首页分享企业不增长=死亡，数据驱动如何救命？

企业不增长=死亡，数据驱动如何救命？

来源：花匠小妙招时间：2024-12-07 19:25

【导读推荐】

张溪梦，GrowingIO创始人& CEO。美国 Data Science Central 评选其为“世界前十位前沿数据科学家”，前LinkedIn 美国商业分析部高级总监，亲手建立了LinkedIn 将近百人的商业数据分析和数据科学团队，支撑了 LinkedIn 公司所有与营收相关业务的高速增长。

来源|易选型

作者|张溪梦

一、前言：数据驱动是大势所趋

中国的互联网经济正在慢慢从以流量为核心向以用户为核心不断地转化，加上在过去几年内大数据、云计算产业在国内的蓬勃发展，“数据驱动增长”的理念已经被越来越多的人了解并高度认可。

因此，在帮助企业提高效率方面，尤其是提高转化率、提高获客速度、降低获客成本以及提高用户粘性等等，数据分析以及 AI 都能在很大程度上帮到我们。

二、中美数据分析的差异

我大约在美国工作了 15 年的时间。十几年以前，美国的很多企业，在零售、电商领域已经开始大规模地应用大数据的理念和技术了；这不但产生了大量的商业价值，还形成了一系列的方法论，这套数据驱动的方法论为企业业务的发展做了巨大的贡献。

另外，过去 10 年的时间里互联网企业诞生了一个巨大的能力，就是科技的能力。科技的能力又把这套数据驱动的方法论和商业价值进行了无限倍数的放大，产生了爆炸性的增长效果。

可惜的是，我发现这种能力只在一些规模特别大、特别前沿的企业里得到实践和落地，这是一种瓶颈。因为利用数据帮助企业做增长的这种需求不只是互联网公司才有的，实际上今天很多的相对传统的企业、各行各业都应该用这个东西。

另一方面，数据分析人才是非常稀缺的。特别是在我们刚刚起步的时候，没有人知道什么是数据科学，也没有人能够通过技术与业务两者互相结合的角度去考虑如何能大规模的释放价值。

今天很多企业是需要这种能力的，但是市场上没有足够的人才，那我们就需要有一种更好的方法。至少通过技术、产品、通过服务来放大这种效应，能给更多的企业带来价值。

2014 年我回国做行业交流，当时我观测到，国内的互联网确实发展极快，我个人认为有很多地方甚至超越了美国。在人力成本低的情况下，通过大规模的营销活动甚至是地推，获客速度都要比数据化营销快得多。但是整个过程没有必要太专注于精细化运营，因此在数据、精细化运营领域，国内并不是发展慢，而是当时需求不太明朗。

为什么这么说？

首先国内的人口基数大，市场需求是非常强劲的，因此早期可能不需要像美国一样，在激烈的市场里通过提高效率来获得竞争优势，所以在这方面起步比美国稍微晚一些。还有，欧美的人力成本比较高，所以他们在这方面，投入在技术研究上的时间和精力比国内更早，经验积累上会比国内做的更早一些，最大的差异还在这里面。

三、互联网下半场

2015 年年初，我做了一些研究，发现国内大数据分析方面的企业相对比较少，但是我感觉这些东西未来都会变成一种刚需。另外一点，根据人口普查报告，中国人口红利的转折点就是 2015 年，中国的劳动力人群占总人口比例在慢慢下降。

当人口红利下降以后的话，单位人口成本增加。如果一个企业想长久地存在下去，必须能够盈利，各方面的成本就需要管理。维持同样的业务增速，同时需要管理不断上升的成本，最好的方法还是要进行相对精细化的运营、更合理的管理和更有效率的扩张。

互联网下半场，很多人知道一个概念叫“马太效应”；互联网流量慢慢的汇集到少数几家顶级公司的产品里面去了，数百万中小企业面临越来越激烈的竞争。我们需要明白，下半场不是一个纯的跑马圈地的阶段；我们已经把地圈下来了，接下里如何把这块土地开发得更好才是重点。所以，我们需要精耕细作！

1.提高转化率

没有一家公司有无限制的营销预算。当流量的红利非常巨大的时候，滔滔之水天上来，我们打几桶水，水就满了。而当流量下去后，获取流量的成本就会增加，获客就会异常困难。所以，想获得同样的业绩的话，我们就需要知道哪些渠道来的用户是最有价值的，优化渠道、提高转化率。

2.提升用户体验

以前我们不太专注用户的体验，因为很多产品独此一家，所以用户只能买单。但是今天，客户面临着多种多样的选择，想要占领用户的心智，不能再像以前那样用广告狂轰乱炸就可以，而是要通过非常好的用户体验来实现。

这种时候数据就可以告诉我们，哪些用户得到了价值、哪些用户没有得到价值，产品的哪些功能是有意义的、哪些是没有意义的。知道这些以后，企业就能迅速地根据这些数据调整产品方向，使产品能更好地满足用户需求。

3.提高复购率

在用户完成一次购买后，如何让用户回来？因为用户买一次和买三次的获客成本是相对固定的，但是收益就能增加好多。如果能让既有的用户不断复购，获客难度就相当于降低到原来的三分之一。

4.衡量传播价值

今天，好的产品都是通过口碑来传递的。口碑传递是需要数据来衡量的，在好的公司里都会精细地计算自己产品的口碑指数。

如何能最大化地发挥社交媒体的功能，这里面也可以用数据来进行精细化运营和管理。这个对企业以后持续的增长是有很大的助力的，因为口碑相传成本是最低的，而获取的客户价值是最高的。

5.精准个性化推荐

我们需要在正确的时间、正确的地点、把正确的产品推荐给正确的客户，如果像以前人工去做的话效率非常低，我们的企业里不可能有那么多销售人员。但是我们可以通过数据，根据他们的行为来进行个性化推荐。

四、重新定义增长

如果一个企业的增长速度低于整个行业平均水平的话，它就是在慢慢消亡。如果一个企业不能持续的增长，它就没法给更多的员工提供足够的福利，也没法为这个社会持续的产生价值。

所以，增长是企业的核心使命！

以前咱们做营销、做产品、做销售、做运营的时候，是以一种收缩型的思维在思考。首先，要打广告，让大家对你的品牌进行认知；第二阶段要增加大家的兴趣；第三个阶段叫获客，把流量变成客户；然后让客户有一次体验；接着就需要客户来付费了；最后用户就变成粉丝了。收缩是从多到少的概念，转化率一直是衰减的，所以做起增长的话永远是很痛苦的。

但是增长的思维是完全反过来的思维，是从一个原点开始扩张的思维。举个简单的例子，首先我们只需要在早期给一小群用户提供一个核心的产品价值，如果这个核心价值被用户验证的话，接着把体验做好，进行进一步的扩张。

首先我们花一部分钱，来高效率的获取这种有这种对我们的核心价值有需求的客户；第二步，通过核心用户群，有效地找到和类似的核心用户；第三步，用营销的方式进一步的把我们的品牌传递出去。

特斯拉就是用的这种思维在增长他的业务，这种方式更适合在新商业环境下的企业的扩展和增长，这样做资源效率是最高的。

五、案例：链家如何利用数据驱动业务增长

在过去 2 年多里，我们积累了数千家付费的企业客户。GrowingIO产品贯穿其业务的每个使用场景，特别是移动 APP 和网站的产品优化，运营的效率提高，降低获客成本等。我们通过 AARRR 的模型，从获客到用户体验、用户留存、用户变现，特别是未来的口碑营销方面，进行数据化的运营。

链家是国内最大的房地产经纪公司，他们线下有十几万的经纪人，有很多的门店；他们线上还有网站和 APP，他们线上线下的业务做的非常好。链家持续发力数据化运营，有三个问题很想解决：

第一，线上做了这么多的工作，到底对线下的业务有多少的影响？

第二，线上的这些数据能否帮助线下更有效地获客，让用户能够有更高的转化？

第三，如何优化线下的整个运营流程？

大家知道，很多浏览链家网站的用户并没有注册。用户在链家网站上完成了一系列的浏览行为，看房形、看大小、地段、价格；但是这个用户到底是谁？浏览网站之后是否又实地去看了那个房子，这里面的上线和线下环节是相对断裂的。

一般收集数据的话，都需要在网站或者 APP 上写代码埋点，但 GrowingIO 的一个产品特点就是不埋点就能收集用户的所有交互行为数据。链家的每个经纪人的电话号码是对外公开的，通过一个统一的呼叫中心来分发用户来电。

链家的运营团队做了一个非常聪明的工作，在经纪人的电话二维码链接背后加上 GrowingIO的代码，当经纪人接到用户的电话时，就知道了这个用户在过去的一段历史里面，看了什么房子、在哪个地域浏览的、看了多少次、哪种房形等这些详细信息。经纪人就可以根据用户的浏览记录判断这个人是否有购买意愿，对已经进入购买决策阶段的用户进行优先服务。

这个是第一点，线上行为跟线下行为打通了，帮助他们线下决策提高了效率。

第二点是很有意思的。通过分析这些用户行为的数据，链家发现了很有意思的行为特征。比如用价格进行搜索的用户，他成交的可能性是低的；用小区、地点来搜索的话，他成交的可能性就是高的。

这样的话，通过用户行为数据，对用户购买的可能性以及他的购买区间有了一种预测的能力。这种行为能帮助链家进行各种个性化的推荐，不论是线上的推荐、还有线下经纪人的推荐，都可以让他们有的放矢。

说实话，工具本身的价值相对来说是比较低的，因为好的工具要放在正确的人手里，才能发挥出来最大的价值。我们面对的客户，他们确实是非常有创造力，执行也很强，对创造体系也很懂，也愿意学，每次去见他们我都会感到惊喜。

链家为什么选择 GrowingIO ？

第一，因为我们团队都是做过增长的人，懂业务，他们看好我们公司未来的成长性。

第二，他们是结果导向的，所以希望很快出结果。我们的无埋点这个功能恰好符合他们的需求，这也会大幅度的缩短他们的开发周期。我们的产品通过快速部署可以直接接入使用，先解决业务问题、漏斗转化问题，然后再在这个之上开发更高级的功能。

第三，他们内部负责选型的这几个人，都做了很多年的 IT 和技术方面的工作。他们能从技术角度来看问题产生的根源，然后帮助团队选择合适的技术和产品来解决问题，这也是他们选择 GrowingIO 的核心原因。

六、总结

我们创始团队都是做数据分析和数据工程的，有十多年的数据积累，我们核心的竞争力还是以业务为导向的数据分析。

我们最想做的还是实打实地帮助我们的客户做到高速增长，如果要展望未来的话，我希望越来越多这样的公司，能够真正陪着 GrowingIO 往前发展，希望看到他们的成功。

*本文由「易选型」综编，转载请联络：469249909。未经授权就拿去用，哼哼！你懂的。