最近十來年，國內互聯網企業取得了飛速的發展，除了自身實力以外，很大程度上是時代紅利推波助瀾的作用。人口紅利、流量紅利和資本紅利，這三大紅利催生了中國獨有的增長模式，『買』 的模式：買流量、買用戶。

回國創辦 GrowingIO 之前，我一直在美國從事與數據有關的分析、運營和變現工作。在美國，『數據驅動增長』已深入人心，各類工具也非常豐富，然而在中國，很多互聯網公司還停留在只看 PV、UV、訪問時長、跳出率等最基礎的數據上。

海外數據分析已經很成熟，中國仍有空間和市場，這正是 GrowingIO 成立的初衷：我們希望能把硅谷數據驅動增長的經驗帶回國內，幫助中國企業實現更有效率的增長，創造更多價值。

[[181991]]

過去的 2016年，中國的商業環境發生了很大變化，整體而言，企業對“數據”的重視程度越來越高，這是好的趨勢。但也還有很多需要應對的挑戰。GrowingIO 在過去一年中，為了更好地滿足客戶的需求，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。

互聯網下半場：從流量、風口，到產品價值、用戶體驗

最近十來年，國內互聯網企業取得了飛速的發展，除了自身實力以外，很大程度上是時代紅利推波助瀾的作用。人口紅利、流量紅利和資本紅利，這三大紅利催生了中國獨有的增長模式，『買』 的模式：買流量、買用戶。以『買』為代表的粗放式經營模式，是中國『互聯網上半場』最真實的寫照。然而在 2016 年，大家都能明顯感到，這三大紅利在逐漸消退。

第一，人口紅利已經結束。下面這張圖展示了各個國家的勞動力人口/總人口的比例。不難發現中國的人口紅利在2015 年達到頂峰，也就是經濟學上的『劉易斯拐點』。從 2015 年開始，中國的人口紅利開始衰減，勞動力成本快速上升。

劉易斯拐點

第二，流量紅利褪去。大家都知道馬太效應，弱者越弱，強者越強。現在的移動互聯網流量就是這個情況，基本上今天在中國，微信、支付寶等頭部的 20個 App 占據了所有使用者每天手機使用時間的 71% 。也就是說，今天剩下的幾百萬家移動網站和移動 App 需要共同分享最后的 20%~30% 用戶時間和流量。

第三，資本紅利萎縮。大家都看到 2016 年下半年以來，投資人越來越謹慎，創業者拿錢的難度越來越高。

縱觀『互聯網上半場』，流量、風口等詞充滿我們的視野;而在接下來的『互聯網下半場』，產品價值、用戶體驗將會成為新的主題。

作為企業，無論我們和什么東西競爭或者博弈，都不應該和整個大的趨勢博弈。中國的互聯網時代已經過了粗暴式自然增長的階段，進入下半場后，獲取客戶和運營產品的成本將大大增加，成本的增加就導致企業必須要對其運營效率進行顯著優化，對用戶進行更精細化的管理。而這一切，都離不開數據驅動的支持。

互聯網下半場的通用語言：精細化用戶行為數據

分享一個之前我在海外工作的小故事，當時我們公司有印度人、中國人、歐洲人和美國本地人，說各種語言的人都有。有時候大家開玩笑說，中國人英語不好。我解釋說，英語不是中國人的母語。有個美國本地管理層的人說：Simon，不用擔心，英語也不是我的母語。當時我很吃驚，英語不是他的母語，那什么是他的母語呢?

那個管理層說「Numbers is my native language 」。他說，真正的企業管理者，無論是 CEO 、中層管理者、還是前線打仗的業務經理，所有人通用的語言就是數字。因為數字代表了效率，效率代表了商業的本質，商業的本質就是投資回報比。投資回報比就是說，我們投入一塊錢可以產出多少錢，這才是增長的基礎。在美國高速增長的企業中，投入產出的每一個環節，都是基于數據來做判斷做決定的，而不是管理層的拍腦袋決策，這樣積累起來就變成了一個科學的增長引擎。

現在“大數據”的概念在國內企業已經很火了，但其實“數據”的發展是經歷了幾個不同階段的：

• 第一階段，大家收集到的主要是最基礎交易類型的數據，這些數據量非常小，是以 M 計算的。
• 第二階段，就是 CRM(客戶管理系統)中的用戶數據。
• 第三階段，用戶行為數據。包括用戶看了什么東西，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等，這些用戶行為數據量是前兩類的數萬倍，這才真正稱得上“大數據”。

我們現在正是進入了基于用戶行為數據的大數據第三階段。產品經理、市場運營和數據分析人員迫切需要更詳細的用戶行為數據，才能透過表面的概況趨勢，深入了解產品上獲客、激活、留存、轉化過程中用戶行為的每一處細節，在第一時間找到轉化突破點和優化點，及時改進產品體驗、調整運營策略。

然而現實情況是，前兩類交易數據和 CRM 中的用戶數據，今天已經有很多成熟的數據產品能夠幫助收集和分析，但用戶行為數據方面卻是許多公司都很頭疼的。

原先行業內基本的方式是通過“埋點”來收集用戶行為數據。一方面，埋點需要投入大量工程師資源一個一個手動設置事件代碼，另一方面埋點也涉及大量產品經理與前端業務部門的反復溝通，往往從需求溝通到完成代碼預埋就需要幾周時間，不僅會拖慢產品開發，還可能存在數據不全面、遺漏缺失混淆、數據質量低等一系列的歷史問題。

因此在過去，只有非常大型的互聯網公司，像LinkedIn、Facebook，擁有幾千人的團隊才可能設立數據部門來專門做這件事。而這些公司的成長是高度依賴精益數據分析，來驅動整體公司運營的。

傳統埋點模式下數據分析常見流程

GrowingIO 解決的正是這一問題。我們的無埋點數據采集技術，使得客戶僅需一次性加載幾行代碼，即可全量實時采集用戶行為數據，并且同時支持網頁端、iOS/Android客戶端、HTML5頁面、微信小程序等全平臺的數據采集。僅數據采集一項，就可以幫助公司節省 60% 左右的成本，把工程師和產品經理從低效寫代碼和繁復溝通中解放出來，專注于更高價值的數據分析、商業決策問題。

互聯網下半場，數據分析廠商如何更好地為客戶創造價值

(一)基于云端的 SaaS 模式是未來

過去許多客戶對“上云”有比較大顧慮，擔心數據的保密性、安全性。但從 2013年開始，云計算在國內逐漸成熟，企業對 “云”和 SaaS 的理解也越來越客觀。在長遠上講，“云端解決方案”無論在性價比、時效性、可用性方面都會比傳統軟件模式更有優勢。

從本質來說，以 GrowingIO 為代表的 SaaS 數據廠商，希望的都是能夠在一秒鐘內把數據處理完交給客戶，具體這個數據在哪個系統或者哪個云里并不重要。只是由于專業化帶來的成本優勢，如果用戶建造私有的分析系統，成本可能是使用公有云的一百倍。就好比說，我想吃日本料理，但我沒有必要專門蓋一個日式廚房，請一個日本廚師。

(二)將數據分析力融入產品

任何企業服務產品，都一定是“產品”和“人”相對結合的過程。可能產品在發展的初期，人工提供服務的成分會更多一些，包括在早期，客戶可能也缺乏自己的分析思路、經驗和框架，所以需要企業服務提供商的專業人士來做些引導。

但 GrowingIO 現今在做的，是不斷把數據分析師的思路相對統一地做到產品里去，讓用產品的人自然而然具備這種數據分析的思路。這套產品模型后續應該變成自動的，但是自動化的過程，是人和機器不斷學習的過程。比如說：一個產品現在不是百分之百自動滿足客戶的需求，但是初期有人來教客戶如何使用;之前是人在收集客戶反饋，以后產品就會慢慢收集人的行為。

我們未來會把 GrowingIO 產品打造成這樣的形態：用戶只需要告訴我們他關注什么，比如說關注”注冊”。他提交選擇以后，產品就能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品設計的問題。如果是產品功能的問題，你需要如何改進;如果是投放給了錯誤的人群，應該如何更換渠道。

(三)更簡單、智能化、場景化的產品設計

中國的企業客戶與美國客戶有一個很大區別，即中國企業不需要產品化的工具，其真正需要的是能夠立刻看到商業結果，并提升自身增長。所以我們認為，如何構建一個具備場景化和商業結果導向的產品，比打造一個有無數功能堆積的數據工具更有意義。產品設計應該緊緊圍繞以下三個理念展開的：

• 一，產品更加簡單。致力于最大程度上減少用戶所需要操作的步驟，讓產品使用更加友好，上手門檻盡可能降低，讓更多一線業務部門也能使用數據分析創造更多價值。
• 二，產品更加智能。為了幫助客戶直接找到商業衰減原因以及建立增長模型。
• 三、商業場景化。對產品的定義不只是一款工具，而是希望能給用戶提供完整的數據驅動增長解決方案，這就要求大家必須更關注產品的業務場景化，把商業運營、商業管理和企業增長變成一個場景，幫助用戶快速優化業務，提高效率。