小程序在设计、开发的过程中对用户的分析，是小程序进行系统设计和完善的依据。小程序最终是被用户使用，选择哪种类型的用户作为目标用户，需要综合衡量用户存在的价值和潜在用户量。
之所以能够对众多用户进行分析，是因为用户群并不是互斥和独立的，小程序的用户群在一定程度上会有一些共同的特征，采用“用户画像”的方法找出用户群特征，凭此确定好目标用户。然后按照用户的行为轨迹找出用户的核心需求点，开发者在设计开发的过程中根据这些核心需求点，开发出一款受人欢迎的小程序。
“用户画像”又被称为用户角色，在很多领域都会用到，是一种找出目标用户和用户诉求的有效工具，产品的设计方向也能凭此找出。“用户画像”作为实际用户的虚拟代表，并不是脱离产品和市场构建出来的，而是具有强烈的代表性，能够代表产品的目标用户和主要受众。在对小程序的用户群进行分析时，“用户画像”分析是一种典型的方式。
“用户画像”最早是由交互设计之父Alan Cooper提出的，在他看来，“用户画像”的核心就是给用户贴上标签，每一个标签都是人为规定的标识，用高度精练的特征去表述某一类人，如年龄、性别、兴趣爱好等，不同的标签通过组合能够形成不同的“用户画像”。
这一点和QQ上的个性标签相似，在QQ个人主页设置中，用户可以选择许多标签来给自己定位，比如，白羊座、“90后”、宅男，这几个标签就是用户对自己进行的概括，这在一定程度上和“用户画像”分析用户群特征的方法相似。
据QuestMobile数据的《流量聚合升级赋能生态闭环——微信小程序用户画像及行为研究》报告显示，从“用户画像”上看，微信小程序更受女性用户欢迎，群体更加年轻化；用户群在北上广及江浙等经济发达地区抱团扎根，具有很高的线上消费能力及意愿，更偏爱苹果、华为等高端品牌，如图3-1所示。
图3-1 小程序“用户画像”总结
据报告分析来看，从整体而言，小程序有望开启以服务为载体的新流量汇聚模式，与微信沟通形成互补，打通线上线下，夯实生活服务管理半径；未来服务可在线上团购、网银、支付、微博社交、地图导航等应用市场场景持续发力。
对用户而言，一款小程序不可能涵盖所有人，如果想要把男人女人、老人小孩等全部覆盖住，这样的小程序往往会走向消亡，因为每一个小程序都是针对某一种目标群体而服务的，如果用户群体基数越大，标准就会越低，如果适合每一个人，那么这款小程序其实就把要求降到了最低，最终的结果是小程序毫无特色。一个没有特色的小程序又怎么会对用户产生吸引力？又怎么能继续发展呢？
一款成功的小程序都是拥有清晰的目标用户群，并且用户群的特征比较明显。比如，豆瓣服务的对象就是文艺青年，由于这种特征非常明显，使用户之间的黏性也比较高，而给特定的群体服务，反而会比给许多用户提供低标准的服务更容易成功。
对小程序的“用户画像”进行分析还能够避免设计人员对用户的草率代表，小程序在设计时最忌讳的就是代替用户发声，把自己的期望当成用户的，还总以为是在为用户服务，这样造成的后果是费了很多心血设计的小程序，用户并不买账。
“用户画像”还能够提高小程序的决策效率，在小程序设计当中，总会出现不同的声音，分歧也是难以避免的，这样的后果无疑会影响小程序的进度。通过“用户画像”对用户进行分析，过程中的讨论也会围绕一个大的方向进行，因此能够提高决策的效率。
在大数据时代，可捕捉到的用户数据越来越多，“用户画像”也因此更具有价值，典型的大数据时代的“用户画像”包括两个方面：
（1）用户消费行为与需求画像。
用户通过消费行为总会反映出自身一定的需求，把用户的行为与需求进行分析，就能刻画出一个精准的消费者画像。比如，用户在网上购物留下来的数据痕迹就能够为电商们提供思路，电商通过对用户的个体消费内容、消费能力、消费品质等方面可以为用户构建一个消费画像。
（2）用户行为的偏好画像。
通过对用户的一些网络行为，完全可以推断出用户的偏好，比如，根据用户经常听的歌曲，翻阅的新闻、小说等内容，都是可以透露出用户的偏好的。
随着大数据的激增，“用户画像”也被运用到各个行业之中，比如，一些媒体公司可以通过画像分析，提供精准广告投放，小程序当然也可以通过“用户画像”分析实现对用户群特征的分析，实现小程序的“用户画像”可以分为三个步骤，如图3-2所示。
图3-2 实现小程序“用户画像”的三个步骤
方向和体系是很关键的基础部分，通过标签结构能够实现从浅到深、从客观到主观、从通用到场景的画像，这三层对应的标签是基础标签、画像标签和场景标签，这些标签能够洞察用户，也是大数据运营的关键。
当确立了小程序的用户方向之后，就要对用户的数据进行收集，比如，用户的消费信息、行为信息等，收集到的数据一定要真实，并且具有一定的关联性。
标签是通过大量的大数据行为而建立的，不能通过用户某一次的消费行为和搜索行为来决定，这就需要对用户标签进行研究。
找出小程序的潜在用户群是找出用户需求的首要任务，在设计小程序的时候，根据“用户画像”的这三个步骤就可以最终确定小程序的用户群特征，找出精准的潜在用户，从而为找到用户的核心需求打下基础。
用户在使用一些互联网产品后，往往会留下一系列行为轨迹，这个行为轨迹能够反映出用户对产品的核心需求。如果能够精准把握用户的行为数据，了解到用户的喜好，就能够为产品设计提供依据。
比如，一款电商类的小程序，在分析用户需求的时候，关注的无外乎就是用户的消费行为。用户在网站中的一些行为，包括搜索、浏览、评价、加入购物车、购买、退货等行为，还包括其他方面的参与情况，这些都能够体现用户的信息。而且经过分析会发现，用户的行为信息量非常庞大，如果从采集到的数据来看，用户的购买行为会有上千种行为维度。在近几年中，电商之间打响了价格战，但单纯的价格战对于企业来说并不是最好的选择，这时一部分企业就开始另辟蹊径，通过对数据的充分利用和挖掘进而在商战中取胜。
下面以赢在移动开发的“导购助手”小程序为例，分析“导购助手”小程序的具体功能：
（1）门店和导购的信息管理。
商家旗下的门店都入驻赢在移动的“导购助手”平台；导购注册申请成为平台的会员，平台审核确认身份。
（2）导购业绩管理。
商家可以查看每一个导购的相关信息，包括扫码次数，卖了多少货、卖出了哪些商品、得到了多少红包、积分、卡券、礼品等（奖项由商家自主设置）。
（3）平台公告展示。
平台公告展示包括导购每月业绩排行榜、门店公告等。
（4）查库存。
赢在移动研发的“导购助手”目前支持两种方式：一是扫码查库存；二是输入名称查库存。商家可以快速查看商品的数量以及详情，方便及时补货。
（5）增加“门店附近的店”功能。
“导购助手”小程序未来将增加查看“门店附近的店”功能，商家可以根据各门店的库存和实际需要，到邻近的门店快速调货，提升消费体验。
目前，针对门店的“导购助手”小程序已开发完成，主要功能包括：门店管理、商品库存管理、附件门店库存查询、导购管理、导购积分、导购红包、导购业绩统计、导购业绩查询等。
大家想要找出用户的核心需求，需要分析用户行为的一系列反馈，下面以电商行业为例，具体分析用户的行为轨迹，其分析内容主要体现在以下三个方面：
（1）网站转化率低主要是由进入网站购买的人少导致的，不同的用户可能会有不同的不购买原因，但是通过用户行为轨迹就能找出绝大多数的原因。比如，结果可能是搜索找不到结果，有些功能使用不方便等。
通过用户的使用轨迹，还可以找到那些无效流量，比如，某一个渠道来的用户没有产生用户轨迹，就可以看出这个渠道来的流量并不是真实的。
（2）内容要使各个部门相协调，提高电商企业的效率，电商行业各个部门可能都存在一些矛盾，对于用户并不买账的后果，运营部会认为是市场部没有做好推广，认为产品部门没有设计好符合用户需求的小程序，认为技术部的技术方面存在着问题，当然其他几个部门也会互相埋怨，这将会严重影响各部门之间的团结。
但是，通过用户行为轨迹，便可找到问题的根本原因，责任也会变得清晰，各个部门之间各司其职，就能够很快解决问题，从而提高企业的工作效率。
（3）对网站推广效果的监控。目前的统计数据中可以看到IP（独立IP数，00：00—24：00相同IP地址被计算一次）、PV（Page View，即页面浏览量或点击量，用户每次刷新即被计算一次）、停留时间和访问页数等，但这些数据很容易造假，从而导致没有达到预期推广效果。所以，企业要实时监控用户行为数据，保证数据的准确性。
在明白用户行为轨迹的作用之后，还应该知道一点，抓住核心需求点需要明确每一个用户的个体行为轨迹，而不仅仅是从大范围的方向上判断，这里有一个要求，就是以人为中心，这和小程序的理念也是不谋而合的。
从个体行为中可以研究出用户的行为动机，个体用户的轨迹可以反映出小程序的问题所在，在对用户进行了多维度的细分之后，还需要知道这些用户是谁，只有这样才能够对用户进行分组。
在过去，互联网人员在分析网站的时候，使用的都是CNZZ、百度统计，或者GA，这些流量统计网站只能提供统计数据，而不能提供数据背后的个体用户特征。如今的个人行为轨迹就在此基础上做出了改进。
小程序也被张小龙比作PC时代的网页，对于小程序进行传统的分析也是不可能的了，只有用精准化的用户行为分析，才能够给互联网人员带来最大的效率。所以，对小程序来说，以事件作为起点，以人为中心对用户进行分析是不可缺少的。
从此可以看出，小程序利用对用户的分析找出用户需求的行为，正是对小程序理念的践行。小程序是以服务用户为目的，那么用户需求就是小程序设计时的关键，不脱离这个核心内容，设计出的小程序才会有用户基础。
159-5318-4521
