張溪夢，GrowingIO 創(chuàng)始人兼 CEO，曾是一位腦腫瘤外科醫(yī)生，隨后“棄醫(yī)從文”，選擇投身互聯(lián)網(wǎng)大潮。在美國，他曾擔任 LinkedIn（領英）美國商業(yè)分析部高級總監(jiān)，曾被評為“世界前十位前沿數(shù)據(jù)科學家”。

2015年，他回國創(chuàng)業(yè)，建立 GrowingIO。

作為“增長黑客”理論在中國的實踐者，他試圖通過對用戶行為的精細分析，對互聯(lián)網(wǎng)產(chǎn)品進行針對性的快速迭代，從而使客戶出現(xiàn)指數(shù)型的增長。

【GrowingIO 創(chuàng)始人&CEO 張溪夢】

作為雷鋒網(wǎng)的專欄作者，他曾經(jīng)發(fā)表過很多數(shù)據(jù)分析方面的干貨文章。在最近舉辦的 GrowingIO 數(shù)據(jù)增長大會上，雷鋒網(wǎng)對張溪夢進行了專訪。

以下是訪談內(nèi)容。

雷鋒網(wǎng)：GrowingIO 一直在強調(diào)“無埋點”的技術，也就是不用在程序代碼中預埋采集數(shù)據(jù)信息的SDK，而是通過收集用戶的點擊、操作行為來取得“行為數(shù)據(jù)”。有人認為這種數(shù)據(jù)并不準確，存在弊端，你怎么看？

張溪夢：

數(shù)據(jù)分成幾個類別。

第一階段，就是最基礎的就是交易類型的數(shù)據(jù)，這些數(shù)據(jù)非常小，是以 M 計算的。

第二階段，就是 CRM（客戶管理系統(tǒng)）中的用戶數(shù)據(jù)。

第三階段，就是用戶行為。你看了什么東西，買了什么東西，瀏覽了什么商品，是否加入了購物車，是否增加了社交關系。它的數(shù)據(jù)量應該是前兩類的一千到兩萬倍。

用戶數(shù)據(jù)在今天已經(jīng)被很好地搜集了，而對行為數(shù)據(jù)的搜集是缺失的。我們的技術主要用來收集的正是行為數(shù)據(jù)。根據(jù)過去十年數(shù)據(jù)分析的經(jīng)驗，我覺得數(shù)據(jù)本身只要反應出趨勢就足夠了。

利用這種技術對于用戶行為的收集，很多確實并不是百分百反應了用戶在網(wǎng)站上真正的行為，有或多或少的缺失。我覺得數(shù)據(jù)缺失是很正常的，但是數(shù)據(jù)必須要穩(wěn)定。如果這次收集到 95% 的用戶行為，就要保證能夠持續(xù)地收集到95%，不是說今天 95% 明天 20% 了。

所以數(shù)據(jù)的穩(wěn)定性要重于每個細節(jié)的正確性。當然，在交易型的數(shù)據(jù)里我們要求百分之百的準確。而很多行為數(shù)據(jù)用于預測，預測本身就是一個不是特別準的事情，所以效果如何還是得看最后的用法。

雷鋒網(wǎng)：對于很多用戶來說，他的核心業(yè)務數(shù)據(jù)分析可能是用埋點做的。如果用戶希望埋點和無埋點的方式結(jié)合，是否存在困難？

張溪夢：

這就是我們 GrowingIO 建立的核心原因，我們從來沒想過把數(shù)據(jù)用戶的“倉庫”和內(nèi)部的 BI 系統(tǒng)完全打破了搬到云上去，這不是我們建造 GrowingIO 的初衷。以前我在領英的時候，核心的交易數(shù)據(jù)還是在傳統(tǒng)的 ERP 系統(tǒng)里。電子商務公司他們有一個電子數(shù)據(jù)庫，我們再把它復制一遍是浪費大家時間。

但是用戶行為數(shù)據(jù)這是很多公司都很頭疼的。只有大型的互聯(lián)網(wǎng)公司，像領英、像京東，擁有幾千人的團隊才可能有人做這件事。我們可以把數(shù)據(jù)回傳給用戶，讓他們內(nèi)部進一步做數(shù)據(jù)的中心化。例如點融網(wǎng)，他們用了 GrowingIO 的數(shù)據(jù)做反欺詐的實時風控，以前需要幾個工程師收集這些東西，現(xiàn)在是加一行代碼自動就產(chǎn)生了。

用戶行為數(shù)據(jù)，包括很多層面，例如用戶傾向，就是這個用戶想干什么，他是體育的粉絲，籃球粉絲？他有什么需求？

這些數(shù)據(jù)都需要最后交給我們服務的客戶的，我們不想擁有這些數(shù)據(jù)，因為我們不做數(shù)據(jù)業(yè)務。我們是幫助客戶做精細化運營，所以原始的數(shù)據(jù)我們并不會攥在手里，而是給到用戶。用戶可以用這些數(shù)據(jù)做進一步的個性化利用。

【用戶的行為數(shù)據(jù)，可以做精細化的分類采集】

雷鋒網(wǎng)：GrowingIO 所有的分析都建立在云端，有沒有客戶擔心數(shù)據(jù)外泄？有沒有可能建立私有的數(shù)據(jù)分析中心？

張溪夢：

我們的客戶大部分人都對數(shù)據(jù)的保密性、安全性有顧慮，特別是早期去年2015年的時候?，F(xiàn)在所有的上云的客戶都有這個顧慮。

但是我覺得從本質(zhì)來說，我們希望能夠在一秒鐘內(nèi)把數(shù)據(jù)處理完交給客戶，具體這個數(shù)據(jù)在哪個云里哪個系統(tǒng)里不重要。只不過我們今天采用的方案有一個巨大的好處：

我們今天處理的數(shù)據(jù)量是領英的5倍到10倍，整套框架大概有一千億用戶，但我們的投入的成本可能是領英的百分之一。如果用戶建造私有的分析系統(tǒng)，成本可能是使用云的一百倍。

比如說我想吃日本料理，我沒有必要蓋一個日本的廚房請一個廚師。

我們想把用戶分析成品化，這樣可以降低成本。它能把節(jié)省的工程師資源用在開發(fā)核心產(chǎn)品和功能上面，這是我們放在云端核心的原因。

我們至今都沒有做內(nèi)部的版本。因為內(nèi)部的版本涉及到服務集群，還需要內(nèi)部有運維的團隊，還要有分析師。未來信息產(chǎn)生的速度非常非常快，這種就要求產(chǎn)品迭代非?？欤绻覀儯ㄔ趦?nèi)部系統(tǒng)）安裝完了軟件之后，有可能迭代都會產(chǎn)生問題。

所以云端的方式，在長遠上講，無論在性價比、性能、最終的管理上還是 IO 上都是最好的。對于有顧慮的廠商我們也做了一些工作，例如對數(shù)據(jù)進行加密，去掉敏感信息，用戶可以自己配置不采集他認為敏感的信息。

雷鋒網(wǎng)：GrowingIO 系統(tǒng)需要很大比重的分析師人工服務輔助嗎？

張溪夢：

任何企業(yè)服務的公司，都一定是產(chǎn)品和人的相對結(jié)合的過程。

可能產(chǎn)品在發(fā)展的初期，人的成分會更多一些，現(xiàn)在真正服務客戶企業(yè)的，很多都是我們的分析師給他們輸入。不是說我們的產(chǎn)品不能做東西，而是他們（客戶）自己缺乏分析的思路、經(jīng)驗和框架。

未來我們想做的產(chǎn)品，是把分析師的思路相對統(tǒng)一地做到產(chǎn)品里去，用產(chǎn)品的人就自然而然具備了這種思路。就不用分析師教給他：你先觀測、找原因、分析道理，核心的造成衰減和增長的原因，怎么樣改變和執(zhí)行。

這套模型應該變成自動的，但是自動化的過程，是人和機器學習的過程。比如說：

一個產(chǎn)品現(xiàn)在不是百分之百自動滿足客戶的需求，但是有人教客戶；

之前是人在收集客戶反饋，以后產(chǎn)品就會慢慢收集人的行為。

我們的產(chǎn)品就變得越來越智能，人的成分就越來越低。其實不是想替換人類，是因為好的分析師、增長黑客太稀缺了，只能用產(chǎn)品彌補人員的缺失。

雷鋒網(wǎng)：未來數(shù)據(jù)分析服務會是怎樣的形態(tài)？

張溪夢：

以后產(chǎn)品是這樣的形態(tài)，用戶只需要告訴我們他關注什么，比如說關注我的注冊。他選擇這個結(jié)果以后，產(chǎn)品應該自動幫他分析出來有關“注冊”哪里有問題，例如是針對人群的問題還是產(chǎn)品設計的問題。

如果是產(chǎn)品功能的問題，你需要如何改進；

如果好似投放給了錯誤的人群，應該如何更換渠道。

我們希望未來第一步是做到能夠判斷用戶需要解決什么問題，然后由我們的產(chǎn)品告訴他。要做到這樣，早期應該只針對特定的幾個行業(yè)，這幾個行業(yè)如果做的好的話，這種模型可以復制到其他行業(yè)。

雷鋒網(wǎng)：數(shù)據(jù)分析、增長黑客在未來應該會有很大的市場，你是否擔心大公司砸重金進入這個市場呢？

張溪夢：

我從來沒有擔心過，好多人問我你擔心IBM進來嗎，我完全不擔心。因為我們做的東西根本沒有在這個世界上出現(xiàn)過，他只能砸錢。但是幾十萬億資本砸進來，做出來是什么東西呢？

一個產(chǎn)品本身是有性格的，是有人的本性，有 DNA 的，而 DNA 是無法復制的。數(shù)據(jù)分析的關鍵在于分析，是非常個人化的。換句話說，我們要做的產(chǎn)品是要反映我們這些人的靈魂的。而你很難復制一個人的靈魂。

巨頭砸錢，說明市場需要教育。這個過程中參與的人越多越好。

BAT 他們都有很強的分析能力，我覺得大部分廠商也愿意開放這些能力。但對數(shù)據(jù)本身的理解，每個人都有自己的版本，這種世界觀會反應在產(chǎn)品以后的形態(tài)里，會非常不一樣，各有特點。

問：GrowingIO 有一個重要的功能“熱力圖”，可以科普一下其中的原理嗎？

張溪夢：

熱力圖分為三種層次：

第一種是非常粗糙的，是收集人眼看被吸引到屏幕的哪個位置。但人被吸引注意力取決于三個東西：大小、形狀、顏色。所以會有多種因素引導視覺。這是神經(jīng)學的科技分析，我們今天做的不是這塊。

第二種是記錄用戶在屏幕上像素點的點擊。比如說一個屏幕的分辨率是 800×600，包含48000個像素點。熱力圖會記錄用戶在哪里點擊。

第三種熱力圖同樣是記錄點擊，但是點擊的數(shù)據(jù)不是跟著屏幕，是是跟著內(nèi)容走的。例如一條新聞，它會記錄用戶在長長的新聞中，在各個具體位置的點擊行為。    

我們做的是第三種。用戶點擊操作的界面，熱力圖的核心在內(nèi)容上。這樣的話我們能幫用戶不單分析界面，同時還分析內(nèi)容。之前我們發(fā)布的產(chǎn)品是針對PC端的網(wǎng)站，這次我們發(fā)布了移動端的產(chǎn)品?？梢杂涗浻脩粼谑謾C上點擊的“熱力圖”。

雷鋒網(wǎng)：增長黑客的成功案例是 Uber、亞馬遜。但是 Uber 在中國敗給了滴滴，亞馬遜在中國敗給了淘寶京東，問題出在哪里？

張溪夢：

第一，之所以今天Facebook、亞馬遜等公司變得非常知名，是因為他們公司在早期、中期持續(xù)地在做這件事。

他們持續(xù)增長的原因有三個：

一是有商業(yè)模式，

二是運營非常系統(tǒng)化，

另外就是“增長黑客”體系的幫助。

中國的很多企業(yè)以前并沒有關注增長體系，這種情況下還能打贏，我覺得有以下的原因：

首先，是中國用戶基礎大，什么 App 一做就有幾百萬用戶上來，因為中國有十幾億人。這個情況在美國2000年的時候有可能，現(xiàn)在想做到這樣的已經(jīng)很難了，所以他們需要做“Growth Hack”。

其次，中國資本紅利在衰退，大家更理性了，沒有人盲目投資。不盲目投資的情況下我們就更需要關注效率。這就是為什么很多大型企業(yè)在迅速地吸納“增長黑客”這套方法論的知識和建團隊的原因。

“增長黑客”的核心理念是：你要把以前的市場營銷預算變成工程和產(chǎn)品的預算。

以前市場營銷有很多預算，但這些預算都被無效地花出去了。如果把這些預算拿出來很少一部分變成工程師和產(chǎn)品經(jīng)理的預算，效果可能大不一樣。中國以后也會把燒錢、燒流量、大投放的方法慢慢轉(zhuǎn)化成非常聰明的用工程產(chǎn)品的內(nèi)升的自然生長的方法來解決問題。亞馬遜這樣公司的運營效力不能說到極致了，但是接近極致了。

雷鋒網(wǎng)：是否可以舉一個例子，曾經(jīng)“燒錢”的客戶怎樣通過“增長黑客”提升用戶數(shù)量？

張溪夢：

有一位互聯(lián)網(wǎng)金融的客戶，他們的獲客成本成本在過去兩年半里，增加了幾百倍。

使用這種方法，他們找到了很多核心原因。

第一，在中國有一個有趣的現(xiàn)象是“薅羊毛”。很多人簡單做一些注冊動作，就把利潤拿走，并不會成為客戶來購買他們的理財產(chǎn)品。

第二， 他們發(fā)現(xiàn)不同獲客渠道之間的差異竟然是巨大的。有些渠道的效力非常低，但他們在分析數(shù)據(jù)之前根本不知道。

第三，他們解決了時間問題。以前做一個活動，需要等兩三個星期才能知道效果。現(xiàn)在基本當天或者隔天就可以知道結(jié)果。

這是他原話是：如果兩年前他使用 GrowingIO 的話，今天的互聯(lián)網(wǎng)金融格局應該是不一樣的。

很多用戶需要的不止是一個數(shù)據(jù)，他需要一下子就能看到其中的問題，然后趕快修改。對于創(chuàng)業(yè)企業(yè)，資本投放都是次要的，關鍵的是時間。因為一個創(chuàng)業(yè)公司真正想生存下去，取決于單位時間內(nèi)你能跑多快跑多遠。不可以一個星期一個星期地浪費。

【訪問用戶實時走勢/圖片由 GrowingIO 提供】

雷鋒網(wǎng)：“增長黑客”技術未來會有怎樣的趨勢？

張溪夢：

美國的那套增長系統(tǒng)，比我闡述的復雜一百倍。我認為它在理念上沒必要再進化了，關鍵是怎么落地。怎么樣把運營的小環(huán)都閉合了。像一個小齒輪就是增長的一個小環(huán)節(jié)，當很多種齒輪在一起就組成了一個引擎，這個引擎連接的是產(chǎn)品研發(fā)、市場營銷、工程實現(xiàn)、銷售、客戶服務和客戶支持、風控各個部門，還有財務。這套體系是下面幾年里中國的公司需要去批判接納的，就是一定要適合中國企業(yè)形式和發(fā)展的速度。它是科學化管理體系，只要有了正確的方法、正確的人和正確的流程，不斷地踐行就一定能看到效果。

國內(nèi)三大紅利結(jié)束以后，各個企業(yè)應該做“增長黑客”這件事，這是專業(yè)化的表現(xiàn)。

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。