dashuju

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,但是我一个人的工作,需要支持 200 名销售人员。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?谁是这个公司的决策者?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,又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 是个职业社交网络对吧,它还是非常讲究人与人之间的关系,我们知道,正确的关系和桥梁能提高很大生产力。那第四步,我们 LinkedIn 有 200 名销售员工,谁最应该去和这个公司接洽?第五个问题,我们去到那边了,要讲一个什么样的故事?

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,大概占今天总收入的 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?

当时我自己问自己答: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,工种是什么,他的头衔是什么,位置在哪里,他的功能是什么?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,有多少负责猎头的人,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了,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 美金在“猎头”这块,这是谷歌去年的数字。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 内部的销售人员,和这个相对来说的决策人的关系,来找到哪个人对他有最高的社会影响力,或者和他的社会关系最近。那我们就派这个销售人员,去跟他接洽。

第四步就是,我们分析我们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,或者找到他的团队里面,哪些人能够支持他,哪些能够帮他建立关系。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的话,大概需要四到八小时时间,缩短到了今天 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。但三年以前,它在 LinkedIn 变成了一个“钮”,销售人员他只要把这个“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。

这样来说的话,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。

那为什么我们可以用信息来推送?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,销售员工大概是 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,还可以迭代出新产品线。你知道 LinkedIn 三大商业模型是:人才解决方案、市场营销解决方案和付费订阅,这是我们传统的三大收入支柱。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。

dashuju
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,但肯定是一个趋势,因为 Linkedin 的 B2B 是一个很大趋势。

Tagged on:

One thought on “我们要怎么用大数据赚钱?后台人员决定公司走向。数据分析,产品导向

Comments are closed.