【推荐】LinkedIn怎么用大数据赚钱?

作者 杨琳桦

这可能是我听过对大数据最逻辑清晰和实用的一段案例阐述了,来自 Simon Zhang,LinkedIn Business Analytics 部门资深总监。

特别介绍一下:Simon 原是国内脑肿瘤医生,但“觉得一个人真正要想有追求,还是应该做自己喜欢的事”,于是 12 年前到美国,因个人爱好是计算机,就从医生转到了计算机行业。

四年半前,Simon 曾独自一人支持公司 200 多个销售;现在,他 80 人部门支持 LinkedIn 近 5000 多员工。该部门实际上负责所有和收入有关的数据分析。大数据不是空洞字眼,它究竟可以怎么赚钱?我们来听听 Simon 的方法论和见解。

怎么用大数据赚钱?

我来重点讲一讲商业如何变现。我觉得这是国内最应该注重的一块,现在国内大家都在讨论云,讨论云计算,讨论大数据,讨论大数据平台,但很少有人讲:我如何用数据产生更多价值。

举个例子。四年半前我加入 LinkedIn,第一份工作是支持内部销售员工。当时加入我很幸运,公司才 500 个人,但是我一个人工作,要支持 200 名销售。那他们每天问我的问题,就是这些:

“Hi Simon,我应该给哪家公司打电话?谁是这个公司决策者?我应该怎么和这个决策者接洽?我们这么多人,谁去接洽?我们去到那边后,要讲一个什么样的故事?”

这里背景是:当时 LinkedIn 内大概有 300 万公司信息,这是从每个用户简历里抽取出来的,但这 300 万个公司,作为销售人员,他不可能给每个公司都打电话,那哪家公司,他最应该打?

也就是说:第一,我该给哪个公司打电话?这个公司,它对 LinkedIn 来说值多少钱?因为我们是客户每年交一笔钱这样的 Model;第二个问题,谁是这个公司决策者?比方说谷歌两万员工,难道要打两万个电话,还是说,应该给某个重点的谁打电话?第三个问题,如何才能和这个人接洽?你想,因为 LinkedIn 是个职业社交网络,它还是非常讲究人与人之间的关系,我们知道,正确关系和桥梁能提高很大生产力。那第四步,我们 LinkedIn 有 200 名销售,谁最应该去和这个公司接洽?第五个问题,我们去到那边了,要讲一个什么故事?现在我用 Linkedin 数据,来一一回答这五个问题。第一步大家可能知道,LinkedIn 最大业务是“猎头”这块,这块业务,大概占今天总收入 60%。那首先第一,哪家公司会花多少钱这个问题,我们能否用 LinkedIn 数据来解决?

第一,我们去分析每个公司,它有多少员工;第二,我们去分析,这个公司它招了多少人;第三,我们去分析,这个公司它流失了多少人;第四,我们去分析,这个公司都从哪里招的人?他的工作性质是什么,工种情况,头衔是什么,位置在哪里,功能是什么?他的职位,他的级别,一步一步一步,这些都是我们模型里面的各种功能。

下一步的话,我们去分析,他们内部有多少 HR 员工,多少负责猎头的人,他们猎头流失率,他们每天在 Linkedin 日活是多少。那当所有这些信息汇总完,我们做了一个看似简单但背后很复杂的模型,这个模型最后走完出来的结果,就是一个数字:Dollar。就是:这个公司每年会在 LinkedIn 花多少钱。就这么一个数字,刚才说了那么多废话,最后给到销售人员。比如当时谷歌我们预测,谷歌要花 10 个 Million 在“猎头”这块,这是谷歌去年数字。但我记得,我刚来时谷歌每年才花 3 个 Million。然后当时销售人员说,Simon,这是不可能的事。那我说,你根据数据分析出来的结果,就应该是这个数字,而且谷歌它只会花得更多,而不是更少。

接下来第二个问题:谁是决策人?当时我们通过分析谷歌内部社交网络,找到了那个决策人。这里,很多人认为他应该是 VP 或 HR 来买这个产品,但我们发现:这种想法比较靠谱,但还不是最靠谱。

我们最后发现:真正要买 LinkedIn 服务的人,其实是一线产品经理,是使用 LinkedIn 在上面猎聘的那些人,他们才是真正想买 LinkedIn 服务的人。但是呢,他们上面的老板是签字的,所以说我们就 Target 这些中层的管理人,同时他还非常用 Linkedin 的这种人。这个转化率瞬间就增加了三倍,就是当时发现这个以后。

再下一个问题:如何接洽?我们通过分析我们 LinkedIn 内部销售人员,和这个相对来说的决策人关系,来找到哪个人对他有最高社会影响力,或者和他社会关系最近。那我们就派这个销售人员,去跟他接洽。

第四步就是,我们分析内部所有销售人员和这个公司关系,找到最强的那个销售人员,或者找到他团队里面,哪些人能支持他,哪些能帮他建立关系。你想想,不是我的关系认识比如说你,而是我的团队,帮我介绍这个“墙”的关系去认识你。这样来说,又一步把这个社会关系再一次地往上提升,进一步增加转化率。

也就是说,我们把所有这些步骤,从以前想做到这件事,大概需要四到八小时时间,缩短到今天 30 秒到一分钟时间。

以前的话,它需要花两个月,才能找到这些信息,和准备完这些信息。但三年前,它在 LinkedIn 变成了一个“钮”,销售人员只要把这个“钮”点了,它就能自动回答你这几件事,然后这几件事回答完了,一点,就出来整个这个故事。那故事是什么?故事是最重要的一点,故事就是:为什么说你们谷歌或者你们 GE 要买 Linkedin 的服务?为什么?

故事很简单,又回到了刚才我数据里的那几个问题,因为我们知道它人员流失情况,我们知道它公司增长情况,我们知道我们知道我们知道,我们知道远远比他们自己 HR 知道的东西多得多的信息,而且我们还知道,它在人力市场里竞争的这种优势和劣势。

这样来说,它就是一个完全相对真实的数据驱动的一个“故事”,而不是瞎编的比如说忽悠的一个故事,是一个基于事实的故事。

这样一搞转化率当时我记得,以前有销售人员和我说,他一个季度能 Close 一个客户比如说,上了这个后,他一个星期就能 Close 三个。这个在 2011 年年中左右,是我们当时非常大的一个 Win。

然后呢今天来说,这个“按钮”已经消失,我们都把这些信息推给我们内部的这些销售人员,通过手机,因为大家都在外面跑,没人有时间再点这个钮。现在来说,我们就直接把这个正确信息在正确的时间,推给正确的人,在正确地点。

那为什么可以用信息来推送?假设一个公司的 Senior Director of HR 离职了,立刻我们内部会驱动两个信息:第一个是通知这个客户经理,比如说内部哎你看,你这个 Top 的关系可能离职了,我们的竞争对手可能要进来;第二个信息:这个人离职了,又加入一个新公司,我们立刻又把这个信息,发给在管理那个客户的销售经理。比方说,一个非常大的候选人转到你那边了,你是否需要在他稳定下来后,把它拿下?

所有这些都是数据驱动销售的案例。今天来说,LinkedIn 内部有 3500 人以上在用这套系统,现在公司一共 6000 人,销售员工大概 3000 多人。也就是说,超过销售员工外还有人在用,那没用的话没人用,所以说这个东西是一个有价值的系统。

而且我们内部从大数据分析,还可以迭代出新的产品线。你知道 LinkedIn 三大商业模型:人才解决方案、市场营销解决方案和付费订阅,这是我们传统三大收入支柱。但实际上,第四个商业模型叫“销售解决方案”,它已经在今年 7 月底上线。

这是卖给企业级用户的。回到刚才销售例子,LinkedIn 这套系统的强大在于说,我其实只需要把它改变一下关键字,就可以变成另一个产品,帮助到企业级用户,让你最快知道谁会想买你的东西。

今天来说,虽然这第四个商业模式对收入贡献不多,目前只占 1%,但我们内部对这个产品期待是很高的。它的增长率我不能讲,但肯定是个趋势,因为 Linkedin 的 B2B 是一个很大趋势。

来自百度百家

ZDNet:第五届云计算大会的主题是和大数据、大宽带相关,我们首先想了解下大数据对于云计算到底有哪些推动作用?

Jonathan Wu:从大数据来讲有两块,一个是人产生的大数据,还有一块是机器产生的大数据。那么从大宽带来讲,我感觉现在的移动设备,主要是连接大数据和使用大数据的一个非常重要的终端。因为从全球来看40%的traffic是从移动设备来访问云端的。所以结合这两点来看,我觉得移动端它本身的process数据的能力没有个人的笔记本电脑,或者是移动电脑它的运算快,所以说这是一个推动云计算发展的一个很好的契机。

ZDNet:LinkedIn是做社交媒体,数据量会很大,因为LinkedIn也有很多新的特色产品,像people you may know这种产品,您能简单介绍一下这几种产品吗?

Jonathan Wu:LinkedIn主要是一个以数据来创造商业价值的公司,那么其中有一些比较出名的,LinkedIn的数据产品,比如说people you may know,就是你可能认识的人,就是我们通过对您的网络的一个推算和您的网络的第二级的网络和您第三级的网络,进行一个运算,基本上能够算出来,您可能认识的人是谁,这样的一个推荐算法,在我们的应用当中非常的广泛,可以迅速的帮助用户拓展它的人际网络。还有一些产品比如说people you may hire,这个产品就是专门是针对猎头,那么猎头在看中了一些人才之后,这些人才可能他是被动的人才,他不愿意找,现在目前为止他不愿意找新的工作,那么这个产品,就会帮助猎头根据他喜欢的这个人才推荐其他的人才给他,这也是一个非常成功的产品。那么还有一些产品,比如说Who’s viewed your profile,像这样的一个大数据产品,它是实时的告知用户,谁看了他的简历,那么作为一个用户来说,他可以马上知道,谁对他感兴趣,作为一个正在找工作的人,或者作为一个正在寻找商业机会的人,他可能看到这种信息之后,他第一的反应是马上去主动的联系是看了他的简历的人,打开一个良好的沟通渠道。

ZDNet:我知道LinkedIn有一个数据分析模型叫菱形的数据分析模型要把底做小,底怎么来做小?

Jonathan Wu:我可以简单讲一下我们商业分析部门做大数据的一个指导思想,因为大数据很大,然后把底做小的意思就是说,我们在起初,在我们2011年建立这个团队的时候,我们发现我们使用了90%的时间,做了很多琐碎的分析,那么这些分析并不能带给我们90%的价值,所以呢,我们要通过技术来模拟人,把这些琐碎的分析,尽量变成一个self service的模式,让想得到这些分析的人,能够输入一个关键字查询一下,按一个按纽就能产生这些报表,也就是所谓把很多的分析,移到变成一个自动化的self serve的一个模型,所以就能把三角形,把这个底做小,把琐碎的分析做小,就变成了一个菱形,当然这是一个不断演进的过程,因为当你把三角形变成菱形之后,你还是有很多琐碎的这些分析,你可以继续做,继续把菱形做成三角形,再把三角形做成菱形,这是一个反复迭代的过程。从2011年到2012年我们基本上我们的团队,做到了把三角形做成一个菱形,现在我们的目标是要做成圆形,把以的四个节点连接起来,比如说数据集成、数据展现、数据分析和数据挖掘这四个节点做成一个圆形,做成圆形的好处是,就是说我们可以在比如说,我们可以在分析上面继续进行进一步的分析,把数据挖掘这样的一个过程,把它做在数据集成的过程里面,它是一个你中有我,我中有你的一个环形的结构,主要是看怎么高效,怎么来安排我们的数据的运算流程,而不是说我们要把这四个节点完全的分开,而是要相互结合,来产生更高的效率、更快的把大数据做成小数据,大数据要做小、做快才能产生商业价值。

ZDNet:商业分析部已经几乎支撑了LinkedIn的所有业务,其中授之以鱼的策略,是把最终的结果提供给对应的人来给他们提供决策,不提供分析的过程,只提供分析的结果,这对于那个人有什么好处?

Jonathan Wu:一般从大数据变成最后的有价值的东西,它一般分成好几个阶段,最初它可能是一些像LinkedIn的网站,它是一些很多用户的行为数据是储存在WEB的日志文件里,那么我们把大数据做成一个,做到最后的value的话,可能一开始我们是从一个log文件开始,把它log文件把它分析出来变成有用的数据,再把数据转换成信息,然后从信息转化为商业洞察,再从商业洞察转化为知识,这个知识就是我们要给最终用户的,用户拿了这个知识以后,他去再把这个知识变成一个value,举一个简单的例子来讲,我们做了一个大数据模型叫做人才流动模型,人才流动模型就是说每个月的定期的告诉某一个公司的人力资源的管理者,告诉他们你们的公司有多少人才,加入了你们的公司,你们公司有多少人离开了你们的公司,那么人力资源部的管理者看到了这个报告之后,他就能够基本清楚,他们公司的人才流向。

ZDNet:有很多企业客户都在LinkedIn有入驻,对于LinkedIn是如何为他们提供数据安全保护?

Jonathan Wu:LinkedIn的数据安全一般是分为两块,一块是用户的隐私数据,另一块是数据本身的隐私,用户的隐私数据就是比如说我们在发布我们的分析结果的时候,如果这个数据能够让看到结果的人猜到,这些用户是哪些个人的话,这样的信息我们是绝对不会发布的,这是对于个人隐私的保护,还有一个是对于企业信息的数据安全的保护,比如说我们不会给谷歌的公司看雅虎的报告,也不会给雅虎的公司看谷歌的报告。那么还有一块是对数据本身的保护,对于数据本身的保护包括在LinkedIn的Hadoop平台上,也是一个加密的平台,LinkedIn把能够加密的数据都进行加密,这就是我们对于我们LinkedIn公司的价值的体现,LinkedIn公司的最主要的价值之一就是member first。

ZDNet:LinkedIn它不光只是一个社交网站,其实也是一个数据公司,在未来从您的角度看大数据会有哪些发展趋势、方向?

Jonathan Wu:我觉得从未来来看的话,LinkedIn业务模型是一个用数据取之于用户,然后从数据中提炼出商业价值,然后再反馈给用户的这样的一个商业模型,任何一个符合这个商业模型的一个业务模型,我们都会去做,从目前来看我们主要专注于三块,一个是帮助企业招聘,解决招聘问题,帮助企业解决市场推广问题,和帮助企业解决销售问题,我们公司目前是基本上专注于这些方面。

来自 ZDNet

PPV课其他精彩文章:


1、回复“干货”查看干货 数据分析师完整知识结构

2、回复“答案”查看大数据Hadoop面试笔试题及答案

3、回复“设计”查看这是我见过最逆天的设计,令人惊叹叫绝

4、回复“可视化”查看数据可视化专题-数据可视化案例与工具

5、回复“禅师”查看当禅师遇到一位理科生,后来禅师疯了!!知识无极限

6、回复“啤酒”查看数据挖掘关联注明案例-啤酒喝尿布

7、回复“栋察”查看大数据栋察——大数据时代的历史机遇连载

8、回复“数据咖”查看数据咖——PPV课数据爱好者俱乐部省分会会长招募

9、回复“每日一课”查看【每日一课】手机在线视频集锦

PPV课大数据ID: ppvke123 (长按可复制)

大数据人才的摇篮!专注大数据行业人才的培养。每日一课,大数据(EXCEL、SAS、SPSS、Hadoop、CDA)视频课程。大数据资讯,每日分享!数据咖—PPV课数据爱好者俱乐部!

原文发布于微信公众号 - PPV课数据科学社区(ppvke123)

原文发表时间:2015-08-26

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏华章科技

虚拟现实:视觉盛宴背后的技术革命

早在50年前,虚拟现实就已出现,如今它有变革人类视觉体验之势。在虚拟现实重构的世界里,我们不仅有视、听、触、嗅等感觉,而且它们将变得愈发真实,与现实世界无异。与...

9820
来自专栏企鹅号快讯

畅想‘互联网’、‘大数据’会带我们到怎样的世界

就算我们短期内没有办法空间跳跃,但至少我们会生活的越来越舒服。 我们或多或少也都能想到,我们现在生活中每一种微小的行为都可以被做为有意义的数据进行采集,存储,分...

19960
来自专栏PPV课数据科学社区

【案例】如何用大数据优化技术提高Linkedin内容运营效果数十倍?实战干货分享

作者简介 宋碧莲博⼠是商业优化专家。 擅长机器学习客户行为,海量数据价值挖掘,对商业目标精准预测和决策优化。曾经是Linkedin,eBay的大数据核⼼成员。...

40880
来自专栏AI科技大本营的专栏

百度吐槽友商的音箱像卷纸、垃圾桶、保温杯后…发布了一个彩色积木,1699元你买吗?

整理 | 晶晶 Donna SuiLing 张明明 编辑 | 鸽子 千呼万唤使出来,小白盒子终揭面。2017世界百度大会今日在北京如期而至。不出所料,百度今天...

43560
来自专栏新智元

宇宙智能演化将进入后生物时代,人类不再是衡量智能的标准

【新智元导读】本文探讨了智能演化以及未来超级智能及其认知、形态的可能,以及超级智能 AI 与人类的关系。作者认为,从生物智能到“后生物”智能可能是宇宙中的一种基...

373100
来自专栏机器学习之旅

总结:如何找到一份机器学习的工作

我选择了公司的校招中比较严格的(top5%)一个jd要求,我们看下如何拿下这个offer。

12030
来自专栏量子位

发布AR相机滤镜之后,Facebook还有这些正在开发的黑科技

李杉 安妮 编译整理 量子位 报道 | 公众号 QbitAI 为期两天的开发者大会F8上,除了一如既往的“连接一切”之外,Facebook还展示了不少有趣、充满...

32470
来自专栏科技向令说

响铃:版权合作后,手机真的迎来了只装一个音乐APP的时代?

先是3月6日阿里音乐与网易云音乐宣布达成音乐版权互相转授权合作,阿里转授滚石、韩国SM、BMG等版权,网易转授天娱、AVEX、丰华、华研等版权。值得的一提的是,...

13250
来自专栏数据派THU

付睿:对新事物的追寻之旅 | 优秀毕业生专访

[ 导读 ] 清华-青岛数据科学研究院(以下简称“数据院”)自2014年4月成立以来,秉承“学校统筹,问题引导,社科突破,商科优势,工科整合,业界联盟”24字指...

12440
来自专栏大数据文摘

长文|为什么微软把未来赌在AI(人工智能)上?纳德拉超越谷歌的计划

320120

扫码关注云+社区

领取腾讯云代金券