來源|GrowingIO ID:GrowingIO

本文是 PMCAFF 對張溪夢的專訪。

張溪夢，GrowingIO 創始人兼 CEO，曾任 LinkedIn（領英）美國商業分析部高級總監，被美國 Data Science Central 評選為“世界前十位前沿數據科學家”。

過去 10 年，中國互聯網經濟是流量驅動時代，然而隨著人力成本不斷攀升，同樣是獲取一個購買客戶，在中國如今可能是美國 5 倍的成本。“增長黑客”概念的興起也指引著互聯網企業向精益化運營的方向轉型，而做好精益化運營需要大量的數據來支撐決策，這對企業的數據采集和分析能力都是非常大的挑戰。

PMCAFF 產品社區邀請到了 GrowingIO CEO 張溪夢，并針對數據如何驅動業務、數據產品經理如何成長等一系列問題展開了討論。

問題 1 ▍您為什么選擇回國創業，目前國內和國外用數據驅動業務的方式有何不同？

我是 2015 年回國創業的，之前在美國從事了十多年的數據分析工作；期間服務了 LinkedIn、eBay 和 EPSON 等多家企業。2010 年的時候，我是 LinkedIn 招的第一個從事數據科學、商務分析的工作人員；我用了大概五年的時間，將團隊發展到一個 90 多年的數據分析團隊，支持 LinkedIn 各個部門和業務線的分析需求。

之所以回國創業，跟我之前我在國外多年的數據分析工作經歷緊密相關。

首先是在國外，數據科學、商務分析這一塊發展的非常早，現在他們的分析體系已經非常完善了。這兩年國內興起 “增長黑客”的概念，其本質就是通過技術驅動和數據分析來實現企業的精細化運營，驅動客戶和業務增長。反觀國內，很多企業做決策更多的是憑借主觀經驗，拍腦子決定。這跟國內數據分析的氛圍不濃厚、定量思考沒有成為一種思維方式有很大的關系。近幾年，國內互聯網產業發展勢頭很猛，在互聯網+、大數據的浪潮下，很多企業都開始逐漸重視數據分析這一塊。 所以說，國內的數據分析領域在今后一段時間大有可為，這是第一點。

第二點是，我之前在 LinkedIn 做數據分析時，為了分析用戶在網站/APP上的行為，我們需要工程師在網站上打點。打點的意思，比如你要統計用戶在你網站上按鈕的點擊數據，需要工程師在網站后臺那個按鈕的地方寫代碼來收集這個數據。為了收集盡可能多的用戶行為數據，我們在 LinkedIn 網站上寫了幾千萬行的代碼；這耗費了大量的人力物力精力。這就是我一直在思考的問題，能否有一種不用一一打點寫代碼，就能一次性收集到全部用戶行為數據的方法。

2015年，我們回國創業，將我們的想法做成了一款產品，這就是 GrowingIO 。我們通過不用埋點的方式，一次性集成我們的 SDK，幫助客戶收集到全量的用戶行為數據。通過這些數據，我們可以做自定義分析、進行用戶的分群和細查、轉化漏斗分析、留存分析等等。通過這些精細的分析，幫助企業優化獲客渠道、提升轉化率、提高留存，進而驅動增長。

在過去的這些年，國內互聯網企業更多的是通過拉流量的方式來驅動業務增長，比如大規模的廣告投放、地推等等。然后在數據分析的指標上，也主要集中在 PV、UV、DAU 等流量概覽指標上，總體上非常粗糙。而在美國，數據分析已經做到非常精細了，我們除了上面的概覽指標，還關心用戶的轉化、留存甚至精細到每一個用戶的行為。只有這樣深入的行為數據分析，才可能帶來更多的價值。這也是目前國內外數據驅動業務方式的最大明顯差異。

問題 2 ▍GrowingIO 的核心競爭力是什么？未來想做的事情有哪些？

我們 GrowingIO 的核心競爭力主要體現在兩個方面。

一個是我們的數據采集和處理的技術，客戶無需手動埋點，就能做到實時的、全量的用戶行為數據采集。相比于傳統的 BI，我們的產品能給客戶節約大量的工程成本。

另外一個是我們數據分析的能力和經驗 ，我們的創始團隊均有資深的商務分析背景，對于數據分析和業務的理解更加深入，能把數據分析轉化為具體的業務價值。

我們現在的核心業務集中在網站/APP等互聯網用戶，通過我們核心的無埋點數據采集技術幫助客戶迅速獲取和清洗數據，然后通過精細化的數據分析幫助企業實現增長。未來，我們希望能結合用戶其他維度的信息，而不局限于網站和APP；通過跨平臺、跨地點的數據來完善用戶的畫像。

問題 3 ▍數據分析類產品可能的盈利模式有哪些？

這是一個很泛的問題，在不同的產業和企業中會有很多不同的體現。

狹義的角度來講，很多分析類軟件廠商在提供數據分析的軟件上直接收費，比如說非常經典的統計軟件 SAS ，經典的數據倉庫 Teradata ，傳統的商業智能軟件 Microstrategy，以及流行的桌面商業智能軟件 Tableau 等等，都是通過直接售賣軟件的方式或者軟件硬件一體的形式收費和盈利。

同時新興的企業服務（SaaS）軟件，分析類的產品，比如說中國的 GrowingIO ，美國的 Mixpanel，Optimizely，Adobe Analytics 等基于云端的數據分析產品，它們的運營模式是按照年度付費的方式。我們這類企業的特點是，只通過數據分析的軟件和服務收取費用，不會對用戶的數據做任何的變現。

但是我覺得數據分析的變現，還可以擴展到廣義的領域，每一個競爭激烈的行業，例如零售、保險、醫療保健、物流等價值鏈上的公司都在競相通過數據分析的方法幫助客戶增加效率，通過找到更佳平衡的運營方法，來幫助客戶提高效率，以創造新的收入來源。比如醫療保健行業，例如，正在分析人的各種病例數據，幫助醫生更早的診斷，更準確的診斷疾病。這些工作離不開數據，而且分析結果可以直接貨幣化。

貨幣化的另一個非常常見的情況是，從更好地檢查調度和預防性維護的成本節約。這將導致巨大的價值提升，比如說現在 GE 倡導的工業 4.0 的框架，通過數據分析提起預測硬件潛在的問題，避免昂貴的設備／重要業務流程因為緊急報修而產生的損失。這種數據分析的服務提供了很多價值，有巨大的變現空間。

另外一個例子就是金融行業，風險控制的好壞完全基于數據分析的能力高低。這種變現是非常直觀和直接的。比如說提供的分析產品直接幫助減低貸款的壞賬率，然后風控的能力又拓展了貸款規模，那么這種數據分析產品就會有很多企業／銀行付費。

所以說數據分析是有很多變現的方法，因為無論在節省成本，還是增加營收上面都有若干的機會可以嘗試。

問題 4 ▍數據方向產品經理需要掌握哪些數據分析能力？

我先從一個產品經理的角度來說說一個產品經理應該具備的數據分析能力。首先產品經理必須理解產品分析的四個核心的概念：

1、數據點：一般來說就是結合時間的衡量指標；

2、用戶分群：相類似的用戶自然聚合到一個群組里面，他們的行為都很類似，因此他們的背景，行為的一致性，決定了他們需要相似的產品或者服務；

3、漏斗：用戶會通過一系列的動作來達成某種目的，比如說從瀏覽商品到加入購物車的整個漏斗就包含好幾個動作，所有購買的行為都需要經歷這個漏斗，那么產品經理精確地理解漏斗就很重要；

4、同類群組：這個概念和用戶分群不一樣，它一般用于分析長時間的用戶行為的變化。這個分析會更偏重于用戶的留存。以往因為我們混合了新客戶和現有客戶，往往新用戶的存在很容易掩蓋已有客戶的流逝，因此同類群組是一個用時間去看用戶在產品中的轉化。

好的產品經理在產品上、數據分析上要做好幾件事情。規劃數據分析的過程包括這些步驟：

1.定義產品愿景；

2.定義滿足產品愿景的關鍵績效指標（KPI）；

3.定義運營分析的細節指標來支持你的KPI指標；

4. 定義漏斗（通過用戶的流程）影響您的指標。

好的產品經理應該有迅速從數據分析的結果里學習的能力，這種能力是快速進行產品迭代的核心能力，當然這種能力需要時間的培養。

問題 5 ▍在您豐富的數據管理生涯中，有什么經驗可以分享給國內的團隊呢？

首先，企業的管理者需要有數據驅動的意識。我在美國工作的十幾年，看到了很多成功案例，像 LinkedIn、Facebook、Airbnb 等企業通過數據分析來驅動業務運營，大幅度提升了業績的空間。

其次，國內的創業團隊可以利用好最新的技術和工具，通過這些工具和方法論武裝好自己。以往的技術觀點是企業自建這些工具，例如自己搭建 BI ，自己搭建內部協作系統等等。現在，優秀的創業者應該充分利用好各種工具，如云計算服務／第三方數據分析服務／第三方云通訊等等。通過這些saas工具代替傳統昂貴的自建投入，降低創業的成本和門檻。

第三，一線的業務人員應該熟練掌握各種效率型工具，特別是要把數據分析應用到一線業務。數據要像水一樣在企業內部流動，在不同部門之間流動，進而發揮其最大的價值。

問題 6 ▍國內的大數據分析處于起步階段，行業內現在最需要的是什么？

我覺得國內需要三種東西，任何一個都不能少。

1. 在價值認知上，中國的企業家需要認識到數據分析能夠給他們的企業帶來的巨大價值。

2. 在方法論上，我們中國的企業必須在不同部門里面推行數據分析的各種方法體系，這些體系已經被歐美總結了至少30年，很多我們沒有必要重新發明。而且這種知識體系的搭建會是一個企業未來成功的核心競爭力之一。

3.  我們的各種行業缺乏好的數據分析產品，國內行業需要迅速使用這些數據分析產品拉近和頂級企業的差距。工欲善其事，必先利其器。這是每個企業提高效率最好的手段／途徑。

問題 7 ▍GrowingIO 如何根據不同的產品數據，提煉出可供公司業務部門和高層進行參考的決策信息？

GrowingIO 的產品形態是基于用戶行為的數據分析，抽象出來幫助產品經理，時長運營部門提高效率的產品。

我們也有用戶直接把 GrowingIO 用于銷售部門和客戶成功部門的很多成功案例。因為我們的分析產品是基于用戶行為數據為核心的，因此我們可以通過分析用戶行為精確地理解用戶是如何使用產品的（產品經理），用戶從哪里來的（市場營銷），用戶是否會購買（銷售），用戶是否有使用的問題或者流失（客戶服務／客戶成功），所以公司內部不同的部門在很多方面都可以得到好處。

特別是，我們的客戶很多內部的分析團隊，數據工程師在過去沒有GrowingIO的時候浪費了大量的時間準備數據，今天他們通過GrowingIO的產品不用埋點或者大量的清洗數據，因此他們能夠節省很多時間用在有價值的高級分析和決策上面。這樣為企業提供了更多的價值。

大家都愛搜:ASM 互聯網資訊類類有話說App推廣運營經驗線下推廣活動推薦微信營銷姑婆專題姑婆圈ASO校園推廣地推ASO100渠道刷量校園運營團隊

姑婆那些事兒(www.3377on.com)是互聯網推廣運營知識分享平臺,關注移動推廣(android,ios)運營,網站推廣運營、校園推廣及互聯網領域最新動態 。歡迎關注我們的微信(gupo520),新浪微博(姑婆那些事兒)。

版權聲明:本文來源于互聯網,僅作分享學習之用,姑婆那些事兒負責整理推薦。文章僅代表原作者獨立觀點,不代表本平臺運營者觀點與立場。如有版權問題,請聯系姑婆那些事兒—小秘書(微信號:gpxms001)協商解決