未明学院学员报告：「最强微信小程序打造之路」

报告作者：邹格格、冯雨晴、刘俨黎     

未明学院商业数据分析训练营9月班学员

报告名称：《最强微信小程序打造之路-微信小程序项目分析报告》

自2017年1月9日小程序正式上线后，微信以不断的开放平台能力，极有耐心地在为小程序逐步加温。在争议与关注中，小程序在2018年年初做到了日活1.7亿、月活4.3亿。

抢票小程序刷屏、小游戏在线人数高达2800万人/小时、Nike以2000万入驻“跳一跳”广告......在微信的流量红利下，小程序生态发展迅速。

你了解微信小程序吗？在众多小程序中哪一类小程序数量最多？哪类小程序最受欢迎？小程序的评分又收到哪些因素影响呢？

未明学院训练营中，三位同学基于小程序分析网站上2017 年上线的热门小程序相关数据（共1213条数据），从好评率、分类、标签、时间等角度出发，探究影响小程序评分的因素。

他们会有哪些惊喜的发现？又会有哪些宝贵的小程序改进建议？一起来看看大数据带给我们的收获吧~~

01、数据来源与变量说明

图1

本数据来源于小程序分析网站上2017 年（2017.1.1—2017.12.31）上线的热门小程序的相关数据，共搜集1213 条有效数据。

自变量共6个，分别为：好评率、小程序介绍、分类、标签、作者及发布时间。因变量为小程序所获评分。

02、小程序介绍词云图

图2 小程序介绍词云图

统计所有小程序中出现的词条，除去出现频数低于20的词条，出现频数前十的词条分别为小程序、提供、服务、工作、查询、信息、平台、用户、生活、分享。

基本可以看出，目前的微信小程序更多选择面向于用户的工作需要、生活社交、信息查询等日常需求方面。

03、数据分析

1、小程序分类汇总

首先，让我们来比较一下不同类型的小程序数量占比。

如下图所示，将小程序分为16类，工具类的小程序占比最多，多达17.7%，社交次之12.74%，其余超过10%的有生活、阅读类。母婴、体育、音乐类的占比较少，均低于3%，其中音乐类最少，仅占1.57%。

图3

2、小程序评分分布

接下来，我们一起看一下不同类别的小程序他们的评分呈现怎样的特点。

图4

由图四可知，所有类别的小程序均分高达4.5分以上，集中在4.7分左右；不存在“二八现象”，绝大多数小程序评分集中在4-5分，低分段小程序很少。

出行类小程序评分最高（4.77分），图像类小程序评分最低（4.51分）。有关娱乐方面的小程序评分普遍在平均值以下，功能方面的小程序评分较高。

购物类和阅读类的小程序在高分段的偏多，但均分低，值得进一步探究。

图5

通过进一步探究，绘制小程序评分箱图（图五），我们发现小程序的评分呈现五大特点：

▲ 评分总体偏高：所有类别的小程序的中位数都集中在4.5分及其以上。

▲ 评分相对集中：大部分小程序评分集中在4-4.8之间；其中办公类评分最集中，阅读类评分最分散。

▲ 评分分布较不平衡：评分集中在中位数以下的小程序类别较多。而办公类、出行类评分集中在中位数以上。

▲ 上限都为满分，下限也较高：下限普遍在3分及其以上，其中最低下线的阅读类小程序为2分。

▲ 低分异常值多为1分：低分异常值为1分的小程序分布在工具、健康、视频类、图像类中，值得进一步研究。

3、时差序列分析

图6

从年初上线到年末，不同时间，小程序的分布也有所不同。

2017年1月9日小程序正式上线，当日有193个小程序上线，也是2017上半年上线程序最多的一天。小程序在2017年1-2月日发布数量多，波动也大，平均日发布数量25个左右。2月17日直至6月，小程序发布数量的情况逐渐趋于稳定，一天发布的小程序一般不超过10个。

4、标签长度

图7

图8

小程序的标签相当于小程序自身的一张“名片”，不同的“名片”对小程序的评分也有着重要影响。由图7可知：

★ 各类小程序的评分中标签长度短的小程序所获评分占各自总评分的一半以上，而标签长度长的小程序所获评分在总评分中占比最小。

★ 由数据可知标签字符长度短的小程序获得更多的评分，可推测标签字符长度短的小程序拥有更多的用户。

★ 大部分分类小程序的评分占总评分的4%左右，而工具、社交、生活、阅读的评分显著高于这个数值，其中工具的评分最高，占总评分的17.7%。

★ 总体可见，用户对于社交、工具、阅读、生活类的小程序满意度较高，可推测其在日常生活中有一定的消费需求，且目前的小程序能较好的实现他们的需求

04、建模分析

首先，我们绘制了显著性分析表格（显著性是用于实验处理组与对照组或两种不同处理的效应之间是否有差异，以及这种差异是否显著的方法。我们把数值小于0.05的显著性水平，视作有显著说明的假设，因而可排除数值大于0.05的变量。）

图9：显著性分析

根据图9表格，我们可知：

评分变量、字符长度的回归程度十分显著，具有显著的解释意义。发布时间变量、人气变量回归程度不显著，解释意义弱。

因此，我们将我们将发布时间、人气变量剔除，进行其他变量对评分的影响研究。

接着，我们建立模型。

图10

模型为：

Y（评分）=2.101E-14+5*（好评率）-5.546E-17*（标签字符长度值）+1.368E-16*（分类优化值）

模型完美拟合，因而我们需要进一步探寻该三个变量各自对评分的影响。

图11

小程序分类、小程序字符长短、好评率这三个变量，实现了完美拟合，说明这三个变量对于评分的影响是显著的。

此表中R值等于1，说明该三者变量具有绝对相关的关系。

进一步，我们需对单一变量进行详细研究。

图12：好评率相关性

上述表中，R的数值等于1，好评率完美拟合评分模型，说明好评率与评分有着必然相关的联系

图13：好评率模型

上述表中，评分作为因变量，可精准反映模型 Y（评分）=2.220E-14+5*（好评率）。

最后，去除好评率的相关性。

图14

图14表中，R值为0.095，远小于0.5，因而评分与标签字符长度、分类的相关性很弱。

为了进一步完善研究，我们将对二者相关性进行单独检验。

图15

图16

标签字符长度的R值为0.054，分类的R值为0.078，均远小于0.5 。因此我们得出：标签字符长度、分类与评分的相关性很弱。

综上述：在上述诸多变量当中，唯有评分与好评率有着绝对相关的关系，对总评分起到了绝对显著的影响，其他变量的回归程度关系很弱，因而对总评分的影响甚微，却不代表毫无影响。

05、建模分析建议

1. 重视且提升低频刚需领域：提供娱乐方面服务的小程序评分较低，例如音乐类、视频类、图像类等，深入调查后给予详细的解决方法。

2. 保持高频刚需类的优势：如出行类、工具类、金融类等，使用者对此的好评率高。在维持方便快捷的优势的同时，也要对此进行优化，提供更细致的服务。

3. 完善平台机制：鼓励更多使用者进行小程序评价，提供更良好的平台让程序开发商开发出更多样化的小程序上线。

4. 标签具体更有利：各类小程序的标签需要在15个字以上，更具体，让消费者更快速地了解到小程序提供的相关服务。

5. 注重优化: 保持现有的小程序发行速率，更注重优化现有小程序，提高用户体验，增强用户群体的粘连性。

总体而言，小程序的评分与用户体验的感受具有极大关联，程序运营方可通过加强自身程序的用户体验为主导，进行重点研发以及投入，并以小程序的名称唯一性、发布时间、描述匹配关键词、宣传等方面为次要导向，进行加强，完善用户体验，使得小程序具备竞争力。

以上就是本次汇报的全部内容，看完是不是对互联网产品与运营有了更清楚的认识呢？

小伙伴们通过训练营的行业热点真实项目，不但掌握了数据分析应用技能，也对行业有了更加深入的认识，这段项目经历和他们的项目报告，也将成为他们未来进入行业时简历背景上出彩的一笔。期待见到更多小伙伴的优秀作品哦~~