至顶网CIO与应用频道 10月31日 北京消息:流量红利逐渐褪去,涨势艰难的流量入口与日渐高昂的获客成本,是每个公司都在面临的严峻挑战。在这样的背景下,用户增长对于企业来说就显得更加艰巨且重要。市场、产品和运营应该如何实现数据驱动,获得更大的增长?
由国内领先的用户行为数据分析产品 GrowingIO 主办,增长领域一年一度的行业顶尖盛会,“ GrowingIO 2017 增长大会”10 月27 日在北京金茂万丽酒店举办。现场吸引700多名包括大中型企业代表、互联网新兴增长公司、GrowingIO客户和合作伙伴、媒体、政府代表及20位荣获 GrowingIO 增长英雄的嘉宾到达现场。
本届大会以“成为下一位首席增长官”为主题,立足前沿,传播国内外更先进、更科学的增长理念与实践。从增长理论、中美趋势、行业热点、最佳实践等方面展开深入分享,受到参会者的热情反馈和高度评价。
重新定义增长
其中重磅嘉宾 LinkedIn 增长与产品国际化全球副总裁 Aatif Awan 分享了 LinkedIn 从到5亿背后数据驱动的秘密。
GrowingIO张溪梦详细讲解了传统产品营销漏斗与新兴增长模型之间的核心区别。他认为,传统产品营销漏斗是以流量为起点不断做除法,新兴的增长模型是从核心价值出发不断做乘法,而首席增长官兴起的背后是增长视角与数据驱动模型的演进,并首次发布国内首个系统阐述数据驱动增长变革理论、方法、案例和实践的《首席增长官》一书。
与此同时,GrowingIO 2017年度增长英雄颁奖仪式圆满落下帷幕,此次颁奖揭晓了在互联网金融、电商、新零售、社交直播、大众出行、航空旅游等诸多行业中,数据增长模式、创新实践广受认可的的获奖企业名单,包括陌陌、映客、摩拜、海尔顺逛、爱钱进、春秋航空、滴滴企业版、链家、自如等共计20家。
据了解,作为目前国内前沿的数据增长奖项,GrowingIO基于增长体系、数据应用创新、数据增长情况等运营相关数据综合分析,进行梳理与分类,得出最终获奖名单。
本次获奖的企业中除多家科技创新企业外,不少是通过互联网思维和数据驱动等重新定义传统行业的企业。当下中国企业正处在产业升级、数字化转型的阶段,借助于创新能力的提升,传统企业也能够提高运营效率并提供更高价值的产品和服务。
张溪梦表示,“获奖企业代表着在持续变革、充满机遇与挑战的时代,依然增长强劲、颠覆传统增长模式的新兴创新公司。GrowingIO希望能够用更先进的数据分析产品以及更科学的咨询服务帮助企业决策者、创业团队更好的运营产品、企业,让数据驱动成为企业数字化转型、产品升级、用户体验改善的核心增长引擎。“
GrowingIO 作为基于用户行为的新一代数据分析产品。首推国内领先的“分析工具+运营咨询+持续增长”数据服务体系,帮助企业构建数据运营闭环。依托于快速部署无埋点技术,实时采集全量行为数据,搭建完整的数据监控体系,高效管控与运营核心业务指标,帮助企业探索业务发展新路径。
GrowingIO 专注于互联网、金融、零售、通信等行业,目前服务6000多家企业客户,帮助企业挖掘更多商业价值。凭借灵活的数据分析产品、卓越的海量数据处理能力,专业的商业咨询服务以及完善的增长培训体系,为行业客户打造企业级智能数据分析解决方案。
更懂增长发布新品
GrowingIO 产品VP 刘绍波进行了新品发布,从更懂用户增长、更懂广告效果、更懂企业级客户三个层面详述了 GrowingIO 新品理念。
跟传统用户行为分析产品不同,GrowingIO 更注重与业务相结合,更懂用户增长。如新推出的新留存,可快速对比多达20个功能留存,并同时提出功能价值矩阵,不仅可以快速对比不同功能不同留存,快速找到让用户留下来的功能。并通过用户激活,让更多用户顺利地体验此核心功能。
第二,在广告效果监测上,GrowingIO可以打通用户广告数据和用户行为数据,除监测广告的的浅层转化效果外,全面覆盖整个用户周期,深度剖析投放广告是否带来业务指标的真正提升。
GrowingIO的广告监测产品致力于帮助客户做到更为立体全面的评估拉新效果。除去广受投放人员关注的反作弊机制外,全面覆盖主流渠道,支持多维交叉深度分析、数据支持日志导出等。
第三,GrowingIO在最近一年服务了很多大型企业级客户,如海尔、中国移动等运营商、零售、垂直金融等各行业龙头及千万DAU的互联网客户。针对大型企业客户,GrowingIO 升级全新服务。
首先从安全和连接上,GrowingIO企业版提供了更加全面的权限管理体系,包括功能权限、资源权限和数据权限三种权限控制方式;并按照标准化、低门槛、松耦合的满足企业个性需求的方式,提供更丰富的API接口,可以实现对接企业内部其他系统,实现用户行为数据与业务数据之间互联互通,用户行为数据与用户属性数据统一整合,最终实现多维数据在企业内部的流动与增值。
与此同时,基于企业级客户增长模式更多元的需求,通过 GrowingIO 特有的数据采集方式来支撑不同阶段的业务增长需求。对于创新业务,需要快速迭代、快速试错,采用无埋点方式,可以低成本、高效率的采集并分析用户行为数据,来支持早期的增长需求;当创新业务逐渐发展,业务比较成熟时,也可通过 GrowingIO 埋点方案将用户行为数据与已经积累的业务数据相融合,来支撑业务的持续增长。
GrowingIO数据采集方案不单单是收集业务数据的一种手段,在采集的同时,通过事件级变量、页面级变量、应用级变量、转化变量以及用户变量五种方式,建立了一套分析体系,将业务数据同行为数据有机的结合在了一起,满足更丰富的分析场景,形成企业高价值数据资产,来支撑业务高速增长这一核心目标。
GrowingIO同时提供增长解决方案、行业最佳实践以及分析咨询的服务,帮客户建立健全增长团队、充分运用增长方法论中的各种增长手段,最终通过产品与业务的紧密结合,实现企业业务的高速增长。
好文章,需要你的鼓励
这项研究针对现代文档检索系统中的关键缺陷:独立处理文档片段导致丢失上下文信息。研究团队开发了ConTEB基准测试来评估模型利用文档级上下文的能力,并提出了InSeNT方法,结合后期分块和创新的对比学习策略。实验表明,上下文感知嵌入显著提升检索性能,尤其在处理非自包含文本片段时,同时保持计算效率,对分块策略更具鲁棒性,并且在语料库规模扩大时表现更佳。这一研究为更智能的文档检索系统铺平了道路。
这项由布朗大学和Cohere实验室研究者联合进行的研究全面分析了大型语言模型(LLM)安全研究中的语言不平等现象。通过系统回顾近300篇2020-2024年间的安全相关论文,研究发现LLM安全研究严重偏向英语,即使中文这样的高资源语言也仅获得英语十分之一的研究关注,且这一差距正在扩大。研究还揭示非英语语言很少作为独立研究对象,且英语安全研究常忽略语言覆盖文档化。为解决这一问题,研究者提出了三个未来方向:开发文化敏感的评估基准、创建多语言安全训练数据,以及深入理解跨语言安全泛化挑战。
这项研究提出了ChARM,一种创新的角色扮演AI奖励建模框架,通过行为自适应边界和自我进化策略大幅提升AI角色的真实性和一致性。研究团队创建了包含1,108个角色的RoleplayPref数据集,实验表明ChARM比传统模型提高了13%的偏好排名准确率,应用于DPO技术后在多项基准测试中达到了领先水平。这一突破将为娱乐、教育和心理健康支持等领域带来更加自然、个性化的AI互动体验。
这篇研究重新审视了循环神经网络中的双线性状态转换机制,挑战了传统观点。高通AI研究团队证明,隐藏单元不仅是被动记忆存储,更是网络计算的积极参与者。研究建立了一个从实数对角线到完全双线性的模型层级,对应不同复杂度的状态跟踪任务。实验表明,双线性RNN能有效学习各种状态跟踪任务,甚至只需极少量训练数据。研究还发现,纯乘法交互比加法交互更有利于状态跟踪,为循环网络设计提供了新视角。