数据驱动增长四阶段：从 TLG 到 ALG 的全面解析｜StartDT Talk

一、透过“双十一”看流量分析到用户分析驱动

（一）发生了哪些变化？

初期，“双十一”数据分析的重点在于通过大屏实时监控销售业绩与流量分配，确保在特定时间点达成预定的销售目标。这一时期的数据分析工具相对简单，主要是 BI 工具，用于监控和展示关键指标，帮助运营人员做出快速决策。

随着市场竞争加剧，流量成本上升，阿里巴巴开始注重提高流量的质量和转化率。2012 年，奇点云创始人行在在阿里巴巴建立了 TCIF（淘宝消费者信息库），提供详细的用户标签和画像。之后，阿里巴巴还开发了黄金策（CDP 工具）、达摩盘（DMP 工具）等一系列工具，用于深度挖掘用户数据，分析用户行为，优化资源位分配，提高营销效率。

随后，阿里巴巴进一步加强人工智能和机器学习技术，可以根据商家的表现（如 GMV、转化率、库存水平等）自动决定最佳的资源分配方案，还推出了“千人千面”个性化推荐系统，以实现更加智能化和个性化的用户体验。

（二）原因是什么？

可以看出，“双十一”逐步实现了从单纯追求流量到精细化用户运营，再到全面智能化的转变，期间也经历过从 BI、UBA 等工具变化。究其原因，其实是业务发展和市场竞争的加剧，导致单纯依靠流量分析已无法满足复杂的业务需求。

虽然 BI 工具在报表监控和可视化方面表现出色，但在处理复杂的用户行为分析和留存分析时显得逊色。相比之下，UBA（用户行为分析）专为流量和用户增长设计，能够快速生成复杂的分析报告，如留存分析、漏斗分析等，极大地提升了数据分析的效率和准确性，逐渐成为用户分析利器。

可见，需求、竞争和成本的增加使得企业只通过购买流量来创造营收变得困难，于是开始转向精细化分析、个性化推荐和精准营销，同时产生了多样化的数据分析工具，实现流量分析驱动增长到用户分析驱动增长的跨越。

二、透过 GIO 看用户分析到全域分析驱动

从用户分析驱动增长到全域分析驱动增长，GrowingIO（GIO）的发展历程展示了数据分析从单一用户视角向多主体、全方位视角的转变。

GIO 作为国内首家引入和使用 UBA 的企业，专注于用户数据的收集和分析，做好消费者洞察和数据的分配、转化和激活。随着精细化用户运营的需求增加，GIO 利用 CDP（客户数据平台）加强个性化服务和精准营销，有效提升了流量质量和转化率。

然而，随着业务和外界环境的多样化、复杂化发展，GIO 意识到单纯的需求侧分析已无法满足市场需求。企业不仅需要关注用户，还需要关注供给侧和连接侧的情况。

为此，GIO 打造 XDP 工具，实现了对人、货、场等多主体的分析。例如在房地产领域，不仅可以对客户进行打标签，还可以对经纪人和门店打标签，实现供需匹配，提升转化率。

另外，从 UBA 到 XBA 的转变，进一步强调了全域分析驱动的重要性。XBA 能够帮助企业在同一平台把控多个分析主体，降低了分析门槛，简化了分析流程，使得非技术人员也能快速获得结果。

未来，GIO 将继续通过 XDP、XBA 和 XEI（多主体模型），不断实现分析工具的普惠化，以及数据的全面分析和智能应用，为企业创新和优化提供强大支持。

三、透过 ChatBI 谈谈 AI 驱动增长

ChatBI 通过自然语言处理和生成式 AI 技术，能够提升数据分析的效率和用户体验，解决数据治理、数据分析和运营策略的问题。甚至在未来可能实现机器深入理解和分析数据，自动构建分析模型，提供精准业务洞察和决策支持的蓝图。

但从目前看来，虽然 ChatBI 提供了一种新的交互模式，但其本质仍然是 BI 工具，主要用于数据查询和展示，难以解决复杂的业务分析问题。此外，ChatBI 提供的洞察和分析结论仍然需要人工解读和判断，无法替代专业分析师的功能，离真正的智能化、AI 化还有一定距离。

另外，未来的 AI 技术需要更加注重实际应用，从场景出发，自上而下构建分析模型，将技术和业务紧密结合，才能真正实现 AI 驱动增长。

四、总结

数据驱动增长可以涵盖为流量分析驱动、用户分析驱动、全域分析驱动、AI 驱动四个阶段，即 From TLG（Traffic-Led Growth）to ALG（AI-Led Growth）。通过阶段的演进，我们看到了数据分析从单一用户视角向多主体、全方位视角的转变，以及 AI 技术在其中发挥的重要作用。

未来是 AI 驱动的时代，会不断带给我们新工具、新界面和新问题，也会有无数的创新和创业机会等待我们去探索。我们将保持开放的心态，以及对未来的好奇心和探索精神，持续迭代产品，积极拥抱 AI，给大家带来更多价值！