优势
开源可自托管,核心功能免费,无按流量抽成或实验数量限制
支持连接自有数据仓库计算实验指标,数据不必出境到第三方
功能开关支持按用户、属性与比例灰度,并可做渐进发布
内置贝叶斯与频率学派两种统计引擎,可按团队习惯选择
不足
自托管需维护服务、SDK 与数据连接,运维成本高于 SaaS
分析质量依赖自有数据与指标定义,数据脏时结论不可信
文档与社区规模小于商业平台,中文资料较少
企业级功能(SSO、审计、支持)需付费版本
产品信息
详细说明
服务商概述
GrowthBook 成立于 2020 年前后,总部位于美国,定位是「开源版的实验与功能开关平台」:核心开源可自托管,付费版提供托管服务与企业功能。它支持连接自有数据仓库做分析,而不是把埋点数据全部收进平台侧。
对测试与优化场景,它的关键优势是「数据留在自己手里 + 无按流量抽成」:实验指标可以直接在自家数据库或数仓里计算,避免了第三方脚本与数据出境问题。对已经有数据管道的团队,这种架构比 SaaS 更契合。
局限是部署与统计门槛:自托管需要维护服务、SDK 与数据连接;实验分析能力依赖你提供的数据质量,指标定义不清时同样会得出错误结论;文档与社区规模小于商业平台,中文资料较少。
核心优势
- 开源可自托管,核心功能免费,无按流量抽成或实验数量限制
- 支持连接自有数据仓库计算实验指标,数据不必出境到第三方
- 功能开关支持按用户、属性与比例灰度,并可做渐进发布
- 内置贝叶斯与频率学派两种统计引擎,可按团队习惯选择
产品生态
实验与统计引擎
支持 A/B、多变量与分阶段实验,可切换贝叶斯与频率学派。实践要点是先确认「指标定义与数据来源一致」,否则同一实验在不同引擎下会给出矛盾结论。
功能开关与 SDK
提供多语言 SDK,灰度规则可在后台配置。自托管的运维要点是版本升级与 SDK 兼容,建议固定版本并做灰度发布。
不足之处
- 自托管需维护服务、SDK 与数据连接,运维成本高于 SaaS
- 分析质量依赖自有数据与指标定义,数据脏时结论不可信
- 文档与社区规模小于商业平台,中文资料较少
- 企业级功能(SSO、审计、支持)需付费版本
适用场景
- 已有数据管道与数仓的团队(★★★★★):在自己仓库算指标,数据不出域
- 需要功能开关的工程团队(★★★★☆):开源可自托管,无按流量费用
- 预算敏感的增长实验(★★★★):核心免费,成本主要是服务器与人力
- 零工程能力的营销团队(★★):自托管与数据连接门槛较高
价格参考
| 套餐 | 价格 | 能力边界 |
|---|---|---|
| 开源自托管 | $0 | 核心功能免费,自备服务器 |
| 云托管 | 按席位订阅 | 免运维,含企业功能 |
| 企业方案 | 商务洽谈 | SSO、审计与支持 |
开源版免费,成本在服务器与运维;云版按席位订阅。做比较时应把「数据仓库查询成本」算进去:实验指标在自有仓库计算会产生查询费用,大表频繁查可能比 SaaS 订阅更贵。
常见问题
-
和 Optimizely 的差别? GrowthBook 开源可自托管、数据留在自有仓库;Optimizely 是企业级 SaaS,功能更全但费用更高。数据合规要求高时前者优势明显。
-
统计引擎怎么选? 团队习惯「持续看结果、随时决策」用贝叶斯;需要严格假设检验与固定样本用频率学派。选定后应保持一致,混用会让历史结论无法对比。
-
能直接连生产库吗? 建议连接只读副本或数仓,不要直连生产主库。实验指标查询通常较重,直连会影响业务响应。
前往 GrowthBook 官网 →
https://www.growthbook.io/
访问官网 ↗