数据已经成为硅谷几何级增长的秘诀，国内公司是时候行动了。
张溪梦回国创业，推出数据分析产品 GrowingIO 已经有小半年了，之前他在 LinkedIn 任职美国商业分析部高级总监。
在硅谷，有 2 支华人团队规模最大。一支是陈超美在 LendingClub 的团队，另一支就是张溪梦领导的 LinkedIn 近百人商业数据分析团队。
在跟 LinkedIn 创始人 Reid Hoffman 辞职时，Hoffman 不仅仅「放他」创业，还立马投资支持了他。
经纬中国创始人邵亦波早就想「鼓动」张溪梦创业。第一次在家中见到张溪梦，知道他在 LinkedIn 做的事情之后，邵亦波就有一个小算盘：「如果能够请张溪梦或者他团队成员加入经纬投的公司里，也许就能帮这些公司收入翻倍。」
张溪梦做的事情真的这么牛吗？
大多数人觉得 LinkedIn 是一个社交平台，实际上 Linkedin 也是规模最大的 SaaS 企业之一。SaaS 的含义是 Software-as-a-Service，也就是把软件当成服务出售。LinkedIn 的主要商业模式是提供人才解决方案、营销解决方案和优惠性订阅产品，对企业和商务人士推出一些月付费套餐，这些商品都以服务的形式直接在 LinkedIn 上售卖，也就是 SaaS 模式。
而对于 SaaS 企业来说，用户的增长和持续付费是一个大难题。张溪梦的团队支撑的是 LinkedIn 与营收高速增长相关的所有业务。
2011 年，LinkedIn 刚刚上市，当时张溪梦也刚刚加入。他正好经历上市之后华尔街对 LinkedIn 的增长速度的要求。但 LinkedIn 彼时的客户量不尽人意，流失率达到 50%。
去年，张溪梦离开 LinkedIn 准备创业，客户流失率已经降低到 11%，客户获客成本也降低一半。
如何帮助 LinkedIn 的销售团队提升客户留存，张溪梦想把这中间的方法论带回到中国。
张溪梦的团队支持了LinkedIn的六大主要部门：产品、研发、运营、客户成功、市场和销售。
硅谷数据试验
在 LinkedIn，张溪梦和团队对所有的客户进行了倾向性分析，就是用户的购买意愿。这个分析指标被称作「用户温度」，代表用户购买的倾向。另外一个指标是「用户健康」，代表用户使用产品时，够不够活跃。
以这 2 个指标为基础，对所有的客户进行分群。如果用户的购买倾向性很高，用的也很频繁，客户就是非常优质的客户。LinkedIn 可以跟进销售，或者给这些用户一些新产品试用。
如果客户使用的频率很高，但是购买倾向很低。数据团队会继续分析这些用户为什么使用频率高，是不是很多人在用一个账号。如果是这样的情况，LinkedIn 的销售会跟进用户，推荐优惠套餐，避免用户为了省钱，多人共用一个账户。
LinkedIn 的销售人员在基于数据分析的系统里，可以查到任何公司在 LinkedIn 上的汇总信息。所有的客户处于什么阶段、客户预期价格、目前什么状态，哪些客户会流失，这些消息一目了然。
数据团队还推出一些分析型产品，比如推荐用户在三度空间里能认识的人。通过数据分析，LinkedIn 发现这一产品的精准客户可能只有百分之一，有针对性的营销这百分之一的目标客户，可以降低获客成本。LinkedIn 还发布人才吸引力指数，很多想去海外发展的中国公司都购买了这份报告。
总结起来，数据分析能在三件事上帮到忙：赚钱、省钱和花钱。
赚钱。LinkedIn 平均每个销售人员大约要管理 300～500 家公司，销售要解决的问题是在这 300 到 500 家公司中：
哪家公司会购买 LinkedIn 的新产品，
哪家公司是潜在流失，
哪家公司有潜在风险会跑到竞争对手。
传统解决问题的方式是给每一个客户打电话、扫街、扫楼、地推。数据分析的方式是找到最危险快要流失的五家公司予以精准跟进。
省钱。CTO 和产品 VP 要开发一个非常核心的功能模块，立刻上线。当工程部门不眠不休的工作了 48 个小时，把产品上线。这个产品每天可能只有几百个人在使用，但是在首页每天有百万级用户在浏览。
数据可以分析出是不是某一个按钮放的位置出现了偏差，优化首页上的展现模式，转化效率可以提高 4 倍以上。
而整个过程可以一个星期之内完成。如果新产品上线，没有人知道它的性能，企业再不断追加各种人力和资源继续开发，这本身是对企业资源的一种浪费。
花钱。美国一个财富前 10 强公司的 CMO 说过一句话：「每年我有一笔几亿美金的市场营销预算，但是 50% 的预算不知道转化效果。而我不知道是哪 50% 没有转化效果。」
以往的营销方式都是通过拍脑子、拍胸脯、拍大腿的方式进行预判和预估。数据分析的方式要非常精确地衡量每一条新闻的转化指标，迅速地调整营销策略。
每一家企业针对不同客户都可实行不同的销售策略。
国内市场比美国潜力大
张溪梦的回国创业，得到了经纬中国创始人邵亦波、LinkedIn 创始人 Reid Hoffman、美国最大风险投资基金之一 NEA 天使轮投资的支持。一些来自 LinkedIn 、eBay 、Coursera、亚信，张溪梦在美国时在数据领域的战友，也陆续回国加入到他的团队。
经纬中国合伙人左凌烨说服张溪梦，中国是一个更大的市场：「今年是中国企业服务的元年。美国企业服务的窗口期有十几年的时间，有一批一批公司成长起来。中国的窗口可能是三年、五年或者八年。」
「中国企业服务公司成长起来会比美国迅速得多，因为中国没有 IBM、Oracle、SAP 这些巨头把持着中大端企业客户，需要一批能够提供很好服务的本土企业。新一批创业者，基于 SaaS 的公司有更大的成长空间。」
张溪梦认识到了在中国的机会其实比美国的机会要大得多，他决定回国创业。
销售易和 GrowingIO 同为经纬系投资的公司，第一批使用了张溪梦的产品。
销售易创始人史彦泽特别想知道：
1 自己公司每天几百个用户注册线索，是从哪儿里来，来之前干了什么事情，是否下载过产品介绍。
2 用户注册之后，哪些客户的成交可能性更高。
3 产品的实际使用中，每一个模块用户的访问情况。甚至细化到每一个用户的具体使用状况。产品团队怎么样提升改进。
4SaaS 公司在搜索引擎的投入非常大，每天花这么多钱，从百度等不同渠道引进销售线索。应该怎样投入渠道。
「SaaS 业务模式里最重要的是软件即服务，客户跟我们签约，其实是服务的开始，服务好坏决定了客户是否续约。如果我们把客户搞定，销售把它卖了，但是最后客户觉得产品和服务不能解决问题，他会用脚投票离开。」史彦泽说。
「获取成本已经花了，但客户生命周期变得很糟糕，这样的公司是没有前途的，没有办法高速成长的。」
越来越多的 SaaS 公司开始更加注重「客户成功」，在客户离开企业之间，提前预知客户。成功挽留一个老客户比吸引一个新客户的成本低很多。
LinkedIn、Facebook、Twitter 等硅谷公司已经有了依靠数据分析实现闪电式扩张的前例。这种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方式被称为「增长黑客」。
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。
用接近零成本的方式，通过技术和数据分析的手段驱动业务，也许更加经济。
LinkedIn 在过去十年的获客成本只是其他优秀 SaaS 企业的 50%，2010 年 LinkedIn 的营业额约每年在 8000 万美元，2015 年营业达到 30 亿美元。LinkedIn 营业额5年期间增长了30倍。
客户留存模型应用
解放人力，减少代码量
单元明原来也是 LinkedIn 张溪梦团队里的一员，现在加入 GrowingIO 任工程师。他解释 GrowingIO 与其他数据分析公司的不同是：「包括 Google 的 Analytics 等美国有一百多家数据相关公司，他们主要做的事把数据采集上来，但需要企业用户花费很多人力进行「埋点」，也就是在代码的关键部位植入统计代码，用来追踪每次用户点击/行为。」
易快报创始人马春荃对张溪梦早有耳闻，同在企业级创业，易快报也用了 GrowingIO。
「减少代码量，这是最现实的利益了。」马春荃说，「以前的方式要用埋点处理。」
对于一家创业公司来说，人力成本压力巨大，减少技术投入是及其现实的效益。
在一段时间的试用和 bug 修复后，另外一家 SaaS 公司明道数据分析师胡晨川也开始使用了 GrowingIO。胡晨川觉得：「GrowingIO 不用埋点对于没有研发背景的分析师来说非常有利。这个产品刚刚起步，一些功能上有不足，但对于一般的业务分析已经可以支持。」
张溪梦在美国工作十年期间，发现数据分析师最大的痛苦就是「分析埋点。」这个痛苦还导致了效率的低下。
IDC 曾经发布了一个报告，全世界只有 0.5% 的数据被企业收集下来，99.5% 以上的信息都被遗失了。这些信息都没有收集下来的首要原因就是需要布很多代码才能把数据收集起来。
另外一个研究机构的报告数据显示，一个企业从计划、收集、内测到数据收集上线，整个过程平均时长三到四个星期。不仅花费时间和人力，最终统计的数据结果还有可能失去了时效性。
张溪梦认为数据应该像水一样，不仅仅是在社交网络上的传播反馈数据如同一块石头掷入水中产生的波纹，更在于数据可以像水一样因为承载的容器不同，呈现出不同的形状。
与传统数据分析软件有什么区别
除了对「埋点」的解放，GrowingIO 的另外一个技术优势是对数据的分析更细微。
颗粒细腻到最细节，每一个细节都是能够追踪到的，而不只是一个总体的趋势。知道每一个用户具体的行为，在不涉及个人隐私的情况下，对用户的各种未来行为进行判断和预测。
这类似于用乐高积木的概念在构建整个数据分析产品，所有数据的原始状态，都是乐高积木里最细节的部分。
Google 的 Analytics 中可以看多少用户、多少访客等等。
但是另外一些数据，比如多少人买了 iPhone，什么人买了 iPhone，哪个人买了 iPhone，在哪个时间买了 iPhone，他在看 iPhone 之前还看了哪些产品，通过 GrowingIO 都可以实时看出来，而且不需要任何编程和编码。
单元明认为：数据真正的价值是在长尾的价值里面，每一个人都是有区别的，这种区别的企业对数据理解的哲学，数据就像水一样，在气体、液体、固体之间随意转化。
能够分析出数据的细致区别，是因为建立了数据分析的底层架构。GrowingIO 在整个基础架构，特别是数据的原始架构上，做了规范化的统一。
阿里巴巴大数据专家车品觉曾邀请张溪梦加入阿里数据团队，后来反而被张溪梦邀请称为 GrowingIO 的外脑。
车品觉和张溪梦彼此对数据理解默契的一点是，他们都认为：不仅仅要研究怎么使用和生产数据，而是要更好的准备数据。「Simon 他们第一次实现了不是 Capture 数据，而是 Recall 数据。这需要一个数据公司在底层发力，而不是只做数据顶层，这样后面的发力才有力量。」车品觉说。（题图来自海洛创意）
