國內(nèi)主流新一代用戶行為分析系統(tǒng)選型過程分享

企業(yè)在選擇用戶行為分析工具時(shí)蛮放,大都不清楚如何選擇適合自己業(yè)務(wù)的用戶行為分析工具呵晚。筆者自己公司之前網(wǎng)站分析用百度統(tǒng)計(jì)APP分析用友盟,公司是做電商行業(yè)的朵栖,最近公司提出要精細(xì)化運(yùn)營近上,用數(shù)據(jù)驅(qū)動(dòng)業(yè)務(wù)增長剔宪,因此在10月份分別考察了國內(nèi)做得比較出色的幾家公司:數(shù)極客(阿里系)、神策數(shù)據(jù)(百度系)和GrowingIO(LinkedIn系)三家公司的用戶行為分析產(chǎn)品壹无。

我在選型過程中將各家公司的功能和服務(wù)對比文檔進(jìn)行整理葱绒,從團(tuán)隊(duì)背景和產(chǎn)品定位、數(shù)據(jù)接入方式斗锭、定量分析功能地淀、定性分析功能、二次開發(fā)與數(shù)據(jù)應(yīng)用拒迅、服務(wù)項(xiàng)目等六個(gè)主要方面深入對比數(shù)極客骚秦、神策、GrowingIO三大用戶行為分析平臺(tái)璧微,希望能對有用戶行為分析需求的企業(yè)在選擇分析平臺(tái)時(shí)有所幫助作箍。

一、 團(tuán)隊(duì)背景及產(chǎn)品定位

數(shù)極客團(tuán)隊(duì):來自阿里集團(tuán)淘寶網(wǎng)(CEO前硫、CTO)胞得、阿里云(首席架構(gòu)師),CEO 是產(chǎn)品屹电、運(yùn)營阶剑、營銷背景跃巡,曾聯(lián)合創(chuàng)業(yè)并融資近千萬美元,CTO和架構(gòu)師是阿里大數(shù)據(jù)方面的資深技術(shù)專家牧愁。

產(chǎn)品定位:用戶行為智能分析平臺(tái)

根據(jù)數(shù)極客官網(wǎng)介紹素邪,數(shù)極客是領(lǐng)先的第三代互聯(lián)網(wǎng)數(shù)據(jù)分析平臺(tái),基于AARRR用戶生命周期管理模型提供全程解決方案產(chǎn)品猪半,采用多維細(xì)分兔朦、同期群分析、漏斗分析磨确、對比分析等超過十種數(shù)據(jù)分析方法為互聯(lián)網(wǎng)經(jīng)營者提供獲客沽甥、活躍、留存乏奥、轉(zhuǎn)化摆舟、用戶行為等分析數(shù)據(jù),提供全面開放的數(shù)據(jù)API邓了,支持所有行業(yè)互聯(lián)網(wǎng)平臺(tái)在營銷恨诱、運(yùn)營、A/B測試等環(huán)節(jié)實(shí)時(shí)應(yīng)用骗炉,通過精準(zhǔn)數(shù)據(jù)分析提升營銷胡野、產(chǎn)品、運(yùn)營的轉(zhuǎn)化率痕鳍,使企業(yè)經(jīng)營更科學(xué)硫豆、更智能。

神策團(tuán)隊(duì):百度大數(shù)據(jù)部日志分析(CEO笼呆、CTO等4人)熊响,4人均是技術(shù)背景,CEO是百度大數(shù)據(jù)技術(shù)經(jīng)理诗赌。

神策定位:靈活自定義的多維數(shù)據(jù)分析產(chǎn)品

神策分析(Sensors Analytics)汗茄,是神策數(shù)據(jù)推出的用戶行為分析產(chǎn)品,提供私有化部署和SaaS兩種部署方式铭若、實(shí)現(xiàn)基礎(chǔ)數(shù)據(jù)采集與建模洪碳,并可作為 PaaS 平臺(tái)支持二次開發(fā);神策分析叼屠,主要針對營銷渠道效果評估瞳腌、精細(xì)化運(yùn)營改進(jìn)、產(chǎn)品功能及用戶體驗(yàn)優(yōu)化镜雨、輔助管理層決策等典型業(yè)務(wù)場景嫂侍。

GrowingIO團(tuán)隊(duì):是個(gè)明星創(chuàng)業(yè)團(tuán)隊(duì),CEO是LinkedIN商業(yè)分析部總監(jiān),對企業(yè)數(shù)據(jù)分析系統(tǒng)的實(shí)現(xiàn)有豐富的經(jīng)驗(yàn)挑宠。

GrowingIO定位:新一點(diǎn)無埋點(diǎn)用戶行為數(shù)據(jù)分析產(chǎn)品

GrowingIO 是基于用戶行為的新一代數(shù)據(jù)分析產(chǎn)品菲盾,無需埋點(diǎn)即可采集全量、實(shí)時(shí)的用戶行為數(shù)據(jù)各淀,數(shù)據(jù)分析更精細(xì)懒鉴,幫助管理者、產(chǎn)品經(jīng)理碎浇、市場運(yùn)營疗我、數(shù)據(jù)分析師、增長黑客等提升轉(zhuǎn)化率南捂、優(yōu)化網(wǎng)站 / APP,實(shí)現(xiàn)用戶快速增長和變現(xiàn)旧找。

團(tuán)隊(duì)綜合實(shí)力評分:GrowingIO > 數(shù)極客 > 神策數(shù)據(jù)

二溺健、數(shù)據(jù)處理(接入數(shù)據(jù)與導(dǎo)出)

用戶行為數(shù)據(jù)的接入一般都采用埋點(diǎn)的方式,數(shù)據(jù)埋點(diǎn)是指網(wǎng)站钮蛛、APP在添加了統(tǒng)計(jì)監(jiān)控代碼后鞭缭,通過特定的方式將需要采集的行為指標(biāo)和業(yè)務(wù)指標(biāo)通過SDK傳到分析平臺(tái)上進(jìn)行分析的過程。

一般會(huì)針對不同的業(yè)務(wù)場景和數(shù)據(jù)采集需求采用不同的數(shù)據(jù)采集方式魏颓,目前主流的埋點(diǎn)方式有代碼埋點(diǎn)岭辣,可視化埋點(diǎn)、全埋點(diǎn)和后端埋點(diǎn)甸饱,我們看一下在數(shù)據(jù)接入方面的對比:

image

后端數(shù)據(jù)接入:前端埋碼主要采集的是行為數(shù)據(jù)沦童,后端埋碼主要采集的是業(yè)務(wù)數(shù)據(jù),根據(jù)場景不同來實(shí)現(xiàn)叹话,比如說你想看的就是行為數(shù)據(jù)偷遗,這些數(shù)據(jù)很多時(shí)候不會(huì)存在數(shù)據(jù)表中,只能通過前端埋碼來實(shí)現(xiàn)驼壶。

導(dǎo)入歷史數(shù)據(jù):數(shù)極客和神策數(shù)據(jù)均支持氏豌,導(dǎo)入歷史數(shù)據(jù)可以激活過往數(shù)據(jù),挖掘潛在價(jià)值热凹。但神策支持歷史數(shù)據(jù)一次性導(dǎo)入泵喘,數(shù)極客除了用戶行為分析之外,還有商業(yè)智能BI產(chǎn)品般妙,通過BI不但可以一次性導(dǎo)入纪铺,有更新時(shí)也會(huì)自動(dòng)更新。 GrowingIO不支持導(dǎo)入歷史數(shù)據(jù)碟渺。

廣告UTM支持:UTM參數(shù)是一種URL尾部不影響URL跳轉(zhuǎn)用來標(biāo)記流量的一種參數(shù)霹陡。可以通過在網(wǎng)址上添加UTM參數(shù)來統(tǒng)計(jì)來自不同推廣媒介在我們產(chǎn)品上的留存和轉(zhuǎn)化;可添加到網(wǎng)頁上的UTM參數(shù)共5個(gè):utm_source烹棉,utm_campaign攒霹, utm_medium,utm_content浆洗,utm_term 每個(gè)參數(shù)都需要匹配一個(gè)值催束,該功能三家產(chǎn)品都支持。

來源渠道管理:通過渠道管理,可以對渠道進(jìn)行追蹤,數(shù)極客和GrowingIO均提供直接訪問和常見搜索引擎渠道識(shí)別,此類渠道無需人工添加伏社,神策暫不支持該功能抠刺。

iOS渠道統(tǒng)計(jì):通過調(diào)用trackinstallation在iOS APP中集成并初始化后,當(dāng)APP啟動(dòng)就可以通過調(diào)用trackinstallation將設(shè)備中的渠道屬性寫入到屬性中摘昌,目前數(shù)極客和神策數(shù)據(jù)支持該功能速妖。

混合開發(fā)APP接入:對于混合開發(fā)的APP數(shù)據(jù)計(jì)入,數(shù)極客和神策數(shù)據(jù)支持接入聪黎,有比較成熟的框架罕容,GrowingIO暫時(shí)處于測試階段。

無埋點(diǎn)采集:全埋點(diǎn)實(shí)際上是對前端所有的用戶行為數(shù)據(jù)全部采集稿饰,不需要技術(shù)支持锦秒,產(chǎn)品運(yùn)營同學(xué)數(shù)據(jù)分析時(shí)只需要按需可視化提取就可以進(jìn)行多維度交叉分析,數(shù)極客和GrowingIO均支持喉镰,神策暫不支持旅择。

可視化埋點(diǎn):在添加了SDK的頁面,產(chǎn)品侣姆、運(yùn)營生真、營銷的同學(xué)在頁面上直接點(diǎn)選所見即所得采集想要分析的指標(biāo),可視化埋點(diǎn)不需要技術(shù)支持捺宗,是采集相對簡單的指標(biāo)的一種高效埋點(diǎn)方式汇歹,數(shù)極客和GrowingIO的方案比較成熟,也可以試用體驗(yàn)偿凭。

代碼埋點(diǎn):是指將采集的代碼部在用戶觸發(fā)行為的代碼位置产弹,當(dāng)用戶有行為觸發(fā)時(shí),記錄用戶觸發(fā)行為和行為產(chǎn)生的業(yè)務(wù)指標(biāo)弯囊。例如痰哨,通過代碼采集用戶觸發(fā)提交訂單行為時(shí),提交訂單人數(shù)次數(shù)匾嘱,提交訂單的金額斤斧,訂單號(hào),支付方式等指標(biāo)霎烙。

**埋點(diǎn)管理 : **對于數(shù)據(jù)指標(biāo)體較復(fù)雜的產(chǎn)品撬讽,不同類型的埋點(diǎn)指標(biāo)較多蕊连,如何能高效的管理埋點(diǎn),避免漏埋誤埋就很重要了游昼。數(shù)極客GrowingIO的埋點(diǎn)管理支持搜索甘苍、編輯、刪除等管理操作烘豌。

事件導(dǎo)入時(shí)效性:把用戶的行為抽象成事件载庭,當(dāng)用戶觸發(fā)事件后會(huì)向平臺(tái)發(fā)數(shù)據(jù),發(fā)數(shù)據(jù)的時(shí)效性在網(wǎng)速正常的情況系廊佩,神策和數(shù)極客都是1分鐘內(nèi)囚聚,GrowingIO是1小時(shí),在大數(shù)據(jù)分析時(shí)代标锄,數(shù)據(jù)分析的實(shí)時(shí)性是選擇分析平臺(tái)時(shí)比較重要的一個(gè)方面顽铸。

導(dǎo)出數(shù)據(jù)文件:在數(shù)據(jù)導(dǎo)出方面數(shù)極客支持的格式最多(CSV,Excel料皇,TXT谓松,SQL,JSON瓶蝴,XML)能滿足各種數(shù)據(jù)導(dǎo)出分析的需求。神策和GrowingIO目前只是簡單的格式導(dǎo)出租幕。

數(shù)據(jù)處理評分: 數(shù)極客 >神策數(shù)據(jù) > GrowingIO

三舷手、定量分析功能

目前截止到2018年1月份,神策劲绪、數(shù)極客GrowingIO均可以支持的功能: 指標(biāo)四則運(yùn)算男窟、用戶流向分析、用戶流向分析贾富、基礎(chǔ)漏斗分析歉眷、用戶屬性分析、用戶行為序列颤枪。我們通過通過以下的對比表詳細(xì)看下:

image

高級細(xì)分漏斗:在創(chuàng)建了自定義漏斗后汗捡,可以支持按照用戶屬性、會(huì)話屬性畏纲、自定義屬性扇住、用戶分群對漏斗進(jìn)行橫向解構(gòu),找到影響漏斗轉(zhuǎn)化的核心因素盗胀,從而提升轉(zhuǎn)化率艘蹋。

指標(biāo)四則運(yùn)算:數(shù)極客可以對的默認(rèn)事件、自定義事件票灰、可視化埋點(diǎn)事件的指標(biāo)通過四則運(yùn)算全面盤活女阀,可以根據(jù)業(yè)務(wù)需求創(chuàng)建適用更多分析場景的絕對指標(biāo)和相對指標(biāo)宅荤。

事件分析:在用戶行為分析中,一般都把行為抽象為事件浸策,神策和數(shù)極客支持代碼埋點(diǎn)能通過靈活的多維事件交叉分析推廣營銷冯键、運(yùn)營、產(chǎn)品方面的行為指標(biāo)和業(yè)務(wù)指標(biāo)的榛。

細(xì)分漏斗對比:在業(yè)務(wù)模型中琼了,漏斗通過橫向解構(gòu)可以將業(yè)務(wù)流程拆解為更細(xì)的流程從而發(fā)現(xiàn)流程中轉(zhuǎn)化的漏點(diǎn),細(xì)分漏斗其實(shí)是一種橫向結(jié)構(gòu)夫晌,通過用戶屬性維度將漏斗進(jìn)行拆解雕薪,例如拆解所屬城市,可以看到每個(gè)城市的轉(zhuǎn)化情況晓淀,從而找到漏斗的在所屬城市的漏點(diǎn)所袁。細(xì)分漏斗功能三家都支持,但神策和GrowingIO僅支持維度值的兩兩對比凶掰,數(shù)極客在這塊沒有維度值的限制燥爷。

高級漏斗分析:高級漏斗功能能看到漏斗每一步的流入和流失細(xì)節(jié),該功能暫時(shí)只有數(shù)極客支持懦窘。

用戶流向分析:用戶流向分析也就叫傳統(tǒng)路徑分析前翎,可以分析用戶從進(jìn)入產(chǎn)品后整體的流動(dòng)情況,用來分析優(yōu)化產(chǎn)品體驗(yàn)流程畅涂,該功能三家都支持港华。

智能路徑分析:智能路徑用來分析用戶到達(dá)目標(biāo)路徑所有的路徑組合中關(guān)鍵的路徑,通過對關(guān)鍵路徑創(chuàng)建漏斗午衰,分析優(yōu)化關(guān)鍵路徑的分析方法立宜。神策暫不支持,其他兩家支持臊岸。

表單分析:互聯(lián)網(wǎng)產(chǎn)品中表單隨處可見橙数,但要優(yōu)化表單的填寫體驗(yàn),就需要從字段層面分析用戶的填寫行為帅戒,該功能是數(shù)極客平臺(tái)的特色功能灯帮,能從表單轉(zhuǎn)化率,表單放棄率逻住,填寫時(shí)間施流,重填率等指標(biāo)分析表單的體驗(yàn),幫助我們優(yōu)化表單的體驗(yàn)鄙信,從而提升表單的轉(zhuǎn)化率瞪醋。

用戶構(gòu)成分析:數(shù)極客和GrowingIO都支持用戶構(gòu)成分析,神策數(shù)據(jù)暫時(shí)不支持該功能装诡。

活躍分析:數(shù)極客的留存可以創(chuàng)建所有事件的日活银受、周活践盼、月活,同時(shí)還可以按照不同維度進(jìn)行拆分宾巍。

留存分析:數(shù)極客的留存可以創(chuàng)建所有事件行為的日留存咕幻、周留存、月留存顶霞,同時(shí)還可以按照不同維度進(jìn)行拆分肄程。

魔法數(shù)字:魔法數(shù)字是通過數(shù)據(jù)分析可以找到影響產(chǎn)品指標(biāo)的關(guān)鍵行為指標(biāo),比如Facebook發(fā)現(xiàn)當(dāng)用戶關(guān)注用戶數(shù)超過5個(gè)后次日留存會(huì)大幅提升选浑。該功能是GrowingIO獨(dú)家的特色功能蓝厌。

事件分布分析:將用戶行為抽象成事件后,通過事件分布分析可以看到行為觸發(fā)人數(shù)按照不同時(shí)間粒度的分析古徒,未產(chǎn)品優(yōu)化決策提供支持拓提。該功能數(shù)極客和神策均支持,GrowingIO暫不支持隧膘。

頁面與頁面組分析:對于PC和APP端可以按照頁面代态、頁面組、指定頁面對所有的頁面進(jìn)行分析疹吃。數(shù)極客的頁面組基本上可以滿足所有場景頁面組分析需求蹦疑,支持頭匹配、未匹配萨驶,包含歉摧、正則表達(dá)等多種規(guī)則創(chuàng)建頁面組。

錯(cuò)誤分析:當(dāng)用戶訪問我們的產(chǎn)品時(shí)篡撵,如果有請求錯(cuò)誤判莉,請求超時(shí)豆挽,數(shù)極客的錯(cuò)誤分析可以分析出錯(cuò)頁面育谬,錯(cuò)誤詳情、錯(cuò)誤時(shí)間等指標(biāo)帮哈,幫助技術(shù)同事第一時(shí)間掌握產(chǎn)品性能體驗(yàn)訪問的問題膛檀,幫助從細(xì)節(jié)方面提高產(chǎn)品的轉(zhuǎn)化率。該功能也是數(shù)極客的特色功能娘侍。

用戶分群:第三代用戶分群通過用戶屬性咖刃、時(shí)間屬性、行為屬性精細(xì)定位用戶分群憾筏,通過精細(xì)定位的用戶分群嚎杨,可以進(jìn)行精細(xì)化運(yùn)營,精準(zhǔn)營銷等用戶運(yùn)營策略氧腰。

分群用戶畫像:在我們通過分群工具篩選出來用戶枫浙,

用戶屬性分析:添加采集數(shù)據(jù)的SDK后刨肃,分析平臺(tái)可以默認(rèn)采集到用戶屬性、會(huì)話屬性箩帚、渠道屬性真友、推廣屬性等,三平臺(tái)均支持用戶自定義上傳用戶屬性紧帕。根據(jù)用戶屬性可以對所有的業(yè)務(wù)指標(biāo)和行為指標(biāo)進(jìn)行多維度的細(xì)分盔然。是所有細(xì)分功能的基礎(chǔ)。

用戶行為序列:用戶行為分析平臺(tái)可以查看所有用戶行為序列是嗜,了解用戶的

流失分析:通過用戶行為模型預(yù)測用戶流失愈案,搭建用戶流失模型,該功能暫時(shí)只有神策可以支持叠纷。

行為預(yù)測:基于用戶行為歷史數(shù)據(jù)預(yù)測用戶行為趨勢刻帚,該功能暫時(shí)只有神策數(shù)據(jù)可以支持。

跨屏分析:用戶用戶id可以在多個(gè)設(shè)備打通分析涩嚣,該功能只有數(shù)極客可以實(shí)現(xiàn)崇众。

智能路徑分析:智能轉(zhuǎn)化路徑分析,根據(jù)所選擇的目標(biāo)事件航厚,自動(dòng)分析完成目標(biāo)事件所經(jīng)過的路徑組合顷歌,使用好智能路徑可以簡化轉(zhuǎn)化漏斗設(shè)置,提高分析效率幔睬。

表單分析:從用戶進(jìn)入表單頁面起眯漩,就產(chǎn)生了微漏斗,從進(jìn)入總?cè)藬?shù)到最終完成并成功提交表單人數(shù)麻顶,這個(gè)過程中赦抖,有多少人開始填寫表單,填寫表單用時(shí)辅肾,填寫表單遇到了什么困難導(dǎo)致無法完成表單队萤,都影響最終轉(zhuǎn)化效果,數(shù)極客可以從字段層面對以上指標(biāo)進(jìn)行數(shù)據(jù)分析優(yōu)化矫钓,從而提升表單的轉(zhuǎn)化率要尔。

用戶分群畫像分析:數(shù)極客可以對創(chuàng)建的用戶分群進(jìn)行多維度畫像分析,企業(yè)可以對指定的用戶群進(jìn)行多維度畫像分析新娜,為運(yùn)營策略優(yōu)化提供數(shù)據(jù)分析支持赵辕。

事件分布分析:可以對用戶觸發(fā)的所有行為進(jìn)行分布分析,了解用戶行為偏好分析概龄。

自定義活躍留存分析: 數(shù)極客的自定義活躍留存可以按照用戶行為抽象出來的事件自定義創(chuàng)建各種用戶留存还惠、活躍。

定量分析工具評分: 數(shù)極客 >神策數(shù)據(jù) > GrowingIO

四私杜、定性分析功能

定性分析工具作為用戶行為分析系統(tǒng)中輔助定量分析不可獲取的一部分蚕键,最大的特點(diǎn)是能將用戶行為可視化互拾,清晰直觀的展示用戶的行為數(shù)據(jù)。我們來看下三平臺(tái)在定性分析模塊的功能對比嚎幸。

image

熱圖分析:熱圖分析是通過熱力圖的形式直觀表達(dá)用戶的頁面訪問深度颜矿、點(diǎn)擊、停留嫉晶、滑動(dòng)

的等行為骑疆,是一種定性的用戶行為分析產(chǎn)品。常見的熱圖有鏈接點(diǎn)擊熱圖替废、瀏覽熱圖箍铭、注意力熱圖、頁面點(diǎn)擊熱圖椎镣、分屏熱圖诈火。

鏈接點(diǎn)擊圖:鏈接點(diǎn)擊圖可以直觀地展示用戶的點(diǎn)擊交互情況和每個(gè)頁面元素的點(diǎn)擊量、點(diǎn)擊占比状答,同時(shí)可按不同訪問設(shè)備冷守、不同時(shí)間和用戶維度進(jìn)行熱圖細(xì)分分析,從此輕松掌控用戶所有點(diǎn)擊交互分析惊科。

瀏覽熱圖:用戶在瀏覽網(wǎng)站時(shí)拍摇,鼠標(biāo)移動(dòng)和眼球移動(dòng)有84%到88%的相關(guān)性,瀏覽熱圖是通過采集用戶鼠標(biāo)滑動(dòng)軌跡形成的熱圖馆截,滑動(dòng)越多的地方顏色熱度越高充活。

注意力熱圖:通過注意力熱圖,掌握用戶停留時(shí)長較熱的區(qū)域蜡娶,注意力熱圖可以幫助我們了解用戶瀏覽時(shí)的思考和停留的時(shí)間混卵,比如,當(dāng)用戶在購物車頁面的提交訂單按鈕停留時(shí)間較長時(shí)窖张,產(chǎn)品經(jīng)理可以結(jié)合訂單分析功能去分析用戶停留的原因幕随,解決用戶的疑慮,從而提高購買轉(zhuǎn)化率荤堪。

點(diǎn)擊熱圖點(diǎn):擊熱圖是根據(jù)用戶的點(diǎn)擊數(shù)量來繪制熱圖合陵,被點(diǎn)擊多的區(qū)域會(huì)更亮枢赔,反之越暗澄阳。

分屏熱圖:將每一屏的瀏覽用戶數(shù)和比例直觀的展現(xiàn)出來。因此在產(chǎn)品功能踏拜、頁面內(nèi)容的展示方面碎赢,可以根據(jù)分屏熱圖進(jìn)行優(yōu)化,提高重要信息的曝光度速梗。

視頻回放:視頻回放是通過視頻回放形式再現(xiàn)用戶整個(gè)會(huì)話的每一個(gè)點(diǎn)擊肮塞、滑動(dòng)襟齿、輸入等操作行為的定性分析工具,讓產(chǎn)品運(yùn)營同學(xué)能清晰了解衡量用戶在app枕赵、web猜欺、H5上的交互情況,便于企業(yè)深入了解用戶拷窜,優(yōu)化產(chǎn)品體驗(yàn)开皿。

小結(jié):在定性分析功能方面,數(shù)極客的熱圖應(yīng)該是目前市面上熱圖最多的一家篮昧,GrowingIO

支持連接點(diǎn)擊圖和頁面點(diǎn)擊熱圖赋荆。

視頻回放功能是數(shù)極客的行為分析系統(tǒng)的一大亮點(diǎn)功能,雖能清晰直觀回溯用戶的行為懊昨,但視頻暫時(shí)不能聚合窄潭,如何能解決這個(gè)問題,視頻回放的功效會(huì)更大酵颁。

總體來講定性分析方面 數(shù)極客>GrowingIO>神策

五嫉你、二次開發(fā)與數(shù)據(jù)應(yīng)用

不同的企業(yè)對于用戶行為分析有不同的需求。例如大部分企業(yè)都會(huì)考慮在引入第三方分析系統(tǒng)后是否支持二次開發(fā)躏惋,是否能在原有系統(tǒng)基礎(chǔ)上滿足一些定制化需求均抽。

對于二次開發(fā)與擴(kuò)展方面功能對比:

image

指標(biāo)預(yù)警:指標(biāo)自動(dòng)告警是對異常指標(biāo)進(jìn)行自動(dòng)監(jiān)控告警的功能,通過指標(biāo)告警不僅可以隨時(shí)監(jiān)控注冊量其掂,注冊轉(zhuǎn)化率油挥,跳出率等行為指標(biāo),成交量款熬、成交金額這樣的指標(biāo)同樣可以實(shí)時(shí)進(jìn)行監(jiān)控深寥。目前GrowingIO不支持該功能。

自動(dòng)化運(yùn)營:自動(dòng)化運(yùn)營是基于采集的行為指標(biāo)并設(shè)置運(yùn)營觸發(fā)機(jī)制進(jìn)行自動(dòng)化運(yùn)營的工具贤牛。目前只有數(shù)極客支持該功能惋鹅。

Push推送服務(wù):該功能是可以基于用戶行為,在APP端自定義push進(jìn)行運(yùn)營的工具殉簸,該功能目前三家均支持該功能闰集。

私有化部署: 私有化部署是將整個(gè)系統(tǒng)部署在客戶本地的一種服務(wù)模式。數(shù)極客和神策數(shù)據(jù)支持私有化部署的方式般卑。GrowingIO暫不支持武鲁。

二次開發(fā):數(shù)極客和神策數(shù)據(jù)均可以支持在原有系統(tǒng)上進(jìn)行二次開發(fā)。

權(quán)限管理:能按數(shù)據(jù)平臺(tái)不同業(yè)務(wù)模塊不同職能部門對權(quán)限進(jìn)行細(xì)分蝠检。

數(shù)極客支持按照功能沐鼠、應(yīng)用、數(shù)據(jù)等多個(gè)層級進(jìn)行權(quán)限自定義配置,可以選擇讓某些用戶只看某些功能饲梭,某些應(yīng)用乘盖,包括只能查看某些指標(biāo)。

GrowingIO支持按照功能憔涉、數(shù)據(jù)進(jìn)行權(quán)限細(xì)分订框,同時(shí)支持對用戶進(jìn)行分組。提供了高度自定義的權(quán)限方式兜叨,方便用戶管理用戶項(xiàng)目內(nèi)部的所有數(shù)據(jù)布蔗,以及用戶。保障高度的數(shù)據(jù)安全的同時(shí)浪腐,幫助用戶和用戶的組織實(shí)現(xiàn)更好的協(xié)作纵揍。

神策:神策提供的用戶管理一共可以分為三種不同的類型,分別是管理員议街、分析師和普通賬號(hào)泽谨,同時(shí)支持對角色進(jìn)行數(shù)據(jù)和功能的授權(quán)。

在權(quán)限管理方面:數(shù)極客>GrowingIO>神策數(shù)據(jù)

A/B測試:

A/B測試是三家行為分析平臺(tái)數(shù)極客獨(dú)有一個(gè)功能特漩。A/B 測試是一種通過數(shù)據(jù)分析科學(xué)優(yōu)化產(chǎn)品的方法吧雹,為同一個(gè)優(yōu)化目標(biāo)制定兩個(gè)或多個(gè)方案(比如兩個(gè)不同樣式的分享button),隨機(jī)選擇兩部分用戶涂身,讓一部分用戶使用 A 方案雄卷,另一部分用戶使用 B 方案,統(tǒng)計(jì)并對比不同方案的點(diǎn)擊率蛤售、轉(zhuǎn)化率丁鹉、活躍留存等指標(biāo),找到最優(yōu)的產(chǎn)品決策方案悴能。

產(chǎn)品帶的痛點(diǎn):

“后驗(yàn)”主義產(chǎn)品驗(yàn)證揣钦,如未達(dá)到預(yù)期,回滾導(dǎo)致開發(fā)成本高漠酿,客戶流失風(fēng)險(xiǎn)高冯凹;

大部分產(chǎn)品經(jīng)理依靠直覺去決策,但實(shí)際情況是我們想的不一定是用戶想的炒嘲;

聽用戶說什么不如看用戶做什么宇姚,通過嚴(yán)謹(jǐn)?shù)挠脩粜袨閿?shù)據(jù)分析,是可靠的產(chǎn)品驅(qū)動(dòng)方法夫凸;再厲害的PM也跑不過一半的A/B測試浑劳;

傳統(tǒng)的開發(fā)流程,上線需要排期寸痢,開發(fā)迭代效率低呀洲,AB測試不需要發(fā)版紊选,直接可以快速驗(yàn)證方案啼止。

用科學(xué)的數(shù)據(jù)分析指導(dǎo)我們產(chǎn)品決策才是產(chǎn)品增長的核心

image

數(shù)據(jù)應(yīng)用方面評分: 數(shù)極客 > 神策數(shù)據(jù) > GrowingIO

六道逗、服務(wù)項(xiàng)目

在服務(wù)項(xiàng)目方面,均提供產(chǎn)品說明文檔献烦,常見問題FAQ等滓窍。

在線客服:

神策數(shù)據(jù):神策數(shù)據(jù)服務(wù)流程:方案咨詢、需求梳理巩那、事件設(shè)計(jì)吏夯、數(shù)據(jù)接入驗(yàn)證、產(chǎn)品使用

數(shù)極客:有問題可以隨時(shí)通過數(shù)極客官方微信客服咨詢即横,回復(fù)速度一般在3分鐘內(nèi)噪生。除了正常的梳理需求、需求梳理东囚、數(shù)極客為付費(fèi)用戶提供增長指標(biāo)體系跺嗽、數(shù)據(jù)分析現(xiàn)場培訓(xùn)、一對一服務(wù)页藻、數(shù)據(jù)指標(biāo)診斷服務(wù)桨嫁、增長解決方案。

GrowingIO:提供現(xiàn)場產(chǎn)品培訓(xùn)份帐,在線的數(shù)據(jù)分析璃吧、增長黑客學(xué)院。

服務(wù)項(xiàng)目評分: 數(shù)極客 > 神策數(shù)據(jù) > GrowingIO

總結(jié)

通過以上產(chǎn)品废境、服務(wù)畜挨、二次開發(fā)等多方面的對比,可以得到以下結(jié)論:

1. 數(shù)極客用戶行為分析系統(tǒng)更多是從營銷噩凹、運(yùn)營朦促、產(chǎn)品三個(gè)方面基于AARRR模型對整個(gè)用戶生命周期的行為數(shù)據(jù)進(jìn)行分析,數(shù)據(jù)顆粒度更精細(xì)(可以按任意維度細(xì)分?jǐn)?shù)據(jù))栓始,分析模型和方法論更科學(xué)和完善务冕,不僅僅有數(shù)據(jù)分析功能,還有自動(dòng)化運(yùn)營幻赚、A/B測試等應(yīng)用數(shù)據(jù)進(jìn)行優(yōu)化的工具禀忆,有成熟的產(chǎn)品、運(yùn)營成功經(jīng)驗(yàn)落恼;

2. GrowingIO的無埋點(diǎn)技術(shù)讓數(shù)據(jù)采集效率更高箩退,同時(shí)有魔法數(shù)字等較新的理念,使用門檻在這三家公司中相對較高佳谦,數(shù)據(jù)的實(shí)時(shí)性和細(xì)分方面比數(shù)極客和神策稍弱一些戴涝,最大的優(yōu)勢是數(shù)據(jù)分析的內(nèi)容豐富,公眾號(hào)的內(nèi)容質(zhì)量很高。

3. 神策數(shù)據(jù)是一種偏技術(shù)風(fēng)格的數(shù)據(jù)驅(qū)動(dòng)產(chǎn)品啥刻,數(shù)據(jù)分析模型相對較少奸鸯,但數(shù)據(jù)導(dǎo)入工具較豐富,主打是以數(shù)據(jù)倉庫為核心的用戶行為分析工具可帽,對于想建立數(shù)據(jù)倉庫的公司來說是個(gè)不錯(cuò)的選擇娄涩。

由于我們公司更關(guān)注數(shù)據(jù)在產(chǎn)品運(yùn)營方面的應(yīng)用,不想在技術(shù)數(shù)據(jù)接入方面投入過多的人力映跟,同時(shí)希望通過數(shù)據(jù)分析產(chǎn)生實(shí)際的效果蓄拣,經(jīng)過仔細(xì)對比、選型之后努隙,最終采用了數(shù)極客球恤,目前使用2個(gè)月,數(shù)極客提供了一對一的分析師服務(wù)荸镊,用提升下單轉(zhuǎn)化率作為試點(diǎn)碎捺,手把手的幫我們將轉(zhuǎn)化率提高了近1/3,BOSS對效果也比較滿意(每天新增百萬級別的銷售收入)贷洲。

最后編輯于
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請聯(lián)系作者
  • 序言:七十年代末收厨,一起剝皮案震驚了整個(gè)濱河市,隨后出現(xiàn)的幾起案子优构,更是在濱河造成了極大的恐慌诵叁,老刑警劉巖,帶你破解...
    沈念sama閱讀 211,639評論 6 492
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件钦椭,死亡現(xiàn)場離奇詭異拧额,居然都是意外死亡,警方通過查閱死者的電腦和手機(jī)彪腔,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 90,277評論 3 385
  • 文/潘曉璐 我一進(jìn)店門侥锦,熙熙樓的掌柜王于貴愁眉苦臉地迎上來,“玉大人德挣,你說我怎么就攤上這事恭垦。” “怎么了格嗅?”我有些...
    開封第一講書人閱讀 157,221評論 0 348
  • 文/不壞的土叔 我叫張陵番挺,是天一觀的道長。 經(jīng)常有香客問我屯掖,道長玄柏,這世上最難降的妖魔是什么? 我笑而不...
    開封第一講書人閱讀 56,474評論 1 283
  • 正文 為了忘掉前任贴铜,我火速辦了婚禮粪摘,結(jié)果婚禮上瀑晒,老公的妹妹穿的比我還像新娘。我一直安慰自己徘意,他們只是感情好苔悦,可當(dāng)我...
    茶點(diǎn)故事閱讀 65,570評論 6 386
  • 文/花漫 我一把揭開白布。 她就那樣靜靜地躺著映砖,像睡著了一般间坐。 火紅的嫁衣襯著肌膚如雪灾挨。 梳的紋絲不亂的頭發(fā)上邑退,一...
    開封第一講書人閱讀 49,816評論 1 290
  • 那天,我揣著相機(jī)與錄音劳澄,去河邊找鬼地技。 笑死,一個(gè)胖子當(dāng)著我的面吹牛秒拔,可吹牛的內(nèi)容都是我干的莫矗。 我是一名探鬼主播,決...
    沈念sama閱讀 38,957評論 3 408
  • 文/蒼蘭香墨 我猛地睜開眼砂缩,長吁一口氣:“原來是場噩夢啊……” “哼作谚!你這毒婦竟也來了?” 一聲冷哼從身側(cè)響起庵芭,我...
    開封第一講書人閱讀 37,718評論 0 266
  • 序言:老撾萬榮一對情侶失蹤妹懒,失蹤者是張志新(化名)和其女友劉穎,沒想到半個(gè)月后双吆,有當(dāng)?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體眨唬,經(jīng)...
    沈念sama閱讀 44,176評論 1 303
  • 正文 獨(dú)居荒郊野嶺守林人離奇死亡,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點(diǎn)故事閱讀 36,511評論 2 327
  • 正文 我和宋清朗相戀三年好乐,在試婚紗的時(shí)候發(fā)現(xiàn)自己被綠了匾竿。 大學(xué)時(shí)的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片。...
    茶點(diǎn)故事閱讀 38,646評論 1 340
  • 序言:一個(gè)原本活蹦亂跳的男人離奇死亡蔚万,死狀恐怖岭妖,靈堂內(nèi)的尸體忽然破棺而出,到底是詐尸還是另有隱情反璃,我是刑警寧澤区转,帶...
    沈念sama閱讀 34,322評論 4 330
  • 正文 年R本政府宣布,位于F島的核電站版扩,受9級特大地震影響废离,放射性物質(zhì)發(fā)生泄漏。R本人自食惡果不足惜礁芦,卻給世界環(huán)境...
    茶點(diǎn)故事閱讀 39,934評論 3 313
  • 文/蒙蒙 一蜻韭、第九天 我趴在偏房一處隱蔽的房頂上張望悼尾。 院中可真熱鬧,春花似錦肖方、人聲如沸闺魏。這莊子的主人今日做“春日...
    開封第一講書人閱讀 30,755評論 0 21
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽析桥。三九已至,卻和暖如春艰垂,著一層夾襖步出監(jiān)牢的瞬間泡仗,已是汗流浹背。 一陣腳步聲響...
    開封第一講書人閱讀 31,987評論 1 266
  • 我被黑心中介騙來泰國打工猜憎, 沒想到剛下飛機(jī)就差點(diǎn)兒被人妖公主榨干…… 1. 我叫王不留娩怎,地道東北人。 一個(gè)月前我還...
    沈念sama閱讀 46,358評論 2 360
  • 正文 我出身青樓胰柑,卻偏偏與公主長得像截亦,于是被迫代替她去往敵國和親。 傳聞我的和親對象是個(gè)殘疾皇子柬讨,可洞房花燭夜當(dāng)晚...
    茶點(diǎn)故事閱讀 43,514評論 2 348

推薦閱讀更多精彩內(nèi)容