专访 | GrowingIO 创始人张溪梦,数据分析可以发现哪些“惊天秘密”

史中 2016-12-28 icon-tag 数据驱动增长

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化分析,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。

他就是数据分析产品 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数据分析师服务辅助吗?

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?

 1.jpg

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,您怎么看?

数据分成几个类别。

第一阶段,就是最基础的交易类型的数据,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映出趋势就足够了。

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映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,他们用了数据分析工具 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。

2.jpg

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,还要有数据分析师。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数据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,很多都是我们的数据分析师给他们输入。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,是把数据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。就不用数据分析师教给他:你先观测、找原因、分析道理,核心的造成衰减和用户增长的原因,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,是因为好的数据分析师、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 他们都有很强的数据分析能力,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,这种世界观会反映在产品以后的形态里,会非常不一样,各有特点。

3.jpg

数据分析工具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480000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”。

 4.jpg

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用户增长体系,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。

他的原话是:如果两年前他使用数据分析工具 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。

5.jpg

数据分析工具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。像一个小齿轮就是用户增长的一个小环节,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。


GrowingIO是新一代基于用户行为的数据分析产品,数据采集无需埋点,用户行为数据分析更专业。登陆www.growingio.com立即注册免费试用,或者关注微信公众号GrowingIO获取更多数据分析干货。