- 企业服务
- 大数据
- 用户行为分析
- 通用技术
- 珠宝品牌商
- 门店选址
指导 | 凯文
调研 | 李喆 关蕾
撰写 | 李喆
摘要：原本只提供轻量级工具产品的GrowingIO现在将咨询业务加入到服务中，以便更好服务大中型客户。2017年下半年，GrowingIO开始切入线下传统企业市场，潜在客群扩大，客单价有了较大提升。技术、获客能力是GrowingIO两大优势，但无埋点技术更适合业务快速增长的企业，部分客户在业务成熟后会考虑自建平台，客群存在一定流失风险。
针对网站、APP的统计分析产品很早就出现了，友盟、TalkingData都提供相应的产品。只不过早期产品相对粗糙，主要是关注日活、留存率等指标。随着企业对精细化运营越来越重视，出现了专注用户行为分析的厂商，GrowingIO就是其中之一。
这个细分领域自2015年出现以来，一直不温不火。最近一年，流量成本持续上升，传统企业进行“互联网+”转型，这些因素叠加促使这个领域的公司迎来快速发展时期。
产品+服务的模式，“无埋点”是技术特点
GrowingIO主要打造一款轻量级数据分析产品，快速部署，易于操作是产品特点。
进行数据分析的第一步是做数据采集，传统做法是埋点，即在程序关键流程上加一段代码，精确收集对应的数据。不过并不是所有的数据收集都需要埋点。因为埋点是比较血腥的体力活，对于工程师而言来说ROI 较低。因此需要一种低成本、高效率的收集方式，这就有了“无埋点”。
很多产品在刚上线的时候，根据用户数据的反馈，需要频繁的进行迭代和优化，每一次迭代，都伴随着旧代码的废弃和新代码的启用，在代码废弃的同时，那些“埋点”也就同样废弃了，需要再来一遍。无埋点是 GrowingIO 的长项，不用改动代码就可以收集数据，虽然不能收集业务数据，但是对于在用户数据中占比高达80%的行为数据，是一种低成本、高效率的方式。
接下来，通过埋点可以将余下20%的用户的业务数据收集上来，同行为数据整合在一起，形成用户的全景数据视图。
一个产品内，用户的多次行为才会产生一条业务数据，因此在用户全量数据中，行为数据和业务数据的比例大概在4：1。因此要高效、低成本的收集用户全部数据，GrowingIO主要采取这种双模式。
在数据分析环节，创始团队来自LinkDin数据分析部门，利用数据驱动业务增长的经验丰富，分析产品主要应用于两个场景，产品营销阶段提高用户付费转化率和产品运营阶段降低用户流失率。
早期GrowingIO主要向对外提供工具，但随着业务开展，国内企业客户对工具的使用能力较差，GrowingIO开始提供咨询、培训服务。首先是通过咨询方式帮助企业梳理业务，再售卖工具产品，同时提供系统性地产品培训。
技术、获客能力比较突出
根据爱分析大数据评价模型，GrowingIO的技术能力、获客能力比较突出。
技术上，GrowingIO创始团队来自硅谷LinkDin数据分析团队，研发能力强。同时是国内第一家采用无埋点技术的公司，技术积累深。通过无埋点方式会采集到大量数据，如何对这些数据进行标识、清洗、整理需要很强的技术能力，这方面GrowingIO占据优势。
产品上，GrowingIO对外提供的工具产品标准化程度高，部署周期短，可以快速上线帮助客户进行数据分析。但因为现阶段很难只提供工具产品满足客户需求，还是需要一定咨询属性的服务，因此整体产品化率有待提升。
客群上，作为最早一批提供用户行为分析的厂商，GrowingIO瞄准中大互联网公司以及进行“互联网+”转型的传统企业，这类客户的付费能力强，客单价在50-100万之间，甚至更高。但考虑到无埋点技术更加适合业务快速发展的企业，这类企业业务成熟后会考虑自建数据分析平台，因此存在一定流失风险。
获客上，早期GrowingIO的客户主要以互联网公司为主，重点布局在互联网金融、社交直播等领域，人人贷、点融、宜人贷等标杆客户都是GrowingIO的用户。在2017年下半年，GrowingIO业务拓展到线下企业时，海尔、立邦、永辉超市、中国移动等成为GrowingIO的第一批客户，因此GrowingIO的获客能力在创业公司中比较突出。
场景上，GrowingIO现阶段主要围绕提升转化率、降低流失率的场景提供服务，主要是针对互联网营销、运营环节。
近期，爱分析对GrowingIO创始人张溪梦进行访谈，他对GrowingIO的业务模式、目标客群、未来战略，以及用户行为分析市场的未来趋势、竞争格局进行阐述，现将部分内容分享。
业务与战略
爱分析：去年您经常去讲无埋点的技术，但对无埋点这件事一直有争论，现在GrowingIO是如何考虑的？
张溪梦：我觉得无埋点是必须要去做的工作，只不过现在大部分企业还没有采纳而已，这是下一个时代的收集数据方法。
其实最早想做这个业务，是因为我在过去九年专门做互联网的电商、网站、APP，分析里面最大的痛点就是数据收集的不统一、不全面、没有效率。我当时在ebay，不到100人的团队有30人在做数据采集的工作。
但是GrowingIO不只是一个做数据采集的公司，无埋点只是个开始。当时我一直在想，有没有可能把最少一周的工作变成几分钟的工作，因为不想让分析师浪费时间在数据采集上。
最初外界对无埋点有很多质疑，包括我们内部也有，但到现在，可以看到我们的客户很快就能介入，接入以后很快能看到效果。
无埋点解决的问题不是所有的商业分析问题，它只解决一个问题。埋点或者用数仓解决的是另外一类问题。无埋点非常适合新产品上线、迅速迭代、迅速探索，用数据量迅速换取时间。
在美国的产业分析里这种探索式的叫模式二，非常适合用无埋点技术迅速将数据收集上来，找到核心关注点。然后将最重要的指标通过模式一的方式收集到数仓，这是个双环结构。
用户很多交易信息是后台信息，只从界面上拿不到是不争的事实。我们内部是有一套系统，可以帮助用户来收集交易数据以及界面之后的多维度查询和属性数据。
爱分析：很多人提到无埋点技术很难在采集数据时设置多维度属性和参数，这个问题GrowingIO是如何解决的？
张溪梦：实际上在用户点击的时候，我们已经提供了很简单的接口，可以把很多属性判断到这个事件上，而且这个事件的基本数据格式是非常固定的，不用花很多时间设计结构。至于其他属性，只需要用户在GrowingIO产品基础上做一些简单的开发即可。
爱分析：GrowingIO具体会给客户提供哪些服务？
张溪梦：我们提供的服务包括三部分，第一是对增长体系认知的顾问咨询，第二是给客户做系统性培训。第三是我们的产品，通过我们的产品工具去解决问题。
具体实施上，取决于用户面对的问题。特别小的客户，直接购买我们的产品就行，很多互联网产品的创业者其实非常有经验，不需要做太多咨询。
针对体量比较大的公司，我们有专门的分析师，负责做商业的和分析的咨询，我们也有售后的实施顾问帮助客户上手，以及客户成功经理。主要分为三个层面，价值认知、方法论和体系以及基本工具的培训。
爱分析：这个业务对人力的依赖还是挺重的。
张溪梦：其实一个好的产品是人与机器交互的过程。我们的产品早期是黑盒子，用户不知道如何使用。这个东西到底应该怎么用，我们的咨询师本质是一个桥廊，通过和客户接触，把用户的痛点反馈回来，用工具解决问题，同时对客户培训，再充填我们产品的核心。
早期人会多一些，但是我觉得发展到一定规模后，人力就会越来越少。
爱分析：所以接下来业务会向哪些方面延伸？
张溪梦：还是如何有效率地帮助用户做增长。先是沉淀用户，然后促使用户能够再次付费，就在这几个点上，让客户不光是看一些图，而是真正能够得出结论。
爱分析：会考虑去做营销工具吗？
张溪梦：我们不会做广告类的，但是营销工具是会做的。我们做的产品只是一小部分，需要整合到用户体系去。我们会和很多厂商去配合。
运营与财务
爱分析：单个客户的咨询周期大概多长时间？
张溪梦：小客户基本上不需要太多咨询，大中型客户每周都得需要有一次，每个月、季度有成规模的一次。
爱分析：咨询团队现在有多大规模？
张溪梦：7-8人，他们主要支持中大型客户，每个人要支持10-20个客户。但也要看用户体量，有些时候需要两三个人支持一个客户。
爱分析：现在重点布局哪些行业？
张溪梦：重点会去做有转化的、客单价高的行业，电商、互联网金融、在线教育、O2O、社交等互联网客户。还有一些“互联网+”的客户，线上线下都有业务的，像零售、电信、银行、航空等。
我们现在的产品形态限制了我们能服务的客户类型，客户至少有网站、APP，最基本需要关注转化，而不只是展示。一般都是获客成本比较高的领域。
爱分析：工具型产品现在客单价是多少？
张溪梦：10万左右，按照一定用户量来分档。而且，我们的产品区分了一些企业级的功能，企业级版本有高级权限管控、详细数据导出、数据库整合以及和BI工具的整合。
爱分析：团队规模大概是有多少？
张溪梦：150人，一半以上是研发、产品、设计，还有25%是服务、咨询、客户成功等，有20%是销售。
爱分析：切入传统线下客户后，这类客户自身对工具使用能力更差，同时IT环境更加复杂，如何服务这类企业？
张溪梦：其实一些大型的企业内部有很强的应用能力，而且内部场景更加聚焦。比如我们服务的银行，他们做了非常细的客户运营，我觉得他们是有购买我们产品的需求。
另外，他们内部IT确实比较复杂，因此整个流程是比较长，少数客户内部完全没有操作和使用的能力，但是他们的IT愿意把产品承接过去。
爱分析：现在产品以直销为主？
张溪梦：对，全都是直销，依靠我们的团队。首先，我们的产品还在不断迭代改进，其次，我们发现如果我们自己都讲不清楚的产品，交给渠道就更容易失控。
行业与市场
爱分析：现在看用户行为分析这个市场不大，几家厂商加在一起，总市场规模大概是3-5亿，您是如何判断未来市场空间的？
张溪梦：我觉得数据分析是全世界所有公司都需要。另外，我觉得这个市场会是一个成长型的市场。单纯是用户行为分析，我确实觉得不是个很大的生意。但是，未来随着客户需求的不断扩展，不论是聚焦行业垂直，还是上下整合，我觉得空间还是很大。
GrowingIO的核心业务不是做数据分析，我们实际上是帮助企业做增长的公司，这里面有很多的可扩展空间。数据分析只是一个很小的部分，企业真正增长还需要很多其他业务，那是我们真正想去做的事情。
爱分析：像Mixpanel这些国外厂商在国内市场占有率如何？
张溪梦：我们做过一些分析，付费APP里面用Mixpanel的很少，大概就是2%-4%，大部分还是中国厂商。
爱分析：现在友盟、百度等大型厂商也开始做付费产品，这个市场未来的竞争是如何考虑的？
张溪梦：我认为友盟、百度、腾讯的产品虽然和我们有类似，但不是直接竞争对手，这些业务也不是他们的战略重点。
我们不只是提供工具，还加上咨询和培训，也不会去经营数据，做广告变现等商业模式，业务模式还是有些区别。
爱分析：头部客户是怎么考虑用第三方的工具还是自己搭建？
张溪梦：头部的客户可以分两类，一类是高速发展的互联网公司，另一类是比较成熟的。
高速发展的公司，一般内部的工程资源都放在自己的核心产品开发上。他们自己稍微算一算就不会自建，而是使用第三方工具。
相对成熟的公司都有一个大数据团队，一般都是有自建的需求，同时他的业务比较复杂，内部如果没有这样团队，很难把数据统一管理起来。
爱分析：技术和产品能力对GrowingIO的业务来说是同等重要？
张溪梦：我觉得同等重要。产品是要了解客户，把客户需求变成相对规范的输出。技术是核心，如果没有足够的技术，无法支撑那么大数据量和用户。技术可能离用户远一点，但技术做的越扎实，产品未来放大的可能性越大。
爱分析：技术有没有特别高的壁垒，需要花长周期、大量人力投入去研发的？
张溪梦：我们内部开发了好多自有的数据库，因为现在吞吐的数据量很大，计算量都是几十TB。所以我们自己开发很多自有数据库，来处理这么大的数据量，同时还要能控制住成本。
不过说真心话，我认为技术永远不会成为最终的壁垒，因为摩尔定律就告诉我们技术每18个月就会除以二。技术上要不断向前进化，时间反而变成一种壁垒，入场时间、产品迭代周期。