LinkedIn作为一家职业社交网站，通过人才招聘、广告投放、付费订阅等服务实现了盈利，这三项服务的背后实际上都有着数据分析的重要贡献。
LinkedIn利用数据分析为所有职场人员作出迅捷、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。
因此，商业数据分析不仅是一种科学，而且是实实在在可以为业务带来价值的科学。
图1 EOI框架图
在LinkedIn内部，我们的团队搭建了一个分析框架，用来推动商务分析价值的持续产生。这个EOI 框架从企业的长远发展入手，针对核心任务、战略任务、风险任务提出了助力（Empower）、优化（Optimize）、创新（Innovate）三大思路。
那么，LinkedIn是如何执行这套分析框架的？又如何用数据来驱动增长？
一、助力：如何提升销售的效率？
LinkedIn是全球最大的职场社交平台，有海量的人才信息，比如某人某年某月在某公司做某岗位。有了这些信息以后，LinkedIn就能知道人才在企业之间的流动情况；通过信息整合，我们的团队做出来人才流动画板。
比如一家企业从A公司招聘了80名员工，流失了18名；通过人才流动画板，企业间人力资源的流动情况就非常清晰了。
图2 人才流动画板
人才解决方案是LinkedIn B端业务的重要组成，以前销售人员去预约企业的管理层非常困难，无论是打电话还是email都经常碰壁。
现在LinkedIn的销售人员只需要在这个人才流动画板上搜索目标企业，就可以清晰获得对方的人才流动情况。
销售把这张图发给目标客户的管理层，这样就很容易引起了对方的重视，预约成功率和签单比率大幅度上升。
在整合工作岗位投递、LinkedIn企业主页访问、人才档案等数据的基础上，LinkedIn还推出来《最受欢迎的100家企业雇主排行榜》。
2012年一推出这张榜单就受到了极大关注，在LinkedIn上blog访问量排名第二。
人才是企业最核心的竞争力，企业网站上人才信息往往比资本更加具有敏感度。
我们团队还推出了《硅谷最具潜力的100家企业排行版》，2012年推出的榜单中已经有一半以上的企业实现IPO或者被收购，包括Drobox、Pinterest等在内，可见数据分析的价值。
二、优化：如何找出目标用户？
作为一个职场社交平台，大部分用户都是免费使用LinkedIn；但对于那些有高级需求的人群，LinkedIn推出了付费订阅服务。
为了保持良好的用户体验，LinkedIn并没有给所有人都发推广邮件；那么留给我们的问题来了，如何找到这部分有需求的人群？
图3 LinkedIn有三大类用户数据
LinkedIn有三大类用户数据，用户个体数据、用户行为数据和用户网络数据。
●用户个体数据主要是用户的一些基础信息；
●用户行为数据是在用户在LinkedIn产品上的使用情况；
事实表明，用户行为数据往往比用户个体数据更加具有预测性。
●用户网络数据是一个social network的概念，同一个网络里面的人，共性更加强烈。
图4 用户倾向模型
在这三大类数据的基础上，分析部门建立了“用户倾向模型”，筛选出有需求的目标人群。
业务部门只给这些筛选出来的目标人群推送“高级订阅功能”营销邮件，在不破坏用户体验的基础上，取得了非常好的营收效果。
图5 筛选目标人群
上图最右侧的灰色柱状图代表业务部门实际获取的新付费用户，其中10%和36%来源于用户个体数据和用户行为数据筛选的结果，剩下54%新付费用户均来自于用户倾向模型的作用。
通过数据分析，用户倾向模型使得业务部门的业绩提升了100%以上，我认为这是最能直接体现数据分析价值的地方。
三、创新：如何提升订单成功率？
不只是全球最大的职场社交平台，LinkedIn也是全球第二大SaaS（企业级服务）企业，面向B端客户提供人才解决方案、精准广告等服务。
区别于B2C业务，B2B业务的一个显著点就是决策权集中在管理层，如何找到大客户的核心决策者一直是B2B企业销售的重点。
我认为LinkedIn在这方面具有先发优势，因为LinkedIn上聚集了海量的职场人员信息，我们创新的“大客户兴趣指数”就是一个很好的例子。
图6 大客户兴趣指数
大客户兴趣指数，用来衡量企业级大客户对于LinkedIn产品和服务的兴趣程度。
我将它拆解成两个子模型：决策者模型和产品偏好模型。
决策者模型用来评估用户是企业决策者的可能系数，产品偏好模型用来分析用户在LinkedIn上产品的使用程度，两者结合起来就是“大客户兴趣指数”。
以往销售人员要同时跟进很多客户，而且销售并不清晰哪些用户是决策者，哪些用户对我们产品感兴趣。
有了这个“大客户兴趣指数”以后，销售人员就可以进行优先级排序。哪些客户成单的可能性高？那些客户值得我们多花些时间？销售都心中有数。
图7 大客户兴趣指数分类
我将大客户兴趣指数分为低、中、高三种；大客户兴趣指数为“高”的用户订单成功率高达42%，是指数为“低”的客户订单成功率的两倍。
对于一家B2B企业，或者To B业务很大比重的企业，精准找到核心用户、提升订单成功率至关重要。
数据驱动并不是一步到位的，从数据到洞察，它是一个不断进化的过程。
对于所有的分析团队来讲，数据驱动都绕不过这四步：数据获取、数据挖掘分析、商业预测以及商业决策。其中，数据获取是基础，商业决策的价值量最高。
数据驱动不能没有数据分析工具，我结合自己多年分析经历谈了自己的看法。
一个好的数据分析产品一定要简单易用，让数据工作从大到小，实现从冰山到冰棍的变化。同时，几秒钟就能拿到数据、大幅提升数据工作效率也是一款优秀数据产品的所必须具备的。
而GrowingIO正是这样一款值得在工作中反复使用和实践操作的产品，无需埋点即可采集全量、实时用户行为数据，数据分析更精细，帮助管理者、产品经理、市场运营、数据分析师、增长黑客等，提升转化率、优化网站/APP，实现用户快速增长和变现。
核心关注：拓步ERP系统平台是覆盖了众多的业务领域、行业应用，蕴涵了丰富的ERP管理思想，集成了ERP软件业务管理理念，功能涉及供应链、成本、制造、CRM、HR等众多业务领域的管理，全面涵盖了企业关注ERP管理系统的核心领域，是众多中小企业信息化建设首选的ERP管理软件信赖品牌。
转载请注明出处：拓步ERP资讯网http://www.toberp.com/
本文标题：人人都在谈的“数据驱动”到底是什么？
相关文章
