深入细节|GrowingIO 分析云解决方案迈向企业级
GrowingIO分析云企业级解决方案分为上下两篇,上篇为解决方案的进化细节,下篇为落地实践,本文为上篇。
本方案重在体现GrowingIO分析云整体解决方案的进化程度,主要面向现阶段希望构建起数字化能力的传统企业。
方案由“产品+服务”组成,纵向可适用于企业三大数据应用场景,横向可由上至下解决企业三个层次的需求。
方案进化背景
在互联网流量高峰期的2015年,企业在流量和商品运营中有了使用消费者数据软件的需求,用户行为分析产品(UBA)随之出现,可以帮助企业以埋点的形式进行流量分析。
2019年左右,互联网流量消失,企业开始从注重用户增长的粗放式运营转变为挖掘存量客户需求的精细化运营,与客户运营场景适配的客户数据平台(CDP)出现。
当企业通过CDP对存量用户打标签和圈选分群后,还需要对不同人群实施不同的运营策略。当人群细分、活动增多,传统的人力运营开始无法承受,企业转而寻求数字化产品,在智能运营场景下,智能运营产品(MA)开始被普遍应用。
![](/_next/image?url=https%3A%2F%2Fdac-zero.oss-cn-hangzhou.aliyuncs.com%2Fgrowingio%2Fhomesite%2Fcms%2F42-1.png&w=1920&q=75)
贯穿过往8年流量和商品运营、客户运营、智能运营三大数据软件应用场景的,是客户的三大共性需求:
01 感知融合层:
即数据融合。如流量和商品运营场景下的埋点采集、客户运营场景下的OneID打通,以及智能运营场景下的触点对接和数据实时反馈。
02 数据应用层:
即软件能提供哪些功能,如标签画像、流程画布。
03 业务应用层:
即用软件到底做什么,如进行用户生命周期价值分析、搭建运营场景。
面对企业需求,服务商们的解决方案也在进化。立足当下,GrowingIO认为现阶段的数字化产品应该解决两个问题:向上深入业务场景,向下承接企业管理包括技术等细节需求,而目前的解决方案在细节上还不够深入。 对此,GrowingIO针对客户在感知融合层、数据应用层、业务应用层的需求在解决方案细节上进行了能力提升。
方案进化细节
感知融合层:GrowingIO采集云产品可无缝兼容各类SDK
痛点&需求:
过去的采集产品在细节上存在单一采集、不同服务商的采集产品会相互排斥,以及采集和分析产品高度耦合无法拆解等不足之处。
而客户的需求一直在进化。比如跨国企业需要能兼容GA和其他服务商的采集产品,有强大分析师团队的企业只需要采集产品不需要分析产品。
进化细节:
GrowingIO推出了采集云产品,向下可兼容GA和其他服务商的埋点,使企业无需进行重复动作,向上可将数据上报至企业自建分析平台,低耦合性让企业实现产品选择自由。
感知融合层:推出OneID纯净版,实时性、准确性更强
- 痛点&需求:
过去的OneID基本只能实现简单规则配置和T+1离线计算,客户每次根据T+1的计算结果打标签后还要再等T+1天才能得到新的结果进行下一轮分析。
实际调研中,GrowingIO发现,现在一个用户在一家企业的ID可能有5-10个,企业客户在做OneID时希望按权重对其进行重新配置,而且分析过程中希望能进行OneID实时计算,同时数据也要更准确。
还有一类企业进行数字化建设较早,已经买了多款产品,往往只需要新产品的OneID能力,无需其他。
- 进化细节:
GrowingIO推出了OneID纯净版,可进行实时计算和多ID权重配置,同时可提供流批图一体的OneID实施服务,帮助企业解决多端用户ID打通问题,实现身份、权益打通,提升客户全生命周期价值。
数据应用层:提供20大分析模型、将分析师能力产品化
- 痛点&需求:
用户行为分析这一概念由服务商率先引入中国市场,相关理论和分析工具也一直由乙方服务商主导,这导致甲方品牌公司的部分需求得不到重视,分析工具的分析能力不够深入,而且系统封闭,定制性差,越来越落后于企业需求。
比如当PIPL(《个人信息保护法》)出台,企业需要GA替代时,更倾向于选择分析逻辑与GA一脉相承的产品;当业务场景复杂多变之后,除了事件、漏斗、留存等简单分析,企业开始需要更多分析模型进行深入分析,甚至想把乙方分析师的能力做到产品里持续使用;当企业对数字化有了更深实践后,还想在乙方产品上开发自己的分析模型。
- 进化细节:
01 GA择优融合
广告分析是GA的最大优势,面对多个广告源,GA可以通过UTM(Urchin Tracking Module自定义广告活动追踪工具) 帮企业实现Group(分组),比如将a、b、c三个广告源归纳为一组,命名为K,成为新的广告源,d、e、f分为一组,命名为J,然后再对K和J进行归因分析。
目前,GrowingIO的增长分析平台不但实现了广告UTM Group,同时还将原来的八大分析模型扩充为20大模型,补充了用户属性分析、生命周期分析、会话分析、LTV分析等,覆盖用户行为分析、用户分析、产品分析,实现了客户全生命周期增长分析。
![](/_next/image?url=https%3A%2F%2Fdac-zero.oss-cn-hangzhou.aliyuncs.com%2Fgrowingio%2Fhomesite%2Fcms%2F42-2.png&w=3840&q=75)
此外,对于GA在中国境内使用时出现的“丢数”问题,GrowingIO也可以避免,以保障数据采集的完整性。为适应中国市场的分析需求,GrowingIO的增长分析平台已实现全链路安全合规。
![](/_next/image?url=https%3A%2F%2Fdac-zero.oss-cn-hangzhou.aliyuncs.com%2Fgrowingio%2Fhomesite%2Fcms%2F42-3.png&w=1920&q=75)
02 分析师能力产品化
综合客户的分析需求,GrowingIO将企业常用的分析师能力开发成了不同的场景分析模型,如CJA(Customer Journey Analytics,用户生命旅程分析)和RFM(Recency Frequency Monetary,即最近1次消费时间间隔、消费频率和消费金额)。
CJA模型:基于GrowingIO增长分析(UBA)的用户交互行为洞察工具,支持OSM(Object+Strategy+Measurement,战略目标体系)和UJM(User Journey Map,用户生命旅程)两大方法论,使用者可将单一的KPI和看板用运营的流程和逻辑串联成分析模版,赋能分析师和运营团队进行全域流量和用户交互行为分析、全域触点交叉引流分析、运营指标监控、活动流量监控等多种场景下的分析。
RFM模型:将企业在用户行为分析时经常用到的RFM分层的方法开发为了产品分析模型,客户可直接在该模型的产品界面进行RFM条件配置,从而直观看到全渠道会员运营的分层结构,以预测用户潜在的生命周期价值,做一些对应的营收策略,不断对其动态优化,以维持良性发展。
03 分析云开放平台OpenAPI
企业可在GrowingIO分析云开放平台上自行构建所需的场景化分析模型。
业务应用层:提供ABCX服务体系,满足多元需求
除客户成功、系统运维、技术支持三大基础服务体系外,向上深入业务场景,GrowingIO还提供了ABCX四类服务体系和分析师、技术的驻场服务。
以上为GrowingIO分析云整体解决方案的构成部分及进化细节,下周我们将发布客户不同业务场景下的落地实践案例,敬请期待。