来源|GrowingIO ID:GrowingIO

本文是 PMCAFF 对张溪梦的专访。

张溪梦，GrowingIO 创始人兼 CEO，曾任 LinkedIn（领英）美国商业分析部高级总监，被美国 Data Science Central 评选为“世界前十位前沿数据科学家”。

过去 10 年，中国互联网经济是流量驱动时代，然而随着人力成本不断攀升，同样是获取一个购买客户，在中国如今可能是美国 5 倍的成本。“增长黑客”概念的兴起也指引着互联网企业向精益化运营的方向转型，而做好精益化运营需要大量的数据来支撑决策，这对企业的数据采集和分析能力都是非常大的挑战。

PMCAFF 产品社区邀请到了 GrowingIO CEO 张溪梦，并针对数据如何驱动业务、数据产品经理如何成长等一系列问题展开了讨论。

问题 1 ▍您为什么选择回国创业，目前国内和国外用数据驱动业务的方式有何不同？

我是 2015 年回国创业的，之前在美国从事了十多年的数据分析工作；期间服务了 LinkedIn、eBay 和 EPSON 等多家企业。2010 年的时候，我是 LinkedIn 招的第一个从事数据科学、商务分析的工作人员；我用了大概五年的时间，将团队发展到一个 90 多年的数据分析团队，支持 LinkedIn 各个部门和业务线的分析需求。

之所以回国创业，跟我之前我在国外多年的数据分析工作经历紧密相关。

首先是在国外，数据科学、商务分析这一块发展的非常早，现在他们的分析体系已经非常完善了。这两年国内兴起 “增长黑客”的概念，其本质就是通过技术驱动和数据分析来实现企业的精细化运营，驱动客户和业务增长。反观国内，很多企业做决策更多的是凭借主观经验，拍脑子决定。这跟国内数据分析的氛围不浓厚、定量思考没有成为一种思维方式有很大的关系。近几年，国内互联网产业发展势头很猛，在互联网+、大数据的浪潮下，很多企业都开始逐渐重视数据分析这一块。 所以说，国内的数据分析领域在今后一段时间大有可为，这是第一点。

第二点是，我之前在 LinkedIn 做数据分析时，为了分析用户在网站/APP上的行为，我们需要工程师在网站上打点。打点的意思，比如你要统计用户在你网站上按钮的点击数据，需要工程师在网站后台那个按钮的地方写代码来收集这个数据。为了收集尽可能多的用户行为数据，我们在 LinkedIn 网站上写了几千万行的代码；这耗费了大量的人力物力精力。这就是我一直在思考的问题，能否有一种不用一一打点写代码，就能一次性收集到全部用户行为数据的方法。

2015年，我们回国创业，将我们的想法做成了一款产品，这就是 GrowingIO 。我们通过不用埋点的方式，一次性集成我们的 SDK，帮助客户收集到全量的用户行为数据。通过这些数据，我们可以做自定义分析、进行用户的分群和细查、转化漏斗分析、留存分析等等。通过这些精细的分析，帮助企业优化获客渠道、提升转化率、提高留存，进而驱动增长。

在过去的这些年，国内互联网企业更多的是通过拉流量的方式来驱动业务增长，比如大规模的广告投放、地推等等。然后在数据分析的指标上，也主要集中在 PV、UV、DAU 等流量概览指标上，总体上非常粗糙。而在美国，数据分析已经做到非常精细了，我们除了上面的概览指标，还关心用户的转化、留存甚至精细到每一个用户的行为。只有这样深入的行为数据分析，才可能带来更多的价值。这也是目前国内外数据驱动业务方式的最大明显差异。

问题 2 ▍GrowingIO 的核心竞争力是什么？未来想做的事情有哪些？

我们 GrowingIO 的核心竞争力主要体现在两个方面。

一个是我们的数据采集和处理的技术，客户无需手动埋点，就能做到实时的、全量的用户行为数据采集。相比于传统的 BI，我们的产品能给客户节约大量的工程成本。

另外一个是我们数据分析的能力和经验 ，我们的创始团队均有资深的商务分析背景，对于数据分析和业务的理解更加深入，能把数据分析转化为具体的业务价值。

我们现在的核心业务集中在网站/APP等互联网用户，通过我们核心的无埋点数据采集技术帮助客户迅速获取和清洗数据，然后通过精细化的数据分析帮助企业实现增长。未来，我们希望能结合用户其他维度的信息，而不局限于网站和APP；通过跨平台、跨地点的数据来完善用户的画像。

问题 3 ▍数据分析类产品可能的盈利模式有哪些？

这是一个很泛的问题，在不同的产业和企业中会有很多不同的体现。

狭义的角度来讲，很多分析类软件厂商在提供数据分析的软件上直接收费，比如说非常经典的统计软件 SAS ，经典的数据仓库 Teradata ，传统的商业智能软件 Microstrategy，以及流行的桌面商业智能软件 Tableau 等等，都是通过直接售卖软件的方式或者软件硬件一体的形式收费和盈利。

同时新兴的企业服务（SaaS）软件，分析类的产品，比如说中国的 GrowingIO ，美国的 Mixpanel，Optimizely，Adobe Analytics 等基于云端的数据分析产品，它们的运营模式是按照年度付费的方式。我们这类企业的特点是，只通过数据分析的软件和服务收取费用，不会对用户的数据做任何的变现。

但是我觉得数据分析的变现，还可以扩展到广义的领域，每一个竞争激烈的行业，例如零售、保险、医疗保健、物流等价值链上的公司都在竞相通过数据分析的方法帮助客户增加效率，通过找到更佳平衡的运营方法，来帮助客户提高效率，以创造新的收入来源。比如医疗保健行业，例如，正在分析人的各种病例数据，帮助医生更早的诊断，更准确的诊断疾病。这些工作离不开数据，而且分析结果可以直接货币化。

货币化的另一个非常常见的情况是，从更好地检查调度和预防性维护的成本节约。这将导致巨大的价值提升，比如说现在 GE 倡导的工业 4.0 的框架，通过数据分析提起预测硬件潜在的问题，避免昂贵的设备／重要业务流程因为紧急报修而产生的损失。这种数据分析的服务提供了很多价值，有巨大的变现空间。

另外一个例子就是金融行业，风险控制的好坏完全基于数据分析的能力高低。这种变现是非常直观和直接的。比如说提供的分析产品直接帮助减低贷款的坏账率，然后风控的能力又拓展了贷款规模，那么这种数据分析产品就会有很多企业／银行付费。

所以说数据分析是有很多变现的方法，因为无论在节省成本，还是增加营收上面都有若干的机会可以尝试。

问题 4 ▍数据方向产品经理需要掌握哪些数据分析能力？

我先从一个产品经理的角度来说说一个产品经理应该具备的数据分析能力。首先产品经理必须理解产品分析的四个核心的概念：

1、数据点：一般来说就是结合时间的衡量指标；

2、用户分群：相类似的用户自然聚合到一个群组里面，他们的行为都很类似，因此他们的背景，行为的一致性，决定了他们需要相似的产品或者服务；

3、漏斗：用户会通过一系列的动作来达成某种目的，比如说从浏览商品到加入购物车的整个漏斗就包含好几个动作，所有购买的行为都需要经历这个漏斗，那么产品经理精确地理解漏斗就很重要；

4、同类群组：这个概念和用户分群不一样，它一般用于分析长时间的用户行为的变化。这个分析会更偏重于用户的留存。以往因为我们混合了新客户和现有客户，往往新用户的存在很容易掩盖已有客户的流逝，因此同类群组是一个用时间去看用户在产品中的转化。

好的产品经理在产品上、数据分析上要做好几件事情。规划数据分析的过程包括这些步骤：

1.定义产品愿景；

2.定义满足产品愿景的关键绩效指标（KPI）；

3.定义运营分析的细节指标来支持你的KPI指标；

4. 定义漏斗（通过用户的流程）影响您的指标。

好的产品经理应该有迅速从数据分析的结果里学习的能力，这种能力是快速进行产品迭代的核心能力，当然这种能力需要时间的培养。

问题 5 ▍在您丰富的数据管理生涯中，有什么经验可以分享给国内的团队呢？

首先，企业的管理者需要有数据驱动的意识。我在美国工作的十几年，看到了很多成功案例，像 LinkedIn、Facebook、Airbnb 等企业通过数据分析来驱动业务运营，大幅度提升了业绩的空间。

其次，国内的创业团队可以利用好最新的技术和工具，通过这些工具和方法论武装好自己。以往的技术观点是企业自建这些工具，例如自己搭建 BI ，自己搭建内部协作系统等等。现在，优秀的创业者应该充分利用好各种工具，如云计算服务／第三方数据分析服务／第三方云通讯等等。通过这些saas工具代替传统昂贵的自建投入，降低创业的成本和门槛。

第三，一线的业务人员应该熟练掌握各种效率型工具，特别是要把数据分析应用到一线业务。数据要像水一样在企业内部流动，在不同部门之间流动，进而发挥其最大的价值。

问题 6 ▍国内的大数据分析处于起步阶段，行业内现在最需要的是什么？

我觉得国内需要三种东西，任何一个都不能少。

1. 在价值认知上，中国的企业家需要认识到数据分析能够给他们的企业带来的巨大价值。

2. 在方法论上，我们中国的企业必须在不同部门里面推行数据分析的各种方法体系，这些体系已经被欧美总结了至少30年，很多我们没有必要重新发明。而且这种知识体系的搭建会是一个企业未来成功的核心竞争力之一。

3.  我们的各种行业缺乏好的数据分析产品，国内行业需要迅速使用这些数据分析产品拉近和顶级企业的差距。工欲善其事，必先利其器。这是每个企业提高效率最好的手段／途径。

问题 7 ▍GrowingIO 如何根据不同的产品数据，提炼出可供公司业务部门和高层进行参考的决策信息？

GrowingIO 的产品形态是基于用户行为的数据分析，抽象出来帮助产品经理，时长运营部门提高效率的产品。

我们也有用户直接把 GrowingIO 用于销售部门和客户成功部门的很多成功案例。因为我们的分析产品是基于用户行为数据为核心的，因此我们可以通过分析用户行为精确地理解用户是如何使用产品的（产品经理），用户从哪里来的（市场营销），用户是否会购买（销售），用户是否有使用的问题或者流失（客户服务／客户成功），所以公司内部不同的部门在很多方面都可以得到好处。

特别是，我们的客户很多内部的分析团队，数据工程师在过去没有GrowingIO的时候浪费了大量的时间准备数据，今天他们通过GrowingIO的产品不用埋点或者大量的清洗数据，因此他们能够节省很多时间用在有价值的高级分析和决策上面。这样为企业提供了更多的价值。

大家都爱搜:ASM 互联网资讯类类有话说App推广运营经验线下推广活动推荐微信营销姑婆专题姑婆圈ASO校园推广地推ASO100渠道刷量校园运营团队

姑婆那些事儿(www.gupowang.com)是互联网推广运营知识分享平台,关注移动推广(android,ios)运营,网站推广运营、校园推广及互联网领域最新动态 。欢迎关注我们的微信(gupo520),新浪微博(姑婆那些事儿)。

版权声明:本文来源于互联网,仅作分享学习之用,姑婆那些事儿负责整理推荐。文章仅代表原作者独立观点,不代表本平台运营者观点与立场。如有版权问题,请联系姑婆那些事儿—小秘书(微信号:gpxms001)协商解决