LinkedIn 怎么用大数据赚钱？！
http://yanglinhua.baijia.baidu.com/article/33022
- Github项目: awesome-coder-resources：编程/学习/阅读资源---开源项目,面试题,网站,书,博客,教程等等...欢迎Star,欢迎围观...
摘要："当时我们预测，谷歌要花 10 个 Million 做这件事，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，当时销售人员说这不可能。那我说你根据数据分析出来，就应该是这个数字，而且谷歌只会花得更多，而不是更少。"
独立、敏捷的中美科技观察，硅发布微信号Guifabucom
我们在硅谷@为您报道最前沿趋势
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。
