GrowingIO张溪梦:为什么你的大数据方案不灵?

“我们投了 300 多家公司,很难说这些公司有什么共性,但发现那些成功的公司都是对数据特别重视的公司。”

摘要:“我们投了 300 多家公司,很难说这些公司有什么共性,但发现那些成功的公司都是对数据特别重视的公司。”

这是经纬创投合伙人邵亦波在 GrowingIO 发布会上说的。除此之外,更有无数企业实践证明,数据已经成为驱动未来企业增长最为重要的引擎。

在这一引擎越来越受到重视的当下,GrowingIO 凭借致力于企业数据分析领域的努力脱颖而出,获得了获得了经纬中国、NEA、Greylock 的 A 轮两千万美元的融资,创下同类 SaaS 行业同等阶段融资额度新高。

同时,GrowingIO 发布 V2.0 版本,在强大的无埋点技术和全量实时的数据分析功能的基础上,GrowingIO 全新上线了更精细的漏斗对比、用户细查、热力图等实用功能,让企业变现再加速。

GrowingIO张溪梦:为什么你的大数据方案不灵?

1.为什么大家都很少谈“风口”了?

不知大家是否感觉到了,进入2016年来,我们似乎感觉的到了越来越少的“风”了。就连曾经那个说过“站在风口上,猪都能飞”的大V,如今也很少卖弄“风”情了。

相信这背后的原因有很多,也许“风来风去”市场上的供给多得大家疲乏了,例如饥饿营销的诟病盖过了情怀;也许环境改善让“风”变的再也大不起来了,那些“错过这波,再等一年”的机会或许只能留给售楼小姐们用了。

GrowingIO张溪梦:为什么你的大数据方案不灵?

然而,在GrowingIO创始人兼CEO张溪梦看来,企业不再热衷“风口”式的增长关键在于两个红利的消失。

首先,是人口红利的消失。前一阶段互联网企业的快速增长,很大程度上依赖于互联网用户的增长,如今这种增长已然明显放缓,红利逐渐消失。“今年 KPCE 发表的 2016 年互联网的报告,可以看到,2009 年以前,移动手机用户新增数量每年增长 30%-35%,2015 年底同样的研究报告显示增长的速度降低到了 6% 左右。根据他们的机构预测,2016 年的增长率应该是 5% 以下,也就是说人口红利的增长不能驱动很多企业的高速增长。”张溪梦表示。

其次,是流量增长的消失。虽说用户每天使用互联应用的时间在增加,但用户的行为时间却主要被极少量的应用锁定,这就意味着企业成长依靠“流量为王”的做法不再适用。“同样的数据来源,KPCE 的发布报告,大家看到整体每个用户平均使用时间每天在 200 分钟左右使用移动互联网,其中前 20 个 APP 占据了所有用户的 71% 的时间和流量。非常重要的一点也是很多的企业都关注的,用户每天打开 12 个应用,但是三个应用会消耗掉他们 80% 以上的时间。这个故事告诉我们什么呢?今天剩下的几百万家移动网站和移动 APP 需要分享最后的 20%-30% 用户的时间和流量,大家看到流量的窗口期也在慢慢地关闭。”张溪梦表示。

2.BAT爱莫能助,大数据运用误区

随着信息技术的全球化,大家正在依靠 IT 的力量走出对于“风口”盲目的崇拜,例如大数据解决方案在各地的蓬勃兴起。

为此,很多企业主开始相信,站在全球化信息化前沿的大数据方案,可以帮助自己解决曾经依靠“风口”管理的草莽生长。但此间,“大数据解决方案”果实好吃,树难栽。形成的结果很多时候出现了相反的结果,企业本希望对数据的重视成为新一轮增长引擎,却成为数据驱动增长下的炮灰?

我们曾经看到20世纪中期那个羸弱的“西学东渐”,也感叹那些“六西格玛”“企业标识系统“等先进管理科学在上个世界末的折戟沉沙,难道依靠“大数据解决方案”的新一轮与世界同步又会是宿命的轮回么?

得益于 Linkedin 的从业经历,张溪梦较早地认识到,中国企业正在越来越多地认识到那些“屁股决定脑袋”式的发展逻辑行不通,从而依靠数据引擎打造自己未来的增长神话,但也从中发现了大量企业依靠数据增长的痛点。

首先,科技人才的缺乏。在数据处理过程中会涉及到大量的专业人才的使用,例如数量的清洗、整合、运算、存储、展示都需要专业的工程师,数据采集后端还需要高端的商业分析师等来指导各个业务的运营。这对于企业的IT团队能力是个相当大的考验。

第二,大数据解决方案无法跟上创新步伐。从现有技术体系来说,例如在数据清洗、数据可视化上面,会花团队很长时间。企业在数据分析上的准备工作占用了大量的创新资源。

第三,投入过高。因为我们需要搭建硬件,购买软件,做系统的整合,整个流程导致公司做数据决策服务高层。但是今天的业务需求是要求我们的业务端,前线打仗的人员需要做迅速的决策和决断。比如说在产品设计和发布的角度,需要做快速的决策,不但需要更快,还得需要规模大,覆盖广,就导致很大的矛盾,我们的系统不能满足我们的需求。

大数据解决方案在数据的精细化运营方面已经为企业设立了较高的门槛,从而让更多的企业只能对BAT、谷歌、Facebook们难以望其项背。张溪梦介绍,这些公司的成长高度依赖高级的数据分析方法驱动整体的全公司运营。

3.GrowingIO V2.0,助所有企业实现数据增长梦

GrowingIO 之所以能在众多做大数据分析的服务中脱颖而出,正是在刚才提高到的三个关键点上做了有效突破:用软件实现的技术弥补人才结构的不完善;用企业创新步伐驱动技术解决方案流程的实现;纯软件方案减少企业投资成本。

此前国内虽然有 GA、百度统计、友盟等数据分析工具,但是这些工具更偏重于页面访问量、活跃用户量、新增注册用户、交易数量以及支付成功率等基础指标,但无法支持更精细的数据分析,想要了解每一个用户在哪一个环节流失、用户的转化效果、用户属性等都需要埋点才能实现,而埋点不仅操作麻烦,还有漏埋和错埋的风险。

GrowingIO 新版产品能够呈现用户行为的每一次点击、每一次跳转、每一次登录等全量、实时用户行为数据,并在此基础上,可通过用户分群、漏斗对比等功能,分析不同访问来源、不同城市、不同广告来源等多维度的不同转化细节。

GrowingIO张溪梦:为什么你的大数据方案不灵?

产品经理、市场运营人员不再只看到表面整体转化率,还能看到了解转化过程中每一处细节,帮助其在第一时间找到转化突破点和优化点,以此改进产品体验、调整运营策略。

而这都基于 GrowingIO 无埋点技术,即可采集全量、实时的用户行为数据。“GrowingIO 无需埋点,直接把低效写代码和繁复沟通的时间解放出来,非常适合敏捷开发,为产品合理规划功能和提升用户转化率提供了非常有效和迅速的数据支持。”明道COO许鸣波认为。

过去产品经理想要监测点击事件等用户行为数据时,需要提前同工程师沟通,一个一个手动设置事件代码,工程量巨大,平均每监测一个点击事件需要半小时。

而加载了GrowingIO 几行代码后,即可全量收集所有数据,每个事件只要几秒钟就可以出数,也不再需要工程师的参与,效率有了显著地提高。仅此数据采集一项,就可以帮助互联网创业公司节省60%的成本。

“真正深入找到大量价值的高级分析,需要关注很多的细节数据、运用高级分析方法、并且用技术进行规模化才能支持前线使用数据的业务端人员,这也是我们为什么要做全量、实时数据采集和分析。”张溪梦表示。

4.快速找到产品市场匹配

GrowingIO 本身也依靠数据驱动增长的方式,敏捷开发、快速迭代,不断上线新的功能和模块,及时调整市场适配,创业一年内飞速发展。

在过去一年多,GrowingIO 已迅速找到产品市场匹配(Product-Market Fit),获得了1000多家客户,其中包括点融、人人贷、普惠金融、唯品会-乐蜂、北森、销售易、环信、明道、猎上、名片全能王、回家吃饭、下厨房、Camera360等近百家付费客户,涵盖互联网金融、O2O、电商、SaaS等网站和 APP 客户。

2015年8月获得经纬中国、Greylock、NEA天使轮220万美元融资后,今年6月GrowingIO再次获得经纬中国、NEA、Greylock 的A轮2000万美元融资。其中,经纬中国再次领投,对此,经纬中国创始管理合伙人邵亦波表示,这是非常顺理成章的结果。

“用户行为数据驱动运营,将成为互联网领域的水电煤,价值巨大。”他表示,“在硅谷,这已是LinkedIn、Facebook等业内巨头的标配。同时美国同类型创业公司Mixpanel、Optimizely等企业也很快成为10亿美元量级公司。”

“而在国内,随着互联网红利逐步衰减,精细化运营也成为互联网行业关注的重点。 以张溪梦为首的商业分析的核心团队,曾驱动了LinkedIn从2010年6千万美元,到2014年25亿美元的收入增长。而且创始团队回国一年时间内,有着出色的产品落地和执行能力,令我们印象深刻。”邵亦波表示。

他同时说道,“GrowingIO 刚正式上线半年多,产品出色价值点清晰,短时间获得不少国内标杆客户的认可,其中也为北森、销售易、Camera360等经纬系公司的用户运营创造了巨大价值,在该领域绝对领先。”

回家吃饭CEO唐万里也表示,“GrowingIO帮我们完成了数据体系搭建的从零到一,协助我们高效且精准地推动数据化进程,从运营、增长与留存都获得了突破性增长。GrowingIO的产品从数据采集、分析到可视,都完整呈现了丰富的数据维度,不断利用数据促成我们产品的迭代升级,真正实现顾客成功。”

文 | DOIT 王珂玥

链接:http://www.doit.com.cn/p/249595.html

本文出处:,链接:,采用「CC BY-SA 4.0 CN」协议转载学习交流,内容版权归原作者所有,如涉作品、版权和其他问题请联系「我们」处理。

发表评论

登录后才能评论

联系我们

如有建议:>>给我留言 大数据交流群: 统  计  学 数据分析网-统计学 商业智能 数据分析网-商业智能 数据挖掘 数据分析-数据挖掘 数据产品 数据分析网-数据产品

QR code