至顶网CIO与应用频道 07月14日 人物访谈(文/王聪彬):LinkedIn(领英)是一家职业社交网站,也是一个数据驱动的公司。数据分析对于业务有着重要的贡献,为职场人员作出迅捷、高质、高效的决策,提供具有指导意义的洞察和可规模化的解决方案。
LinkedIn拥有将近800人的数据团队,其中分为几大部门,第一、基础设施团队,负责设计并搭建基础设施平台包括大规模社交联系人数据库等;第二、分析平台和应用团队,负责数据的ETL,以及开发一些数据平台,像A/B测试平台、报表平台、单一数据源平台等;第三、机器学习团队、构建机器学习、数据挖掘的模型;第四、数据分析团队,从数据分析中发现洞察为业务部门提供建议。
几个团队间相互配合,像LinkedIn需要大量的A/B测试,通过与分析平台和应用团队建立了自助服务的A/B测试平台,其可以自动计算和统计出数千个度量(metric)指标,让管理者、工程师、合作伙伴很容易的创建和查看,这也让数据科学家可以减少大量手工计算,进行更高附加值的工作。数据分析团队就可以更好地将洞察提供给不同层面的人员,帮助业务决策以及发现新型业务机会。
LinkedIn的数据分析团队分为三部分,core支撑业务部门的数据需求、strategy进行战略性投资以获得长远的回报、venture尝试新的成功可能性,有发展机会就会变成项目。
LinkedIn(领英)增长与国际业务数据科学负责人周洋所在的是数据分析团队中的增长,生命周期与国际业务部门,主要负责客户获取、用户生命周期与黏性、国际业务。周洋说现在增长要更加细分,确定战略性市场和用户群并定制增长战略。中国的团队也属于整体国际团队的一部分,他们的职能在于优化产品在本地市场能够成功,同时将很多创新想法快速实现,并带回到全球市场。
LinkedIn(领英)增长与国际业务数据科学负责人周洋
增长的三次革命
说到增长,最火的一个词就是Sean Ellis 提出的“Growth Hacker”增长黑客,其帮助硅谷多家公司完成产品的快速增长,其中不少已经IPO,最著名的非Dropbox莫属,仅一年的时间用户基数和使用频率提高了500%。
大多数人理解的增长都是用户的获取,而LinkedIn的增长团队对于增长有着三次革命性的认识变化。
第一、用户黏性,LinkedIn首先提出用户生命周期的概念,将用户按照活跃度划分成不同的级别,理解不同级别之间的转化并指定战略让低活跃级别的用户向上移动;
第二、注册质量,用户获取的目标应该是有质量的获取,LinkedIn根据通过核心价值定义了自己的关于用户增长的北极星指标(“North Star Metric”),不断优化用户获取;
第三、高质量用户,通过衡量LinkedIn的上亿用户在整个生态系统中接受核心价值所处的状态,来定义高质量用户。
“增长不是一个短期行为,也不是一个战术方式,而是深刻了解增长价值的核心在哪里。”周洋说,只有深刻理解才能定义北极星指标,之后再从用户群的过渡、不同渠道、漏斗转化率等角度优化它。增长最终的目的是为用户提供价值,以及为业务提供价值。
增长黑客的方式可以为企业带来爆炸式的增长,但前提是企业要有一个产品与市场匹配,创造价值同时优化传递价值的过程,最后就是这样扩大增长规模。
每一个产品都有研发周期,从产生创意、文档、设计、实施、测试、上线的各个阶段,LinkedIn的增长已经渗透到产品的各个层面。数据团队和产品团队会一起定义成功的metric,之后在中间各环节配合,最终根据成功metric确定产品是否成功,上线后会进行监控,同时进行深度分析从而进一步优化。
数据科学家肩负决策与创新
2008年,LinkedIn的数据科学团队负责人DJ Patil 和Facebook的Jeff Hammerbacher分别建立了全世界最初两个真正意义上的数据科学团队,并且开始用数据科学家(data scientist)来描述他们的工作性质。在此之后,Data Science职业逐渐流行开来。
当然即便数据科学家已经兴起了一段时间,但即使在美国其还是一个比较新型的行业。周洋认为,虽然现在很多学校开设了数据科学的相关课程,但要成为一个优秀的数据科学家必须要在业务中去历练,因为我们的工作是非重复性的,解决的业务问题都应该是新问题。
作为一个数据科学家一定要具备好奇心和直觉。 他们需要想的问题是:我能用这些数据来做什么呢? 我需要问什么样的问题?这些数据能告诉我什么?数据科学家的工作包括通过数据分析发现商业洞察,进而提出商业决策或者商业创新的建议,并与其它团队一起将这些想法落地实施 。
LinkedIn的数据科学家有两大核心工作和数据部门整体的目标相辅相成,第一、用数据驱动商业,帮助业务团队进行决策;第二、用数据驱动业务创新,优化流程,发现商业机会。当然这些工作会渗透到LinkedIn的所有业务中,包括2B业务和2C业务。
在数据科学家的划分上,一部分在垂直领域,对应不同的业务,和业务团队一起工作,更好的了解该业务的痛点;另一部分在水平领域,创建并开发可重用和可扩展的数据工具。
LinkedIn数据科学团队的宗旨是:To make data-driven business decision at scale。
好文章,需要你的鼓励
三星与AI搜索引擎Perplexity合作,将其应用引入智能电视。2025年三星电视用户可立即使用,2024和2023年款设备将通过系统更新获得支持。用户可通过打字或语音提问,Perplexity还为用户提供12个月免费Pro订阅。尽管面临版权争议,这一合作仍引发关注。
浙江大学团队提出动态专家搜索方法,让AI能根据不同问题灵活调整内部专家配置。该方法在数学、编程等任务上显著提升推理准确率,且不增加计算成本。研究发现不同类型问题偏爱不同专家配置,为AI推理优化开辟新路径。
苹果M5 MacBook Pro评测显示这是一次相对较小的升级。最大变化是M5芯片,CPU性能比M4提升约9%,多核性能比M4 MacBook Air快19%,GPU性能提升37%。功耗可能有所增加但电池续航保持24小时。评测者认为该产品不适合M4用户升级,但对使用older型号用户仍是强有力选择。
清华大学研究团队提出SIRI方法,通过"压缩-扩张"交替训练策略,成功解决了大型推理模型"话多且准确率低"的问题。实验显示,该方法在数学竞赛题上将模型准确率提升43.2%的同时,输出长度减少46.9%,真正实现了效率与性能的双重优化,为AI模型训练提供了新思路。