雷鋒網按：本文作者李玥（Michael Li），LinkedIn 數據科學和分析總負責人。本文根據 GrowingIO 對李玥采訪內容編輯整理，原文發于GrowingIO博客和公眾號，授權發布雷鋒網(公眾號：雷鋒網)。

LinkedIn 作為一家職業社交網站，通過人才招聘、廣告投放、付費訂閱等服務實現了盈利，這三項服務的背后實際上都有著數據分析的重要貢獻。LinkedIn 利用數據分析為所有職場人員作出迅捷、高質、高效的決策，提供具有指導意義的洞察和可規模化的解決方案。因此，商業數據分析不僅是一種科學，而且是實實在在可以為業務帶來價值的科學。

　　圖1：EOI框架

在 LinkedIn 內部，我們的團隊搭建了一個分析框架，用來推動商務分析價值的持續產生。這個EOI 框架從企業的長遠發展入手，針對核心任務、戰略任務、風險任務提出了助力（Empower）、優化（Optimize）、創新（Innovate）三大思路。

那么，LinkedIn 是如何執行這套分析框架的？又如何用數據來驅動增長？

一、助力：如何提升銷售的效率？

LinkedIn是全球最大的職場社交平臺，有海量的人才信息，比如某人某年某月在某公司做某崗位。有了這些信息以后，LinkedIn就能知道人才在企業之間的流動情況；通過信息整合，我們的團隊做出來人才流動畫板。比如一家企業從A公司招聘了80名員工，流失了18名；通過人才流動畫板，企業間人力資源的流動情況就非常清晰了。

　　圖2：人才流動畫板

人才解決方案是LinkedIn B端業務的重要組成，以前銷售人員去預約企業的管理層非常困難，無論是打電話還是email都經常碰壁。現在 LinkedIn 的銷售人員只需要在這個人才流動畫板上搜索目標企業，就可以清晰獲得對方的人才流動情況。銷售把這張圖發給目標客戶的管理層，這樣就很容易引起了對方的重視，預約成功率和簽單比率大幅度上升。

　　圖3：LinkedIn推出的企業榜單

在整合工作崗位投遞、LinkedIn企業主頁訪問、人才檔案等數據的基礎上，LinkedIn還推出來《最受歡迎的100家企業雇主排行榜》。2012年一推出這張榜單就受到了極大關注，在LinkedIn上blog訪問量排名第二。

人才是企業最核心的競爭力，企業網站上人才信息往往比資本更加具有敏感度。我們團隊還推出了《硅谷最具潛力的100家企業排行版》，2012年推出的榜單中已經有一半以上的企業實現IPO或者被收購，包括Drobox 、Pinterest等在內，可見數據分析的價值。

二、優化：如何找出目標用戶？

作為一個職場社交平臺，大部分用戶都是免費使用 LinkedIn；但對于那些有高級需求的人群，LinkedIn 推出了付費訂閱服務。為了保持良好的用戶體驗，LinkedIn 并沒有給所有人都發推廣郵件；那么留給我們的問題來了，如何找到這部分有需求的人群？

　　圖4：LinkedIn 三大類用戶數據

LinkedIn有三大類用戶數據，用戶個體數據、用戶行為數據和用戶網絡數據。用戶個體數據主要是用戶的一些基礎信息，用戶行為數據是在用戶在LinkedIn產品上的使用情況；事實表明，用戶行為數據往往比用戶個體數據更加具有預測性。用戶網絡數據是一個social network的概念，同一個網絡里面的人，共性更加強烈。

　　圖5：建立用戶傾向模型篩選目標人群

在這三大類數據的基礎上，分析部門建立了“用戶傾向模型”，篩選出有需求的目標人群。業務部門只給這些篩選出來的目標人群推送“高級訂閱功能”營銷郵件，在不破壞用戶體驗的基礎上，取得了非常好的營收效果。

　　圖6：用戶傾向模型的效果

上圖最右側的灰色柱狀圖代表業務部門實際獲取的新付費用戶，其中10%和36%來源于用戶個體數據和用戶行為數據篩選的結果，剩下54%新付費用戶均來自于用戶傾向模型的作用。通過數據分析，用戶傾向模型使得業務部門的業績提升了100%以上，我認為這是最能直接體現數據分析價值的地方。

三、創新：如何提升訂單成功率？

不只是全球最大的職場社交平臺，LinkedIn 也是全球第二大 SaaS（企業級服務）企業，面向B端客戶提供人才解決方案、精準廣告等服務。區別于B2C業務，B2B業務的一個顯著點就是決策權集中在管理層，如何找到大客戶的核心決策者一直是B2B企業銷售的重點。

我認為LinkedIn在這方面具有先發優勢，因為LinkedIn上聚集了海量的職場人員信息，我們創新的“大客戶興趣指數”就是一個很好的例子。

　　圖7：大客戶興趣指數模型

大客戶興趣指數，用來衡量企業級大客戶對于LinkedIn產品和服務的興趣程度。我將它拆解成兩個子模型：決策者模型和產品偏好模型。決策者模型用來評估用戶是企業決策者的可能系數，產品偏好模型用來分析用戶在LinkedIn上產品的使用程度，兩者結合起來就是“大客戶興趣指數”。

以往銷售人員要同時跟進很多客戶，而且銷售并不清晰哪些用戶是決策者，哪些用戶對我們產品感興趣。有了這個“大客戶興趣指數”以后，銷售人員就可以進行優先級排序。哪些客戶成單的可能性高？那些客戶值得我們多花些時間？銷售都心中有數。

　　圖8：大客戶興趣指數的效果

我將大客戶興趣指數分為低、中、高三種；大客戶興趣指數為“高”的用戶訂單成功率高達42%，是指數為“低”的客戶訂單成功率的兩倍。對于一家B2B企業，或者To B業務很大比重的企業，精準找到核心用戶、提升訂單成功率至關重要。

數據驅動并不是一步到位的，從數據到洞察，它是一個不斷進化的過程。對于所有的分析團隊來講，數據驅動都繞不過這四步：數據獲取、數據挖掘分析、商業預測以及商業決策。其中，數據獲取是基礎，商業決策的價值量最高。

數據驅動不能沒有數據分析工具，我結合自己多年分析經歷談了自己的看法。一個好的數據分析產品一定要簡單易用，讓數據工作從大到小，實現從冰山到冰棍的變化。同時，幾秒鐘就能拿到數據、大幅提升數據工作效率也是一款優秀數據產品的所必須具備的。

雷鋒網原創文章，網頁轉載請注明來自雷鋒網，署名作者和原文鏈接。微信轉載授權，請聯系雷鋒網公眾號（微信ID：leiphone-sz），詳情見轉載須知。