在LinkedIn，大數據滲透在各個產品和決策之中。比如，LinkedIn對大眾來講是免費的，但是也會提供付費產品的增值服務，怎么向目標用戶進行有效推薦呢?這時候數據就起了作用。在這些數據的幫助下，銷售部門的業績翻了一倍還要多。

利用人才流動數據為銷售人員提供洽談敲門磚預測硅谷最具潛力的創業公司

助力就是公司其他部門在需要數據支撐決策的時候，我們滿足他們最基本的對數據的需求，為他們提供數據洞察力。

舉個例子，我們四年前做過一個很簡單的產品，叫人才流動畫板，就是整合LinkedIn上用戶的基礎數據，就可以得到一段時期內從A公司到B公司的人才流動情況。

大家想想LinkedIn平臺上最多的數據是什么?用戶職場信息。從哪年哪月到哪年哪月，在某家公司擔任什么職務。

當我們把這些用戶信息采集起來以后，就可以知道世界上每家公司，任何一個時間點，有哪些人是為這家公司服務的。

這個數據圖有什么用?通過它，你很快可以知道自己公司和對手的人才流動情況。有了這個圖，銷售人員跟一些公司約談會議的時候，就太容易了，這個數據圖就是很好的敲門磚。

我們還將創業公司的數據單獨拎出來，做了一個硅谷最具潛力創業公司的排名。因為一家公司勢頭非常好的時候，人才的流動會比資本的流動更快。人才是一個公司能否成功非常好的評判標準。

2012年我們發布了第一個榜，當時有Cloudera、Pinterest、Hortonworks等等，這個榜我們發布了兩年之后，這些公司IPO加上被收購的公司超過了50%。

2013年的公司可以看到Dropbox、Hortonworks、GoPro這些公司，大家如果13年的時候去投資這些公司，你會獲得非常好的回報。

向真正有需求的人推薦付費產品數據的甄別定位很重要銷售業績因此增長一倍多

那么，怎么通過優化方式幫助業務部門把工作做得很好?我們用LinkedIn的高級訂閱服務做例子。

LinkedIn對大眾來講是免費的，我們會有些增值服務，提供付費產品。但是我們希望找到真正有需求的群體推薦，而不是每一個用戶，不然會被認為是垃圾廣告。

怎么做呢?我們從LinkedIn最基礎的三大類數據開始。

1.第一是用戶個體數據

姓名、職稱、工作公司、職場經歷，這是相對靜態的數據。

2.第二是用戶行為數據

你在LinkedIn上看過哪家公司的廣告，和哪些人有聯系，有消息的交互記錄。后來證明這些用戶行為數據，很多時候是比用戶個體數據更有預測性的。

3.第三是用戶網絡數據

在Linkedin里面更多的是社交概念，你的社交網絡里有誰，你在誰的社交網絡里面。我們知道物以類聚，人以群分，在網絡里這個共性會更強。

我們通過網絡分析建模，最后對非常小的一部分人進行精準定位，我們知道了他們可能對我們產品感興趣的人，給他們定向發布信息。

做這個數據分析有多大實際用處呢?銷售部門的業績翻了一倍還要多。

決策者在2B中起到決定性作用通過大客戶興趣指數確定誰才是值得跟進的決策者

數據應用的有哪些創新?我來講講大客戶興趣指數，就是對企業級的用戶進行排序，讓我們的銷售團隊知道哪些大客戶對我們的產品更有興趣。

這個興趣指數是怎么做的呢?首先2C和2B業務決策有一個本質的不同，2B里有個特殊人物叫決策者，拍板的人，如果拍板的人決定買，即使其他人不想，產品還是可以賣出去的。

所以我們通過建模方式，把公司里的每個人分成兩個部分來建模。

1.第一部分是決策者指數，通過數據比如他在公司的Title(職位)來預測是決策者的可能性。

2.第二部分叫產品傾向模型，就是你作為個人，對產品的喜好程度是什么，我們會考慮你的個人信息，和我們營銷互動的情況。

我們把決策者指數和產品傾向喜好度結合起來，就有一個大客戶興趣指數，然后，銷售團隊就可以清晰地知道哪家客戶是值得去跟進的。

比如我們把大客戶興趣指數分為高、中、低三大類別，結果發現，訂單成功率高的為42%，低的是21%。對于2B業務，你把更多時間放在指數高的客戶上，對訂單會非常有幫助。

*本文根據李玥在混沌研習社的課程內容整理而成.。