GrowingIO 张溪梦：数据分析可以发现哪些“秘密”

专访 |GrowingIO创始人张溪梦，数据分析可以发现哪些“惊天秘密”

作为“增长黑客”理论在中国的实践者，他试图通过对用户行为的精细分析，对互联网产品进行针对性的快速迭代，从而使客户出现指数型的增长。他就是GrowingIO联合创始人&CEO，前LinkedIn商务分析高级总监。美国Data Science Central评选的“世界前十位前沿数据科学家”。——张溪梦

本文来源：张溪梦于GrowingIO数据驱动增长大会现场，受邀雷锋网的人物专访。

问题概览--------------

1）“无埋点”数据采集的准确性如何？

2）如果用户希望埋点和无埋点的方式结合，是否存在困难？

3）为什么要数据上云，其优势何在？

4）GrowingIO系统需要很大比重的分析师人工服务辅助吗？

5）未来数据分析服务会是怎样的形态？

6）巨头企业的进驻，会对数据分析市场造成冲击？

7）GrowingIO“热图”功能的原理科普。

8）Uber、亚马逊是增长黑客的成功案例，然而其后劲不足的症结所在是？

9）曾经“烧钱”的客户怎样通过“增长黑客”提升用户数量？

10）“增长黑客”技术未来会有怎样的趋势？

GrowingIO创始人&CEO张溪梦

作为雷锋网的专栏作者，他曾经发表过很多数据分析方面的干货文章。在最近举办的GrowingIO数据驱动增长大会上，雷锋网对张溪梦进行了专访。

Q1：GrowingIO一直在强调“无埋点”的技术，也就是不用在程序代码中预埋采集数据信息的SDK，而是通过收集用户的点击、操作行为来取得“行为数据”。有人认为这种数据并不准确，存在弊端，你怎么看？

数据分成几个类别。

第一阶段，就是最基础的就是交易类型的数据，这些数据非常小，是以M计算的。

第二阶段，就是CRM（客户管理系统）中的用户数据。

第三阶段，就是用户行为。你看了什么东西，买了什么东西，浏览了什么商品，是否加入了购物车，是否增加了社交关系。它的数据量应该是前两类的一千到两万倍。

用户数据在今天已经被很好地搜集了，而对行为数据的搜集是缺失的。我们的技术主要用来收集的正是行为数据。根据过去十年数据分析的经验，我觉得数据本身只要反应出趋势就足够了。

利用这种技术对于用户行为的收集，很多确实并不是百分百反应了用户在网站上真正的行为，有或多或少的缺失。我觉得数据缺失是很正常的，但是数据必须要稳定。如果这次收集到95% 的用户行为，就要保证能够持续地收集到95%，不是说今天95% 明天20% 了。

所以数据的稳定性要重于每个细节的正确性。当然，在交易型的数据里我们要求百分之百的准确。而很多行为数据用于预测，预测本身就是一个不是特别准的事情，所以效果如何还是得看最后的用法。

Q2：对于很多用户来说，他的核心业务数据分析可能是用埋点做的。如果用户希望埋点和无埋点的方式结合，是否存在困难？

这就是我们GrowingIO建立的核心原因，我们从来没想过把数据用户的“仓库”和内部的BI系统完全打破了搬到云上去，这不是我们建造GrowingIO的初衷。以前我在领英的时候，核心的交易数据还是在传统的ERP系统里。电子商务公司他们有一个电子数据库，我们再把它复制一遍是浪费大家时间。

但是用户行为数据这是很多公司都很头疼的。只有大型的互联网公司，像领英、像京东，拥有几千人的团队才可能有人做这件事。我们可以把数据回传给用户，让他们内部进一步做数据的中心化。例如点融网，他们用了GrowingIO的数据做反欺诈的实时风控，以前需要几个工程师收集这些东西，现在是加一行代码自动就产生了。

用户行为数据，包括很多层面，例如用户倾向，就是这个用户想干什么，他是体育的粉丝，篮球粉丝？他有什么需求？

这些数据都需要最后交给我们服务的客户的，我们不想拥有这些数据，因为我们不做数据业务。我们是帮助客户做精细化运营，所以原始的数据我们并不会攥在手里，而是给到用户。用户可以用这些数据做进一步的个性化利用。

用户的行为数据，可以做精细化的分类采集

Q3：GrowingIO所有的分析都建立在云端，有没有客户担心数据外泄？有没有可能建立私有的数据分析中心？

我们的客户大部分人都对数据的保密性、安全性有顾虑，特别是早期去年2015年的时候。现在所有的上云的客户都有这个顾虑。

但是我觉得从本质来说，我们希望能够在一秒钟内把数据处理完交给客户，具体这个数据在哪个云里哪个系统里不重要。只不过我们今天采用的方案有一个巨大的好处：

我们今天处理的数据量是领英的5倍到10倍，整套框架大概有一千亿用户，但我们的投入的成本可能是领英的百分之一。如果用户建造私有的分析系统，成本可能是使用云的一百倍。

比如说我想吃日本料理，我没有必要盖一个日本的厨房请一个厨师。

我们想把用户分析成品化，这样可以降低成本。它能把节省的工程师资源用在开发核心产品和功能上面，这是我们放在云端核心的原因。

我们至今都没有做内部的版本。因为内部的版本涉及到服务集群，还需要内部有运维的团队，还要有分析师。未来信息产生的速度非常非常快，这种就要求产品迭代非常快，如果我们（在内部系统）安装完了软件之后，有可能迭代都会产生问题。

所以云端的方式，在长远上讲，无论在性价比、性能、最终的管理上还是IO上都是最好的。对于有顾虑的厂商我们也做了一些工作，例如对数据进行加密，去掉敏感信息，用户可以自己配置不采集他认为敏感的信息。

Q4：GrowingIO系统需要很大比重的分析师人工服务辅助吗？

任何企业服务的公司，都一定是产品和人的相对结合的过程。

可能产品在发展的初期，人的成分会更多一些，现在真正服务客户企业的，很多都是我们的分析师给他们输入。不是说我们的产品不能做东西，而是他们（客户）自己缺乏分析的思路、经验和框架。

未来我们想做的产品，是把分析师的思路相对统一地做到产品里去，用产品的人就自然而然具备了这种思路。就不用分析师教给他：你先观测、找原因、分析道理，核心的造成衰减和增长的原因，怎么样改变和执行。

这套模型应该变成自动的，但是自动化的过程，是人和机器学习的过程。比如说：

一个产品现在不是百分之百自动满足客户的需求，但是有人教客户；

之前是人在收集客户反馈，以后产品就会慢慢收集人的行为。

我们的产品就变得越来越智能，人的成分就越来越低。其实不是想替换人类，是因为好的分析师、增长黑客太稀缺了，只能用产品弥补人员的缺失。

Q5：未来数据分析服务会是怎样的形态？

以后产品是这样的形态，用户只需要告诉我们他关注什么，比如说关注我的注册。他选择这个结果以后，产品应该自动帮他分析出来有关“注册”哪里有问题，例如是针对人群的问题还是产品设计的问题。

如果是产品功能的问题，你需要如何改进；如果好似投放给了错误的人群，应该如何更换渠道。

我们希望未来第一步是做到能够判断用户需要解决什么问题，然后由我们的产品告诉他。要做到这样，早期应该只针对特定的几个行业，这几个行业如果做的好的话，这种模型可以复制到其他行业。

Q6：数据分析、增长黑客在未来应该会有很大的市场，你是否担心大公司砸重金进入这个市场呢？

我从来没有担心过，好多人问我你担心IBM进来吗，我完全不担心。因为我们做的东西根本没有在这个世界上出现过，他只能砸钱。但是几十万亿资本砸进来，做出来是什么东西呢？

一个产品本身是有性格的，是有人的本性，有DNA的，而DNA是无法复制的。数据分析的关键在于分析，是非常个人化的。换句话说，我们要做的产品是要反映我们这些人的灵魂的。而你很难复制一个人的灵魂。

巨头砸钱，说明市场需要教育。这个过程中参与的人越多越好。

BAT他们都有很强的分析能力，我觉得大部分厂商也愿意开放这些能力。但对数据本身的理解，每个人都有自己的版本，这种世界观会反应在产品以后的形态里，会非常不一样，各有特点。

数据分析产品GrowingIO——热图

Q7：GrowingIO有一个重要的功能“热力图”，可以科普一下其中的原理吗？

热力图分为三种层次：

第一种是非常粗糙的，是收集人眼看被吸引到屏幕的哪个位置。但人被吸引注意力取决于三个东西：大小、形状、颜色。所以会有多种因素引导视觉。这是神经学的科技分析，我们今天做的不是这块。

第二种是记录用户在屏幕上像素点的点击。比如说一个屏幕的分辨率是800×600，包含48000个像素点。热力图会记录用户在哪里点击。

第三种热力图同样是记录点击，但是点击的数据不是跟着屏幕，是跟着内容走的。例如一条新闻，它会记录用户在长长的新闻中，在各个具体位置的点击行为。

我们做的是第三种。用户点击操作的界面，热力图的核心在内容上。这样的话我们能帮用户不单分析界面，同时还分析内容。之前我们发布的产品是针对PC端的网站，这次我们发布了移动端的产品。可以记录用户在手机上点击的“热力图”。

三种热力图之间的比较

Q8：增长黑客的成功案例是Uber、亚马逊。但是Uber在中国败给了滴滴，亚马逊在中国败给了淘宝京东，问题出在哪里？

第一，之所以今天Facebook、亚马逊等公司变得非常知名，是因为他们公司在早期、中期持续地在做这件事。

他们持续增长的原因有三个：

第一是有商业模式；

第二是运营非常系统化；

第三是“增长黑客”体系的帮助。

中国的很多企业以前并没有关注增长体系，这种情况下还能打赢，我觉得有以下的原因：

首先，是中国用户基础大，什么App一做就有几百万用户上来，因为中国有十几亿人。这个情况在美国2000年的时候有可能，现在想做到这样的已经很难了，所以他们需要做“Growth Hack”。

其次，中国资本红利在衰退，大家更理性了，没有人盲目投资。不盲目投资的情况下我们就更需要关注效率。这就是为什么很多大型企业在迅速地吸纳“增长黑客”这套方法论的知识和建团队的原因。“增长黑客”的核心理念是：你要把以前的市场营销预算变成工程和产品的预算。

以前市场营销有很多预算，但这些预算都被无效地花出去了。如果把这些预算拿出来很少一部分变成工程师和产品经理的预算，效果可能大不一样。中国以后也会把烧钱、烧流量、大投放的方法慢慢转化成非常聪明的用工程产品的内升的自然生长的方法来解决问题。亚马逊这样公司的运营效力不能说到极致了，但是接近极致了。

Q9：是否可以举一个例子，曾经“烧钱”的客户怎样通过“增长黑客”提升用户数量？

有一位互联网金融的客户，他们的获客成本成本在过去两年半里，增加了几百倍。

使用这种方法，他们找到了很多核心原因。

第一，在中国有一个有趣的现象是“薅羊毛”。很多人简单做一些注册动作，就把利润拿走，并不会成为客户来购买他们的理财产品。

第二， 他们发现不同获客渠道之间的差异竟然是巨大的。有些渠道的效力非常低，但他们在分析数据之前根本不知道。

第三，他们解决了时间问题。以前做一个活动，需要等两三个星期才能知道效果。现在基本当天或者隔天就可以知道结果。

这是他原话是：如果两年前他使用GrowingIO的话，今天的互联网金融格局应该是不一样的。

很多用户需要的不止是一个数据，他需要一下子就能看到其中的问题，然后赶快修改。对于创业企业，资本投放都是次要的，关键的是时间。因为一个创业公司真正想生存下去，取决于单位时间内你能跑多快跑多远。不可以一个星期一个星期地浪费。

数据分析产品GrowingIO——实时

Q10：“增长黑客”技术未来会有怎样的趋势？

美国的那套增长系统，比我阐述的复杂一百倍。我认为它在理念上没必要再进化了，关键是怎么落地。怎么样把运营的小环都闭合了。像一个小齿轮就是增长的一个小环节，当很多种齿轮在一起就组成了一个引擎，这个引擎连接的是产品研发、市场营销、工程实现、销售、客户服务和客户支持、风控各个部门，还有财务。这套体系是下面几年里中国的公司需要去批判接纳的，就是一定要适合中国企业形式和发展的速度。它是科学化管理体系，只要有了正确的方法、正确的人和正确的流程，不断地践行就一定能看到效果。

国内三大红利结束以后，各个企业应该做“增长黑客”这件事，这是专业化的表现。

「If you are not growing，then you are dying」。2016年流量寒冬、资本寒冬的大环境下任何一家企业都需要寻求更有效的增长方式，不断为社会、员工、客户创造各种价值，才能在激烈的竞争环境中得以生存发展。有效率的增长，是每一家企业需要关注的核心使命。

【温馨提示】思路网倡导尊重与保护知识产权。如发现本站文章存在版权问题，烦请提供版权疑问、身份证明、版权证明、联系方式等发邮件至tougao@siilu.com，我们将及时处理。本站文章仅作分享交流用途，作者观点不等同于思路网观点。用户与作者的任何交易与本站无关，请知悉。