雷鋒網(搜索“雷鋒網”公眾號關注)按：本文根據宋碧蓮博 （Sophia）在董飛老師（公號：董老師在硅谷）組織的硅谷大講堂的演講整理。宋碧蓮博 是商業優化專家，曾經是LinkedIn，eBay的大數據核 成員。被LinkedIn CEO譽為最好的分析師，獲LinkedIn改 獎。
宋碧蓮博 （Sophia）
我將和大家一起從LinkedIn的戰略開始，認識一下LinkedIn內容運營的歷史地位和作用，分享如何運用大數據優化內容運營效果數十倍的成功經驗。
LinkedIn的戰略并非從盈利入手
LinkedIn (領英) 由Paypal黑幫成員之一Reid Hoffman創建于2002年，致力于向全球職場人士提供溝通平臺。作為全球最大的職業社交網站，目前LinkedIn會員人數在世界范圍內已超過4億。其中日活躍用戶高達1億。
很多公司都是以盈利為KPI，為一切產品設計、市場策略的唯一指揮棒。Linkedin在這個方面比較特立獨行。 創立至今，Linkedin一直把用戶增長和交互（Growth and Engagement）作為公司戰略的核心和根本。我印象里最深的是CEO，Jeff Weiner經常會強調，只要Growth and Engagement做得夠好，Monetization (變現）自然會水到渠成。
用大數據驅動Growth and Engagement
Growth and Engagement在很多成熟公司，比如eBay，市場營銷部門會起到決定性的作用。然而LinkedIn歷史上是以產品為導向的公司，市場營銷部門相對很年輕，直至2013年，LinkedIn十周年的時候，用戶以每秒2人的速度增長，在很多需要花錢的市場渠道仍然還是在試探階段，基本沒有通過花錢帶來流量。 那么公司的4億用戶還有1億日活是怎么來的呢？ 要訣之一是大數據的驅動。起初基本依靠集成在產品端的各種增長Feature，包括著名的People you may know等各種在線大數據算法； 后來開展了大數據驅動市場營銷領域的各種運營，內容運營 （Content Engagement)，本文的重點，是其中之一。
LinkedIn核心用戶產品
LinkedIn有三大不同的用戶產品，也體現了三種核心價值。
職業身份：職業身份呈現為個人檔案。
知識洞察：關注行業信息、汲取人物觀點、學習專業知識、提升職業技能、分享商業洞察。
商業機會：尋找同學、同事、合作伙伴，搜索職位、公司信息，挖掘無限機遇。
其中知識洞察基本是內容運營的結果。
LinkedIn的內容運營
現在有人稱2015年是國內內容運營的元年。傳統的門戶形式正向新型的社交內容媒體形式轉化，涌現出微信、Moments、今日頭條等大批新秀。其實在硅谷，LinkedIn很早就開始了社交內容運營的全面部署。連同Facebook都在從傳統社交平臺形象轉換到社交內容運營平臺。內容為王，他們都有一個共同目標——通過內容形成更大的流量入口。
LinkedIn的內容運營前后分為幾個節奏。首先是Home page 的內容分享。早期更新的類似于朋友圈的工作狀態變化等。LinkedIn的“朋友圈”概念歷史相當悠久。
LinkedIn在2012年—2013年持續拓展內容渠道，動作頻頻。
2012年5月$119 million收購了Slide share，允許大家制作并分享Slides。
2012年10月上線了Influencer產品，也就是現在大家說的網紅，邀請了超過300名各個領域的世界頂級領袖，給當時2.5億的用戶分享他們的職業洞察和成功經驗等。而且開通了不同的頻道（channel）。每個月我們Content Marketing Manager都在絞盡腦汁的想下個月該請Influencer寫哪個Topic。記得一個主題是夏日的工作環境，Richard Branson，當時的頭牌網紅，以穿著沙灘服，在游泳池里和美女帥哥員工開會又一次贏得諸多眼球。直到2013年底左右大家開始討論，把invite only的網紅模式，放開人數限制，允許更多的人撰寫文章，分享想法。以前只有比爾蓋茨這種大牛才能發表，才能被Follow，現在小白也可以寫文章，擁有粉絲。
后來有了News。Moment里面也可以分享News。
2013年4月，$90 million收購了Pulse，一個專門提供內容的App。
大數據優化內容營銷的契機
盡管內容渠道諸多，2012—2013年，整年的內容運營效果卻不理想。CTR非常低。也許是新生事物，大伙兒還沒有找到訣竅。
當時我正好從eBay來到LinkedIn，負責Marketing Analytics，主攻Growth and Engagement。eBay的Marketing Analytics是非常著名的。有10年以上的經驗積累。光全球Marketing方向的分析師鼎盛時期都有小百人規模。各種豐富的模型。我當時正好有機會引導了基于客戶行為提供個性化的Marketing Strategy的改革，優化了各個渠道的策略和模型，為eBay挖掘了巨大的市場機會。
來到LinkedIn，發現當時的市場營銷部門還很年輕。其實這種Marketing起初不受重視的現象在產品為主導的公司不新鮮，Facebook內部的Marketing部門據說才2年左右的歷史。一旦啟動，Marketing所起到的作用是一發不可收拾。
當時大數據對Marketing的支持也剛剛起步，還在報告階段。于是向公司多次申請將優化技術應用到Marketing渠道以提高效果。公司由此設立了提升效果百分之幾十的年度目標。在一系列的優化模型和改革方案實施之后，最終帶來了數十倍的持續穩定的增長。優化方案和流程，在整個Marketing 部門做了淺顯易懂的人人都可以優化的分享會后一舉成名，成為各個Marketing部門爭相學習的榜樣，也成為了來年公司的幾大重點戰略之一。在Marketing渠道優化成功的同時，其它方面包括Sales和各種盈利渠道也在開展優化。產品為主的大數據驅動模式自此向Marketing和sales等其它大數據驅動模式發展。
大數據優化內容營銷業績的方法
Marketing Analytics有好多方向。這里以最難handle的內容運營為例，來分享一下優化的思路和方法。其實這些思路都是優化的理論在實際中的應用。和具體哪個公司并沒有太大關系。可以應用到很多類似的場合。下面的分享也以思路為主，數據是模擬的。
原來的做法
剛開始做了一年的內容運營是怎么做的呢？每周給所有的活躍用戶發N封e-mail。當時LinkedIn會員對e-mail Spam的complain達到空前的程度。這還不是厲害的。有些公司不會發e-mail，最后被Gmail等歸為黑名單被block的大有人在。內容呢接近甚至重復。
如何測量效果的呢？只關注了CTR。常年墊底的CTR讓content marketing manager幾乎見人要矮半個頭。報告簡單粗暴。不管內容是apple還是organge，這個月和上個月比一下，看看增長了還是下降了。如有什么風吹草動，講不清做好了還是壞了，也不知道如何提高。content marketing manager感覺渾水一灘，壓力特大。很多其它公司的內容運營團隊其實都存在類似問題。
內容運營和普通的Marketing不一樣。內容是必須考慮的一個重大影響因素。每個月的內容主題都不同。就算是同一個用戶，喜歡這個月的主題，也未必就喜歡下一個月的主題。不能簡單的將上個月的效果和這個月比較。后面進行機器學習選擇學習對象的時候，同樣有這個問題。很多人做內容效果分析都容易忽略了這個問題。
優化后的做法
1. 明確要解決的問題
一個典型的優化項目首先需要很好的設計要解決的商業問題。這個是至關重要的第一步。直接影響了優化目標和優化因素的選擇。
比如首先問清楚商業合作伙伴content marketing campaign要處理的場景是什么。
答：如何通過內部市場營銷渠道讓用戶更好的進行content engagement。
問題分解：
哪個內部市場營銷渠道？e-mail。
發e-mail的對象？已經注冊的用戶。
目的：提高content engagement。
根據場景對問題進行合理解讀：
已經注冊的用戶在收到公司的內容e-mail之后點擊，而后產生了更多的content engagement。
2. 選擇正確的優化目標
作為商業分析師，還必須明確這次campaign的真正目的，終極目的。 營銷經理被反復提問之后，終于覺悟到，最大化content engagement才是終極目的。而不僅是最大化點擊e-mail的CTR。
由此我們有了更明確的優化目標：
No1. 優化目標：Max（content engagement），繼續分解，最大化內容對應的pageview, 最大化內容對應的action, 比如follows, likes。
No2. 優化目標：Max（CTR）
3. 目標用戶優化Predictive Targeting
給誰發e-mail是優化的關鍵之一。
E-mail server很貴的。每封e-mail都有成本。一股腦的給所有活躍用戶發，成本很高，效果又很差。而且并不是每個人都需要marketing的刺激。有些人已經是內容活躍用戶。
我們通過propensity model提供機器學習，然后準確的預測出誰才是該發email的最合適人選。大大提高了準確度，也節約了成本。
由于優化目標變了，機器學習訓練模型的因素features的選擇也發生了重大的改變。
現在我們關心的不僅是否用戶看到內容e-mail之后是否會打開（open)，會點擊(click through)，更關心的是他接下來做什么內容交互，是否會瀏覽我們期望的內容頁面，喜歡的文章會點贊，會follow，甚至轉發，評論，更甚至成為內容活躍者，重度內容消費者。
4. 試驗設計優化A/B test
合理的設計A/B test才能將不同因素的影響剝離出來，把各自的貢獻劃分清楚。
設計如何正確反映出內容的影響。
設計如何正確反映出目標用戶優化算法的影響。
設計如何正確反映出季節性影響，比如Black Friday。
設計如何正確反映出外部環境的影響，比如Gmail出了一個新政策等。
5. 內容推薦策略優化
根據用戶的狀態，個性化推送內容才能起到引導內容消費的作用。
新用戶不知道有哪些內容頻道，有哪些熱門話題，有了初步接觸之后，又想要了解更多，需要逐步引導。沉寂用戶不了解最新動態，需要適當提醒。
所以需要考慮用戶不同的生命周期，對內容進行優化，適時地推送個性化的服務和內容。
6. 推送周期策略優化
有節奏的推送內容才是用戶容易接受的形式，不然很容易引起反感。
我們需要對推送的頻率進行優化，避免推送重復內容，避免一周推送多次，配合用戶的生命周期的進化速度和階段，安排合理的節奏，比如每周一篇個性化精選，逐步推進，推送以一個周期為準，循環進行。
總結
優化是一個完整的Solution（方案），而且是循環迭代的過程。不是一個模型或者一個分析那么簡單。需要綜合用到很多的技術，比如優化方程，預測算法，客戶畫像，A/B test，個性化推薦，效果測量，結果可視化和工程化等等。對優化的執行者的綜合素質要求很高。不僅要能整體設計和技術實現，而且要有強大的改革精神和溝通能力，能教育和說服商業合作伙伴進行配合，接受優化，哪怕推倒他們長期固有的方案，并且需要領導力和執行力，因為很多事情，有時包括營銷策劃，都需要優化師來設計和推進。
一旦優化成功，效果會是巨大的。數十倍甚至幾十倍的增長，都是可以期待的。就像我們之前做到的那樣。
京公網安備 11010502049343號