前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
圈层
工具
发布
首页
学习
活动
专区
圈层
工具
MCP广场
社区首页 >专栏 >那些说小程序活不下去的,你真的懂小程序么?

那些说小程序活不下去的,你真的懂小程序么?

作者头像
知晓君
发布于 2018-06-28 09:53:53
发布于 2018-06-28 09:53:53
4550
举报
文章被收录于专栏:知晓程序知晓程序

文 | 猿飞

小程序上线一个月,各种贬低消沉匿迹的舆论渐渐增多。

小程序现在看起来「越来越冷」,不少吃瓜群众表示,身边很多人都处在「小程序是什么」、「小程序在哪儿」的阶段。

在实际体验中,很多小程序都还处在纯线上模式,小程序作为微信一个战略级产品,为什么会出现这种状态?

小程序为什么没能持续火热?

自小程序面世伊始,从业者高潮不断,各类猜测各种预言层出不穷,我们先来看一下各个大 V 们主要讨论的方向:

  • 小程序是否能取代 app?
  • 会不会给从业者带来更多的流量红利?
  • 和公众号服务号的关系。

大多数开发者和行业人员对于上述的问题的核心,还是处在线上模式和移动 app 开发的思维,围绕的还是线上红利、渠道的分发去做小程序,以至于现在来看似乎有点打脸的味道。

其实在微信公开课上,张小龙就曾一再强调小程序是没有流量红利的,也不会去做分发,小程序的定位就是明确的线下场景

我们再看一下现阶段上线的小程序大体有哪些类型:

1. 纯线上类

没有线下产品和门店,轻工具型。比如购票类小程序「携程酒店机票火车票」、资讯类「今日头条 lite」、「朝夕日历 Pro」等。

2. O2O 类

具有线下产品但并没有门店。比如滴滴、摩拜、快递查询等。

3. 纯线下类

有门店,有实际应用场景。比如医院挂号、加油站、公交车站等。

我们可以清楚地知道,现阶段上线的小程序绝大多数都是纯线上类,少量的 O2O 类,纯线下类的非常的少。

那是因为:

  • 纯线上类和 O2O 类的小程序产品形态固定,开发简单,有 app 就可直接套用产品的主要功能。
  • 在宣传上,前两者都有专门的线上宣传渠道,曝光度相对较高。

线下场景的铺开,是需要一个漫长的过程的,所以现在看起来很冷。

这其实应该是微信预料中的事情,甚至可以说是微信刻意安排的,微信不希望小程序变成纯线上产品。

因此,只能顶过第一波舆论洪峰,挡掉大家对线上流量的期待,接下来脚踏实地推动线下场景,最终让小程序变成「一种生活方式」。

关于小程序未来的一些「冷思考」

1. 纯线上类小程序走不远

小程序的定位是线下场景,「场景+支付」或许才是适合模式。

也就是说,现阶段的小程序会有一大部分会成为「炮灰」,先进入的并不一定就能笑到最后。

2. 深耕线下场景

击中用户痛点的场景有很多,不同的场景需求就有不同的产品形态。

所以说,结合线下场景的小程序开发,并没有想象中的那么简单。从设计开发到试用,再到不断改进,最后推广都是需要一定的时间和精力。

3. 不要急着变现

合理的变现方式一定有合理的套路,就像荆轲刺秦,图穷才会匕现。

现在你拿着匕首就要上,这不是注定要失败的么?

4. 并不是什么平台,什么产品都能做

小程序不是订阅号,没有红利期,没有分发渠道,看清本质才好撸起袖子干。所以有人及早选择了退出。

不论是唱衰还是唱盛,小程序都代表了张小龙,乃至腾讯占领传统线下市场接入口的野心,这点从不怀疑。

但似乎很多开发者、媒体却总是不信这个邪,消尖了脑袋往里面钻,恨不得抢先占得所有线上流量红利。

然而,事实告诉我们的是,当围观群众一哄而散后,他们只能说「我说吧,这玩意儿屁用都没有」。殊不知,他们并没有搞懂什么才是小程序。

文章来源:晓程序猿(ID:weappsdev)

往期精选文章

本文由知晓程序授权转载,关注微信号 zxcx0101,可获得以下内容和服务:

  • 在微信后台回复「0109」,一张图教你玩转微信小程序
  • 在微信后台回复「加群」,加入「一起发现小程序」微信交流群。
  • 在微信后台回复任意关键词,还能获得相关小程序推荐,赶紧试试吧!
本文参与 腾讯云自媒体同步曝光计划,分享自微信公众号。
原始发表:2017-02-13,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 知晓程序 微信公众号,前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
暂无评论
推荐阅读
编辑精选文章
换一批
使用NumPy、Numba的简单使用(一)
Numpy是python的一个三方库,主要是用于计算的,数组的算数和逻辑运算。与线性代数有关的操作。
小菜的不能再菜
2019/09/18
1K0
iOS自动化探索(三)WebDriverAgent Python Client
之前我们在终端试着调用过WDA API, 今天我们在看一个Python封装的api库
周希
2019/10/15
2.2K0
iOS自动化探索(七)自动化测试框架pytest - 测试报告
JunitXML报告是一种很常用的测试报告,比如可以和Jenkins进行集成,在Jenkins的GUI上显示Pytest的运行结果,非常便利。 运行完case后可以到report路径下去查看相应的xml文件,也可以在PyCharm打开该xml文件查看。
周希
2019/10/15
8760
iOS自动化探索(七)自动化测试框架pytest - 测试报告
iOS自动化探索(六)自动化测试框架pytest - fixtures
fixture是pytest特有的功能,它用pytest.fixture标识,定义在函数前面。在编写测试函数的时候,可以将此函数名称做为传入参数,pytest将会以依赖注入方式,将该函数的返回值作为测试函数的传入参数。 fixture有明确的名字,在其他函数,模块,类或整个工程调用它时会被激活。 fixture是基于模块来执行的,每个fixture的名字就可以触发一个fixture的函数,它自身也可以调用其他的fixture。 我们可以把fixture看做是资源,在你的测试用例执行之前需要去配置这些资源,执行完后需要去释放资源。比如module类型的fixture,适合于那些许多测试用例都只需要执行一次的操作。 fixture还提供了参数化功能,根据配置和不同组件来选择不同的参数。 fixture主要的目的是为了提供一种可靠和可重复性的手段去运行那些最基本的测试内容。比如在测试网站的功能时,每个测试用例都要登录和退出,利用fixture就可以只做一次,否则每个测试用例都要做这两步也是冗余。
周希
2019/10/15
8180
iOS自动化探索(六)自动化测试框架pytest - fixtures
Python科学计算:在Numpy的边缘试探(入门学习)
NumPy 是 Python 在科学计算领域取得成功的关键之一,如果你想通过 Python 学习数据科学或者机器学习,就必须学习 NumPy。我认为 NumPy 的功能很强大,而且入门也不难。 数组基础 创建数组 NumPy 的核心是数组(arrays)。具体来说是多维数组(ndarrays),但是我们不用管这些。通过这些数组,我们能以闪电般的速度使用像向量和数学矩阵之类的功能。赶紧捡起你的线性代数吧!(只是开玩笑,其实并不需要很多复杂的数学知识) #!/usr/bin/env python # -*- c
禹都一只猫olei
2018/05/25
6720
Python科学计算:在Numpy的边缘试探(入门学习)
西顾博客 NumPy 是 Python 在科学计算领域取得成功的关键之一,如果你想通过 Python 学习数据科学或者机器学习,就必须学习 NumPy。我认为 NumPy 的功能很强大,而且入门也不难。 数组基础 创建数组 NumPy 的核心是数组(arrays)。具体来说是多维数组(ndarrays),但是我们不用管这些。通过这些数组,我们能以闪电般的速度使用像向量和数学矩阵之类的功能。赶紧捡起你的线性代数吧!(只是开玩笑,其实并不需要很多复杂的数学知识) #!/usr/bin/env python# -
V站CEO-西顾
2018/06/17
8600
Python关于Numpy的操作基础
  NumPy(Numerical Python) 是 Python 语言的一个扩展程序库,支持大量的维度数组与矩阵运算,此外也针对数组运算提供大量的数学函数库。
py3study
2020/01/10
9290
Python关于Numpy的操作基础
python基础3
 交换: a,b=b,a 相当于定义了一个元组t=(b,a) 然后将t[0]的值给了a,t[1]的值给了b ####字典#### 定义用花括号 集合定义若为空的话,会默认为字典,所以集合不能为空 子典只能通过关键字来查找值,因为字典是key-value(关键字-值),因此不能通过值来查找关键字 In [1]: dic = {"user1":"123","user2":"234","user3":"789"} In [3]: dic["234"] --------------------------------------------------------------------------- KeyError                                  Traceback (most recent call last) <ipython-input-3-2845b64d96b1> in <module>() ----> 1 dic["234"] KeyError: '234' 字典是一个无序的数据类型,因此也不能进行索引和切片等操作。 In [1]: dic = {"user1":"123","user2":"234","user3":"789"} In [2]: dic["user1"] Out[2]: '123' In [5]: dic["user2"] Out[5]: '234' In [7]: user = ['user1','user2','user3'] In [8]: passwd = ['123','234','456'] In [9]: zip(user,passwd) Out[9]: [('user1', '123'), ('user2', '234'), ('user3', '456')] In [10]: 当你有一个用户名单和密码,若使用列表的类型,判断用户是否和密码一致时,就比较麻烦,而使用字典时,只需通过关键子就可以返回相对应的值,(如上例子:当定义一个子典当你搜索user1时,字典类型就会返回该关键字对应的密码,此时只需判断该密码是否匹配即可) ####字典的基本操作### In [17]: dic. dic.clear       dic.items       dic.pop         dic.viewitems dic.copy        dic.iteritems   dic.popitem     dic.viewkeys dic.fromkeys    dic.iterkeys    dic.setdefault  dic.viewvalues dic.get         dic.itervalues  dic.update       dic.has_key     dic.keys        dic.values 字典添加 In [12]: dic Out[12]: {'user1': '123', 'user2': '234', 'user3': '789'} In [13]: dic["westos"]='linux' In [14]: dic Out[14]: {'user1': '123', 'user2': '234', 'user3': '789', 'westos': 'linux'} In [15]: dic["hello"]='world' In [16]: dic            ####由此可以看出字典是无序的,在添加时,并不会按照顺序往后添加#### Out[16]: {'hello': 'world',  'user1': '123',  'user2': '234',  'user3': '789',  'westos': 'linux'} In [17]: 字典更新 In [22]: dic Out[22]: {'hello': 'world', 'user1': '123', 'user2': '234', 'user3': '789'} In [23]: dic["user1"]="redhat"        ###可直接通过赋值对关键字进行更新### In [24]: dic Out[24]: {'hello': 'world', 'user1': 'redhat', 'user2': '234', 'user3': '789'} ###或者通过dic.update更新### In [25]: dic Out[25]: {'hello': 'world', 'user1': 'redhat', 'user2': '234', 'user3': '789'} In [26]: help(di
py3study
2020/01/03
4660
Python sys模块的使用
sys模块是Python中的标准库,是与Python的解释器交互的库,可以通过sys来获取Python解释器的信息。
Python碎片公众号
2021/02/26
1.5K0
Python sys模块的使用
tensorflow编程: Layers (contrib)
min(max(features, 0), 6)。即对 tf.nn.relu 的优化,防止 relu过后 某些 极端值 依然 大于6
JNingWei
2018/09/28
8200
深度学习实践:从零开始做电影评论文本情感分析
各方面都很好,但是总感觉哪里有点欠缺,后来想想,可能是作者做得太好了,把数据预处理都做得好好的,所以你才能“20行搞定情感分析”,这可能也是学习其他深度学习工具过程中要面临的一个问题,很多工具都提供了预处理好的数据,导致学习过程中只需要调用相关接口即可。不过在实际工作中,数据的预处理是非常重要的,从数据获取,到数据清洗,再到基本的数据处理,例如中文需要分词,英文需要Tokenize, Truecase或者Lowercase等,还有去停用词等等,在将数据“喂”给工具之前,有很多事情要做。这个部分,貌似是当前一些教程有所欠缺的地方,所以才有了这个“从零开始做”的想法和系列,准备弥补一下这个缺失,第一个例子就拿《Python深度学习》这本书第一个文本挖掘例子练手:电影评论文本分类-二分类问题,这也可以归结为一个情感分析任务。
AINLP
2019/10/10
1.5K0
深度学习实践:从零开始做电影评论文本情感分析
NumPy 最详细教程(1):NumPy 数组
Numpy 是 Python 中科学计算的核心库,NumPy 这个词来源于 Numerical 和 Python 两个单词。它提供了一个高性能的多维数组对象,以及大量的库函数和操作,可以帮助程序员轻松地进行数值计算,广泛应用于机器学习模型、图像处理和计算机图形学、数学任务等领域。
丹枫无迹
2019/03/20
3.8K0
Numpy与矩阵
请注意,本文编写于 980 天前,最后修改于 980 天前,其中某些信息可能已经过时。
曼亚灿
2023/05/17
1.4K0
Numpy与矩阵
python Numpy库之ndarray创建和基本属性
Numpy Numpy是python里面一个用于科学计算的库,它是大量数学和科学计算包的基础,例如pandas就会用到numpy。为了更好的学习python科学计算及数据分析,掌握numpy是非常必要的。
用户7886150
2021/01/06
7310
总结numpy中的ndarray,非常齐全
numpy(Numerical Python)是一个开源的Python数据科学计算库,支持对N维数组和矩阵的操作,用于快速处理任意维度的数组。
Python碎片公众号
2021/02/26
1.5K0
总结numpy中的ndarray,非常齐全
python数据分析和可视化——一篇文章足以(未完成)
开发工具:PyCharm Community Edition 2021.3.1(或Jupyter Lab) 【pip install jupyter lab】
红目香薰
2022/11/29
9220
python数据分析和可视化——一篇文章足以(未完成)
深度学习基础之numpy,小白轻松入门numpy,送书了!!!
Ndarray 可以理解为Java里面List 的实现,封装了更好的接口和api。
香菜聊游戏
2021/09/08
8880
深度学习基础之numpy,小白轻松入门numpy,送书了!!!
软件测试|Python科学计算神器numpy教程(二)
上一篇文章我们介绍了numpy的安装和ndarray的部分知识,本篇文章我们来介绍一下numpy的数组的常用属性以及创建数组相关内容。
霍格沃兹测试开发Muller老师
2023/07/31
1850
快速上手Numpy模块
我们都知道在Python中有一个list的数据类型,list拥有强大的功能,它是元素的集合并且它里面的元素可以是任何Python数据类型,list可以很方便的对它里面的元素进行增删改查的操作。但是对于科学计算来说需要满足下面两点:
触摸壹缕阳光
2020/05/13
1.6K0
numpy介绍
现在介绍一下Jupyter的使用方法: 如你所见,Jupyter有许多个cell组成,有代码块,和markdown块.代码块里面有In[]和Out[]
用户7267083
2022/12/08
3630
numpy介绍
推荐阅读
相关推荐
使用NumPy、Numba的简单使用(一)
更多 >
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档