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：
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：
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。
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：
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
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。
