来源：数据猿 作者：张溪梦
本文为数据猿年关策划活动《大数据的2016，我的2016》系列稿件，感谢本文作者 GrowingIO 创始人&CEO 张溪梦 先生的投稿(数据猿专访张溪梦)。
敬请期待春节后的2月16日，由数据猿与中欧商学院、腾讯视频共同举办的高端领袖线下演讲栏目中欧微论坛之《超声波》。
回国创办 GrowingIO 之前，我一直在美国从事与数据有关的分析、运营和变现工作。在美国，『数据驱动增长』已深入人心，各类工具也非常丰富，然而在中国，很多互联网公司还停留在只看 PV、UV、访问时长、跳出率等最基础的数据上。
海外数据分析已经很成熟，中国仍有空间和市场，这正是 GrowingIO 成立的初衷：我们希望能把硅谷数据驱动增长的经验带回国内，帮助中国企业实现更有效率的增长，创造更多价值。
过去的 2016年，中国的商业环境发生了很大变化，整体而言，企业对“数据”的重视程度越来越高，这是好的趋势。但也还有很多需要应对的挑战。GrowingIO 在过去一年中，为了更好地满足客户的需求，做了很多前沿的探索，也有一些自己的感悟和思考，和大家一起分享。
互联网下半场：从流量、风口，到产品价值、用户体验
最近十来年，国内互联网企业取得了飞速的发展，除了自身实力以外，很大程度上是时代红利推波助澜的作用。人口红利、流量红利和资本红利，这三大红利催生了中国独有的增长模式，『买』 的模式：买流量、买用户。以『买』为代表的粗放式经营模式，是中国『互联网上半场』最真实的写照。然而在 2016 年，大家都能明显感到，这三大红利在逐渐消退。
第一，人口红利已经结束。下面这张图展示了各个国家的劳动力人口/总人口的比例。不难发现中国的人口红利在2015 年达到顶峰，也就是经济学上的『刘易斯拐点』。从 2015 年开始，中国的人口红利开始衰减，劳动力成本快速上升。
刘易斯拐点
第二，流量红利褪去。大家都知道马太效应，弱者越弱，强者越强。现在的移动互联网流量就是这个情况，基本上今天在中国，微信、支付宝等头部的 20个 App 占据了所有使用者每天手机使用时间的 71% 。也就是说，今天剩下的几百万家移动网站和移动 App 需要共同分享最后的 20%~30% 用户时间和流量。
第三，资本红利萎缩。大家都看到 2016 年下半年以来，投资人越来越谨慎，创业者拿钱的难度越来越高。
纵观『互联网上半场』，流量、风口等词充满我们的视野;而在接下来的『互联网下半场』，产品价值、用户体验将会成为新的主题。
作为企业，无论我们和什么东西竞争或者博弈，都不应该和整个大的趋势博弈。中国的互联网时代已经过了粗暴式自然增长的阶段，进入下半场后，获取客户和运营产品的成本将大大增加，成本的增加就导致企业必须要对其运营效率进行显著优化，对用户进行更精细化的管理。而这一切，都离不开数据驱动的支持。
互联网下半场的通用语言：精细化用户行为数据
分享一个之前我在海外工作的小故事，当时我们公司有印度人、中国人、欧洲人和美国本地人，说各种语言的人都有。有时候大家开玩笑说，中国人英语不好。我解释说，英语不是中国人的母语。有个美国本地管理层的人说：Simon，不用担心，英语也不是我的母语。当时我很吃惊，英语不是他的母语，那什么是他的母语呢?
那个管理层说「Numbers is my native language 」。他说，真正的企业管理者，无论是 CEO 、中层管理者、还是前线打仗的业务经理，所有人通用的语言就是数字。因为数字代表了效率，效率代表了商业的本质，商业的本质就是投资回报比。投资回报比就是说，我们投入一块钱可以产出多少钱，这才是增长的基础。在美国高速增长的企业中，投入产出的每一个环节，都是基于数据来做判断做决定的，而不是管理层的拍脑袋决策，这样积累起来就变成了一个科学的增长引擎。
现在“大数据”的概念在国内企业已经很火了，但其实“数据”的发展是经历了几个不同阶段的：
第一阶段，大家收集到的主要是最基础交易类型的数据，这些数据量非常小，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，用户行为数据。包括用户看了什么东西，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等，这些用户行为数据量是前两类的数万倍，这才真正称得上“大数据”。
我们现在正是进入了基于用户行为数据的大数据第三阶段。产品经理、市场运营和数据分析人员迫切需要更详细的用户行为数据，才能透过表面的概况趋势，深入了解产品上获客、激活、留存、转化过程中用户行为的每一处细节，在第一时间找到转化突破点和优化点，及时改进产品体验、调整运营策略。
然而现实情况是，前两类交易数据和 CRM 中的用户数据，今天已经有很多成熟的数据产品能够帮助收集和分析，但用户行为数据方面却是许多公司都很头疼的。
原先行业内基本的方式是通过“埋点”来收集用户行为数据。一方面，埋点需要投入大量工程师资源一个一个手动设置事件代码，另一方面埋点也涉及大量产品经理与前端业务部门的反复沟通，往往从需求沟通到完成代码预埋就需要几周时间，不仅会拖慢产品开发，还可能存在数据不全面、遗漏缺失混淆、数据质量低等一系列的历史问题。
因此在过去，只有非常大型的互联网公司，像LinkedIn、Facebook，拥有几千人的团队才可能设立数据部门来专门做这件事。而这些公司的成长是高度依赖精益数据分析，来驱动整体公司运营的。
传统埋点模式下数据分析常见流程
GrowingIO 解决的正是这一问题。我们的无埋点数据采集技术，使得客户仅需一次性加载几行代码，即可全量实时采集用户行为数据，并且同时支持网页端、iOS/Android客户端、HTML5页面、微信小程序等全平台的数据采集。仅数据采集一项，就可以帮助公司节省 60% 左右的成本，把工程师和产品经理从低效写代码和繁复沟通中解放出来，专注于更高价值的数据分析、商业决策问题。
互联网下半场，数据分析厂商如何更好地为客户创造价值
(一)基于云端的 SaaS 模式是未来
过去许多客户对“上云”有比较大顾虑，担心数据的保密性、安全性。但从 2013年开始，云计算在国内逐渐成熟，企业对 “云”和 SaaS 的理解也越来越客观。在长远上讲，“云端解决方案”无论在性价比、时效性、可用性方面都会比传统软件模式更有优势。
从本质来说，以 GrowingIO 为代表的 SaaS 数据厂商，希望的都是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系统或者哪个云里并不重要。只是由于专业化带来的成本优势，如果用户建造私有的分析系统，成本可能是使用公有云的一百倍。就好比说，我想吃日本料理，但我没有必要专门盖一个日式厨房，请一个日本厨师。
(二)将数据分析力融入产品
任何企业服务产品，都一定是“产品”和“人”相对结合的过程。可能产品在发展的初期，人工提供服务的成分会更多一些，包括在早期，客户可能也缺乏自己的分析思路、经验和框架，所以需要企业服务提供商的专业人士来做些引导。
但 GrowingIO 现今在做的，是不断把数据分析师的思路相对统一地做到产品里去，让用产品的人自然而然具备这种数据分析的思路。这套产品模型后续应该变成自动的，但是自动化的过程，是人和机器不断学习的过程。比如说：一个产品现在不是百分之百自动满足客户的需求，但是初期有人来教客户如何使用;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。
我们未来会把 GrowingIO 产品打造成这样的形态：用户只需要告诉我们他关注什么，比如说关注”注册”。他提交选择以后，产品就能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;如果是投放给了错误的人群，应该如何更换渠道。
(三)更简单、智能化、场景化的产品设计
中国的企业客户与美国客户有一个很大区别，即中国企业不需要产品化的工具，其真正需要的是能够立刻看到商业结果，并提升自身增长。所以我们认为，如何构建一个具备场景化和商业结果导向的产品，比打造一个有无数功能堆积的数据工具更有意义。 GrowingIO 现在的产品设计也是紧紧围绕以下三个理念展开的：
一，产品更加简单。GrowingIO致力于最大程度上减少用户所需要操作的步骤，让产品使用更加友好，上手门槛尽可能降低，让更多一线业务部门也能使用数据分析创造更多价值。
二，产品更加智能。为了帮助客户直接找到商业衰减原因以及建立增长模型，GrowingIO 以产品智能化为方向，推出了智能路径、魔法数字等多款智能分析工具，让企业直接看到商业结果，而不用再纠结于中间做分析的过程。
三、商业场景化。GrowingIO 对自己的定义不只是一款工具，而是希望能给用户提供完整的数据驱动增长解决方案，这就要求我们必须更关注产品的业务场景化，把商业运营、商业管理和企业增长变成一个场景，帮助用户快速优化业务，提高效率。
GrowingIO 智能留存分析
GrowingIO 是一家以技术为驱动力，以产品为导向的公司，同时我们的核心竞争优势更在于“分析力”。分析力是比较抽象的东西，是我们团队成员多年数据分析工作中总结出的经验。我们会把这些经验不断融入到产品设计当中，始终站在客户的角度思考问题，帮助客户真正地用数据驱动增长。
关于作者：
张溪梦，GrowingIO 创始人 & CEO，硅谷十三年数据分析经历，Data Science Central 评选其为“世界前十位前沿数据科学家”。曾任 LinkedIn 美国商业分析部高级总监。
2015 年 5 月，张溪梦回国创办基于用户行为的新一代数据分析产品 GrowingIO，无需埋点即可采集全量实时用户行为数据，帮助管理者、产品经理、市场运营、数据分析师提升转化率、优化网站/APP，实现数据驱动业务和用户增长。
注：本文由 张溪梦 投稿数据猿发布。
