中美企业在数据分析上的最大差异:增长黑客的实践

  • A+

我们要做的事情,是让每一个人都具备这种数据决策运营的能力。在今天的中国,特别是高度竞争、成本不断增长的时代,这是一种战略级的能力。

一、烧钱≠增长,数据驱动是一种能力

在过去10年,中国互联网发展速度非常快,以前是流量驱动的互联网经济。随着人力成本不断攀升,竞争不断加剧,完全靠流量、预算、烧钱来获取客户和市场,已经不可持续了。如果你获取客户的成本高、速度慢且代价大,导致商业价值不能涵盖成本,最终是无法盈利和变现的。

同样获取一个购买客户,在中国可能是美国 5 倍的成本。在中国任何垂直领域都不是一个真空的领域,总会存在跟你同样估值或融资额差不多的竞争对手。如果你花钱效率比别人高,那就很容易出类拔萃,甚至把竞争对手至于死地。而高效花钱的前提,就是要有数据支持,依照数据分析去花钱。

所以只有把效率提升,用相对快的速度,更低的成本,来帮助一个企业获得增长,才是一个公司的核心竞争力之一。

获取增长里的第一步就是做好产品,让用户能够停留在你的APP、网站和服务里。以前流量为王的时代,就像一个漏水的桶,因为进来的水量很大,哪怕它在猛烈地漏水,你的桶慢慢也能灌满。但今天你进来的水越来越少,漏水的速度干不上进水的速度,这个企业就不可能有任何实质性的增长。

所以我们会先帮助企业把产品做到非常高黏度,用户体验非常好、愿意天天来用的产品,就是不漏水的一只桶。然后再帮助企业有效率地优化各种渠道,把新的用户导进来,这样才能获得一种爆发式的增长。

中美企业在数据分析上的最大差异:增长黑客的实践

二、中美企业的四大差异

实际上这套理论,在美国已经应用了多年,这也是我们回到中国后,看到的一个核心的区别。除此之外,还有四个非常大的差异在中国和美国整个企业的市场里:

1.是否有数据驱动意识的差异

中国为数很多的企业,还没有意识到数据驱动能为企业带来的巨大价值,或者说只有少数超大规模的公司意识到了这一点。大部分中国的企业,没有意识到数据的价值,使得创始人的决策、商业知觉远远重于数据驱动,这是我的第一个印象。

2.是否进行数据分析实践的差异

在美国,数据分析不管是产品还是方法论,已经很多年了。中国很多企业发展比较快,发展时间比较短,在实用操作能力上和美国有一定差异。这种高级数据分析的能力,基本只集中在几个领头的互联网或者大型企业里,其中互联网公司更具备这种能力,而大部分企业不具备这种操作经验和能力。

3.是否用数据做决策的差异

我们发现,在中国企业内用数据做决策的人,相对美国企业内部来说,比例比较低。像以前我工作过的LinkedIn里,不能说100%,但接近80-90% 的人,每天每周都在用数据做决策和优化。在国内,通过我们对客户的了解,包括对很多付费客户的了解,他们内部用这种决策的人相对来说很少。

4.是否用工具代替人力的差异

美国已经迭代到不是靠人力解决运营效率问题的时代,他们已经完全进入工具化、产品化、规模化时代。在中国很多企业里,还停留在准备大量雇佣人,大量雇佣高级的数据工程师、分析师,甚至建造整个数据这条体系的阶段,和美国之间的差异还是蛮大的。

这四点差异也决定了我们今天在中国做产品的形态:

第一:企业不太习惯用数据分析工具,觉得没有价值。

第二:数据分析实践没有什么太大的规模,只在一些核心的互联网公司里。

第三:内部人员使用数据分析工具的经验不够。

第四:数据分析工具化程度不足。

三、增长黑客的落地和实现

我相信大家都听说过增长黑客,增长黑客的核心概念,实际上在美国5年前就被提出来了,增长黑客核心概念的应用在15年前就开始了,而且是千变万化的。一句话概括增长黑客的核心概念就是:如何用数据来驱动你的产品迭代,用低成本的方式迅速获得增长。

我们想做增长黑客这个核心理论上的践行者和推动者,因为这套增长框架,是相对普世的,尤其是中国的创业者更加需要。中国大数据生态是技术先行于理论体系的,而美国是理论体系稍微先行于技术。比如增长的这套框架,不是一套产品实践的框架,而是一套商业管理方法论的框架,有了这套框架以后,用各种产品和工具来补足,就变得可执行了。

在中国大数据已经火爆了三四年,很多企业却还没有找到落地和变现的方法。实际上方法有很多,我们希望通过我们的产品,来帮助更多的企业落地这些方法论。增长这套方法论,已经被很多企业证明是有价值的,包括 LinkedIn、facebook、推特、airbnb都在实践,从企业建立半年后就可以开始应用了。这套方法论在国内有很大的需求,结合企业内部的运营,以及我们的工具一起,才能为企业产生价值。

我们还想通过我们的产品和践行,纠正一个误区。对很多中国互联网企业来说,他们认为只要接入了你的工具,立刻就能看到效率。实际上并不是这样,必须要把数据化运营这套方法论,结合到每一天的运营里去,同时很熟练地使用数据分析的工具。这是一个不断循环、不断提升的过程。我们在 LinkedIn 不是通过一个项目就带来了50% 的增长,而是很多个小的项目,不断演化、迭代,最后产生几何倍数的增长。

四、可以复制的 50%的增长

虽然说以前我是在LinkedIn内部数据科学团队里负责变现,但它整个体系的方法论,实际上是把整个美国企业化运营和管理最精华部分抽象出来,变成一种可复制、可学习、可扩展的能力,这种能力我很强烈地感受到中国企业是需要的。

为什么?其实很简单,从去年开始,我们开始给客户分享一些案例,他们都非常感兴趣,而且听完以后就立刻实践。我记得当时有一个客户看到我们GrowingIO,用自己的产品优化注册流的过程,我们一共花了7天的时间,把注册转化率提高了30%。这个客户当时还不是我们客户,只能说是潜在用户,他使用了我们的产品,同时几乎是完全照搬了我们优化自己网站的过程,就获得了 50% 的增长。当时给我们客户运营部门发了一个微信:照猫画虎做了一次,发现有很大的提升。

所以这种方法论加工具,才会为更多企业带来价值。

本文作者:GrowingIO创始人&CEO张溪梦,前LinkedIn商务分析高级总监。

原文发于微信公众号GrowingIO。

张溪梦
R语言神经网络模型银行客户信用评估数据
MySQL必知必会
中国大数据生态图谱&大数据交易市场专题研究报告
误差分位数的默示有效估计与\ 自回归时间序列的预测区间

发表评论

:?: :razz: :sad: :evil: :!: :smile: :oops: :grin: :eek: :shock: :???: :cool: :lol: :mad: :twisted: :roll: :wink: :idea: :arrow: :neutral: :cry: :mrgreen: