拿到用户数据之后,LinkedIn怎么赚钱?

LinkedIn有很多数据。他们是如何用数据给各个部门提供数据服务,帮助他们赚钱的呢?这里有三个关键词:助力、优化、创新,用数据来持续不断为商业增值的手段。

在LinkedIn,大数据渗透在各个产品和决策之中。比如,LinkedIn对大众来讲是免费的,但是也会提供付费产品的增值服务,怎么向目标用户进行有效推荐呢?这时候数据就起了作用。在这些数据的帮助下,销售部门的业绩翻了一倍还要多。

LinkedIn有很多数据,我们怎么用呢?如何用数据给各个部门提供数据服务,帮助他们赚钱的呢?这里有三个词:助力、优化、创新,这是我们用数据来持续不断为商业增值的手段。

  1. 利用人才流动数据
  2. 为销售人员提供洽谈敲门砖
  3. 预测硅谷最具潜力的创业公司

助力就是公司其他部门在需要数据支撑决策的时候,我们满足他们最基本的对数据的需求,为他们提供数据洞察力。

举个例子,我们四年前做过一个很简单的产品,叫人才流动画板,就是整合LinkedIn上用户的基础数据,就可以得到一段时期内从A公司到B公司的人才流动情况。

大家想想LinkedIn平台上最多的数据是什么?用户职场信息。从哪年哪月到哪年哪月,在某家公司担任什么职务。

当我们把这些用户信息采集起来以后,就可以知道世界上每家公司,任何一个时间点,有哪些人是为这家公司服务的。

这个数据图有什么用?通过它,你很快可以知道自己公司和对手的人才流动情况。有了这个图,销售人员跟一些公司约谈会议的时候,就太容易了,这个数据图就是很好的敲门砖。

我们还将创业公司的数据单独拎出来,做了一个硅谷最具潜力创业公司的排名。因为一家公司势头非常好的时候,人才的流动会比资本的流动更快。人才是一个公司能否成功非常好的评判标准。

2012年我们发布了第一个榜,当时有Cloudera、Pinterest、Hortonworks等等,这个榜我们发布了两年之后,这些公司IPO加上被收购的公司超过了50%。

2013年的公司可以看到Dropbox、Hortonworks、GoPro这些公司,大家如果13年的时候去投资这些公司,你会获得非常好的回报。

  1. 向真正有需求的人推荐付费产品
  2. 数据的甄别定位很重要
  3. 销售业绩因此增长一倍多

那么,怎么通过优化方式帮助业务部门把工作做得很好?我们用LinkedIn的高级订阅服务做例子。

LinkedIn对大众来讲是免费的,我们会有些增值服务,提供付费产品。但是我们希望找到真正有需求的群体推荐,而不是每一个用户,不然会被认为是垃圾广告。

怎么做呢?我们从LinkedIn最基础的三大类数据开始。

1.第一是用户个体数据

姓名、职称、工作公司、职场经历,这是相对静态的数据。

2.第二是用户行为数据

你在LinkedIn上看过哪家公司的广告,和哪些人有联系,有消息的交互记录。后来证明这些用户行为数据,很多时候是比用户个体数据更有预测性的。

3.第三是用户网络数据

在Linkedin里面更多的是社交概念,你的社交网络里有谁,你在谁的社交网络里面。我们知道物以类聚,人以群分,在网络里这个共性会更强。

我们通过网络分析建模,最后对非常小的一部分人进行精准定位,我们知道了他们可能对我们产品感兴趣的人,给他们定向发布信息。

做这个数据分析有多大实际用处呢?销售部门的业绩翻了一倍还要多。

  1. 决策者在2B中起到决定性作用
  2. 通过大客户兴趣指数
  3. 确定谁才是值得跟进的决策者

数据应用的有哪些创新?我来讲讲大客户兴趣指数,就是对企业级的用户进行排序,让我们的销售团队知道哪些大客户对我们的产品更有兴趣。

这个兴趣指数是怎么做的呢?首先2C和2B业务决策有一个本质的不同,2B里有个特殊人物叫决策者,拍板的人,如果拍板的人决定买,即使其他人不想,产品还是可以卖出去的。

所以我们通过建模方式,把公司里的每个人分成两个部分来建模。

1.第一部分是决策者指数,通过数据比如他在公司的Title(职位)来预测是决策者的可能性。

2.第二部分叫产品倾向模型,就是你作为个人,对产品的喜好程度是什么,我们会考虑你的个人信息,和我们营销互动的情况。

我们把决策者指数和产品倾向喜好度结合起来,就有一个大客户兴趣指数,然后,销售团队就可以清晰地知道哪家客户是值得去跟进的。

比如我们把大客户兴趣指数分为高、中、低三大类别,结果发现,订单成功率高的为42%,低的是21%。对于2B业务,你把更多时间放在指数高的客户上,对订单会非常有帮助。

来源:51CTO

0赞

好文章,需要你的鼓励

2016

03/21

11:25

分享

点赞

邮件订阅
白皮书