-
张溪梦
创业公司该从什么时候开始关注数据？
本文作者：张溪梦，GrowingIO创始人、CEO；前LinkedIn（领英）商务分析高级总监，亲手建立了LinkedIn（领英）90多人的商务数据分析团队。原文发于GrowingIO技术博客和公众号。
人人都说数据重要，那么，创业者应该从什么时候开始关注数据？从公司成立吗？我认为，当然不是。产品早期，数据驱动是个伪命题，只有到了真正增长期，数据才能爆发力量。
数据分析流于形式
我在LinkedIn做过很多年数据分析，发现中美在数据驱动这件事上面差异还是很大的。数据分析在国内一些特别大的企业才能得到重视，但是在美国，数据已经成为驱动众多企业增长的重要引擎。
为什么国内很多企业，表面上很重视数据分析，最后却流于形式？
许多公司处于疯狂增长时期，大家一拍脑子做的决定，可能已经产生很多价值了，这种情况下他们很难意识到数据决策能产生的巨大价值。同时，他们没有太多基础方法论的认知，技术和业务彼此不了解，进一步加剧了数据使用的缓慢，不能看到价值实现。最后就变成了凭感觉来做决策，而不是真正通过数据运营来做决策。
LinkedIn的数据驱动之路
但是我们看看美国，以LinkedIn为例， 在过去6年间从一个7000万左右年营收的企业，一下子增长至 30 亿美元营业额的企业，这种增长速度在企业服务领域里面是惊人的。6 年多以前，我第一次在 LinkedIn 的公司例会上，听到德鲁克的一句话：一个事情，如果不能衡量它，就不能增长它。这句话沉淀出了 LinkedIn 的企业价值观：增长带动数据分析，数据带动变现，变现进一步促进增长。
LinkedIn在早期就有清晰的数据框架，在只有一万个用户的时候就开始在用数据驱动用户增长。
LinkedIn是 2002年底成立的，成立早期就已经把用户数据和变现的框架讲得很清楚了。无论是在产品设计还是业务运营，数据都是很重要的环节。哈弗曼（LinkedIn 创始人 & CEO）收集大量的用户信息，想了三种变现方式：
一、通过用户的基本信息来变现，比如说公司发布职位；
二、用户数量增长到一定程度的时候，有 B2B 企业投广告；
三、当有大量人的信息以后，公司的猎头会用这个平台来找候选人。
变现的方式他想得很清楚，但并没有在第一天就去做，他核心关注的是用户体验和使用度，是整体的增长，增长产生大量的数据，他从数据里学习，未来才做变现。
LinkedIn 在只有 1 万用户的时候，就开始用数据驱动业务。这段时间去观测两个渠道，一个是电子邮件，一个是搜索。从数据里发现，从搜索引擎的渠道里进来的用户，比电子邮件邀请进来的人数量差不多，但在产品平台上的活跃度要高 3 倍。
这是之前没有想到过的，于是做了一个决定：如果要获取同样数量的用户，他们更愿意投入资源在使用频次更高、更愿意把时间花在这里的人，所以，放弃低活跃的用户，专注活跃的用户。
LinkedIn 每年反复要去问的一个问题是：如果只有一件事全公司要做的话，是什么？得用数字来证明的？
一星期内加到 5 个联系人的用户，他们的留存、使用频度、停留时间是那些没有加到 5 个联系人的用户的三倍到五倍，这是他们找到的驱动增长的魔法数字。但是当时这样的人非常非常少，于是他们在产品各个入口都增加社交关系。
LinkedIn 最早的时候，并不知道为什么增加社交关系会产生那么大的留存度，我们分析了起码有两三百个各种不同的指标，最后没有任何一个指标能告诉我们，就是因为这个原因。可是加权以后的结果是，这些用户在上面花了很多时间，间接就成为变现的可能。产品经理就把非常复杂的问题简化，让所有的东西都关注这一个点：让更多的用户在第一周里加到 5 个联系人。于是，增长飞快。
创业公司如何关注数据
每个阶段的重点不同，增长期是数据驱动的关键时期。虽然说数据很重要，那么，创业者应该从什么时候开始关注数据呢？从公司成立就开始吗？不是的。一般来说，创业者会经历 4到5个产品、企业的生命周期。
第一个阶段，冷启动。
这个时候公司特别早期，用大数据驱动是一个伪命题——因为客户数量有限，样本性不足。他们需要更多地去了解潜在客户的需求，去“求”客户来用这个产品。
第二个阶段，增长前期。
冷启动接近完成。有经验的创业者，会开始布局和增长有关系的一些核心指标，比如说日/月活跃，留存度。这些指标的目的不是为了衡量产品当前当下的表现，而是为了未来做增长时有可比较的基准。并且，这些指标能够告诉我们，什么时候我们应该去做增长。产品本身没有黏度的话，去烧钱做增长，它不会真正地增长起来，因为流失速度超过增长速度。以前很多烧钱的企业能成功，是因为竞争没有那么激烈，用户没有那么多种选择。但是今天如果你的产品很差，留存不高，口碑也不好，烧再多的钱也不能获得真正核心的自然增长。
第三个阶段，是增长期。
这个阶段就能看出来好的创业公司和普通创业公司的巨大差别——效率。无论PR还是做活动，都需要人力和时间成本。如何在增长中，找到效率最高的渠道？这个我觉得，是创业公司之间PK的核心竞争力。如果不做数据驱动，靠直觉，一次两次可以，但没有人能进赌场连赢一万次。所以，直觉需要和数据进行结合，这样企业能迅速优化各个渠道，来提高单位时间的转化效率。通过转化效率的提高和叠加，变成企业的核心竞争力。一个不用数据驱动的公司，和一个用数据驱动的公司，假设运营策略一样，资本储备类似，客户也一样，后者一定会胜出。
第四个阶段，是变现期。
业务变现，要求有很高的用户基数。一般互联网产品中高活跃、体验好的用户，会转化为付费用户。类似一个漏斗，不断地去筛，这里面就是要拼运营的效率了。比如说，电商用户的转化漏斗一般是：访问——注册——搜索——浏览——加入购物车——支付，或者到未来的退货。这是非常非常长的一个漏斗，真正要做好数据化运营，要对漏斗的每个环节持续地进行追踪。为什么呢？因为不能衡量，就很难去做增长。
一个好的企业，特别是以后要做营收的企业，必须要关注各个部门各个环节的转化效率。这种转化效率，要达成的手段，可以通过市场营销的方法、产品改进的方法、甚至客户运营的方法。而其中每个环节小幅提高，加在一起就是一个倍数的提高。这种倍增，如果没有做过数据化运营的人，很难体会到会有多大。比如，以前我们在LinkedIn做数据驱动转化时，要推送某篇EDM ，同样发给 10 万人，拍脑袋决策的转化是 0.01%，但是经由数据驱动部门做个简单的数据模型，同样推送后，转化率提升到了 0.3%，高出 30 倍。如果每周都那么做的话，这种转化效果还是非常可观的。
来源：36氪，作者：GrowingIO，如若转载，请注明出处：http://36kr.com/p/5053210.html
-
张溪梦
LinkedIn前高管张溪梦创业 推商业数据分析平台GrowingIO
HRTechchina北京报道，12月8日下午，Simon Zhang 创办的商业数据分析公司GrowingIO发布首款实时商业数据分析产品GrowingIO V1.0，该产品同时适用于Web页面、HTML5页面以及iOS/Android客户端的数据分析。
Simon 是硅谷华人大神人物，单枪匹马创建Linkedin公司的数据分析部门，从几个人到现在80多人的团队。而GrowingIO其他主创团队成员也多来自LinkedIn、eBay 、Coursera、亚信等国内外互联网及数据公司，2015年5月回国创业。目前，GrowingIO已获得经纬中国创始人邵亦波、LinkedIn创始人Reid Hoffman、美国风险投资基金NEA的220万美元天使轮投资。
本次发布的产品GrowingIO V1.0实现了无埋点数据采集、全面收集实时数据、一键出图、实时数据分析等功能。GrowingIO V1.0上手简单，只需加载一次JavaScript代码或SDK即可使用，极大缩减了安装和调试的时间。用户加载完成几分钟后，就可以实时采集到页面任一元素的用户交互数据，而不用提前定义需要采集的事件和功能，就能实时地看到所有的历史数据趋势。
张溪梦表示，其开发的是普适化产品，而非定制化服务，所以这个方案不需要定制，而是全自动化完成。
对于收费模式，GrowingIO将以客户的客户数量为标准进行收费，GrowingIO除了提供相应代码，并提供分析师为客户提供数据体系建立的培训。以此计算，平均每个月每个客户所花费用约为500至600元人民币，这一价格是企业建立基础数据分析团队成本的5-10%。
继LinkedIn、Facebook、Twitter等硅谷互联网公司依靠数据分析实现闪电式扩张后，国内互联网行业也开始反思，通过烧流量、大规模地推、补贴等粗放手段，赢得用户增长或者收入增长的模式是否可以持续。
目前可以看到的是，许多互联网公司纷纷开始了数据驱动业务增长的尝试，希望借助技术手段和数据分析，以最低成本甚至零预算，获取客户和收入的指数级增长，成为和上述明星公司一样的“增长黑客”。
张溪梦认为，移动互联网的增长红利窗口正在逐渐消失。对于在过去5-10年里崛起的互联网企业而言，粗放商业模式带来的利润和利润率已越来越低。
”我们希望能帮助这些企业，用商业数据分析这种直接有效的方式实现运营效率、用户数和收入的指数级提升，而不仅仅是依靠直觉和过往经验”， 这也是张溪梦和几位联合创始人回国创业的初衷。
GrowingIO虽仅成立6个多月，但早在内测期间就已经获得如北森、销售易、猎聘、Ucloud、明道、今目标、环信、亿方云、美洽、易快报等大中型SaaS公司在内的首批近百家合作企业。
-
张溪梦
特邀专栏：张溪梦谈数据分析如何破解SaaS企业客户留存难题？
每个人都感受到了今年是中国企业级服务SaaS元年。无论是融资额、用户增长、销售市场，SaaS服务从来没有象今天一样火热。
但是众多SaaS服务厂商都在面临同一道难题，如何保持客户终身价值与客户获取成本的最佳平衡。
2015年11月2日，易观智库发布的《中国企业级SaaS市场年度综合报告2015》中，亦表示这是企业级SaaS市场发展有三大难点之一。
怎么破解？
在SaaS企业客户中，客户留存度几乎成为每个SaaS公司的核心分析指标。
许多的企业服务公司都在快速地引入和扩展自己的客户成功、延展销售团队或者客户关系管理团队，积极服务于现有的企业级客户，从而减低客户流失率，增加客户黏度。
一、衡量客户成功的核心目标是客户留存度
客户成功经理以及客服人员最主要的任务之一，就是用数据分析，追踪客户是如何使用产品，从而提高客户留存率。
世界上知名的SaaS企业，比如Salesforce, LinkedIn, Box以及Workday等都紧密地追踪新开账户、以及持续衡量现有客户对产品的使用。
这种近乎痴迷地、持续追踪用户各种使用行为、监测对现有及各种新产品功能的使用频率和各种模块细节使用情况，核心目的主要有三个：
1. 衡量客户忠诚度，减低潜在流失率。
2. 预测客户复购率、增加潜在增购可能性。
3. 增强产品设计体验和使用流畅度，提高客户体验，减低产品摩擦。
注意是减低潜在流失率、潜增加在增购可能性，而不是流失率、增购可能性，为什么要强调潜在？
因为有数据分析。数据分析可以使得客户成功经理或销售经理，在客户流失苗头出现之前，就能及时采取行动，阻止客户流失，把潜在的可能性消灭在摇篮里。
为什么数据分析能做到？
因为数据分析能够提供给所有的客户成功经理或销售经理非常详尽的客户分析记录，以详细理解客户的使用行为，从而预测并降低客户流失的风险。
如，当一个客户对新产品功能使用率非常低，客户成功经理、销售经理需要迅速地联系客户，了解用户为什么很少使用或者停止使用。
如果分析结果显示，客户已经停止使用产品的核心功能，这种数据分析结果往往是客户无法从产品中直接获得价值，长远讲，客户会停止使用这个产品，最终造成了营收减低。
二、SaaS客户成功分析的核心指标
客户健康度：根据每一个客户的使用情况给出预警
什么是客户健康度？
可以理解为用户使用SaaS软件各种产品特性的行为数据的一种集合，这个指标涉及到客户使用产品频次、广度和深度，是客户是否会留存的核心指针。
即客户是否会留存就看客户健康度高不高。
在销售的时候就应该考虑到续约问题。
前瞻性的续约需要在续约谈判前获得客户使用数据和健康状况的报告。
当客户还在使用周期内，就应该分析其使用状况及流失风险，从而可以在早期就能发现风险，并采取行动挽留他们。
但现在很多SaaS企业的客户关系管理指标，还很原始粗暴，仍按下一次用户续费日期-----合同到期日期进行。
也就是当距离客户续约之前的若干周／若干月，客户成功经理、销售经理等才会去联系客户询问和接洽续约。
这种做法在SaaS领域越来越遭到摒弃。
因为这种“交易”型客户关系管理，已经越来越不适应当代客户关系管理系统。在续约之前才发现客户已经很少或不使用产品，他们续约可能性基本已经减低为零。
所以越快发现客户存在风险，你就越很快做出反应，来提升客户健康状况。
数据分析可以提供这种结果，
哪些客户存在流失风险，以及哪些客户有拓展机会。
精确评分系统的核心是以用户的行为和使用数据展开，进而结合商业直觉对用户的潜在续约率进行判断。
如何使用健康度这个指标？
1. 积极应对高危账户
好的客户关系管理要利用数据分析，找到用户使用中问题的根源，优化问题解决方案。
有效的客户成功分析系统能够让你把资源分配到最需要的地方，提供及时的服务，发现服务模式和趋势。
有效的商业服务不是去扮演救火员，而是提供有战略意义的反馈。
这里核心的衡量标准就是要紧密追踪客户对产品各种功能的使用度，从而了解客户的痛点和使用特点，有针对性的制定培训和客户关怀策略。
2. 持续指导每个用户，并且进行培训：
入门培训并不是一个一次性的项目，而是长期持续的过程。
有效的培训需要一个系统性的方法，在产品使用周期内，持续指导关键客户。
培训时需要考虑到不同技能等级客户，最佳策略是，在培训过程中，找到并消除不同客户间的差距，最终提高所有客户的能力。
然而并不是所有的客户都需要培训，企业需要用数据分析的手段来了解每一个客户的使用情况，从而判断哪个客户需要培训，哪个客户不需要培训。这样才能最优化的调整客户指导的策略，有效的利用内部销售和客户成功各部门的时间和资源。
但是通常，每个销售经理和客户成功经理手中通常掌握了几百、甚至几千名客户，怎么可能了解每个客户使用情况。
最近国内兴起了一种从硅谷传过来的，针对客户成功的精益化运营分析工具，如GrowingIO等，可以提供接近事实追踪网站或APP内的产品使用行为，从而直接预测每个客户健康度，以监控潜在流失可能性。
客户温度：衡量客户的使用温度，扩大收入
什么是“客户温度”？
可以理解为用户使用SaaS产品各种产品特性的行为数据，那些能够预测其进行复购，增购、或者追加销售的指针。
这个指标涉及到客户使用产品中货币化组件的可能性。也就是Monetization（货币化），是客户是否会增加购买的核心指针。
找到扩大收入机会的核心是：在不增加客户获取成本的情况下如何增加营业额
要想使得占领——扩张策略生效，需要有一个有预测力前瞻性的方法从当前用户基础上扩大收入。
投资回报率数据可以作为扩大服务范围的基础。但要想持续得找到收入增长的机遇同时满足客户需求，大规模重复的人力工作貌似是必不可少的。
比如说给每一个客户打电话询问他们是否需要新的产品和增值服务。
但是这种地推和穷举的方法需要大量的人力，物力和时间去管理，这是一个成本很高，转化率很低的方式。最终导致的是获取和维护客户关系的成本大大提高，但是销售额却没有太多的提振。
而且现实是，销售人员和客户成功经理们都直接管理几十个甚至几百个客户，没有人能够在同一时间之内关注如此多的用户。
这就要求我们能够随时随刻地判断每一个现有客户的增购，和重复购买的可能性。最简单的方法就是利用所有用户的使用行为，找到当天，当周，当月优先级最高的客户予以关注。
上文提到的新一代数据分析工具，就可以通过对用户在SaaS云服务网页或者App端各种产品细节的使用和互动，特别是针对客户消耗和付费功能等的各种使用信号的分析,来对所有使用中的客户进行排序和调优。找到超级活跃客户，也就是“高温度”客户。从而为客户成功经理以及销售人员提供最新的客户动态，让企业内的客户支持部门，有针对性地对活跃度和重复购买率高的用户及时跟进。
发现和发展值得信任的推广大使
满意的客户常常会变成热情的产品推广者。他们的使用经历、成功故事和推荐非常有说服力和吸引力。
因此为了增加他们的人数和有效得利用他们的声音，需要发展一套方法来识别、发展和管理这些客户或者推广大使。
因此客户成功的数据化管理就越发的重要，通过通过客户成功分析及时找到这些忠实的粉丝，就等于找到下一次营销的机会。
关于GrowingIO
GrowingIO致力于卓越易用的数据分析工具，如果你是以下三种人，请立即关注我们，申请试用：
一、你是数据工程师，却在“不务正业”地搭建BI、配置GA代码。→点击阅读原文申请试用，立刻减少无效加班；
二、你是产品经理，却不知道如何分解KPI。→点击阅读原文申请试用，三步就能洞悉留存曲线、精确识别用户行为；
三、你是业务负责人，苦于收入增长乏力。→点击阅读原文申请试用，让我们告诉你怎样就能让客户高效下单；
加入GrowingIO我们相信有才能的人是一切的根本，我们对人才极度渴望，我们欢迎前端开发工程师、后端开发工程师、大数据工程师、机器学习工程师、数据分析师等各类有才华的人员加入我们。
请登录 https://growingio.com/joinus
或发送简历至 talent@growingio.com。
本文系GrowingIO 张溪梦 原创，转载请注明来自微信号GrowingIO.
张溪梦曾经一手创办了Linkedin 的数据分析部门，相当牛！
-
张溪梦
GrowingIO：将数据分析流程整合成一个产品，协助用户优化企业运营效率
提到 Growth Hacking，对互联网行业稍有了解的人或许都知道这是当下一个挺受欢迎的概念。一些知名的公司，比如 Airbnb 就曾经用这种理念获得了井喷式的增长。如果你之前还没听说过 Airbnb 与 Growth Hacking 之间的故事的话，我建议你先读一下《Airbnb 的“暗黑成长史”》，因为看过之后，你自然会对我今天要介绍的这个工具更感兴趣。
对于已经看过上面那篇文章的读者来说，你或许也想能找到让自己正在做的业务快速增长的方式，但却苦于没有合适的人才和工具能帮你做到这一点。如果这是你正在面临的困境，那么不防试一下 GrowingIO。这款由前 LinkedIn 美国商业分析部高级总监、世界前十位前沿数据科学家之一张溪梦带队打造的工具没准可以帮上你。
衡量用户和产品关系的热度和健康度指标
GrowingIO 是什么？
简单来说，GrowingIO 是一家大数据分析公司，它提供的工具可以通过收集、分析产品的数据来为其提供企业业务增长解决方案。
详细来说的话，对于 GrowingIO 正在做的事情，张溪梦自然会有更生动的解读，他告诉 PingWest 品玩：
GrowingIO 把过去整个数据分析的流程，从采集、数据传输、输出存储、数据转化、可视化、高级分析模式这些所有的步骤通过一个产品展现给大家。企业不需要前端的工程师去布置代码，不需要大数据运维的人员去传输数据，不要数据仓库、集群，不需要闭源工具做数据提炼，也不需要做推荐算法工程师来做各种手动的统计学或者分析模型，这些功能都被 GrowingIO 做成一个产品，直接交付给企业业务端的人使用。
GrowingIO 有哪些特点？
看完 GrowingIO 对数据做了这么多复杂的处理之后，你大概会觉得这应该是一个需要不少练习才能掌握的工具，可在张溪梦看来，在 GrowingIO 的所有特点中，简单、速度快、高度智能、规模化是他们同时看重的。
简单：GrowingIO 经过一次部署之后，可以直接在 Web 或者 app 上操作获取数据，用户只要圈点网页中的某个元素就能实时获得用户与这个元素交互的情况。非常简单易用，任何一个人经过几分钟的培训就能用。
速度快：由于 GrowingIO 把整个数据分析流全部打通了，所以用户从需求提出，到最后结果的展示不再需要很多功能上的、工程上的或者业务上的流程，以前需要几个星期分析的工作，现在在几分钟之内就能实现。
高度智能：以前数据分析人员需要从报表中看出趋势，用各种不同纬度的报表找原因，但现在 GrowingIO 则具备一定的能预测力，能相对动态的帮助客户找到业务发展不利的原因，计算用户潜在流失的可能性。这其中内置了机器学习以及预算模型的能力。
规模化：张溪梦觉得自己在 LinkedIn、eBay 这些公司做的最重要的工作就是把数据分析的能力提供给各个不同部门的员工使用，所以 GrowingIO 也具备服务各个不同部门员工需求的数据分析能力。
GrowingIO 是如何协助用户优化企业运营效率的？
大头图好，还是小头图好？右下角三个分享按钮有人点吗？
在张溪梦看来，一个企业需要很有效率的进行运营，而运营的核心就是数据化。在我的要求下，张溪梦针对 PingWest 品玩的网站进行了一番分析，然后提出了若干可以优化的点，比如来说：
1：PingWest 网站文章内的图片都是可以点击并会跳转到新页面的，张溪梦看完之后就觉得这个点击没有直接的商业意义，而且如果在移动端的话，可能导致用户的跳出率很高。
2:用户打开一篇 PingWest 的文章后会看到巨大的头图，以及右下角的三个社交媒体分享按钮，那么对读者来说，大的头图好还是小的头图好？右下角的三个社交媒体分享按钮有人点击吗？
3:PingWest 文章页面支持无限翻滚，但右边广告位置却是始终不变的，那么如果用户翻滚五个页面看到的广告是相同的，好还是不同的好呢？
4:如果某类广告用户点击之后就没有再回到网站来，那么以后是否还应该展示这样的广告呢？
以上只是张溪梦提出的一连串疑问中比较容易说清楚的几个，不难发现，如果想做出决策、优化网站运营效率的话，自然需要数据来做支撑，而这些数据只需要在 PingWest 网站布一段代码就能轻松获取。
在 GrowingIO 上，用户可以通过热度和健康度这两个指数来衡量用户和产品之间的关系。对于企业来说，一个用户每天花很多时间在自己的产品上，但从来不贡献收益，这自然是不健康的；但如有有一个用户经常贡献收益，但停留时长却很短，这显然也是不可持续的。如果你想不断优化自己的产品，让它变得可持续的话，GrowingIO 的确值得一试。
来源：pingwest 作者：cyzhou
扫一扫 加微信
hrtechchina
