現實環境，發掘用戶新的需求，同時提高投資回報率。

當然利用大數據技術分析前，必須先采集大量數據。那么如何采集各類用戶信息，用大數據技術分析小程序消費用戶畫像呢？

大數據采集是指利用多個數據庫來接收Web、App、傳感器形式等客戶端的數據，并且用戶通過這些數據庫還可以對收集的數據進行簡單的查詢和處理。例如，電商通常會采用傳統的關系型數據庫MySQL和Oracle等存儲每一筆事務數據。除此之外，常用的數據采集工具還有NoSQL數據庫，包括Redis、MongoDB等。

當然，這些數據的采集需要在產品開發出來后。在開發產品之前，我們可以通過一些行業報告，來獲得一些行業數據，大致分析出某類產品的消費人群畫像。下面我們就以酷客多《2018首份小程序電商行業生態數據報告》為例，對小程序電商消費人群做分析梳理。

1. 用戶使用小程序購物原因分析

從酷客多公布的數據報告來看，70%左右的電商類小程序用戶每月都會有購物行為。用戶之所以會選擇在小程序中購物，54.4%的用戶是因為小程序的設計相較于App頁面簡潔方便、操作簡單，能給用戶帶來輕量化、干凈簡潔的消費方式。從70%的復購率來看，小程序對特定人群的吸引還是很大的，而受吸引的關鍵要素是簡潔、易操作，這就意味著想做電商類小程序的開發者可以把握住這個關鍵點。

2. 小程序電商用戶年齡分布

從酷客多公布的數據報告來看，小程序電商的核心用戶更加偏年輕化，其中，40%以上的用戶集中在20～39歲之間。年輕群體的審美、習慣如何？這是開發者需要進一步研究的。

3. 小程序電商行業地區分布

60%左右的小程序電商用戶主要集中在一線城市，其中，熱度最高的城市是上海，其次是北京、深圳、廣州。原因是小程序“線上應用+線下場景”的組合優勢恰好滿足了移動互聯網生態的剛需，而且小程序電商在一線城市的附加值更高。不過，隨著小程序越來越成熟，杭州、蘇州等沿海城市的小程序用戶也在逐步增加。

4. 小程序電商行業營銷發展方向

小程序已經進入了大爆發時期，什么樣的內容是用戶最重視的呢？由于小程序在微信中具有社群優勢，所以小程序電商行業的營銷方式將向“去中心化”和“社群化”方向發展（見圖3-6）。

對酷客多發布的40多款營銷插件進行數據分析發現，優惠券、分銷、拼團和砍價這四款是用戶使用頻率最高的，電商類小程序促活拉新也主要依靠這些營銷手段。

從以上對報告的解讀中我們可以知道電商類小程序人群分布、年齡段、使用習慣、當下電商小程序熱點等信息，這在一定程度上，讓我們在開發前已經對目標人群以及目標人群的需求做到心中有數。當然，開發者可以參考多家行業報告，以獲得更多更準確的信息。這個方法對百貨零售、生活服務、餐飲、美業等行業也同樣具有參考價值。

3.2.2 利用大數據找出用戶行為軌跡

除了分析小程序的人群畫像外，用戶行為軌跡分析對優化小程序至關重要。

用戶的每一次網絡活動都會產生大量的用戶行為軌跡。假設現在要開發的是一個電商類小程序，用戶行為軌跡一般來說就包括從用戶產生購買意愿到最終支付訂單的全部過程。用戶的心理是多種多樣的，在這個過程中，用戶的一些細節行為則會有所不同。有些用戶可能先瀏覽其他商品，再三比較后決定最終購買的商品；有些用戶的目的很明確，不瀏覽、不做選擇，直接選中商品完成支付。

所以，雖然用戶網購的一般過程是相同的，但在細節上卻是多樣化的。通過大數據的統計處理，開發者可以快速有效地掌握用戶在同類電商小程序上的商品瀏覽細節、用戶的支付行為選擇、用戶在該頁面上的留存時間等行為軌跡。

用戶的行為軌跡會展現出其在使用小程序時所產生的問題。在對照同領域或同類型小程序的用戶行為軌跡時，小程序開發者要分析什么樣的行為軌跡說明了什么樣的問題。這些問題往往就是影響用戶決策的重要因素。

所以，小程序開發者需要總結這些問題，以這些行為軌跡所反映的問題來確定目標人群在不同階段如考慮階段、行動階段等的不同需求。同時開發者還可繪制出一個用戶行為軌跡圖，讓用戶行為軌跡變得數據化和可視化。若出現行為軌跡不完整的情況，開發者也可及時予以修正。

大數據分析一般會包括五個方面（見圖3-7）的內容，分別為可視化分析、數據挖掘算法、預測性分析、數據質量和數據管理、語義引擎。

其中，數據挖掘算法是核心；可視化分析可向小程序開發者展示直觀的用戶行為軌跡數據特點；預測性分析是要求小程序開發者從采集的用戶數據中挖掘出用戶行為軌跡的特點，繼而建立起模型預測未來用戶行為軌跡的變化；語義引擎與人工智能相關聯；數據質量和數據管理則是用于保證所分析的用戶行為軌跡數據具有真實性。

小程序開發者需要總結行為軌跡所反映的問題，讓開發出來的小程序更具有針對性，以這些來確定目標人群在不同階段如考慮階段、行動階段等的不同需求。同時開發者還可繪制出一個用戶行為軌跡圖，讓用戶行為軌跡變得數據化和可視化。若出現行為軌跡不完整的情況，開發者也可及時予以修正。

總之，快速掌握小程序目標人群的用戶行為軌跡、確定小程序目標人群在不同階段的行為意義、繪制用戶行為軌跡圖……可以說都是借助了大數據的力量來實現的。在市面上，已經有多個可提供大數據分析的平臺涌現，這些大數據分析平臺一般都會提供用戶數據采集、數據建模等內容，如“神測數據”“GrowngIO大數據可視化分析平臺”“微指數”等，小程序開發者可通過這些大數據分析平臺來幫助自己進行小程序目標人群的分析。

3.2.3 采用用戶畫像獲取用戶基本信息

標簽是一種特征標志。采用用戶畫像就是將小程序的目標人群標簽化。小程序目標人群標簽化有利于計算機的統計分析，便于將用戶畫像數據進行歸類處理，讓小程序的用戶基本信息如性別、年齡、地域等內容可視化。構建起一個小程序目標人群的用戶畫像，可有助于小程序開發者快速地獲取到小程序用戶的基本信息。建立起小程序目標人群的用戶畫像模型有以下幾點作用，如圖3-8所示。

用戶畫像對于小程序開發來說必不可少，但清楚了構建小程序用戶畫像的作用還不夠，明白如何構建小程序的用戶畫像才是關鍵。構建用戶畫像主要分三步走：

第一步，采集基礎數據。用戶畫像的核心是數據。小程序開發者先列舉出構建用戶畫像所需要的基礎數據。例如，所開發的小程序是面向在校大學生的用于記筆記的工具類小程序，那么開發者就可以列舉出一些有關大學生這個用戶群體的基礎數據，包括性別、年級、喜歡的課程類別、是否有記筆記的習慣、對于線上記筆記持有的態度等。

小程序開發者可采取網絡問卷調查或者實地走訪調查在校大學生的方式來采集基礎數據。這兩種方式是小程序開發者了解小程序目標人群特征的重要渠道。問卷調查可節約人力和時間，實地走訪調查，進行用戶訪談可幫助開發者近距離接觸目標人群，有利于獲取第一手數據資料。

第二步，分析建模。在構建用戶畫像所需要的基礎數據收集完畢以后，小程序開發者需要分析這些基礎數據，建立起一個小程序用戶畫像的可視化模型。開發者將采集來的在校大學生用戶群體的基礎數據進行整理分析，提煉出關鍵要素，必要時還可輔以一些現有的關于大學生群體研究的資料報告，總結出在校大學生用戶群體的標簽。

再者，開發者在第一步采集基礎數據的時候，也還可以同時采集同領域或同類型小程序用戶畫像的基礎數據，在第二步分析建模時，通過多個用戶畫像模型的對比分析來精準定位自身小程序的功能服務。

第三步，畫像呈現。小程序用戶畫像的呈現應從顯性畫像和隱性畫像兩個方面來進行。顯性畫像是指對小程序目標用戶群體可視化特征的描述，如上述已經提到的性別、年齡、地域，以及職業、年級、興趣愛好等。隱形畫像則與顯性畫像相對應，是指對小程序目標用戶內在深層次特征的描述，如在校大學生在不同年級時的想法變異。

小程序開發階段，想要獲取用戶的基本信息要依靠用戶畫像的構建。用戶畫像模型的構建要建立在所獲取的小程序目標人群的真實數據上。只有根據真實準確的用戶數據來分析，小程序的精準定位才有可能實現。開發者還要注意用戶畫像是處于不斷修正的狀態中的。開發者需要及時地對用戶畫像做分析和對比。