“科學灌溉指的是通過合理的灌溉計算制定合適的灌溉制度，并通過行之有效的管理體系進行維護，使灌溉目的達到最優化，使產值與用水量的比值達到最高點。”

把這里的“水量”換成“流量”，基本上就是GrowingIO要做的事情。它提供一套精細的數據監控和分析服務，讓企業主知道自己在哪個環節獲得了用戶、在哪個環節丟失了用戶，然后不斷地復制成功的部分、修正有缺陷的部分，在單位成本里獲得更高的增長（Growing）——體驗的增長、用戶數的增長、營業額的增長、口碑傳播的增長。

在創辦GrowingIO之前，張溪夢是Linkedin的商業數據分析部門高級總監，是硅谷科技圈知名的華人大神。他用了四年的時間，將Linkedin的 Business Analytics部門從自己一個人發展到近90人的規模，數據分析是他的拿手本領。去年5月，他離職創辦GrowingIO；同年8月，拿到了經緯中國、美國NEA的種子輪投資以及前東家LinkedIn的創始人Reid Hoffman共同的種子輪投資，第一版產品上線。

產品上線到現在10個月時間，現在有幾十家付費用戶，上千家用戶，公司規模、用戶量也在持續發展中。雷鋒網(搜索“雷鋒網”公眾號關注)近期去了解了GrowingIO的動向，以下是張溪夢口述。

我們的數據采集不需要“埋點”（在代碼的關鍵部位植入統計代碼，用來追蹤每次用戶點擊/行為），這個和市面上絕大多數數據分析服務不同。兩年多前我開始有這個概念，是因為當時我在美國工作的時候，“埋點”這個過程很痛苦，你得有大數據工程師，有分析師，有產品經理有運營的人，一起來參與這個過程，各個組人員對數據的理解不太一樣，經常容易出錯，出錯之后很難管理，整個過程很慢、很繁瑣，一做一個月、兩個月，本身產品迭代速度會減慢。

所以我們當時就想，是不是有新的辦法，能夠不需要花那么多時間來做那個工作。當時我們有這個（無埋點）想法，并在硅谷里頭問了很多人，基本上無論成規模的互聯網公司還是一些創業型公司都出了不少錯，特別移動端根本做不出來。

后來我們一直在鉆研，慢慢把這個東西基本的雛形做出來。

做數據分析的公司很多。其實真正的互聯網企業，每家企業都和數據有關系。我們首先關注用戶和這個APP或者網站之間的交互，都是用內容之間的交互分析，我們通過用戶的行為來判斷這個產品的網站，它的內容是否足夠吸引人，是否有足夠好的轉化率，用戶是否會購買，購買遇到什么問題，我們基本上通過主要以用戶的行為來展現到底用戶怎么用這個產品，其次一點是分析原因，什么原因導致用戶沒用，然后預估這些用戶在未來會做什么，核心是為了幫助產品經理、市場的運營人員、銷售人員提高整體運營效率。

可能有的時候大家在表面上看（不同的數據分析產品），這些圖、這些表、分析的這些東西類似，實際上有很多方法論區別，有的時候表面上看差不多，但是我覺得在未來我們的產品，會延伸出來很不一樣的效果。

很多人覺得我們跟友盟、TalkingData直接競爭，實際上我個人認為他們不是我們真正直接的競爭對手，會有一些相似的地方。友盟基本全都針對移動，我們是網站和移動同時支持；它是免費提供一個工具，提供我覺得相對比較基礎的一些技術統計，比如說多少人用了、多少人打開、多少人關閉，大多沒有深入下去。

我們是提供精細化分析的，我們做的分析，應該是不同的，相對來說比較基礎的深度很多，也復雜很多；還有一點我們的商業模式也不一樣，我們是完全企業服務的一個公司，我們從來不會用用戶的數據做任何的變現，這些數據全都屬于我們用戶的，但是我們需要向用戶收集費用——這是我們提供軟件即服務的費用。

（雷鋒網：這件事情的壁壘在哪里？）我覺得是兼而有之的。

首先一個想做整個的、類似我們今天這套產品的話，在技術上必須要能夠處理大量的數據，這不是單純的某個技術點的壁壘，是若干個環節的壁壘，你比如說在收集數據上面有一系列的技術問題需要解決，處理數據上一系列的問題，儲存有一系列的問題，計算、展示這五個層面，都有相對來說就是準入的門檻。

下一層還有分析的壁壘，因為同樣的數據放在不同的人手里解讀出來的價值是完全不一樣的，這里面就要求你的整個的核心團隊，是否有一種足夠的分析力，這種分析力的話，不是說全世界所有的分析師能力都一樣的，分析師之間也有很多差異。

像在一個案例中，我們用戶發現大手機的轉化率比小手機低——就是5寸的手機比4寸的手機轉化率低，從歷史數據上來看，每次都低，低10%，5%，為什么？后來我們發現客戶把購買的按鈕放在一個非常不好點的地方，小手機能點到，大的摸不到，就是因為摸不到，轉化就會減那么多，很多產品分析都是因為這個。

分析壁壘之后，下面還有業務上的壁壘，對產業、對互聯網的基本的理解，要組建這樣的團隊的話，你得具備就是各種基本的能力，不能有太多的短板，這樣來說的話一路路篩下來，不是有很多人都可以做。

還有一點，這個東西是需要有比較大的投入——特別是在時間上面。現在整個數據平臺，大數據演化非常非常快，技術迭代很快，你得需要掌握各種技術才能做這個東西。這個領域里也不像今天的短視頻或者是這個數據特別火爆的那些行業，上來一進去你開發三四個月就看到效果，這個都是需要時間。

這個東西需要時間沉淀，需要對客戶的服務不斷積累，不光是產品的問題，還有內部的運營、內部的客戶支持、工程的流程——用戶的反饋來了以后，你有可能去做相應幫助他解決問題，整個系統的運維，這里好多好多細節，挺慢挺苦的一個事。

現在這個階段，我們基本客戶分成幾類：電商，互聯網金融，企業服務，在線直播，OTA。我們大部分客戶是很在意轉化，或者已經開始非常關注變現的，他們用我們的產品能迅速提高變現效率，基本是這個形態的。

有些客戶用我們以后，整個渠道注冊轉化率提高了兩三倍，還有一些客戶整個產品使用的轉化率、銷售額度都漲了百分之二三十。很多客戶以前都需要埋點，做一兩個月的部署，現在基本上一兩天就實現了。

我剛去Linkedln的時候，很多人認為數據分析是個做報表的事，后來他們發現我們給他們的價值遠超過他們想象的，Linkedln業績有50%甚至更多完全從數據壓榨出來，數據壓榨出來以后Linkedln去做的擴張。

我記得當時我們那陣產生銷售線索的時候，一般公司可能每個月有幾十條、幾百條銷售線索，幾千條頂天，我們當時生成幾十萬條，當你有幾十萬潛在想買東西客戶的話，這時候你才會建造一個很大的銷售團隊，當時這么做到，你沒有數據分析，他不知道往哪兒找客戶，所以我覺得數據里面有很多價值，這些價值是基于人的認知。

GrowingIO最早的幾個人大部分都是我在Linkedln的同事，還有葉玎玎（GrowingIO另一個聯合創始人，連續創業者、風車的聯合創始人）是杭州一個非常資深的開發者。最早時候就幾個同事，一直在Linkedln跟我一起工作，也是很早期的我就在一起合作，關系非常好，他們非常優秀。我說我要出來創業，他們都覺得一起來做點事——他們在Linkedln生活都挺好，但是大家都想繼續往前做一個更好玩、更有意思的事情。

這兩年，好多原來在FLAG（Facebook、Linkedin、Amazon、Google）的華人基本上都回國創業了。我覺得也是一種趨勢，像以前美國硅谷發展很快，我覺得現在國內發展速度，是海外的兩三倍甚至更快，這是一個巨大的機遇。另外一點，現在國內越來越關注技術，以前的話可能是商業模型可能更重要，今天是技術變得更重要。

我們希望GrowingIO能做更快，但是后來發現有些東西不是你想快就能快的，它本身質量需要時間沉淀，我們希望做得更快點，但是快本身并不是我們的目的，我們希望把客戶服務好，這是我們過往一年里最大的一個經驗。