干货分享丨研发代码质量管理技术最佳实践

如何高质量快速交付研发产品是每一位技术研发永恒追求的目标,如何在快速迭代发布下保障研发产品质量是每一位技术研发要共同思考的问题。

近日,在“安卓巴士全球开发者论坛·北京站”会议上,TalkingData SDK技术研发经理韩广利做了题为《研发代码质量管理最佳实践》的主题分享,将TalkingData SDK完整的质量保障体系的创建过程和最佳实践分享给所有开发者,希望能够对大家有帮助和借鉴。

TalkingData SDK技术研发经理 韩广利

以下是韩广利的分享精粹:

在演讲之初,韩广利首先分析了移动端平台发展趋势,包括以下三个方向:

  • 首先,双卡是移动端平台的主要趋势,今年9月发布的iPhone最新机型已经支持了双卡,这对于市场将起到很大的驱动作用。
  • 其次,由于人工智能的不断演进,两大平台也不断对其进行技术跟进,比如安卓平台的TensorFlow,以及iOS平台的CoreML。
  • 第三,用户隐私政策会越来越严格,不仅用户自身非常重视隐私,国家相关法规也日益完善,移动端平台的行为权限将逐步受到严格约束。

TalkingData基于相关政策为不同平台提供相应的适配和支持,也正因如此,就需要一个良好的代码质量管理体系去保证TalkingData SDK的质量和稳定性。

回顾TalkingData SDK整体架构的演进史,可以简单分为三个阶段:

  • 简单分层:只支持一条业务线;
  • 多服务:满足不同业务线逐渐增加的需求;
  • 微服务&模块化:满足不同开发者打包定制化的需求。

在功能叠加的过程中,需要对代码架构进行调整,那么此时应该思考两个问题:架构调整的原因什么?调整的目标是什么?

带着这两个问题,韩广利从四个部分进行了阐述。

代码分支管理

当代码分支不断增加,现有的人力和技术框架将无法支持功能的快速迭代。即便在某一个分支上解决了bug,但还需根据不同的场景将其添加到不同的分支上,分支的代码就会产生很大的差异,又需要投入更多的精力和时间去解决相关问题。

为此,TalkingData SDK进行了改造,将分支分为:对外发布交付分支、开发测试分支、以及个人创建分支。同时,也对原有的直接拉取分支的原因进行了一些反思:在架构设计之初,代码之间的耦合性较强,同时没有从业务或数据角度去进行独立设计,在打包的参数上没有进行动态配置。

为了改变现状,TalkingData制定了三个目标,一是改变模块之间的通讯方式;二是重新设计代码功能模块;三是约束代码之间的边界,尽量消除耦合性。

解决方案主要采用了微服务的思想——服务之间相互独立,随意调用或组合;对功能模块和数据模块进行了拆分;改变通讯方式做到解耦的效果,又将动态的配置参数分离出来,实现了支持多条业务线,并且可以满足定制化的需求。

在打包上进行了标签化的管理,同时配合标签检查脚本,达到定制化勾选和服务的打包功能。

韩广利表示,在架构重构时,需要进行一些取舍和选择,其核心思想是:架构在于目的而非框架,因为架构最终是要服务于业务的。他还提供了5大原则作为参考:

  • 独立于框架
  • 可测试性
  • 独立于UI
  • 独立于数据库
  • 独立于任何外部代理

而在选择架构时应从易于维护、易于测试、内聚以及最核心的解耦出发,要让模块之间互相独立。

SDK功能打包管理

TalkingData SDK提供不同业务线打包的定制化开发需求。在庞大的体量中,如何保证打包的功能正常、方便测试?为此,在设计目标当中加入了分层的考量,首先是用户输入信息:邮箱、业务线以及所需平台,然后是整个平台的业务处理、输出的用户申请功能包,最后通过邮件发送给申请的开发者。

逻辑流程如下图:

在打包管理中,比较常用的工具有 GitLab、Jenkins、Server。

代码review规则及流程

在代码review中设置人为检查和脚本检查两种机制。

在人为检查中,负责review的人员必须要参与最初的需求和设计的审核,不仅要了解整个功能需求的细节,还需要对功能或测试负责,撰写review checklist,最后要交付review 模板,在出现问题时可以进行问题追踪。

在脚本检查中,需要进行编译和制定代码规范、静态代码检查,以及安全漏洞等方面的工作。

以上两种机制可以让代码review真正起到作用,而避免沦为形式化流程。

TalkingData SDK在代码review时有几种方式:

  • 1对1:改动较小的bug、需求和优化
  • 1对多:改动较大的bug、需求和优化

与其他公司选用技术主管或特定人员作为代码review人员不同的是,TalkingData SDK 的代码review主要由组内成员相互之间进行,这样对于个人的技术和框架理解会有所帮助。

代码review模板主要有三个部分:谁做的review?发现了什么问题?如何解决整个问题?好的代码review模板要做到问题可记录、问题可追踪。

代码质量管理的工具

在代码质量管理的流程中,TalkingData SDK在代码托管上使用了GitLab,在项目管理上使用了JIRA。之所以选择这两个工具是因为两者可以互相打通,方便后续在遇到问题时可以根据记录进行排查。

研发流程如下图:

其中,单元测试在研发中是非常重要的,开发者写完一个功能模块的主流程通常没有问题,可以做到自测;但是分支的一些处理流程,即便交给测试人员也很难测试出来。因此单元测试就显得尤为重要,它可以覆盖很多异常分支,所输入的条件在参数当中可以动态设置。

QA测试流程如下图:

在前期,会由研发和QA整理一些测试用例,分为高中低等不同的级别,研发在提测时会有测试通过率,以保证测试的效率。

另外,TalkingData SDK 在上线后也需要去做一些监测,比如交付质量、对不需要功能做删减、打包的完整性等等。

总体来说,即采用微服务的思想,尽量让功能模块化管理,利用工具管理流程,进行单元测试,同时上线前后都要设置一些检查策略,做到万无一失。

最后,韩广利表示,流程并非形式,需要真正地落地执行,长此以往,就会对效率有很大地提升。

解密幕后智囊团,就是他们在为TalkingData出谋划策

近年来,TalkingData成长迅速,这不仅归功于企业实力的不断积累以及对发展路径的不断探索,同时也得益于幕后神秘智囊团的长期加持,在9月举办的T11 2018暨TalkingData数据智能峰会上,除了多个战略、产品及行业合作的重磅发布外,TalkingData还首次介绍了董事顾问团的四位重要成员。

T11 2018大会上揭秘的四位神秘顾问分别为:原麦肯锡亚洲区资深董事Gordon Orr(欧高敦)、前香港特别行政区政府资讯科技总监杨德斌、风险投资家Eric Rosenblum以及红杉中国专家合伙人车品觉。

这几位横跨商界、政界与资本界的领袖人物,为TalkingData在战略制定、产品规划以及人才梯队打造等方面都提供了重要帮助。

董事顾问团重要成员简介

解密幕后智囊团,就是他们在为TalkingData出谋划策

Gordon Orr

原麦肯锡亚洲区资深董事Gordon Orr先生已在中国生活了二十多年,目前是联想、Swire Pacific、BPL、英中贸易协会的非执行董事以及美团的独立非执行董事,还任包括TalkingData在内的多家亚洲领先企业的顾问,提供集战略、运营、领导力、技术为一体的咨询服务。他曾一手搭建起麦肯锡在中国的业务,并先后领导麦肯锡大中华区与麦肯锡亚洲咨询业务多年。Gordon Orr先生毕业于哈佛大学商学院,曾获“贝克学者”荣誉。

解密幕后智囊团,就是他们在为TalkingData出谋划策

杨德斌

杨德斌先生曾任香港特别行政区政府资讯科技总监,在推动和发展香港的数字经济、智慧城市、科技创新、信息安全等方面贡献良多。杨德斌先生于1987年从硅谷起步,1995年回到香港,曾先后任职于多家高科技公司、跨国企业及私募基金,并担任多个组织机构的董事及顾问,在软硬件研发、投资创业、企业发展、科技园区管理等领域也拥有丰富经验。

解密幕后智囊团,就是他们在为TalkingData出谋划策

Eric Rosenblum

Eric Rosenblum先生在中美两国拥有超过25年的职业经验,目前是一名风险投资家,任职于Tsingyuan Ventures,专注于投资中美两国的前沿技术。在此之前,Eric在Palantir负责多个主要产品线的产品管理,还曾作为战略总监与产品管理总监在Google任职五年。他曾创立了多家初创公司,包括已被平安保险集团收购的Smartpay。Eric Rosenblum先生以优异成绩毕业于哈佛大学,并在麻省理工学院斯隆管理学院获得MBA学位。

解密幕后智囊团,就是他们在为TalkingData出谋划策

车品觉

红杉中国专家合伙人车品觉先生拥有十余年丰富的数据实战经验,曾任阿里巴巴副总裁与阿里巴巴数据委员会会长,还曾先后在汇丰银行、香港电讯盈科、微软、eBay等多家跨国公司任职。他在实践中形成了独特的数据化思考方式,对未来趋势有独到见解,著有《决战大数据》及《数据的本质》两本畅销书。2017年,车品觉先生被国家信息中心选为中国十大最具影响力大数据企业家。

除Gordon Orr先生因时间原因未能到场外,Eric Rosenblum先生、车品觉先生与杨德斌先生均亲自亮相T11 2018暨TalkingData数据智能峰会。车品觉先生带来了题为“认知 • 未来”的主题分享,Eric Rosenblum先生与杨德斌先生则参与了“数创未来”智慧城市峰会的圆桌讨论,针对“数据安全与智慧城市”主题分享了各自的真知灼见。

未来,顾问团也将持续助力TalkingData的探索和发展,尤其是在人工智能、数联网、物联网、智慧城市等前沿领域上,基于国际化视野、深度行业洞察、丰富实践经验提供专业建议,并为TalkingData在出海、投资、行业合作等方面搭建桥梁。

TalkingData林逸飞:零售行业步入新纪元,数据智能如何让“价值冰山”浮出水面

本文转自公众号:AI掘金志

过去两年,零售这个古老而传统的行业被推到了技术革新的风口浪尖。这场变革为何来得如此突然?背后的推动力又是什么?这是TalkingData合伙人&执行副总裁林逸飞和同行们反复探讨的话题。

零售领域正在孕育产业级的机会

其中被提及最多的,就是线上流量见顶。互联网巨头们开始转战线下,给传统大型零售企业造成了巨大的压力。这种压力催生了大型零售企业对移动化、数字化和对接线上流量的诉求。他们面临着两个选择,要么更加全面深入地倒向腾讯、阿里,要么在二者的夹缝中建立自己的流量和数据运营能力。

电商崛起也曾给线下零售造成过冲击,但远不如今天来得剧烈,加之当时技术成本太高,未能成功激发零售行业的技术革新。今天移动终端大规模普及,移动网络的获取成本、支付和流量的对接成本急剧下降,为零售企业建立自己的数字化能力创造了可能性。

与此同时,以今日头条、陌陌为代表的腰部流量开始更大程度地向市场释放数据化能力,零售企业需要建立相应的平台去承接。

TalkingData就是在这样的背景下切入零售市场的。TalkingData成立于2011年,是国内领先的第三方数据智能服务商。近7年的时间,TalkingData始终保持每年3倍的业务增长。切入零售市场至今的两年半时间里,零售业务版块的发展更是迅猛无比。

林逸飞认为,当微信这种十亿日活级别的平台开始释放流量和数据,须有零售这样庞大的市场才能承接。因此未来3-5年,零售领域将出现产业级和现象级的机会。他表示,TalkingData将在这一领域投入更多的人力和资源,以抓住行业变革的红利。

零售数据的“三重门”

大数据在零售行业的应用由来已久,“啤酒尿布”的故事曾经广为流传。但今天零售行业的大数据分析和当年相比已经发生了非常大的变化。

林逸飞介绍,零售行业的大数据有几个特点:首先,和金融、保险等行业相比,零售业对数据运营的精细化程度要求更高;其次,零售行业对接的流量和数据变化非常剧烈,比如小程序,两个月就能做到1.2亿日活,企业的对接平台必须足够灵活才能抓住这样的流量红利;最后,零售行业非常分散,一个垂直板块里就有少则几十家、多则几百家企业。

零售数据的维度也在不断增加。两三年前,TalkingData提出了数据“三重门”的概念,即交易门、交互门和公开市场门。“啤酒尿布”的故事只用到了“交易门”里的交易数据,它更多是一种事后推演。而今天,随着智能终端大规模应用,企业可以非常便捷地通过APP、社交网络等触点大规模采集用户的交互数据。传统零售经常提“人货场”,今天通过“交互门”里的数据我们还能在此基础上增加时间的维度,帮助零售商抓住营销的最佳时机。

“公开市场门”指的是客户在开放市场中的各种行为数据,这些数据本身往往并不与企业业务直接相关,但是可以很大程度上辅助企业开展业务,如移动App的数据、社交数据、微信微博的舆情数据等。

公开数据的获取并不是盲目的,需要以解决某些业务问题为出发点,否则会陷入“数据的汪洋大海”,反而不知道该收集什么样的数据。

不久前,TalkingData与腾讯云联合发布了针对线下商业场景的智能商业选址产品——智选,就是利用公开数据的绝佳范例。凭借双方强大的数据能力,“智选”可以帮助零售企业解决线下实体门店选址、商圈运营诊断等问题。以前费时费力的选址工作,借助“智选”只需几分钟即可通过可视化、数据化的方法快速做出决策。

林逸飞介绍,腾讯云就像一个基础数据加工厂,拥有丰富的原材料。而TalkingData离客户更近,知道如何用算法模型解决客户的实际问题,“我们做的是数据的精加工”。

如何萃取数据的商业价值是核心竞争点

当数据获取变得简单,数据维度不断增加,从数据中萃取商业价值的能力就成了企业的核心竞争点。

与交易数据不同,交互数据和公开数据是完全非结构化、高流量且时序紊乱的,数据之间天生不打通。这使得数据处理的底层技术发生了巨大变化,数据仓库等传统技术因无法应对现时流量的多波段变化,已经退居到了大企业的后台系统。

现阶段需要处理的数据维度之多,已完全超出了人力所及的范畴。以TalkingData服务的某餐饮连锁品牌为例,该品牌SKU数量不多,只有大约100个,但它在全国有数千家门店。TalkingData的目标是帮助其在营销端做到千店千面,在供应链端做到提前一天准确预测出第二天以小时为单位的客流量、原材料消耗数,以减少原材料损耗。为实现这一目标,TalkingData需要建立数十万个模型。如此多的模型不可能由人力进行调参,必须通过数据做自适应训练。

TalkingData在多年的业务实践中积累了非常庞大的数据量,鲜有同行能够匹敌。其次,TalkingData在机器学习和数据处理技术上也有着很深的造诣,同时具备大规模分布式部署的能力。此外,过去几年里TalkingData还不断从国外引进最新的技术,并在美国设立了自己的创新中心,不断修炼内功。

技术只是一方面,从技术到成熟落地的商用产品,中间还隔着一道鸿沟。林逸飞认为,打造一款成熟的商用产品,最重要的就是权衡客户的需求。TalkingData作为一家数据智能服务商,需要对接各种各样的客户,不同的客户对场景又有着独特的需求。产品只有标准化后才能成为商品,而标准化意味着要对客户的需求进行归纳和提炼。

为了在满足客户需求和标准化之间寻找平衡,TalkingData提出了一个金字塔模型。位于金字塔顶端的是行业的头部客户,这些客户的需求对于相应行业具有引领作用,可以辐射到腰部和底部客户,因此TalkingData会有选择性地满足它们的定制化需求。

位于金字塔中间的腰部客户数量较多,准确提炼它们需求比较困难。如果覆盖的客户数量不够,提炼出来的需求很可能是跑偏的。

对于金字塔底部更为庞大的客户群,林逸飞认为,经过顶部和腰部两层客户的需求提炼,做出的标准化产品已经能够比较好的满足这部分客户的需求了。

企业需建立自己可以管理的流量平台

那么,头部企业探索出的能力和方法,如何更好地进行价值传递,赋能整个产业链中的中小企业呢?这就需要运用到数据中台了。

数据中台是今年特别热门的概念,包括阿里在内的很多企业都在打造自己的数据中台,只是大家对数据中台的理解各不相同。TalkingData对数据中台的定义是——基于数据智能应用探索商业价值的平台,它需要具有数据管理、数据工程和数据科学的能力。

去年的T11大会上,TalkingData正式对外发布了数据智能平台1.0,提供数据管理、数据工程以及数据科学的核心能力。经过一年时间的钻研打磨,TalkingData在不久前的T11 2018数据智能峰会上将其数据智能平台升级到2.0,内部称之为TalkingData数据中台,拥有管理、工程、科学以及安全、连接、共享六大核心能力。

林逸飞认为,很多零售企业的痛点在于,它不具备自己的数据和流量运营能力。零售企业很难建立庞大的自有流量,所以企业打造一个可以对接中部流量的数据中台是非常必要的。这样一来,企业就能在和头部流量的博弈中占据更多的主动权。

以TalkingData服务的一家大型服装企业为例。这家企业一年的营业额在500-600亿左右,其中90%来自线下,10%来自线上。而线上的10%中又有90%来自天猫,这意味着它在和线上流量的博弈中是处于下风的。

TalkingData花了七八个月时间帮它理顺业务思路,建立自己的数据中台,对接中部流量,进行精准的数字化运营和营销。仅仅通过六七次营销活动就带来了4个亿的收入增长,投资回报率最高的时候达到了94倍。

零售行业的剧烈变革才刚刚开始,TalkingData所展现的只不过是数字化巨大潜能的冰山一角。

iView 发布 3.1.0 版本,支持TypeScript

作者|Jonathan Saring

译者|无明

来源丨公众号「前端之巅」

TalkingData经授权转载

编辑|覃云

原文丨https://hackernoon.com/21-top-vue-js-ui-libraries-for-your-app-4556e5a9060e

最近,随着“星球大战”(指 GitHub 的 Star 数量大比拼)的爆发,Vue.js 在 GitHub 上的 Star 数超过了 React。虽然 NPM 的下载量仍然落后于 React,但 Vue.js 的受欢迎程度似乎在持续增长。

1、Vuetify

Star 数为 11K,提供了 80 多个 Vue.js 组件,这些组件是根据谷歌 Material Design 指南实现的。Vuetify 支持所有平台上的浏览器,包括 IE11 和 Safari 9+(使用 polyfill),并提供了 8 个 vue-cli 模板。

地址: https://github.com/vuetifyjs/vuetify

2、Quasar

Star 数超过 6K,是构建 Vue.js 响应式网站、PWA、混合移动应用和 Electron 应用的流行框架。Quasar 还支持诸如 HTML/CSS/JS 压缩、缓存清除、摇树优化(tree shaking)、源映射、代码分割和延迟加载、ES6 转码等功能。

地址:https://github.com/quasarframework/quasar

3、Element

Star 数将近 28K,是一款面向 Web 的 Vue.js 2.0 UI 工具包。它拥有一个强大的社区和 350 个贡献者,提供了丰富的可定制组件,以及完整的样式指南和更多的资源。 地址:https://github.com/ElemeFE/element

4、Vue Material

Star 数差不多 6K,是一个实了谷歌 Material Design 的简单库。该库还提供了一个 webpack 样板、用于 Nuxt.js 的 SSR 模板和一个单独的 HTML 文件(通过这个文件开始使用框架)。这里有一些入门的例子https://codesandbox.io/s/github/vuematerial/examples/tree/master/examples/quick-start。

地址: https://github.com/vuematerial/vue-material

5、Keen-UI

Star 数将近 3.5 K,一组 Vue 组件的集合,在设计上受到了谷歌 Material Design 的启发。Keen-UI 并不是一个 CSS 框架,它不包含网格系统、排版样式等。相反,它关注的是基于 Javascript 的交互式组件。

地址:https://github.com/JosephusPaye/Keen-UI

6、Buefy

Star 数 3K 左右,基于 Bulma(https://bulma.io)提供了一组轻量级的 UI 组件。Vue.js 和 Bulma 是这个库唯一的两个内部依赖。它的大小约为 60KB(压缩后的大小,并且包含了 Bulma)。你可以查看实时文档网站(https://buefy.github.io/#/documentation/start)并在 Codepen 上运行代码。

地址: https://github.com/buefy/buefy

7、Bootstrap Vue

Star 数超过 5K,为 Vue.js 提供了 Bootstrap 4 组件和网格系统的实现,并提供了自动 WAI-ARIA 可访问性标记。

地址: https://github.com/bootstrap-vue/bootstrap-vue

8、Muse-UI

Star 数超过 6K,是另一个 Vue 2.0 MD 库,提供了 40 多个 UI 组件和可定制主题。文档主要使用中文撰写,不过大多数组件是自解释的,文档只起到辅助作用。该项目在积极开发和维护当中。 地址:https://github.com/museui/muse-ui

9、AT-UI

Star 数接近 1.5 K,一个模块化的前端 UI 框架,用于开发基于 Vue.js 的 Web 界面,适用于桌面应用程序。它提供了 NPM+Webpack+Babel 的前端开发工作流和独立的 CSS 样式,值得一试。

地址: https://github.com/at-ui/at-ui

10、Vux

Star 数超过 13K,是一个流行的社区库,基于 WeUI 和 Vue 2.0。该库还支持 webpack+vue-loader+vux 的工作流。它的文档也是中文的。

地址: https://github.com/airyland/vux

11、iView

Star 数将近 16K,提供了数十种用 Vue.js 构建的 UI 组件和小部件,并采用了干净而优雅的设计。iView 被广泛采用,社区也在积极维护,并提供了 CLI 工具用于以可视化的方式创建项目。这个也值得一试。

地址: https://github.com/iview/iview

12、Uiv

Star 数“仅”550 左右,用于 Vue 2 的 Bootstrap 3 组件库。所有组件加起来差不多 20KB,唯一的外部依赖是 Vue 和 Bootstrap CSS,支持基于 Webpack 的工作流。 地址:https://github.com/wxsms/uiv

13、Vuikit

Star 数 1K 左右,一个用于网站界面的响应式的 Vue UI 库,设计风格干净而统一。该库作为由 Yarn 工作区管理的“monorepo”而构建,但图标和主题可作为单独的包发布。

地址: https://github.com/vuikit/vuikit

14、Onsen UI+Vue

基于流行的 Onsen-UI 框架,封装了核心 Web 组件并暴露了 Vue 风格的 API。Onsen UI 组件也被设计为能够主动对 prop 做出反应。

地址: https://onsen.io/v2/guide/vue/

15、Semantic UI+Vue

这个项目基本上是 Semantic-UI 框架与 Vue.js 的集成。该库仍在开发当中,提供了一个类似于 Semantic-UI 的 API 以及一组可定制的主题。

地址: https://semantic-ui-vue.github.io/

16、Fish-UI

Star 数“仅”为 500 左右,贡献者也只有 3 个,但 fish-ui 提供了一个基于 Vue 的 Web 工具包,其中包含整洁干净的组件。该库支持 ES2015+Webpack 工作流。它的文档不是很全,但它的设计不容忽视。

地址: https://github.com/myliang/fish-ui

17、Mint UI

Star 数超过 11K,为 Vue.js 提供 UI 元素,提供了用于构建移动应用程序的 CSS 和 JS 组件。当全部导入时,压缩后的代码只有月 30KB(JS+CSS),当然它也支持单个组件的导入。

地址: https://github.com/ElemeFE/mint-ui/

18、Framework7 Vue

这个集成提供了几乎所有的 Framework7 元素和组件,并集成了 Framework7 Router,按照 Vue 的方式来渲染页面。该库正处于积极的开发和维护当中。 地址:https://framework7.io/vue/

19、Cube UI

Star 数超过 3K,是用于 Vue.js 移动应用程序的 UI 组件库。所有组件都经过了单元测试,并且该库还支持按需进行后期编译和组件导入。这个库仍在积极开发中。

地址: https://github.com/didi/cube-ui

20、Vueblu

Star 数约 1.5K,是基于 Vue 2.0 和 Bulma 的 UI 组件库,用于构建中台和后台办公产品。它支持 ES2015 和 NPM+Webpack+Babel 工作流,并提供可自定义主题。

地址: https://github.com/chenz24/vue-blu

21、Ant Design Vue

Star 数约 1.5K,用于开发具有数十个 Ant Design 实现组件的企业级后端产品,并支持基于 Webpack 调试的构建解决方案(支持 ES6)。请注意,它的开发已经停止了一段时间。

地址: https://github.com/okoala/vue-antd

特别推荐

n3-components :

https://github.com/N3-components/N3-components

vuikit:

https://vuikit.js.org/

Kendu UI Vue

https://www.telerik.com/kendo-vue-ui

Office Fabric-Vue

https://github.com/aidewoode/office-ui-fabric-vue

vuestrap

http://kzima.github.io/vuestrap-base-components/#/

vueboot

http://morgul.github.io/vueboot/

framevuerk

http://framevuerk.com/

Vue WeUI

http://aidenzou.github.io/vue-weui/#!/

Vue-MDC

https://github.com/posva/vue-mdc

重磅发布预告

排名11位的iView是由TalkingData数据可视化团队开源的UI组件库,也是一个充满情怀的开源项目。 在过去的一年里,iView共迭代了27个版本,还在近期发布了针对微信小程序开发的UI组件库——《iView Weapp》。 7.28是iView的两周年生日,iView团队也将在这一天举办发布会,正式发布iView 3.0以及5款与iView相关的神秘产品。点击文末阅读原文,就有机会亲临发布会现场。

TalkingData高铎 洞见二次元数说人群品牌价值

9月26日,第25届中国国际广告节在哈尔滨开幕。哔哩哔哩举办了以“B站年轻力,增长新能量”为主题的营销专场论坛。TalkingData副总裁高铎在活动现场,分享了主题为《洞见二次元 数说人群品牌价值》的行业报告,下面与各位读者们一起穿越到二次元的世界:

TalkingData副总裁高铎现场分享

自在的穿梭者、执着的收藏家

与空灵的筑梦师

我们结合二次元人群的应用偏好进行了细分,将安装了以二次元为主要内容或话题的动漫、视听平台或社群App的人群,定义为“泛二次元人群”;将安装了售卖游戏、动漫等以二次元为主题的周边手办或漫展等服务App的人群,定义为“二次元手办人群”;将安装了同人画、插画、小说、轻视频等以二次元为主题的内容原创平台或社区App的人群,定义为“UGC二次元人群”。

另外结合三类人群的特征偏好定义了三个别称,分别为自在的穿梭者(泛二次元人群)、执着的收藏家(二次元手办人群)、空灵的筑梦师(UGC二次元人群),具体特征请见后文揭晓。

男生是二次元的主力军

从数据上来看,泛二次元人群男女比例相对均衡,男性占比49.7%,女性占比50.3%,而二次元手办人群和UGC二次元人群,男性都稳稳占领着C位。那么问题来了,“为什么男生会喜欢二次元女生?”带着这个问题我们进行了调研和网络收集,他们认为,首先二次元女生在外表方面都很可爱、漂亮,而且还会卖萌;其次,几乎每个二次元女性角色都有自己的鲜明个性,御坂美琴的傲娇,三笠是个女汉子,时崎狂三的腹黑,我妻由乃的病娇等等,总有一款适合你。

其实,这也是现实与虚拟的一种互补。反之亦然,女生对于二次元男生也有着同样的迷恋,比如前阵子火爆的《恋与制作人》中的人物,霸道总裁李泽言、白衣天使许墨等等。

UGC二次元人群“夜猫子”属性强

在二次元人群设备活跃时间曲线中,我们能看到UGC二次元人群有很强的“夜猫子”属性,24点-凌晨4点有明显的活跃特征,有可能是在社区中进行交流或寻求创作灵感。白天设备活跃度整体降低,与UGC内容创作有一定关联。

二次元人群应用TGI偏好概览

通过二次元人群与移动应用的TGI偏好的数据探索,我们可以看到泛二次元人群对游戏、房产、视频、旅游有较强的兴趣偏好;二次元手办人群对阅读、网络购物、餐饮有较强的兴趣偏好;而UGC二次元人群则更喜欢教育、音乐、金融理财、健康美容类应用。首先我们先来看看泛二次元人群:

喜欢看“风景”的次元世界穿梭者

次元世界穿梭者,不仅在二次元与三次元中穿梭,他们在三次元的世界中也拥有“穿梭”的属性,他们“去了不同的地方,看了不同的风景,知道了不同的事,感悟了不同的人生”,酒店、民航、短租及旅游资讯是他们生活的“调味品”。但在婚育年龄段的他们,离不开房产的压力,买房/租房及房产装修应用也是他们生活中关注的焦点。

游戏及短视频 穿梭者旅途中的调味品

泛二次元人群更偏好休闲游戏、动作游戏及策略类游戏,对射击“吃鸡”类游戏的偏好较低。在视频类应用中泛二次元人群在短视频APP中活跃度更高,也是他们生活休闲中的一部分。

泛二次元人群 品牌价值探索

结合泛二次元人群与相关应用关联度,及关联应用多维度行业表现进行模型算法评估,评选出其人群最具投放价值媒体。

泛二次元人群最具投放价值媒体:分别为哔哩哔哩、链家二手房、飞猪、趣头条和抖音视频

次元世界的收藏家 绝不错过任何一个渠道

模型手办是二次元人物在三次元世界中的“影子”,即便没有了二次元中的“生命感”,身为次元世界的收藏家,他们也绝不会放弃任何一个能将手办收之麾下的渠道。而往往正品手办及首发都在海外发售,这也加强了他们对海外购物类应用的强需求性。

次元世界收藏家的日常及他们的小“秘密”

通过手机漫画类应用迈进“二次元世界”及浏览搞笑段子和有声听书类应用是次元世界收藏家们的日常。如果你认为外卖订餐是他们“宅”的标志,可能他们学习烹饪的另一面,是不被人所知晓的。二次元手办人群在菜谱类应用上的活跃度占比35.47%,仅次于外卖订餐类应用1.5个百分点。

二次元手办人群 品牌价值探索

结合二次元手办人群与相关应用关联度,及关联应用多维度行业表现进行模型算法评估,评选出其人群最具投放价值媒体。

二次元手办人群最具投放价值媒体:分别为鹅漫U品、饿了么、快看漫画、下厨房、小红书

教育音乐 次元世界筑梦师成长必修课

在次元世界筑梦师的“精神世界“里,教育学习、音乐类应用占据着一席之地,从K12类教育应用来看,侧面反映出”筑梦师”的年轻化的趋势。同时,他们也不断提升语言学习及职业技能培训。音乐是反映生活情感的一种艺术,当与二次元创作融合,或成为筑梦师们灵感的火花。另外,K歌也是他们生活娱乐中的一部分。

次元世界的筑梦师们,不仅注重“精神生活“,他们对运动健身、美妆美业也有着较高的关注度, 同时,在金融理财方面也有较强的使用偏好。

结合UGC二次元人群与相关应用关联度,及关联应用多维度行业表现进行模型算法评估,评选出其人群最具投放价值媒体。

UGC二次元人群最具投放价值媒体:分别为Pixiv社区、网易云音乐、Keep、小猿搜题、TapTap

附报告解读 | 新零售人群最具投放价值奖揭晓

从传统营销到数字营销,再到已成趋势的智能营销,新零售行业逐渐开放心态拥抱新时代的营销理念。但困扰也真实存在,比如如何在营销投放中全面了解目标人群?如何找到目标“TA”在哪里?如何触达“TA”并促进转化、实现商业价值提升?

近日,“智胜营销峰会暨 Best Audience Buying 颁奖盛典”在TalkingData T11 2018数据智能峰会期间举办。在本次颁奖典礼中,TalkingData基于移动大数据的智能营销能力,通过数据加工及算法处理,以及对移动互联网人群进行洞察并综合多方数据进行考量,从中定位新零售行业用户群及消费者“TA”的聚集地,针对新零售行业人群,评选出了最具投放价值的媒体。

通过评选,获得“Best Audience Buying”大奖—新零售人群最具投放价值媒体奖的应用分别为,美团、摩拜单车、知乎。在本次颁奖典礼中,TalkingData诚意邀请IDG TN China Managing Director 王健先生作为颁奖嘉宾解读《TalkingData新零售人群洞察报告》,并为获得新零售人群最具投放价值媒体奖的获奖应用颁奖。

颁奖嘉宾IDG TN China Managing Director 王健先生与获奖媒体美团、摩拜单车、知乎的领奖嘉宾的合影(从左到右)

现在,我们具体回顾一下颁奖典礼现场,由王健先生解读的《TalkingData新零售人群洞察报告》(下文中,均简称为“报告”),助力新零售行业广告主全面了解、定位、触达目标人群,并持续优化形成智能营销闭环。

线下新零售人群主力是未婚青年女性

新零售使线上的互联网力量和线下实体巧妙结合,不仅解决了电商平台和实体零售店面在商业维度上的短板,还对此进行了优化升级给消费者带来了全新的购物体验。根据线下新零售人群性别分布,证实了”爱购物是女生的天性“并非虚言。女性“称霸”新零售人群占比71.6%,男性仅占28.4%。

线下新零售人群以26-35岁女性为主,而且多为未婚。因为没有家庭制约,她们财务自由可随心消费“买买买”。根据上图数据显示,我们可以了解到线下新零售人群的出行方式还是以公共交通为主。

新零售人群对于商旅出行类应用兴趣较高

通过对新零售人群感兴趣应用类别TOP10分析,可以看出新零售人群多为白领人群,对商旅出行有很强的需求。虽然因工作需要出差是原因之一,但对度假游玩的强烈向往其实也是原因之一哦。

在上一页数据中,我们了解到新零售人群以女性为主,也因此网购类应用在新零售人群应用类别兴趣排名中也非常超前,可以说出行和购物是新零售人群的最大特点。

爱吃是新零售人群的最大特征

新零售人群和网络购物人群,线下消费品类位居第一的都是餐饮,用“吃货”一词来形容他们最合适不过了,而位居第二的消费品类则是零售卖场。简单来讲,新零售人群和电商人群的共同爱好,可能就是“逛吃、逛吃”了吧。

分析完线下消费品类的相同之处,再看一下新零售人群与网络购物人群的消费偏好有哪些差异。新零售人群的珠宝手表、培训机构和运动健康等TGI指数已经超过100,他们对生活品质有很高的要求而且有很强的购买力。新零售人群家居厨具指数凹进,说明他们很少进厨房,下馆子果腹是生活常态。

网络购物人群与新零售人群偏好恰恰相反,在家居厨具、医疗和家用电器方面TGI指数都很高,他们非常居家和爱好养生。

新零售人群更加偏爱外国菜和咖啡甜点

新零售人群线下消费类别和网络购物人群差距还是蛮大的,新零售人群喜欢咖啡、西餐、快餐、韩式料理等,可以看出此人群生活偏小资,而且偏爱外国菜,网络购物人群则是偏好中餐和火锅。

根据以上数据就可以看出新零售人群和网络购物人群的饮食差异,新零售人群偏爱外国菜,而网络购物人群喜欢中餐。

新零售人群要比网络购物人群早起晚睡

新零售人群活跃时段整体比网络购物人群更为活跃,他们对移动互联网的依赖性更强,而且根据活跃时段数据可以看出来,新零售人群比网络购物人群早起晚睡。

TalkingData支宝才:App将成为券商综合金融服务和投资管理的核心平台

近日,由证券时报·券商中国主办、TalkingData协办的“2018证券行业金融科技峰会” 暨券商中国·优秀证券公司APP评选第二届颁奖典礼在深圳召开。会上揭晓了2018年优秀证券公司APP评选结果,来自国内数十家证券公司的业务高管出席了此次峰会,并就科技助力证券行业金融服务能力提升的主题进行了深入探讨。

作为协办单位,TalkingData配合券商中国完成了优秀证券行业App的评选工作,TalkingData高级副总裁支宝才受邀出席会议并为获奖券商颁奖。

支宝才在致辞中表示,今年是TalkingData与券商中国连续第二年合作,TalkingData作为国内领先的第三方数据智能服务商,很荣幸能够协办由证券行业的权威机构——券商中国主办的此次评选,同时也深感责任重大。

当下,券商行业对App的定位已不仅仅是基础业务的线上化呈现渠道,券商App的发展已出现百花齐放的势头。无论是在产品迭代、功能深化还是创新方面,都出现了很多令人期待的变化。支宝才指出,“正是基于这样的变化,券商中国和TalkingData在去年的评测基础上进行了适度调整,对App产品功能升级、数据智能化、内容创新等层面进行了更细致的数据信息收集分析和评测工作。我们希望结合行业的快速发展,对券商App的发展现状及大家去年的工作进行更全面和客观评价的展现。”

TalkingData发现,与上一评测年相比,各大券商在今年越发重视App的建设,投入也越来越大,很多券商对App功能进行了大规模升级。除了加速基础功能的补足外,很多券商还增设了智能诊股、智能客服、积分体系建设、资产分析的可视化呈现、音频盘面解析等功能。这些功能的升级,无疑是为了向客户提供更深层的服务。其中,最主要的特点就是领先券商App开始在财富管理相关功能的转型上发力,例如增设了理财投教专区、决策支持、开发财务规划和资产配置功能,扩充理财产品种类,建立或补充线上理财顾问团队制等。这也表明,对多数券商而言,未来App不再仅仅是客户线上服务和交易渠道,而是客户综合金融服务和投资管理的核心平台。

在发言的最后,支宝才对券商App的发展方向进行了展望,期待在下一个评测年中,看到券商在App精细化运营、精准服务客户、客户体验优化、投资管理能力升级、数据智能创新方面有更多的探索和布局。

一个亿的大项目已上线,这里是参与方式

“百灵计划”是TalkingData发起的合作伙伴共创计划,基于TalkingData的数据资源与数据中台能力,与数据应用合作伙伴共同探索和构建基于大数据及领先数据技术下的实际商业应用,更好的实现数据叠加业务后的商业价值。

第一阶段,TalkingData计划投入一亿元,在一百天中,为至少一百家合作伙伴,免费开放数据、计算资源能力、提供服务与培训,共同探索一百个数据应用场景或模型

“百灵计划”在不久前举办的T11 2018暨TalkingData数据智能峰会上首次亮相,随即引起广泛关注,微信后台也收到了很多询问。目前“百灵计划”已正式启动,感兴趣的伙伴们快来了解下详情:

如果您是——

  1. 有实际业务场景,并有数据服务及建模需求的各行业企业
  2. 有数据应用产品开发需求的各领域合作伙伴

如具备下条件,将帮助您优先入选:

  • 数据产品或服务可应用于金融、零售、汽车、地产、互联网等行业领域
  • 已具备比较成熟的应用场景,可商业化应用于其他行业领域
  • 对目标数据应用场景具有实践经验
  • 已具有一定量的业务数据积累,可用于建模实践
  • 具备相对成熟的数据应用思路及有经验的建模团队

您可以获得——

  • 数据:用于构建数据模型或应用产品服务所需的数据,可通过数据集或数据服务方式提供
  • 环境:构建模型和数据验证所需的计算资源环境,或者数据集、数据服务访问接入
  • 培训:由腾云大学(TalkingData University)提供的数据工程、建模基础、数据科学等专业培训
  • 科学家支持:依据具体场景,TalkingData可提供数据科学团队参与建模过程或提供数据分析支持

还可以帮您实现——

  • 通过数据建模结果,洞察实际商业问题、获取解决问题的思路和对未来方向的把控
  • 基于实际问题获取数据服务、数据连接或数据应用能力,将数据与业务应用深度结合
  • 借助相关培训和指导,提升企业自身数据分析师、业务人员的应用和实操能力
  • 针对行业典型场景,双方可联合发布数据建模结果,提升行业影响力

参与方式——

  1. 前往TalkingData官网“百灵计划”页面
  2. 在页面下方填写并提交相关信息
  3. TalkingData将安排专人与您取得联系,并跟进后续审核事项

『关于TalkingData』

TalkingData 成立于2011年,是国内领先的第三方数据智能服务商。借助以SmartDP为核心的数据智能应用生态为企业赋能,帮助企业逐步实现以数据为驱动力的数字化转型。

附报告解读 | 电商人群最具投放价值奖揭晓

近日,“智胜营销峰会暨 Best Audience Buying 颁奖盛典”在TalkingData T11 2018数据智能峰会期间举办。

在本次颁奖盛典中,TalkingData基于移动大数据的智能营销能力,通过数据加工及算法处理,以及对移动互联网人群进行洞察并综合多方数据进行考量,从中定位电商行业用户群及消费者“TA”的聚集地,并针对电商行业评选出了最具投放价值的媒体。

从传统营销到数字营销,再到已成趋势的智能营销,营销理念在不断的颠覆和创新。但如何在营销投放中找到目标客群?如何全面的了解目标客群?什么媒体是目标客群的聚集地并能达到有效转化?这些依旧是电商行业的营销难题。

TalkingData一直致力于帮助电商行业以数据为关键依据,前瞻发展趋势、理解市场现状、认知目标人群,并以数据为核心引擎驱动产品发展、改善用户体验。

通过评选,获得“Best Audience Buying”大奖—电商人群最具投放价值媒体奖的应用分别为:B612咔叽、快手、WiFi万能钥匙。

在本次颁奖典礼中,TalkingData诚意邀请京东商城大快消事业群全球购业务部总经理 杨叶作为颁奖嘉宾为获得电商人群最具投放价值媒体奖的获奖应用颁奖,并解读《TalkingData 电商人群洞察报告》

从左到右依次为:获奖媒体B612咔叽、快手、WiFi万能钥匙的领奖嘉宾与颁奖嘉宾杨叶女士

现在,我们具体回顾一下颁奖典礼现场,由京东商城大快消事业群全球购业务部总经理 杨叶解读的《TalkingData电商人群洞察报告》(下文中,均简称为“报告”)。希望通过本次颁奖和报告解读,能够为广大开发者、广告主明智选择投放渠道、精明使用投放费用提供重要参考,从而助力行业加速迈进更精准、可扩展、可优化、见实效的智能营销时代。

移动电商用户规模达到9.35亿 社交电商等模式拉动用户增长

2017年Q1-2018年Q2期间,移动电商规模处于匀速增长状态。像平板电脑、智能手表等设备的生产,使用户可以在更多环境下使用智能设备进行购物,截止2018年Q2移动电商用户设备规模已达到9.35亿台。

在2018年初,电商行业中社交电商模式开始崛起,成为行业新风口。比较典型的例子像小红书主要用户群是一、二线城市有海淘需求的人群。随着“张雨绮分享购买钻石经验”的视频爆红,使小红书一度成为社交电商中的热点话题。社交电商在2018年初的兴起,刺激移动电商用户规模环比增长率显著提升。

团购 海淘和生鲜继续发展 主流应用用户日均启动次数增长

世上无难事只怕有心人,从来都不是一句空话。在JD、淘宝等电商巨头夹击下,移动电商为了生存另辟蹊径,着眼细分领域。虽然综合电商应用用户日均启动次数仍居高位,但启动次数已有下降趋势。得益于近年海淘比代购更加有品质保证和售后服务保证,使海淘应用用户启动次数增长势头猛烈。

截止2018年6月,生鲜、海淘和团购领域主流应用的用户日均启动次数均呈同比增长态势。移动电商在细分市场下继续深耕,相信未来在其他细分领域也会产生像小红书这样优秀的移动电商,这些移动电商也将开拓创新给用户来带更多不一样的购物体验。

典型移动电商用户人群剪影——学生、蓝领、白领

通过对电商人群洞察,典型移动电商用户人群剪影可划分为学生、蓝领、白领三类。学生人群剪影偏好特征关键词有活力、学习、娱乐等,这些关键词很符合学生人群特别点,活力四射,学习是生活中的主要“工作”。

蓝领人群剪影偏好特征关键词有早睡、保守、早起、人力等,可以看出蓝领人群作息规律从事劳动力工作以男性为主。白领人群剪影偏好特征关键词有女性、知识、熬夜等,这部分人群女性居多受过高等教育,经常熬夜加班或刷剧。

学生人群性别平衡 蓝领人群男性主导 白领人群女性担当

相信在对典型移动电商用户人群剪影偏好特征关键词解析中,已经对学生、蓝领、白领人群特性有了一定了解。现在,我们看一下典型移动电商用户人群性别TGI指数,学生人群性别TGI指数比较均衡,这很符合上一页数据中,学生人群剪影的偏好特征关键词。

蓝领群体以男性为主,男性TGI指数达到124,他们性格保守很少会有工作变动,在各自的岗位上敬业持家。白领人群中女性占比不可小觑,女性TGI指数达到130。她们独立自信在工作能独当一面,为国家做出的贡献毫不逊色于男性。

白领人群爱熬夜 蓝领人群善早起 学生人群享自由

典型移动电商用户群体24h活跃指数又是什么样的呢?现在深入分析一下学生、蓝领和白领的属于哪种生物钟类型。学生是典型的“金丝猴”型,除了0点有小幅度凹进,其他时间基本都处于活跃状态中,且下午活跃度更高,可谓是活跃四射,年轻无极限。

蓝领人群养成了早起早睡的作息习惯,属于“百灵鸟”类型。通过活跃指数可以了解到蓝领人群相当敬业值守,尤其在下午直线凹进。蓝领人群在非工作时间刷刷快手,邀三五好友撸个串,又何尝不是另一种惬意人生。白领人群的生物钟类型和蓝领呈相反状态,属于“猫头鹰”类型,熬夜煲剧刷淘宝、看趣味视频刷朋友圈已成为白领人群的日常。

下期预告《TalkingData游戏人群洞察报告》,请保持关注哦~~

小程序,智慧零售的新武器

前几年,面对很火的互联网企业、互联网产品、互联网思维,零售企业普遍只能干瞪眼。要不要做APP这个问题反复被讨论,除了几个行业巨头企业有成功的线下转线上的经验之外,更多的企业不得不反复纠结:一方面希望得到互联网那种快速低价获取大量用户的能力,一方面又受到ROI及企业内部复杂的流程限制,无法投入运营APP的巨大成本。

小程序来了,带来的是低成本投入,明确场景引导。原来零售的大体量线下会员在这里有了发挥的空间,线下转线上不再是一句空谈,而是带给了零售行业无限的机遇和希望。

今天,我们抛出几个问题,一起来探寻下小程序在零售的可能性。

  • 零售企业的痛点在哪里?
  • 零售企业应该要自建线上平台么?
  • 小程序为什么适合零售企业?
  • 零售企业应该如何做小程序?

一、零售企业的痛点在哪里?

1、 品牌同质化严重。

品牌无特色?竞争同质化?在信息、技术、服务、品质等不断增强的今天,品牌之间的差异性变得越来越小。80后人群为品质买单,90后人群为个性、好玩、有趣买单。如何让自己的品牌满足90后以甚至00后、10后的需求?除了传统零售大厂的巨额广告预算外,品牌是否可以营造自己的品牌文化,明确自己的品牌定位?

2、 用户流量受开店量限制。

传统零售是“坐商”的概念。导购待在门店里,坐等用户上门,才能跟用户产生互动。门店数量有限,门店的辐射范围是否能扩大?如何让看不到门店的用户认识到我们的品牌?最好再能对品牌有一轮初步的体验,然后再让用户确定是否需要购买。

3、 用户流量的粘性较低。

从进店到出店,导购与用户的互动从开始到结束。做的稍微好点的,会有会员制度,邀请买单的用户注册会员,当场累计积分。做再好点的,会把入会的权益提前告知用户,给犹豫是否要购买的用户一个刺激,提高购买转化率。但是在这个过程中,导购是否引导、权益是否有吸引力、注册体验是否友好,都会直接影响到用户是否会成为你的会员。

4、 坪效与人效的瓶颈。

“坐商”的传统零售门店不仅限制了入店用户流量的多少,也因为门店场地的大小限制了展示商品的数量,从而直接影响了路过门店的人是否进店逛的比例。用户进店是因为对某一种产品或者对某一种风格的认可和需求,是否有方式可以增加商品的曝光几率或者销售平台呢?

人效的问题更为直接。零售行业的一线导购人员流动率非常大,这就导致很难做到经验的积累和沉淀,直接影响人效。是否有方法可以降低员工的准入门槛,并且提高人效呢?

二、零售企业到底要不要自建线上平台?

零售行业一直面临的这些痛点问题,企业也在不断地寻求解决方案。我们看到很多企业都设立了专门的部门,建立了会员体系,创建了企业公众号,开发了自己的APP,并在持续进行各种尝试。

很有意思的一点是,基本上每个企业都非常明确地表明要建立自有线上流量池,不能把用户放在别家平台上。但是基本上很少有企业能下定决心说我要把资源倾斜给自有流量平台上。比如,我们经常可以见到,同一款衣服,在天猫旗舰店的价格会低于品牌APP上的价格。这种情况下,请给我一个理由,用户为什么要放弃现有的淘宝APP而再耗费精力和流量去下载一个新的APP呢?价格上没有优势,服务上有么?服务上没有优势,你们是否有独家爆款商品呢?如果什么都没有,如何吸引用户、如何构建自有流量池呢?

好吧,相信很多企业有这个决心,不仅要创建自有平台,也愿意倾斜资源在自有平台上。那么下一个问题,自有平台的定位是什么?我们过去经常看到服装品牌的官方APP,进入之后只是一个做了移动端适配的与PC端网站基本相同的页面;做再好点的,也是类似淘宝京东一样的电商页面。也就是说,即使投入了更多的用户权益资源,其实也就是把原来的用户,从天猫渠道洗到了品牌自有APP上而已。

自有APP建立的目标不应该是把左兜的用户揣到右兜,而应该是吸引更多的用户进入兜里面来。所以,在讨论要不要做APP的昨天,基本上会建议零售企业考虑几个问题:

  • 门店数量多少?会员体量多少?如果只有几百家店并且在可预计的几年内可累计会员最多几百万,那么还是算了吧~
  • 用户的消费频次是怎样?对于一个月消费还不了一次的场景,还是算了吧~
  • APP的投入预算怎样?如果只是别人家有我也想有,而没有足够的人员进行产品迭代及用户经营,那么还是算了吧~

三、小程序为什么适合零售企业?

零售企业一直受哪痛点问题困恼,也经历了是否要做APP的反复纠结。小程序带着自有的优势和特征的出现,带给零售企业一些新的希望。

1、 开发成本低。

APP对于零售企业的纠结点在于,要研发一个APP,需要组建自己APP团队,就算做外包也需要有专门的懂开发、产品、运营全套体系的人。开发周期至少几个月,版本更新每次也需要大约至少一个月的时间。外包的团队基本上只能做简单的日常运营,对于用户的分群经营、活动设计、产品体验基本上也只是想想而已。

小程序很好地解决了让零售企业纠结的这些问题点。一个小程序的开发周期基本上是以天为单位的,最快可以一晚上就完工。现在已经有很多提供小程序模板的供应商,直接调用模板,将研发和设计门槛基本降到了很低。加上小程序本身会根据微信的体系做自适配,也省去不同机型适配的工作周期。整体一个小程序研发的成本,不论从人员、工期来看,小程序的成本都很低。省下来的这些人力和时间,可以投入在真正值得深入钻研的用户经营上。

2、 获客成本低。

APP的获客成本高,体现在几个方面。第一,一般APP包体都至少几十兆,下载APP不管是流量还是操作,对用户来说都是比较复杂的过程。第二,由于下载门槛高,一般来说只有当APP提供下载的等值权益才能触动用户,导致权益成本高。第三,由于用户是奔着权益去的,拿到权益后,很难保证用户的二次访问以及后续转化行为。除非,APP本身就能满足用户的刚性需求。可是,不得不说,零售行业与用户之间是买卖关系,如果不以买卖为目的,基本上很难找到对使用APP的刚性需求。

同样的问题放在小程序上就不一样了。第一,小程序无需下载,直接使用,不用担心用户嫌烦。第二,小程序的使用,一般是有特定的场景,比如餐厅点餐、扫码验真、参加活动等,不用小程序操作,后面就没法玩,这才是真正的刚需场景。第三,基于场景的设计,因为门槛低,可以更多地跟低频用户进行互动。一个人一年吃一次KFC,绝不肯下载KFC APP。但是还是这个人一年吃一次KFC,当他出在KFC排队点餐的场景下,还是非常愿意使用小程序进行自主点餐免除排队的麻烦的。

3、 操作体验好。

小程序的操作体验跟H5相比自然是好很多。除此之外,小程序借助于微信提供的开放能力,拥有了进一步的能力提升:

  • 小程序支持与其他平台的跳转与打通,包含小程序→小程序,小程序→APP、APP→小程序、H5→小程序、图文消息→小程序、公众号→小程序等;
  • 小程序拥有强社交裂变能力。小程序拥有微信的好友关系,支持分享给好友及群。借助小群体内相互之间的信任关系及PK关系帮助小程序更容易传播,加上分享内容直接跳转到具体落地页面,整体操作直接明了,可带来快速裂变效果;
  • 小程序有微信支付的支持,允许用户在不离开微信的状态下,无需启动其他APP,无需进行登录验证,即可完成支付。

四、零售企业应该如何做小程序?

1、 明确整个零售环节中,各个场景及触点的痛点及用户的需求。

APP要做的是生态,所以APP是很多功能的聚集地。小程序要做的是场景,所以小程序都是要完成单一目标的工具。一个企业或者说一个品牌一般只有一个APP,但是会有几个甚至十几个小程序。挖掘出与用户的所有触点及在每个触点的用户内心需求,就可以帮助我们通过小程序这一工具获取更多用户,并提高用户的满意度。

以快餐为例,快餐和用户的触点主要发生在用户进店点餐和外送人员送餐两个场景上。

用户点餐触点的痛点,集中在高峰时段的长时间排队上。使用小程序点餐可以解放点餐人员工作,让用户通扫码进入小程序完成下单,后厨通过系统拿到订单数据进行配餐。就算后厨需要时间来制作,用户也可以先坐在位置上等待,用户体验相对之前站着排队来说会好很多。

同理,在外送场景,用户比较关心的是下单之后何时送达,以及如果外送体验不好如何反馈两点上。移植现有APP的订单状态功能到小程序上,实时显示外送人员当前地理位置及预计送达时间,可以让用户掌握订单状态。对于外卖订单的反馈收集,建议在外送单上印上用户反馈小程序的二维码,用户扫描后可以进入常见问题分类,并快速一键进行沟通,比如紧急问题直连人工客服电话,比如表扬等不紧急沟通可通过模板格式收集。

2、 小步快跑,单点突破,快速试错,验证后快速推广;

小程序的开发成本低,因此适合在这么多的触点中找出用户痛点,确定优先级别,逐个进行攻破。小程序迭代速度快,只需要微信简单审核即可上线,因此对于单一功能的不同方案也合适进行快速的更新迭代,根据客户喜好调整出最优产品。

继续以送餐反馈小程序为例。是应该让用户先描述反馈的问题更好?还是应该先让用户选择希望的反馈方式更好呢?设计两个不同版本,让用户分组跳转到两组不同的页面方式,查看用户的后续转化及跳出率等数据,判断用户习惯偏好,最终确定较优版本。

3、 数字化记录各环节数据,用数据分析结论调整决策。

不管是APP还是小程序,不管是线上还是线下,对于人、货、场的数据采集及分析,通过数据结论来调整决策,才是让企业真正做到数字化转型。同样,对于小程序,我们需要监测的数据有:

  • 分门店数据:

零售企业最大的资源是线下门店。小程序可以通过具体明确的场景,根据用户当前痛点提供刚性功能需求,快速将线下门店无法定位的顾客,转化到小程序上,并通过微信的UnionID、绑定的会员号以及在小程序上的行为来描述具体这个数字化的会员。分门店查看数据,包含:

  • 扫码新增用户数
  • 扫码用户数
  • 扫码次数
  • 日均扫码次数
  • 人均扫码次数
  • 以及通过单个门店的扫码用户人群的用户行为

  • 分场景数据:

除了扫码这一用户来源外,更多的用户来源场景是基于微信及外部其他曝光位,比如微信群的分享、微信聊天主界面下拉、APP分享消息卡片等。了解不同场景下用户的数据,可以帮我们调整小程序的线上推广策略。

分场景查看数据,包含:

  • 新增用户数
  • 访问用户数
  • 访问次数
  • 日均访问次数
  • 人均访问次数
  • 以及通过单个场景来源的用户人群的用户行为

  • 分页面的分享数据:

不同小程序页面的内容在同样的分享下会产生不同的数据。到底什么样的页面更容易产生列表效果?什么样的页面用户不太喜欢呢?这里我们就应该监测分页面的分享数据,包含:

  • 分享的页面
  • 分享次数
  • 分享用户数
  • 点击分享Link数
  • 分享点击比

通过数据帮助企业去监控用户从哪些门店来,用户从哪些场景资源来,用户喜欢什么样的分享内容,可以帮助我们更好地经营小程序。

  • 小程序用户和其他平台用户的数据打通

可能会有人问,小程序的数据是基于微信的数据,是不是和其他平台的数据彼此独立呢?微信数据是基于UnionID定义用户的,APP是基于设备ID定义用户的,H5是基于cookie定义用户的,CRM数据是基于会员账号定义用户的。所以,只要通过在小程序平台、APP平台甚至H5平台记录用户登录信息提取用户的账户信息,就可以根据账户信息就可以将不同平台之间的用户打通。打通后,用户在不同平台上的标签属性就可以汇集在一起,丰富我们对用户的认识了。

小程序带给零售行业很多可能性。微信平台也在不断地优化和开放更多的接口提升小程序的能力。但是真正能让小程序发挥作用的一定是零售企业自己。因为只有零售企业自己才知道与用户的触点在哪里,知道用户的痛点在哪里,才能通过不断试错及迭代收集足够的用户数据,才能知道用户在哪里、怎么来、需要什么,才能真正地实现门店数字化升级以及用户体验优化,实现真正的智慧零售。