設計微信小程序需要從以下角度去考慮産品的結構。

受衆人群分析——知己知彼，懂用戶方能(néng)做出更受歡迎的應用，用戶是移動應用分析的主體，任何的分析都(dōu)離不開(kāi)對(duì)用戶的了解，用戶作爲應用的受衆群體，有着豐富各異的特征。尤其在現今移動互聯網高速發(fā)展的時代裡(lǐ)，追求用戶覆蓋數量是絕大部分移動應用運營的核心目标。不僅應用的人氣需要用戶，應用的盈利能(néng)力也需要依賴用戶，而要想從用戶那裡(lǐ)賺到錢，就須對(duì)用戶的人群屬性、興趣愛好(hǎo)、地域分布等一清二楚，所以全面(miàn)的“受衆分析”功能(néng)就顯得非常有必要了。了解用戶的喜好(hǎo)等特點之後(hòu)，也能(néng)指導開(kāi)發(fā)者以及運營推廣人員進(jìn)行精準廣告投放，隻把廣告投給真正的潛在用戶。

所以，受衆人群分析不僅能(néng)幫助開(kāi)發(fā)者推進(jìn)“開(kāi)源”，更能(néng)通過(guò)指導廣告投放幫助開(kāi)發(fā)者“節流”，也隻有知己知彼，才能(néng)投其所好(hǎo)，讓自己的應用越來越受到用戶的喜歡。

（1）人群屬性分析：用戶是一個一個真實存在的人，那麼(me)用戶群體一定有其特定的人群屬性，包括性别、年齡、學(xué)曆、行業、興趣等。所以對(duì)于某一個應用，其人群屬性一定有傾向(xiàng)性特點，例如應用A的用戶群體具有高學(xué)曆、男性多、計算機行業多、愛好(hǎo)讀書等特點。統計系統内就集成(chéng)了全面(miàn)的人群屬性分析功能(néng)，通過(guò)IP歸類檢索，獲取移動應用的用戶在PC端訪問時留下的Cookies，結合後(hòu)台用戶群屬性碎片，進(jìn)行比對(duì)分析其屬性特征。

整合大數據用戶畫像功能(néng)，标簽體系包含4大類别，24個垂直領域，近300個興趣标簽，多維度描繪了app用戶群體的興趣愛好(hǎo)、使用習慣和需求。可用戶app的個性化内容運營，個性化消息推送、廣告精準投放等多個場景。目前移動統計報表中已展現有用戶性别、學(xué)曆、年齡、行業及興趣分布情況，并提供用戶畫像的移動統計SDK包，同步集成(chéng)移動統計和用戶畫像功能(néng)，提供更爲豐富的用戶屬性分析報告。

（2）新增和活躍用戶分析：新增和活躍兩(liǎng)大指标是用戶分析中基礎的數據，新增用戶反映了移動應用或者小程序用戶增長(cháng)情況，通常情況下，新用戶占比越高說明應用的未來發(fā)展潛力越大，而日活躍度越高說明應用的用戶粘性越大。下面(miàn)分别就新增和活躍用戶分析方法進(jìn)行介紹。通常移動應用分析系統都(dōu)能(néng)夠對(duì)新增用戶按照時間序列的方式進(jìn)行展示，以表現其發(fā)展趨勢如何。例如，選擇近30天内新增用戶的發(fā)展趨勢，可以得到按天分布的統計數據，條件允許的話能(néng)做到“按時”新增用戶分布統計。

將(jiāng)統計顆粒度從“天”精确到“時”可以了解一天當中哪個時間段新增用戶較多，然後(hòu)根據這(zhè)個數據調整推廣渠道(dào)的廣告投放時段，在新增用戶高峰期之前一兩(liǎng)個小時進(jìn)行定向(xiàng)投放，可以獲得高的廣告效果等。對(duì)于日活躍度（簡稱“日活”）的分析，可以幫助開(kāi)發(fā)者了解用戶粘性和依賴度，通常用百分比來進(jìn)行統計，日活躍度數據也依據應用類型而千差萬别，高日活躍度應用主要集中在工具類、遊戲類和社交類，所以分析的時候應該結合自身應用類型。移動統計中日活分析也可以按照時間段對(duì)比維度進(jìn)行分析，例如選擇近一個月和上個月的日活躍度數據進(jìn)行對(duì)比。

（3）用戶地域分布：移動開(kāi)發(fā)者爲什麼(me)需要了解用戶地域分布情況呢？第一，了解用戶集中的區域有利于開(kāi)發(fā)者制定有效的城市推廣策略，如較成(chéng)熟的城市需要進(jìn)行老用戶的維護，而用戶較少的城市可以重點考慮做新用戶推廣和擴張等；第二，對(duì)于部分大型移動應用如電商應用或遊戲應用，開(kāi)發(fā)者需要了解集中了80%用戶的關鍵城市，對(duì)其做增加帶寬、增設CDN服務器等策略的調整，保證集中的用戶區域也能(néng)有較好(hǎo)的用戶體驗等。

（4）留存用戶分析：常見的就是“首次使用留存”分析，是指首次使用應用的用戶中，在第一次使用完畢之後(hòu)的某一相同間隔時間段内再次使用的情況。例如，選擇近30天内新增用戶中，“周留存”情況的統計分析，就是指近30天内第N周的新增用戶，在第N周之後(hòu)的每一周内留存比例的情況。而“日留存”、“月留存”等含義以此類推。