这不是硬广，如果你在为自己的app选择第三方数据统计工具，欢迎你读一下。
Growing IO（以下简称GIO）是一款无埋点数据统计工具，所谓无埋点就是接入SDK后，系统会把app的所有浏览、点击等数据全部采集上传到服务器，用于之后随时定义指标和抽取数据进行分析。
数据统计分析中的痛点
1、每次想要统计一个功能的情况，比如注册流程转化漏斗，都要迭代版本进行埋点，然后等待一段时间积累一定量的数据后再进行分析。如何简化这个流程和缩短时间？
2、有个故事，说Linkedin的增长团队通过观察数据发现这类“第一次进入app关注了5个朋友”的新用户留存率最高，于是他们想办法引导新用户关注朋友的Linedin账号，因此整体提高了新用户的留存率。
那么，我们自己的app该如何发现这个关键行为和关键数字呢？
3、月活跃用户是如何构成的？多少上月活跃用户，多少新增用户，多少上月未活跃但本月回流了；上月活跃用户有多少本月不活跃了？
4、“二八法则”适用于众多环境，比如20%的用户贡献了80%的收入，产品的核心用户往往只有20%，如何对用户进行分层次管理和运营，抓住重点实现最大效率？
5、新用户下载软件后，一般的目标都是希望用户注册，那么用户是通过什么路径到注册页面的？对于注册完成率较高的路径是不是可以对用户进行诱导和强化？
6、转化漏斗是数据分析常用的工具，通过漏斗可以发现用户在各个环节的流失率，发现问题。那么，对于不同群体的用户，比如不同地区、版本或不同分群的用户的转化漏斗如何对比呢？
7、产品往往会投放很多软件的下载入口到各个渠道，各渠道的pv、uv等数据可以通过百度统计监测，但是各渠道有多少人实际下载并打开了软件，这个中间是断掉的。那么，如何让浏览广告的用户和新安装用户关联起来呢？
GIO解决以上痛点的办法
1、关于埋点和数据采集
因GIO 是全量采集数据，所以不需要进行埋点，当要分析注册流程转化漏斗时，只需利用“圈选”工具在app端进行页面、按钮等的定义，即可在GIO数据统计后台实时看到这些指标，将指标组成漏斗后，系统自动调取历史数据，即刻看到转化情况。
其他数据指标的分析一样的道理，前端定义，数据统计后台查看，省去埋点和等待。
2、关于留存关键行为和关键数字
GIO有个留存魔法师的工具，运营人员只需在自己的app圈选可能是留存关键行为的行为，系统会自动计算发生上述行为的用户的留存率，帮助运营人员找到留存关键行为和关键数据，为提高用户留存提供方向。
3、关于活跃用户的构成
GIO提供了用户活跃构成分析工具，帮助运营人员剖析活跃用户的成分，监控每一类用户量变化趋势、用户量占比情况，针对每一类人群深入分析，可以找到更多提升产品用户的好办法。
4、关于用户分群
GIO提供的用户分群工具，可以从用户基本属性（如来源渠道、地区、版本等）、用户操作行为（圈选定义的所有行为，比如点赞、领取了优惠券等）两个方面进行and和or的多指标混合筛选进行用户分群。
另外，通过用户细查功能还可以详细的查看各分群中用户的详细操作步骤，帮助运营人员深入了解各群体用户的特征。
如果上传了userid给GIO，在用户细查的时候如果对某个用户感兴趣，还以用userid回到产品后台查找该用户更多的信息，对用户进行进一步电话调研等。
5、关于用户使用路径
GIO提供了智能路径分析工具，只需设定转化目标，系统便会将完成该目标的主要路径和各路径的转化率展示出来，帮助运营人员发现关键路径。
6、关于转化漏斗
GIO提供的漏斗工具，可以按需将圈选的关键节点组成漏斗，同时支持对比不同维度和不同分群的用户的漏斗情况。
7、关于来源渠道细分
GIO的来源渠道分析工具，使用了IP地址 + 浏览器的User-Agent（简称UA），来共同标识一台设备。以此来匹配广告访问和 App 启动的设备是否为同一台设备（用户），从而将浏览广告的用户与安装软件的用户联系起来。
Growing IO相比于友盟（没用过其他第三方工具）来说，有以下特点：
1、数据采集全面，大部分数据无需埋点即可获取，不只有“虚荣指标”。
2、指标定义与分析灵活，只需在设备端“圈选”定义，即可在GIO后台查看分析。
3、分析工具简单实用，如留存魔法师、智能路径、活跃用户构成等。
总之，GIO的核心技术是“无埋点”，必要工具是“圈选”，在此基础上提供各种接地气的分析工具（模型），剩下的就看运营人员的本事了。