3.2 目标人群分析：数据化、可视化
对要开发的小程序进行目标人群分析，有利于找出小程序用户的核心需求点。根据分析得出目标用户群体的行为轨迹、用户画像等信息，为小程序下一步的功能设计服务，使得小程序的功能完美满足用户的核心需求。
开发者在做小程序的目标人群分析时，要注意用户信息的数据化和可视化。数据化不同于数字化，它不是简单地把数据转为二进制码，而是一个以量化的形式展现，将现象转为可使用制表来分析的过程。可视化也不是仅止于简单地使用图表来表示数字，而是通过用图表示数据的方式来帮助人们发现隐藏在数据背后的规律。
目标人群分析的数据化和可视化又可表现为三个方面：用大数据搞清楚小程序消费用户画像、利用大数据找出用户行为轨迹和采用用户画像获取用户基本信息。在分析小程序目标人群时，做好这三方面内容的数据化、可视化，有助于帮助小程序开发者完成精准的产品定位。
3.2.1 用大数据搞清楚小程序消费用户画像
大数据是近年来互联网界的热点话题。使用大数据的目的并非是将庞大的数据信息掌握在手中，而是借助大数据的力量，对那些具有研究分析价值的数据进行专业化的处理。例如，我们在淘宝搜索时，页面上会出现类似于“你可能对这些产品感兴趣”的字样，这就表示我们在淘宝上的搜索行为轨迹已经被系统后台记录下来，系统再通过大数据的分析计算向我们做出产品推荐。
在用户分析方面，大数据的价值主要表现在两个方面：一方面，利用大数据技术细分客户群体，然后为每个群体定制特别的服务；另一方面，利用大数据技术可模拟现实环境，发掘用户新的需求，同时提高投资回报率。
当然利用大数据技术分析前，必须先采集大量数据。那么如何采集各类用户信息，用大数据技术分析小程序消费用户画像呢？
大数据采集是指利用多个数据库来接收Web、App、传感器形式等客户端的数据，并且用户通过这些数据库还可以对收集的数据进行简单的查询和处理。例如，电商通常会采用传统的关系型数据库MySQL和Oracle等存储每一笔事务数据。除此之外，常用的数据采集工具还有NoSQL数据库，包括Redis、MongoDB等。
当然，这些数据的采集需要在产品开发出来后。在开发产品之前，我们可以通过一些行业报告，来获得一些行业数据，大致分析出某类产品的消费人群画像。下面我们就以酷客多《2018首份小程序电商行业生态数据报告》为例，对小程序电商消费人群做分析梳理。
1. 用户使用小程序购物原因分析
从酷客多公布的数据报告来看，70%左右的电商类小程序用户每月都会有购物行为。用户之所以会选择在小程序中购物，54.4%的用户是因为小程序的设计相较于App页面简洁方便、操作简单，能给用户带来轻量化、干净简洁的消费方式。从70%的复购率来看，小程序对特定人群的吸引还是很大的，而受吸引的关键要素是简洁、易操作，这就意味着想做电商类小程序的开发者可以把握住这个关键点。
2. 小程序电商用户年龄分布
从酷客多公布的数据报告来看，小程序电商的核心用户更加偏年轻化，其中，40%以上的用户集中在20～39岁之间。年轻群体的审美、习惯如何？这是开发者需要进一步研究的。
3. 小程序电商行业地区分布
60%左右的小程序电商用户主要集中在一线城市，其中，热度最高的城市是上海，其次是北京、深圳、广州。原因是小程序“线上应用+线下场景”的组合优势恰好满足了移动互联网生态的刚需，而且小程序电商在一线城市的附加值更高。不过，随着小程序越来越成熟，杭州、苏州等沿海城市的小程序用户也在逐步增加。
4. 小程序电商行业营销发展方向
小程序已经进入了大爆发时期，什么样的内容是用户最重视的呢？由于小程序在微信中具有社群优势，所以小程序电商行业的营销方式将向“去中心化”和“社群化”方向发展（见图3-6）。
图3-6 小程序电商用户最重视功能
对酷客多发布的40多款营销插件进行数据分析发现，优惠券、分销、拼团和砍价这四款是用户使用频率最高的，电商类小程序促活拉新也主要依靠这些营销手段。
从以上对报告的解读中我们可以知道电商类小程序人群分布、年龄段、使用习惯、当下电商小程序热点等信息，这在一定程度上，让我们在开发前已经对目标人群以及目标人群的需求做到心中有数。当然，开发者可以参考多家行业报告，以获得更多更准确的信息。这个方法对百货零售、生活服务、餐饮、美业等行业也同样具有参考价值。
3.2.2 利用大数据找出用户行为轨迹
除了分析小程序的人群画像外，用户行为轨迹分析对优化小程序至关重要。
用户的每一次网络活动都会产生大量的用户行为轨迹。假设现在要开发的是一个电商类小程序，用户行为轨迹一般来说就包括从用户产生购买意愿到最终支付订单的全部过程。用户的心理是多种多样的，在这个过程中，用户的一些细节行为则会有所不同。有些用户可能先浏览其他商品，再三比较后决定最终购买的商品；有些用户的目的很明确，不浏览、不做选择，直接选中商品完成支付。
所以，虽然用户网购的一般过程是相同的，但在细节上却是多样化的。通过大数据的统计处理，开发者可以快速有效地掌握用户在同类电商小程序上的商品浏览细节、用户的支付行为选择、用户在该页面上的留存时间等行为轨迹。
用户的行为轨迹会展现出其在使用小程序时所产生的问题。在对照同领域或同类型小程序的用户行为轨迹时，小程序开发者要分析什么样的行为轨迹说明了什么样的问题。这些问题往往就是影响用户决策的重要因素。
所以，小程序开发者需要总结这些问题，以这些行为轨迹所反映的问题来确定目标人群在不同阶段如考虑阶段、行动阶段等的不同需求。同时开发者还可绘制出一个用户行为轨迹图，让用户行为轨迹变得数据化和可视化。若出现行为轨迹不完整的情况，开发者也可及时予以修正。
大数据分析一般会包括五个方面（见图3-7）的内容，分别为可视化分析、数据挖掘算法、预测性分析、数据质量和数据管理、语义引擎。
图3-7 大数据分析五大内容
其中，数据挖掘算法是核心；可视化分析可向小程序开发者展示直观的用户行为轨迹数据特点；预测性分析是要求小程序开发者从采集的用户数据中挖掘出用户行为轨迹的特点，继而建立起模型预测未来用户行为轨迹的变化；语义引擎与人工智能相关联；数据质量和数据管理则是用于保证所分析的用户行为轨迹数据具有真实性。
小程序开发者需要总结行为轨迹所反映的问题，让开发出来的小程序更具有针对性，以这些来确定目标人群在不同阶段如考虑阶段、行动阶段等的不同需求。同时开发者还可绘制出一个用户行为轨迹图，让用户行为轨迹变得数据化和可视化。若出现行为轨迹不完整的情况，开发者也可及时予以修正。
总之，快速掌握小程序目标人群的用户行为轨迹、确定小程序目标人群在不同阶段的行为意义、绘制用户行为轨迹图……可以说都是借助了大数据的力量来实现的。在市面上，已经有多个可提供大数据分析的平台涌现，这些大数据分析平台一般都会提供用户数据采集、数据建模等内容，如“神测数据”“GrowngIO大数据可视化分析平台”“微指数”等，小程序开发者可通过这些大数据分析平台来帮助自己进行小程序目标人群的分析。
3.2.3 采用用户画像获取用户基本信息
标签是一种特征标志。采用用户画像就是将小程序的目标人群标签化。小程序目标人群标签化有利于计算机的统计分析，便于将用户画像数据进行归类处理，让小程序的用户基本信息如性别、年龄、地域等内容可视化。构建起一个小程序目标人群的用户画像，可有助于小程序开发者快速地获取到小程序用户的基本信息。建立起小程序目标人群的用户画像模型有以下几点作用，如图3-8所示。
图3-8 建立小程序目标人群用户画像模型的作用
用户画像对于小程序开发来说必不可少，但清楚了构建小程序用户画像的作用还不够，明白如何构建小程序的用户画像才是关键。构建用户画像主要分三步走：
第一步，采集基础数据。用户画像的核心是数据。小程序开发者先列举出构建用户画像所需要的基础数据。例如，所开发的小程序是面向在校大学生的用于记笔记的工具类小程序，那么开发者就可以列举出一些有关大学生这个用户群体的基础数据，包括性别、年级、喜欢的课程类别、是否有记笔记的习惯、对于线上记笔记持有的态度等。
小程序开发者可采取网络问卷调查或者实地走访调查在校大学生的方式来采集基础数据。这两种方式是小程序开发者了解小程序目标人群特征的重要渠道。问卷调查可节约人力和时间，实地走访调查，进行用户访谈可帮助开发者近距离接触目标人群，有利于获取第一手数据资料。
第二步，分析建模。在构建用户画像所需要的基础数据收集完毕以后，小程序开发者需要分析这些基础数据，建立起一个小程序用户画像的可视化模型。开发者将采集来的在校大学生用户群体的基础数据进行整理分析，提炼出关键要素，必要时还可辅以一些现有的关于大学生群体研究的资料报告，总结出在校大学生用户群体的标签。
再者，开发者在第一步采集基础数据的时候，也还可以同时采集同领域或同类型小程序用户画像的基础数据，在第二步分析建模时，通过多个用户画像模型的对比分析来精准定位自身小程序的功能服务。
第三步，画像呈现。小程序用户画像的呈现应从显性画像和隐性画像两个方面来进行。显性画像是指对小程序目标用户群体可视化特征的描述，如上述已经提到的性别、年龄、地域，以及职业、年级、兴趣爱好等。隐形画像则与显性画像相对应，是指对小程序目标用户内在深层次特征的描述，如在校大学生在不同年级时的想法变异。
小程序开发阶段，想要获取用户的基本信息要依靠用户画像的构建。用户画像模型的构建要建立在所获取的小程序目标人群的真实数据上。只有根据真实准确的用户数据来分析，小程序的精准定位才有可能实现。开发者还要注意用户画像是处于不断修正的状态中的。开发者需要及时地对用户画像做分析和对比。