GrowingIO创始人兼CEO张溪梦:互联网下半场,数据如何驱动企业突破增长重围?

 2023-09-05 阅读 320 评论 0

摘要: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。 回国创办 GrowingIO 之前

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。

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。

GrowingIO创始人兼CEO张溪梦:互联网下半场,数据如何驱动企业突破增长重围?

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。

GrowingIO创始人兼CEO张溪梦:互联网下半场,数据如何驱动企业突破增长重围?
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。

GrowingIO创始人兼CEO张溪梦:互联网下半场,数据如何驱动企业突破增长重围?
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。产品设计应该紧紧围绕以下三个理念展开的:

  • 一,产品更加简单。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。
  • 三、商业场景化。对产品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,这就要求大家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。

  • 本文作者:张溪梦
  • 来源:51CTO

版权声明:本站所有资料均为网友推荐收集整理而来,仅供学习和研究交流使用。

原文链接:https://hbdhgg.com/1/529.html

发表评论:

本站为非赢利网站,部分文章来源或改编自互联网及其他公众平台,主要目的在于分享信息,版权归原作者所有,内容仅供读者参考,如有侵权请联系我们删除!

Copyright © 2022 匯編語言學習筆記 Inc. 保留所有权利。

底部版权信息