小程序效果评估与优化：从海量数据中找准核心指标

在掌握了一定的数据统计方法之后，开发者能够得到一定的数据反馈，但是这时还有一个需要特别注意的地方，那就是反馈的数据并不是都有用，或者说不同的数据反映着不同的情况，从海量的数据中找出关键的指标进行分析，也是非常关键的一步。

核心指标往往会隐藏在概览指标或者行为指标里面，如运营概览指标数据、有效的用户行为数据、用户特征数据等数据指标，对这些数据进行分析，才能得到小程序的运营情况。

运营概览指标数据

运营概览数据是微信官方提供的一些指标，这些指标都是比较常见的，和网页或者APP里面的指标类似，是一些基础性的数据指标。具体来说，小程序的运营概览数据主要分为以下几个方面。

1、打开次数。

这是指打开小程序的总次数，用户每次打开小程序到主动关闭视为打开一次，超出时间退出也被计算为一次，这些你都可以理解成一个会话。

2、页面浏览量。

这是指小程序内的所有页面的被浏览的总次数，多个页面之间的跳转和同一页面的重复访问都可以被计成多次访问。

3、访问人数。

这是指小程序内访问所有页面的用户总数，但是不会对同一用户进行重复计算。

4、新访问用户数。

这是指第一次访问小程序页面的用户数，同一用户进行多次访问也不会进行重复计算。

5、入口页。

这是指用户进入小程序后，访问的第一个页面。入口页其实是一个比较新的指标，因为小程序支持每一个页面都可以设置成二维码进行推广，这和落地页的概念很类似。用户通过扫描不同的二维码，就可以进入不同的入口页中。

6、受访页。

这是指用户进入小程序访问的所有的页面。

除此之外，还有分享次数和分享人数，分享次数是指小程序被分享的总次数，分享人数是指小程序被分享的总人数。可以看出，这些指标都还呈现在表面上，局限于运营概况和结果，体现用户更深层次的行为数据还不能进行统计。

因此，这也是运营概况指标数据的一个缺点，它无法告诉你，用户在使用小程序的时候发生了什么事，从而缺乏行动的引导性。比如，小程序的访问人数的指标下降了，但是为什么会下降，指标是无法告诉你答案的，这就需要通过其他数据进行分析。

有效的用户行为数据

除了概览指标之外，用户的行为指标也是反映核心问题的关键性因素，如果得到有效的用户行为数据，小程序的数据分析就会非常有意义。

有效的用户行为数据具体包括点击、进入页面、下拉刷新、分享、评论、收藏、打分、添加等，在不同的时间和场景中，用户的行为都会发生变化，以上这些数据被称为动态行为数据。运营者通过捕捉用户的动态行为数据，比如，浏览次数、评论等，能够对用户进行深浅归类，从而区分出活跃或者不活跃的用户。把这些行为串联起来，放在时间维度上，就可以很清楚地看到用户的行为流程和事件流程。

用户的行为数据其实是非常庞大的，能够找到真正重要的用户行为也非常关键，比如，“点击”这个行为，用户在一个小程序内的点击会有很多，那么关注哪一个点击就是需要仔细思考的问题，只有和自己的业务目的息息相关，能为小程序的优化提供一定方向的用户行为数据，才是真正有效的用户行为。

不同的小程序由于特色和风格不同，有效的用户行为数据也会有所不同，以今日头条、轻芒杂志、豆瓣评分为例，具体看一下它们不同的有效用户行为。

今日头条lite小程序是一个有内容和资讯的小程序，它的有效用户行为就是“下拉刷新”。对于用户来说，每次下拉刷新都可以获取新的内容，满足用户对内容和资讯的需求，下拉刷新也是用户经常进行的一个操作。而对于小程序今日头条lite来说，下拉刷新还可以带来更多的广告机会，展示更多的商业变现空间。

今日头条lite页面

轻芒杂志是一个杂志阅读类的小程序，它的有效用户行为是“收藏”，用户对你的内容进行收藏，就证明认可了你的内容，用户回来继续读这篇文章的可能性会非常大。所以，收藏就可以作为一个有效的数据，来反应哪些内容能够得到用户的喜爱，哪些内容需要进一步提升，轻芒杂志页面如图所示。

轻芒杂志页面

豆瓣评分是一款专门用来查询电影评分的小程序，用户经常进行的一个操作就是“搜索”，而搜索这个行为就是豆瓣评分的有效用户行为数据。用户通过主动的搜索行为能够明确查找出某部电影，这些行为都会被记录下来，反馈给开发者，而这些内容也正是豆瓣评分小程序希望达到的目的，豆瓣评分页面如图所示。

豆瓣评分页面

小程序反馈出的行为数据并不一定都能分析出一定问题，只有那些用户经常进行操作，对小程序有着重要意义的行为才是有效的，开发者在收集数据中，应该格外注意这一点。

用户特征数据

除了运营概览指标数据和有效的用户行为数据，用户特征数据也是重要的数据指标，根据使用小程序的用户进行特征分析，就能够为小程序之后的优化做出方向性指导。

用户特征数据包括设备机型、网络类型、地域特征等其他的用户渠道来源方式，通过对用户的渠道方式进行区别，就能够得出一些有用信息。

用户使用的设备机型能够在一定程度上反映出用户的经济水平、使用习惯，通过对用户这些内容的了解，可以制定相应的功能，比如，在某些内容上增添付费功能等。对用户来源渠道进行分析，主要就是解决用户来自哪里的问题。

比如，根据用户地区分布的数据得出，一个小程序现有用户的80%都是来自上海，那么就可以针对上海地区的用户，专门举办一些活动，从而提高小程序的用户活跃度。

以APP为例，APP获取用户的渠道比较多，很可能是网络社交平台（微博、微信、论坛、贴吧等）、新闻网站、垂直门户网站，但也有可能是来自各种线下地推活动，当然也可能是老用户介绍而来。

通过调查、埋点以及追踪的形式，就能够获得用户的来源数据，知道小程序的用户是来自哪里。通过来源数据的统计，以及对用户多维度数据进行分析，包括留存率、转化率，就能够衡量小程序拉新渠道的效果，判断出小程序用户的主要来源地，以及哪个地方的用户质量最高。

小程序运营人员可以根据用户来源和用户行为数据对渠道效果进行评估，从而找到适合小程序的渠道，并且有针对性地进行投放，才能使推广更加精准有效，从而快速地吸引到有价值的用户。

用户特征包括用户的人口属性，每个小程序用户都带有各自的共性和个性，通过获取用户属性，就能够生成完整的用户数据库，构建出“用户画像”，从而便于对用户的管理和运营。

用户特征数据不能直接反映出用户的姓名、年龄、身高、体重这些自然属性，如果小程序配合相应的工作进行调查，以获取用户更多的信息，就能够收集统计出用户的属性，从而得到一个更加具体形象的用户特征。