Heidi格物志

不苛求完美,不停止进步。不懂数据的交互设计师不是好的产品经理。

© Heidi格物志 | Powered by LOFTER

[开眼界]LinkedIn与数据驱动

【前言】

可能很多人提到LinkedIn,脑子里的第一印象和我一样:招聘,然后可能是:职场社交。但距离黑科技、大数据、数据挖掘……貌似比硅谷其他公司,稍远了一些些。

然而最近因为招聘需要,使用LinkedIn比较频繁,加上陆续看了一些关于它的数据驱动、数据化运营的文章、演讲,我目前对于LinkedIn的印象大大改观,进而反思自己的工作、进而到深受启发……所以分享出来,希望也对你有所帮助。

在此郑重说明下,本文不算100%的原创,更像是学习、读书笔记,欢迎大家一起思考。值得一提的是,围绕数据驱动在Linkedin,我参考的视角也算是非常丰富的,比如:

  1. 中国区的总裁沈博言谈:Linkedin为何能够火15年?(商业视角)

  2. 前Linkedin高级商业分析总监张溪梦:6个步骤,学会数据驱动产品的秘诀?(分析视角)

  3. LinkedIn Business Analytics 部门资深总监Simon Zhang:LinkedIn怎么用大数据赚钱?

  4. 数据产品经理李海鹏:创造数据产品驱动商业价值(产品视角)

以为第4个只有视频演讲,没有文字版呢,不过很巧的是现在找到了

齐活了,所以你可以不往下看我的心得体会,但是以上四篇文章,是很值得深入学习的。

一. 数据与业务

一开始,我也习惯先建立一个框架,好去将碎片的心得体会放到格式的格子里。关于数据与业务的关系,我抛出一个框架,供大家交流探讨。如此,提到数据、提到它和业务的关系,即便众说纷纭,你可能大概也知道“他们到底属于哪一块”,而且你可以从已有的知识储备里挖掘一些共鸣。

图1:业务VS数据(By Heidixie)

个人总结的较为浅显但目前非常有用的关系图:业务的发展会产生越来越多的数据,通过外部数据的交换也会让数据更加丰富、体量增大。

进而数据可以对业务产生三种助力价值:

1. 传统BI价值:

数据可以帮助我们看清业务,比如活动效果如何?用户留存是什么样的?距离我们的目标还有多少?这个月的访问中,有多少是老客户,有多少是新的客户?下个月的预测会有多少客户签约,会有多少客户流失?

怎么衡量数据是否能够帮助看清业务呢?很简单,做BI的同学会把自己服务的业务方做个简单的分类,每一类的业务方平时关心什么业务的问题,BI的同学是要尽可能非常快地能够提供答案、进而让对方自助、容易地获取答案(BI报表、报告的产品化)。这个分类是一个纵横交错的关系,纵向可按业务类型分,横向可按不同层次分,不同层次关注的数据的时间周期、粒度不一样。纵向划分则意味着他们关注的业务领域、业务问题不一样,举个关于O2O领域的栗子:

图2:数据看清业务的梳理框架(By Heidixie)

顺便说一句,现在很多的业务还属于“看都看不清”、“花很多精力才能看清”的攻克上……所以并不是说“传统”就认为非常成熟了,还是有很大空间可以努力的。

2. 数据智能的价值:

前面一种价值是能够给人抛出答案,便于人进行决策判断。而这种场景是,对于有明确规律、规则总结的,其实是不用交给人再去判断了,直接可以系统化实现掉,比如客户服务领域的智能判决,比如智能服务机器人,甚至比如个性化搜索、推荐引擎的设计。后面的人不再是看着数据做决策,而是放到怎么根据数据去调优规则上。

3. 数据产生新业务:

尤其是数据变现的能力,从数据产生新的业务,并且这个业务可以成为赢利的新的增长点。上一个价值谈到比如智能判决,可能本来是客服内部的一个自动化的工具,但是如果洞察到其商业价值,如果把它单独产品化,推到市场,成为其他企业客户服务领域的解决方案之一,则具备了强大的变现能力。再如会员营销解决方案,它可能的前身也只是提供给内部运营同学做客户关系管理的小工具,而一旦洞察到商业价值,可以优化成为面向商家的增值服务。

以上的三个价值,中间演变的关键是什么呢?


图3:3种价值的演变关键点(By Heidixie)

只所以划分了框架,主要是LINKEDIN以上三方面都比较有建树,都值得我们学习参考,当你看我最前面推荐的四篇文章的时候,或听到别人在谈数据价值的时候,你也可以试图按这个框架填填空。

本次开眼界,主要聚焦在价值3的应用。针对传统BI在LinkedIn是怎么做的,留待下次。

二. LinkedIN的业务

面向C端用户,LinkedIn是一家给用户提供免费服务的职业社交网站(LinkedIn的愿景是:为全球职场人士提供发展机会),借助网络效应让LinkedIn变成越来越大的、几何倍数增长的大黑洞,从而积累了更多的用户信息。而LinkedIN很难从用户身上赚到钱,它主要的营收来自面向B端客户的解决方案,目前核心的解决方案有三种:

  • 招聘解决方案:发现猎头在这里找人、发现B端的企业在这里, 于是推出面向猎头的招聘解决方案,目前这个产品占到了营收的60%以上。

  • 营销解决方案:发现有些营销人员来做产品的推广(尤其是toB的),推出了面向B类客户的营销解决方案。

  • 销售解决方案:看到人们之间的交互行为、关系链,推出了销售解决方案,就是它可以帮助企业去找到最匹配的销售负责人。

如图所示:


图4:LinkedIn面向B端的解决方案(By 李海鹏)

从Linkedin的业务我们可以发现:

  1. 这些占据了LinkedIN主流营收的“解决方案”是产品化的,它对照着上述框架中的第3种数据价值。

  2. 这些解决方案是怎么产生的?根源于LinkedIN的数据化运营,据说,LinkedIN的CEO是身体力行的用数据来说话的人,每天早上5、6点起床,开始看公司的200多个KPI,然后各部门老大、分析师们也开始起床响应CEO针对指标的各种疑问。那么通过不断去加强传统BI的价值,除了看清业务(KPI),也发现了一些“商机”,比如发现猎头的访问增多,比如发现了有些企业用户访问LinkedIN,而且不是出于招聘的目的……进而发现数据的价值,进而提升了更针对性的解决方案。

三. LinkedIN产出的数据是什么?

李海鹏在《创造数据产品驱动商业价值》的演讲中提到,Linkedin的数据来源主要有三类:

  1. 用户身份数据:用户是谁?履历?技能?

  2. 用户行为数据:用户来干了什么?他们可区分成什么类型?他们的浏览、点击、停留、互动、留存行为是什么样的?

  3. 社交数据:人与人的关系是什么?

图4:LinkedIn的数据类型(By 李海鹏)

以上数据各有用途,Mapping起来更了不得。就拿社交网络关系图谱来说,绝对不只是是看起来酷炫的作用:比如,你是微软的员工,但是你填写资料的时候,没有写对你的公司,比如拼写错误,有意填错等,但LinkedIn通过社交图谱,也会发现你被包围到微软的员工中,所以你有极大可能是微软员工,而且还可以反过来用,去侦测哪些填假资料的人。 

四. 实现价值3(数据应用变现)的重要的思维框架

很多公司都有数据沉淀,而且目前数据交换的成本也越来越低,每个企业都可不拘泥于自己所产生的数据,全球的创意精英们都可以通过接口的方式获取其他的数据做自己的创新产品。

但是为何有些公司可以借助数据实现业务的不断升级与变革,而大多数公司还在解决“看清业务”的基础BI问题。

李海鹏分享了一个重要的思维框架:一个公司如果想把数据应用做得非常好,是一定要把业务、数据、以及Engineering很好地结合起来的。 

图5:数据驱动的思维框架(By 李海鹏)

只看图貌似就是大实话,但我们可以用一个反例去更好理解,比如,一个公司有很多的数据专业人员,谈起大数据眉飞色舞,但是脱离了具体“Business”场景,在数据里挖啊挖啊,是无法很好产生商业价值的。这一点,和《重新定义公司》的提到的“巴斯德象限”不谋而合,重新定义公司讲述谷歌的创新、创意精英,也谈到了创新其实更多基于“应用”,也强调了创新是要“非常实用的”,否则就会导致科学理论只是理论,无法派上实际的用途。有兴趣的同学可以去谷歌下巴斯德象限。

又如,有很多的数据,也有很好的商业场景,但是缺乏很好的工程实现、前后端的方案,也是无法去适应业务的快速发展的。

演讲中还有一个思维框架,也非常实用,它再次解释了为何有些公司发展得很“疯狂”,而有些公司陷入了“渐变模式”,一直固守在已有业务领域,直到被一个出乎意料的竞争对手跨维度打击。 


图6:从数据到数据变现的正向激励闭环

在李海鹏看来,主要区别在从数据的积累到Deliver更多产品/服务的闭环的正向激励上,而很多公司发展陷入瓶颈主要是因为从紫色到红色的环闭不上。

五. 看看LinkedIn利用数据+商业机会洞察做的牛逼的事儿

1. 行业趋势与招聘解决方案

企业发展离不开人才招聘,一个行业的企业聚合起来又代表着行业对于人才的需求变化情况,根据不同行业的招聘情况去看行业的发展趋势。这对于公司做战略性的决定是很有帮助的,更何况LinkedIn有成百上千的INDUESTRY。 

这还可以进一步帮助B端客户去识别某行业的人才分布情况,从而从微观角度去指导公司招聘,比如,根据以下的人才洞察报告,可以看到某行业的人才供需情况,比如不同区域招聘的竞争情况。

李海鹏提到,当他们面向B端客户推销招聘解决方案的时候,对方往往会认为根本无需使用更高级的招聘服务,而当他们给对方看了针对性的如下分析后,第二天就会接到对方的电话说:那我们谈谈?这个神奇的分析是什么呢?


假设该公司是公司A,上面的图上可以看到,红色的是自己的人流入别的公司的,绿色的是从该公司获取的。如果上图第一个公司是公司B,那么公司A是明显占据对于人才的吸引力优势的。

公司的竞争就是人才的竞争,如果一个人才从公司B跳槽到公司A,可能是偶然因素,但是如果大量的人才都有相同的选择,是否就可以推断公司A的竞争力和发展机遇要高过公司B呢?

这个图首先可以帮助不同的公司看到自己潜在的竞争对手(是员工用脚投票出来的)。

LinkedIn每年会发布硅谷最HOT的创新公司,而往往提供的预测和最后他们拿到的VC以及发展是非常匹配的。

除了做公司的人才流动,也会做行业的人才流总以及技能的流动是什么样的。

“这么好玩的事情,背后的数据就是一份份简历的数据。关键是在于标准化并且找到其中一个维度,就像上面的流动来看,关键的维度就是时间维度,每个人在不同的时间做了不同的工作。 ”

2. 销售解决方案


销售解决方案要解决的是从潜在的机会Lead,发展为意向客户,发展为顾客,进而又进行续约顾客。

但是为何整个销售解决方案会用到LinkedIn?

比如,假设你是一个面向游戏应用开发商提供游戏数据分析解决方案的企业,你的目的是尽可能地找到哪些企业是潜在顾客,进而你要找到“VIP人员”进行Sell points沟通,发展成顾客后,还得不断分析他们的留存和流失情况,及时进行沟通、激活。

1. LinkedIn知道企业的Profile——它是不是意向客户。

2. LinkedIn知道该企业的组织架构——谁可能是最能够做出决策是否购买的人?

3. LinkedIn知道你的企业里,谁是最合适的销售员——别忘记了社交关系图谱,而且它可能还会推荐一个关键人物,让你的销售员可以快速突破关系墙。所以决定哪个销售人员的分配也是极具智能的。

进而,LinkedIn会关注在“Churn Point"(实在不知道怎么翻译比较贴切,请教),关注可能的客户流失情况,所需的三板斧是:度量、预测以及预防:


说到预防,不得不提一个有意思的工具,也就是帮销售人员讲故事,无论是在拉新还是挽留即将流失的客户上。

在之前,一个销售人员锁定一个潜在意向客户后,要花很多的时间去准备Story, 去完善沟通的PPT,而如今,这些销售人员使用轻轻点击一个按钮,就可以自动生成一个Story——比如,若销售人员是LinkedIn的,潜在客户是GOOGLE,那么这个Story PPT的中心思想是:为什么说你们谷歌或者你们 GE 要买 Linkedin 的服务?为什么?LinkedIn能够做到,是因为它知道该公司的人员流失情况,、公司增长情况,以及人力市场里竞争的这种优势和劣势。

然而这个案例是举LinkedIn自身的销售来的,我也没有深刻的感知到如何能够复用到不同领域的销售解决方案,是怎么能够也自动生成自己潜在客户的推销PPT?毕竟推销的场景是完全不一样的,比如通过什么数据能够发现潜在客户是否要购买一套新的游戏分析软件?

不过,虽然个销售解决方案的商业模式对收入贡献不多,目前只占 1%,但LinkedIN对此信心还不错,让我们拭目以待。

【总结】

缺乏应用场景的大数据都是空中楼阁,数据化运营不仅仅是帮助我们更好看清业务现状,也能够帮助我们洞察到其中隐含的商机,最关键的是能够将数据价值进一步产品化,推出市场。想想我们手里的数据,以及我们或许已经错过和即将错过的商机吧!让数据真正成为金矿。

评论 ( 3 )
热度 ( 22 )
  1. 大树Heidi格物志 转载了此文字
    看到'传统'并不意味着成熟,就认定,这是一篇好文
  2. 日日知非Heidi格物志 转载了此文字