GrowingIO，一种流量的“科学灌溉”

“科学灌溉指的是通过合理的灌溉计算制定合适的灌溉制度，并通过行之有效的管理体系进行维护，使灌溉目的达到最优化，使产值与用水量的比值达到最高点。”

 把这里的“水量”换成“流量”，基本上就是GrowingIO要做的事情。它提供一套精细的数据监控和分析服务，让企业主知道自己在哪个环节获得了用户、在哪个环节丢失了用户，然后不断地复制成功的部分、修正有缺陷的部分，在单位成本里获得更高的增长（Growing）——体验的增长、用户数的增长、营业额的增长、口碑传播的增长。

在创办GrowingIO之前，张溪梦是Linkedin的商业数据分析部门高级总监，是硅谷科技圈知名的华人大神。他用了四年的时间，将Linkedin的 Business Analytics部门从自己一个人发展到近90人的规模，数据分析是他的拿手本领。去年5月，他离职创办GrowingIO；同年8月，拿到了经纬中国、美国NEA的种子轮投资以及前东家LinkedIn的创始人Reid Hoffman共同的种子轮投资，第一版产品上线。

产品上线到现在10个月时间，现在有几十家付费用户，上千家用户，公司规模、用户量也在持续发展中。雷锋网近期去了解了GrowingIO的动向，以下是张溪梦口述。

我们的数据采集不需要“埋点”（在代码的关键部位植入统计代码，用来追踪每次用户点击/行为），这个和市面上绝大多数数据分析服务不同。两年多前我开始有这个概念，是因为当时我在美国工作的时候，“埋点”这个过程很痛苦，你得有大数据工程师，有分析师，有产品经理有运营的人，一起来参与这个过程，各个组人员对数据的理解不太一样，经常容易出错，出错之后很难管理，整个过程很慢、很繁琐，一做一个月、两个月，本身产品迭代速度会减慢。

所以我们当时就想，是不是有新的办法，能够不需要花那么多时间来做那个工作。当时我们有这个（无埋点）想法，并在硅谷里头问了很多人，基本上无论成规模的互联网公司还是一些创业型公司都出了不少错，特别移动端根本做不出来。

后来我们一直在钻研，慢慢把这个东西基本的雏形做出来。

做数据分析的公司很多。其实真正的互联网企业，每家企业都和数据有关系。我们首先关注用户和这个APP或者网站之间的交互，都是用内容之间的交互分析，我们通过用户的行为来判断这个产品的网站，它的内容是否足够吸引人，是否有足够好的转化率，用户是否会购买，购买遇到什么问题，我们基本上通过主要以用户的行为来展现到底用户怎么用这个产品，其次一点是分析原因，什么原因导致用户没用，然后预估这些用户在未来会做什么，核心是为了帮助产品经理、市场的运营人员、销售人员提高整体运营效率。

可能有的时候大家在表面上看（不同的数据分析产品），这些图、这些表、分析的这些东西类似，实际上有很多方法论区别，有的时候表面上看差不多，但是我觉得在未来我们的产品，会延伸出来很不一样的效果。

很多人觉得我们跟友盟、TalkingData直接竞争，实际上我个人认为他们不是我们真正直接的竞争对手，会有一些相似的地方。友盟基本全都针对移动，我们是网站和移动同时支持；它是免费提供一个工具，提供我觉得相对比较基础的一些技术统计，比如说多少人用了、多少人打开、多少人关闭，大多没有深入下去。

我们是提供精细化分析的，我们做的分析，应该是不同的，相对来说比较基础的深度很多，也复杂很多；还有一点我们的商业模式也不一样，我们是完全企业服务的一个公司，我们从来不会用用户的数据做任何的变现，这些数据全都属于我们用户的，但是我们需要向用户收集费用——这是我们提供软件即服务的费用。

（雷锋网：这件事情的壁垒在哪里？）我觉得是兼而有之的。

首先一个想做整个的、类似我们今天这套产品的话，在技术上必须要能够处理大量的数据，这不是单纯的某个技术点的壁垒，是若干个环节的壁垒，你比如说在收集数据上面有一系列的技术问题需要解决，处理数据上一系列的问题，储存有一系列的问题，计算、展示这五个层面，都有相对来说就是准入的门槛。

下一层还有分析的壁垒，因为同样的数据放在不同的人手里解读出来的价值是完全不一样的，这里面就要求你的整个的核心团队，是否有一种足够的分析力，这种分析力的话，不是说全世界所有的分析师能力都一样的，分析师之间也有很多差异。

像在一个案例中，我们用户发现大手机的转化率比小手机低——就是5寸的手机比4寸的手机转化率低，从历史数据上来看，每次都低，低10%，5%，为什么？后来我们发现客户把购买的按钮放在一个非常不好点的地方，小手机能点到，大的摸不到，就是因为摸不到，转化就会减那么多，很多产品分析都是因为这个。

分析壁垒之后，下面还有业务上的壁垒，对产业、对互联网的基本的理解，要组建这样的团队的话，你得具备就是各种基本的能力，不能有太多的短板，这样来说的话一路路筛下来，不是有很多人都可以做。

还有一点，这个东西是需要有比较大的投入——特别是在时间上面。现在整个数据平台，大数据演化非常非常快，技术迭代很快，你得需要掌握各种技术才能做这个东西。这个领域里也不像今天的短视频或者是这个数据特别火爆的那些行业，上来一进去你开发三四个月就看到效果，这个都是需要时间。

这个东西需要时间沉淀，需要对客户的服务不断积累，不光是产品的问题，还有内部的运营、内部的客户支持、工程的流程——用户的反馈来了以后，你有可能去做相应帮助他解决问题，整个系统的运维，这里好多好多细节，挺慢挺苦的一个事。

现在这个阶段，我们基本客户分成几类：电商，互联网金融，企业服务，在线直播，OTA。我们大部分客户是很在意转化，或者已经开始非常关注变现的，他们用我们的产品能迅速提高变现效率，基本是这个形态的。

有些客户用我们以后，整个渠道注册转化率提高了两三倍，还有一些客户整个产品使用的转化率、销售额度都涨了百分之二三十。很多客户以前都需要埋点，做一两个月的部署，现在基本上一两天就实现了。

我刚去Linkedln的时候，很多人认为数据分析是个做报表的事，后来他们发现我们给他们的价值远超过他们想象的，Linkedln业绩有50%甚至更多完全从数据压榨出来，数据压榨出来以后Linkedln去做的扩张。

我记得当时我们那阵产生销售线索的时候，一般公司可能每个月有几十条、几百条销售线索，几千条顶天，我们当时生成几十万条，当你有几十万潜在想买东西客户的话，这时候你才会建造一个很大的销售团队，当时这么做到，你没有数据分析，他不知道往哪儿找客户，所以我觉得数据里面有很多价值，这些价值是基于人的认知。

GrowingIO最早的几个人大部分都是我在Linkedln的同事，还有叶玎玎（GrowingIO另一个联合创始人，连续创业者、风车的联合创始人）是杭州一个非常资深的开发者。最早时候就几个同事，一直在Linkedln跟我一起工作，也是很早期的我就在一起合作，关系非常好，他们非常优秀。我说我要出来创业，他们都觉得一起来做点事——他们在Linkedln生活都挺好，但是大家都想继续往前做一个更好玩、更有意思的事情。

这两年，好多原来在FLAG（Facebook、Linkedin、Amazon、Google）的华人基本上都回国创业了。我觉得也是一种趋势，像以前美国硅谷发展很快，我觉得现在国内发展速度，是海外的两三倍甚至更快，这是一个巨大的机遇。另外一点，现在国内越来越关注技术，以前的话可能是商业模型可能更重要，今天是技术变得更重要。

我们希望GrowingIO能做更快，但是后来发现有些东西不是你想快就能快的，它本身质量需要时间沉淀，我们希望做得更快点，但是快本身并不是我们的目的，我们希望把客户服务好，这是我们过往一年里最大的一个经验。