外界往往把LinkedIn看做一家互聯網職業社交平臺，但很少有人知道，它已經是世界上第二大的企業級SaaS服務商。
“為什么LinkedIn這家公司能夠在五年時間，營業額每年接近100%的速度在增長?核心的秘密就是我們用數據分析產生了幾何倍數的迭代。” 前LinkedIn美國商業分析部高級總監、GrowingIO 創始人張溪夢對包括《第一財經日報》在內的記者說。
這也就是GrowingIO成立的原因。從硅谷到北京， 張溪夢用半年的時間做出了回國創業的第一款產品：實時商業數據分析產品GrowingIO V1.0。你可以擁有自己的數據分析師，按照自己的業務需求制作圖表，用數據驅動決策，而不是拍腦子、靠經驗，想要一張銷售或客戶情況圖表，要輾轉反側求助數據分析、產品、研發等其他不同部門。
張溪夢對記者舉了一個例子，GrowingIO平臺的整個架構類似樂高積木，盡管抓取的數據都處于原始狀態，但通過不斷衍生可以呈現不同主題，因此該數據分析模板可適用于電商、旅游、招聘等不同服務領域。
趕上SaaS服務爆發
GrowingIO看起來像是一家自帶明星光環的公司，創始人張溪夢是前LinkedIn美國商業分析部高級總監，美國Data Science Central評選其為“世界前十位前沿數據科學家”。此前，他曾親手建立了LinkedIn將近百人商業數據分析和數據科學團隊。
創始團隊其他成員來自LinkedIn 、eBay 、Coursera、亞信等國內外互聯網及數據公司。在硅谷商業數據分析領域沉淀十多年后，張溪夢今年5月回國創業。
盡管產品還沒有上線，GrowingIO稱已經拿到LinkedIn創始人、硅谷人脈王Reid Hoffman的投資。當張溪夢從LinkedIn辭職后，Reid Hoffman只跟他談了幾分鐘，就表示一定要投資。“我非常感謝以往雇主對我們的支持。”張溪夢說。
隨后，他經人介紹又認識了經緯創始合伙人邵亦波，當時邵亦波在硅谷的家里了解到，張溪夢是LinkedIn數據分析的領軍人物。
其實邵亦波有一個小算盤，“如果能夠請Simon(張溪夢的英文名字)或者他團隊里的成員回到我們經緯投的某一批公司里，或許能幫這些公司的收入很輕松地翻很多倍。因為Simon所做的很多事情，在LinkedIn已經通過數據證明了。這是我們的私心。”經緯創投合伙人左凌燁說。
受到經緯創投的邀請，張溪夢回國轉了兩周后，決定在中國創業，并選擇了經緯創投作為重要的合作伙伴之一。同時，投資企業服務市場風險基金NEA也成為了GrowingIO的投資人。由此，GrowingIO天使輪共計拿到220萬美元。
選擇投資GrowingIO,經緯創投的認知和張溪夢的判斷一致——中國SaaS服務機會和數據分析的機會。
與更為外界所知的電商、O2O等互聯網公司不同，面向企業級市場的SaaS公司并不容易受到外界關注。但在今年，尤其是互聯網寒冬下， 2015年被視作是企業SaaS服務爆發的元年，“中國最近兩三年成立起來的服務公司，應該會誕生一大批偉大的公司。”左凌燁表示。
而在企業服務所有細分領域里，一大趨勢就是通過用機器學習、大數據來改造傳統作為工具導向的企業服務。“中國很快會從現階段的工具導向服務邁入下一步，GrowingIO這樣的公司給大家提供工具和技能，將是最大的催化劑。“左凌燁說。
事實上，數據分析越來越被認為是互聯網公司增長的必備能力。
今年年初，普華永道發布了一份針對77國逾1300名CEO的調查。結果顯示，在推動數字技術發展、提高組織能力方面，數據挖掘分析占第二重要的戰略地位，僅次于提高客戶參與度的移動技術。同時，這些CEO還認為，數據分析對于提供更好的客戶體驗并提高業務效率來說是一項最為重要的能力。
讓大數據像“水一樣流動”
GrowingIO所做的事情，是希望創業公司通過使用它的產品，以用接近“零成本”的方式實現用戶快速增長。
這背后的秘密就是“Growth Hacking(增長黑客)” 。不同于靠燒流量、大規模地推等粗放的增長方式， “Growth Hacking”是通過技術手段和數據分析，以最低成本甚至零預算的方式，獲取客戶和收入的指數級增長。
事實上，Facebook、Twitter、Quora，LinkedIn都是利用Growth Hacking實現閃電式增長的典型案例。此前，LinkedIn通過內部分析數據，用極低的成本增加了大量的銷售線索，整個獲取客戶的成本是普通SaaS企業的50%。
在張溪夢看來：“無論全球還是中國范圍內，移動互聯網用戶增長紅利窗口正在逐漸消失。對于在過去5~10年崛起的互聯網企業來說，粗放增長的商業模式帶來的利潤率，已越來越低。他們要贏得更多的商業價值，最直接的方法就是用商業數據分析，迅速提高運營效率，增長業務，而不僅僅是依靠直覺和過往經驗。
但是，產品需手動埋點、數據采集不全、核心業務數據無法保留、工程量繁重、制圖生成耗時漫長、業務人員無法自主按需分析、無法對用戶行為進行實時深層分析等原因，都在阻礙數據分析進一步大規模化。
過去的數據分析是一個“核電站”，可以產生很大的效能但卻是很復雜的工程。“GrowingIO所運用的產品技術手段，可以把所有技術和能量做到一個小小的電池里面，讓每位程序員、管理者和運營人員都可以運用，且效能是過去很多產品的很多倍。”左凌燁稱。
不同于大數據商業分析友盟、百度統計、Talking Data 等，張溪夢對記者介紹，GrowingIO與友商的核心區別在于，平臺可以在不涉及用戶客人隱私的情況下，將所有可以抓取的數據細節進行收集整理，即所謂的“原子化”，讓數據可以實現像“水一樣流動”起來，這也是數據分析工具和解決方案的最大區別。
張溪夢舉例道，GrowingIO的上手只需加載一次JavaScript代碼或SDK，幾分鐘后就可以使用，縮減了安裝和調試的時間。這種無埋點技術，工程人員不需要在任一元素上單獨設置代碼，就可以收集數據。極大減輕工程量，使得數據分析流程從傳統的數天甚至數周，縮短到幾小時甚至幾分鐘。
而事實上，埋點采集數據，正是很多企業走向數據驅動業務道路上的核心難題之一。以國外研究Tag Management 的研究報告來看，從需求溝通到代碼加完，平均用時是3周。這不僅會拖慢產品開發，還存在數據不全面、遺漏缺失混淆、數據質量低等一系列的歷史問題。
無需編程，一鍵點擊即可展示分析結果。這樣，一線業務人員無需再大量求助產品、技術、分析師等其他部門被動等待，只需要點擊相關的頁面和具體板塊，就可以生成自己想要的分析結果，了解業務的執行情況。
除了基本DAU、PV、停留時長和留存率等基礎指標之外，GrowingIO能夠進行在任意多維度下自行定義指標，對用戶行為進行深層分析，如追蹤轉化率、觀察用戶行為趨勢、預測流失用戶等，進一步輔助提出產品優化建議。
例如，曾有一家SaaS企業客戶先拿出測試小組使用GrowingIO的產品，在兩個月時間內，使用GrowingIO工具A組銷售額同比沒用使用的B組增長了58%。
其中一個有趣的例子是，兩個小組都在追蹤高頻次客戶，但是A組通過用戶行為分析很快發現客戶雖然登錄頻繁，但一直在用免費功能，并沒有使用其核心功能，于是迅速調整策略，立即對客戶進行產品培訓，引導其使用付費功能，而B組在兩個月后追單時才發現，白白錯失了兩個月時間。
京公網安備 11010502049343號