几百万美金是怎么消失的？| 美国大数据”商业化变现“系列采访之二

第一期“约起来@与硅谷精英聊行业痛点：美国大数据商业化变现”昨天已发出一文，美国不少做大数据的朋友加了我微信，我们挨个儿约起。今天来听第二位嘉宾 @LinkedIn 数据科学家 Jie Bing 及 @原 LinkedIn 商业分析部资深总监 Simon Zhang 和我的分享。

微软和 LinkedIn 案例

我是做 A/B Testing 的，所以我可能大部分还是讲 A/B Testing，我不知道国内现在这块做得怎样，我主要分享几个硅谷案例。简单讲，A/B Testing 就是：OK，无论你新发布一个怎样的 Feature，你都要经过测试，验证它对你 Traffic 影响，然后你发布。

我今天分享的第一个案例是：我经理以前曾在微软工作，那时微软 MSN 有一个销售房子的界面，上面是很简单几个东西：输入地址，选择房子类型，然后一个“搜索”按钮。

但新设计师们来了后，觉得这个“窗口”太丑，想重新设计，比如加个“房子”图标，把城市和邮政编码分开等。大部分人也觉得新版本比原版本好看，而那些设计师也有十几年经验。这时就开始做 A/B Testing 测试。结果发现：反而是“更漂亮”的那个版本，用户按“搜索”按纽次数（每点击一次都会给微软带来收益）大为降低。

其实我们公司也有类似案例，LinkedIn 页面登录时它有时有个小广告，然后就有人做 A/B testing，想看看把这广告放“登录”按钮左上角还是右下角点击人数更多？这里你光凭人的思想，你是不知道的，因为看上去真没区别，但实际测试下来：放左上角比放右下角，点击广告的人要多出 10%。这里具体比例可能不准确，但就是说这个“广告”它放登录按钮左上角要比放登录按钮右下角好。

几百万美金为啥飞了？

还有个案例也跟“广告”有关。硅谷某公司，名字我不能说，就是大概某年圣诞节前，突然间这家公司人发现：首页某个广告点击率下降得很厉害，一个月时间造成很大损失，可能几百万美金收入没了，而本来那个“广告”点击得好好。

后来你知道是为什么吗？广告 Link。其实就是一行，然后有个工程师犯了个错误，他不小心把广告位置往上提了 5 个象素。5 个像素很小，人为基本看不出，而他就是把原广告位往上提了 5 个 Pixels，就导致点击广告人数大幅下降。所以任何小的改变，你觉得没关系，但其实可能影响很大。A/B Testing 基本就是用大数据帮你去做一些决策，保证你在做任何改变时产生的都是正面影响，当然它在大公司应用比较广泛，中小企业如果也要做，数据量要足够大。

PS：另一分享来自 @原 LinkedIn 商业分析部资深总监 Simon Zhang，他曾一手创建 LinkedIn 商业模式，Simon 去年已从 LinkedIn 离职，我听说他被一堆中国风投狂追着跑，现在 Simon 举家已搬到中国创业，祝 Simon 在中国一切都好！

LinkedIn 怎么用大数据赚钱？

我来重点讲一讲商业如何变现，这是国内最应注重一块。举个例子，几年前我加入 LinkedIn，第一份工作是支持内部销售员工，当时公司才 500 个人，但是我一个人工作，要支持 200 名销售。而他们每天问我问题，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，要讲一个什么样的故事？”
  

销售人员几大问题

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出的，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，他最该打？也就是作为销售人员，几个问题：

• 第一，这个公司对 LinkedIn 值多少钱？因为我们是客户每年交一笔钱这样的 Model；
• 第二，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；如何才能和这个人接洽？你想，因为 LinkedIn 是职业社交网络，它还是非常讲究人与人间的关系，我们知道，正确的关系和桥梁能提高很大生产力；
• 第四，我们有 200 名销售，谁最适合去和这个公司接洽？
• 第五，我们去到那边，要讲一个什么故事？
  

数据回答第一个问题

现在我用 Linkedin 数据一一回答这五个问题。LinkedIn 最大业务是“猎头”，这块业务大概占今天总收入 60%。那首先，哪家公司会花多少钱这个问题，

第一，我们去分析每个公司，它有多少员工；第二，我们去分析，这个公司招了多少人；第三，我们去分析，这个公司流失了多少人；第四，我们去分析，这个公司都从哪招的人？他工作性质，工种情况，头衔，位置，功能，他的职位，级别，一步一步一步，这些都是我们模型里的各种功能。

下一步，我们去分析，他们内部有多少 HR 员工，多少负责猎头的人，猎头流失率，每天在 Linkedin 日活是多少。那当所有这些信息汇总完，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：美金。就是说：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 在“猎头”这块，这是谷歌去年数字。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。

数据回答第二个问题

接下来：谁是决策人？当时我们通过分析谷歌内部社交网络，找到那个决策人。这里，很多人认为他应该是 VP 或 HR 来买产品，但我们发现：这种想法靠谱，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，他们上面老板是签字的，所以说我们就 Target 这些中层管理人，同时他还非常用 Linkedin 的这种人。这个转化率，瞬间就增加三倍。

数据回答第三个问题

再下一个问题：如何接洽？我们通过分析 LinkedIn 内部销售人员，和这个相对来说的“目标公司”决策者的关系，来找到哪个销售人员，对他有最高社会影响力，或和他社会关系最近。那我们就派这个销售人员，去跟他接洽。

然后我们分析销售团队里，有哪些人能支持他，哪些能帮他建立关系。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。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。

“故事”出现

然后我们把所有这些步骤，从大概需四到八小时，缩短到今天 30 秒到一分钟。三年前，它在 LinkedIn 变成一个“钮”，销售人员只要把这个“钮”点了，它就能自动回答你这几件事，这个“按钮”一点，出来的就是整个这个故事。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，它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，上了这后，他一星期就能 Close 三个。这在 2011 年年中左右，是我们当时非常大的一个 Win。

“按钮”消失

然后呢今天这个“按钮”已经消失，我们都通过手机把这些信息直接推给内部销售人员，因为大家都在外面跑，没人有时间再点这个钮。我们就通过手机直接把这个正确信息，在正确的时间，推给正确的人，在正确的地点。

假设一个公司 Senior Director of HR 离职，立刻我们内部就会驱动两个信息：第一个是通知这个客户经理，比如说内部哎你看，你这个 Top 关系可能离职，我们的竞争对手可能要进来；第二个信息：这人离职了，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 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：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”，它已经在去年 7 月底上线。