随着金融科技的不断发展，投资顾问服务正逐步从线下向线上迁移。越来越多的证券类平台开始布局“内容+服务”的数字化转型。
本次回访的客户来自证券金融行业，核心业务是为个人及机构投资者提供专业的投资顾问服务。其平台同时集成了证券行情展示、投资类直播服务及相关课程的销售。为了进一步提升销售转化率与用户运营效率，客户计划引入用户行为分析。
本次我们采访的是客户公司的技术负责人，李老师。一起听他说说在开源项目选型过程中所遇到的挑战以及最终选择ClkLog的原因吧。
一、公司情况
1. 为什么需要用户行为分析？
李老师： 虽然我们是做金融顾问的，但业务中其实包含了很多用户交互场景，比如直播间互动、课程售卖等。现在公司重点在销售转化这块，因此我们希望通过用户行为分析，为销售提供更有力的支持，帮助他们更好地了解用户，促进转化。
另一方面，作为技术团队，我们也希望借助行为数据了解产品使用中的薄弱环节，为后续优化提供依据，提升用户粘性。
2. 之前是否使用过类似产品？
李老师：没有。公司第一次尝试引入用户行为分析。
二、选型考虑
1. 选型时有哪些硬性要求？
李老师：一开始我们其实是打算自研的，计划在开源项目的基础上做二次开发，这样可以更好地控制成本。所以我们的核心需求主要是三点：
• 成本可控
• 支持私有化部署
• 易于灵活扩展
2. 为什么最终选择ClkLog？
李老师：初期我们调研了不少开源方案，但很多都部署维护困难，更别说在上面二开了。想找个咨询支持也找不到，就放弃了。后来也对比了市面上一些大厂的产品，结果发现费用远超预算。这时候我们的架构师偶然看到了开源的ClkLog，部署测试后运行得都比较顺利，随即推荐了上来。我们查看商业版的功能，发现不仅支持自定义分析，而且价格非常合理（3 万多），于是立刻向公司提交了采购申请。此外，我本人之前用过神策的 SDK，所以上手很快。
综合来看，ClkLog 几乎完全满足了我们的选型标准。
三、使用情况
1. 业务上最核心的分析需求是什么？
李老师：我们最关注的还是用户行为数据、平台的日活情况，以及功能模块的具体使用频率。
2. ClkLog 是否满足了你的需求？
李老师： 是的，基本满足。而且 ClkLog 的技术栈是常见框架，我们团队维护起来也比较轻松。
3. 使用最多的功能是什么？当前的数据量如何？
李老师：我们主要通过“自定义分析”来完成日常数据分析。去年我们已经定义并追踪了上百个事件，今年计划在运营侧进一步加强这块的建设和使用。
四、建议反馈
1.对ClkLog的功能或服务有什么建议？
李老师：
• 功能方面：希望未来能支持“自定义看板”，让运营人员可以更便捷地查看关键数据。目前我们已在内部自研了一部分。此外，希望未来可以实现“从某个用户出发，查看其所有行为数据”的能力，这对用户分群和精细化运营非常有帮助。（补充： ClkLog已经在CDP版本中上线用户画像和分群功能咯）
• 服务方面：整体服务体验不错，尤其是在初期集成阶段，我们遇到过 C++ 客户端接入的需求，ClkLog 团队积极配合提供方案，虽然花了些时间，但最终帮助我们成功集成上线了。
写在最后
做开源并不容易，既要持续打磨产品本身，又要维护社区和文档支持等。而在如今的环境下，想要实现开源商业化更是充满了挑战。
这次回访的客户，原本计划是通过开源项目自研用户行为分析系统的，但最终在体验了社区版后选择了ClkLog商业版并顺利上线，这对我们来说是一种莫大的认可与鼓励。
我们特别开心看到，ClkLog能真正帮助技术团队提高部署、集成和验证的效率，让大家有更多时间专注于产品优化与业务价值的提升。
参考链接
