ThinkingAI Logo
返回客户案例
肯斯爪特《Litmatch》
预期阅读时长 5 分钟

在海外社交赛道,一款聚焦东南亚年轻群体的应用正悄然改写市场格局 —— 上海肯斯爪特科技有限公司(Construct Tech)旗下明星产品《Litmatch》,凭借 “灵魂游戏 + 语音匹配” 的创新玩法,结合实时翻译技术打破跨国社交壁垒,不仅成为初高中生、大学生群体中的 “社交新宠”,更实现年增长率超 500% 的爆发式增长,业务从东南亚逐步拓展至巴西、中东等超 10 个国家和地区,成为 C 轮创业公司中海外社交领域的亮眼代表。

这份增长并非偶然,而是源于对 “产品迭代需贴合用户真实需求” 的深刻认知 —— 当业务扩张遇上数据支撑不足的难题时,一场围绕 “数据协同” 的合作,为《Litmatch》的持续增长找到了关键路径。

聚焦痛点:海外社交赛道的“两难困境”

作为海外增速最快的社交应用之一,《Litmatch》的核心目标始终围绕 “服务年轻用户” 展开,能满足感情需求的“匹配机制”是其核心竞争力——比如针对印尼用户偏爱语音互动、马来西亚用户注重兴趣标签匹配的差异,需持续优化算法;但此前,肯斯爪特团队面临两大核心挑战:

  • 用户行为追踪难:缺乏专业工具捕捉“用户从发起匹配到聊天互动的全链路行为”,无法精准洞察“年轻用户为何匹配后快速流失”“哪些兴趣标签能提升聊天时长”等关键问题,匹配机制优化只能依赖经验判断,导致优化方向模糊;
  • 成本与效率失衡:若自主搭建数据分析体系,需投入团队维护服务器、优化数据查询性能,这不仅会占用产品研发、市场拓展的核心资源,更与 “快速迭代产品” 的优先级相悖 —— 对聚焦增长的创业公司而言,这种 “资源错配” 显然不可行。

这些困境让肯斯爪特意识到:需要一套成熟的数据分析解决方案,既能覆盖 “数据采集 - 存储 - 分析” 全流程,又能适配创业公司 “低成本、高效率” 的需求。

需求与能力契合:从 “数据缺口” 到 “协同增长”

当肯斯爪特在寻找能支撑《Litmatch》迭代的数据分析伙伴时,双方的契合点逐渐清晰 —— 肯斯爪特需要 “全链路、轻量化、高适配” 的数据支持,而这套需求,恰好与 ThinkingAI 为社交场景打造的解决方案形成呼应。

针对肯斯爪特的核心需求,ThinkingAI 的 AE 系统从数据采集、存储、分析三大环节精准破局,让数据真正成为Litmatch优化匹配机制、迭代市场策略的“核心引擎”。

1. 社交行为追踪:专属埋点模板 + 实时校验

《Litmatch》需要精准捕捉 “匹配类型、兴趣标签点击、聊天时长、匿名互动触发” 等社交核心行为,避免因埋点遗漏导致分析断层。

AE 系统针对社交场景打造的专属埋点模板,恰好覆盖这些高频事件,无需从零设计;同时,埋点方案校验功能能实时监测数据采集完整性,比如识别新版本上线后是否出现事件未上报、属性缺失等问题,确保每一个用户互动行为都能被精准记录,为分析 “年轻用户社交偏好” 提供扎实基础。

2. 亿级数据存储:云原生架构动态适配

随着用户规模扩张,《Litmatch》日均处理的数据量超 10 亿条,且存在 “东南亚晚间用户高峰”“新市场拓展数据激增” 等波动场景,需要存储能力既能快速扩容、又能控制成本。

AE 系统的云原生架构可根据数据量动态调整存储资源,高峰期自动扩容保障数据不丢失,平峰期合理收缩控制成本,完美平衡 “业务增长” 与 “成本可控”,让团队无需分心服务器维护。

云原生架构示意:数据开发工作台、计算任务网关与云环境弹性计算资源池

3. 自主数据分析:零代码看板 + 秒级查询

《Litmatch》的运营、产品团队需要快速验证策略效果 —— 比如 “调整兴趣标签权重后匹配成功率是否提升”“某区域用户对新玩法的接受度如何”,但依赖技术取数会拖慢迭代节奏。

AE 系统的多维度实时看板支持拖拽配置,可按 “国家、年龄、互动场景” 拆分数据;实时查询功能实现秒级响应,无需代码即可快速获取 “东南亚用户匿名聊天留存率”“巴西用户语音匹配参与度” 等关键信息,让策略迭代跟上市场变化。

4. 多区域数据管理:全域协同 + 格式自动适配

随着业务拓展国家增多,《Litmatch》需要统一管理多区域数据,同时解决 “时区差异导致的活跃高峰误判”“多币种数据统计繁琐” 等问题。

AE 系统的全球业务统一看数能力,能打破地域限制整合全域数据,无需切换工具即可查看不同市场核心表现;时区自动校准、多币种汇率换算功能,可将各地数据转化为统一格式,省去人工计算麻烦,帮助团队快速掌握全球业务动态。

数据处理架构示意:数据采集层、数据处理层、数据存储层、数据应用层

不止于工具:数据协同背后的增长逻辑

对肯斯爪特而言,与 ThinkingAI 的合作不仅解决了当前的业务痛点,更为《Litmatch》的长期增长奠定了基础。

肯斯爪特说:“通过 ThinkingAI 的 AE 系统的漏斗模型,我们能够精确定位各环节的转化率,更有用户行为路径功能帮助我们细致观察用户在 App 内的完整行为路径。在 AE 系统的辅助下,我们能够及时观察到数据异动,深刻了解用户在使用过程中碰到的困难,精准洞察用户需求,从而对产品进行优化。”

未来,随着《Litmatch》在海外市场的进一步深耕,这种 “数据协同” 的价值还将持续释放 —— 无论是优化匹配算法,还是拓展新的用户场景,数据都将成为连接 “用户需求” 与 “产品创新” 的关键纽带。

推荐阅读

准备好构建你的 Agent 团队了吗

立即体验 Agentic Engine, 让 AI 成为真正的团队成员

ThinkingAI Big Logo
电话咨询