雷鋒網按：本文作者李玥（michael li），linkedin 資料科學和分析總負責人。本文根據 growingio 對李玥采訪内容編輯整理，原文發于growingio部落格和公衆号，授權釋出雷鋒網(公衆号：雷鋒網)。
linkedin 作為一家職業社交網站，通過人才招聘、廣告投放、付費訂閱等服務實作了盈利，這三項服務的背後實際上都有着資料分析的重要貢獻。linkedin 利用資料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。是以，商業資料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架構
在 linkedin 内部，我們的團隊搭建了一個分析架構，用來推動商務分析價值的持續産生。這個eoi 架構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。
那麼，linkedin 是如何執行這套分析架構的？又如何用資料來驅動增長？
一、助力：如何提升銷售的效率？
linkedin是全球最大的職場社交平台，有海量的人才資訊，比如某人某年某月在某公司做某崗位。有了這些資訊以後，linkedin就能知道人才在企業之間的流動情況；通過資訊整合，我們的團隊做出來人才流動畫闆。比如一家企業從a公司招聘了80名員工，流失了18名；通過人才流動畫闆，企業間人力資源的流動情況就非常清晰了。
圖2：人才流動畫闆
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 的銷售人員隻需要在這個人才流動畫闆上搜尋目标企業，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标客戶的管理層，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企業首頁通路、人才檔案等資料的基礎上，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通路量排名第二。
人才是企業最核心的競争力，企業網站上人才資訊往往比資本更加具有敏感度。我們團隊還推出了《矽谷最具潛力的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作ipo或者被收購，包括drobox 、pinterest等在内，可見資料分析的價值。
二、優化：如何找出目标使用者？
作為一個職場社交平台，大部分使用者都是免費使用 linkedin；但對于那些有進階需求的人群，linkedin 推出了付費訂閱服務。為了保持良好的使用者體驗，linkedin 并沒有給所有人都發推廣郵件；那麼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 三大類使用者資料
linkedin有三大類使用者資料，使用者個體資料、使用者行為資料和使用者網絡資料。使用者個體資料主要是使用者的一些基礎資訊，使用者行為資料是在使用者在linkedin産品上的使用情況；事實表明，使用者行為資料往往比使用者個體資料更加具有預測性。使用者網絡資料是一個social network的概念，同一個網絡裡面的人，共性更加強烈。
圖5：建立使用者傾向模型篩選目标人群
在這三大類資料的基礎上，分析部門建立了“使用者傾向模型”，篩選出有需求的目标人群。業務部門隻給這些篩選出來的目标人群推送“進階訂閱功能”營銷郵件，在不破壞使用者體驗的基礎上，取得了非常好的營收效果。
圖6：使用者傾向模型的效果
上圖最右側的灰色柱狀圖代表業務部門實際擷取的新付費使用者，其中10%和36%來源于使用者個體資料和使用者行為資料篩選的結果，剩下54%新付費使用者均來自于使用者傾向模型的作用。通過資料分析，使用者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展現資料分析價值的地方。
三、創新：如何提升訂單成功率？
不隻是全球最大的職場社交平台，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。差別于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資訊，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産品和服務的興趣程度。我将它拆解成兩個子模型：決策者模型和産品偏好模型。決策者模型用來評估使用者是企業決策者的可能系數，産品偏好模型用來分析使用者在linkedin上産品的使用程度，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使用者是決策者，哪些使用者對我們産品感興趣。有了這個“大客戶興趣指數”以後，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
我将大客戶興趣指數分為低、中、高三種；大客戶興趣指數為“高”的使用者訂單成功率高達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，精準找到核心使用者、提升訂單成功率至關重要。
資料驅動并不是一步到位的，從資料到洞察，它是一個不斷進化的過程。對于所有的分析團隊來講，資料驅動都繞不過這四步：資料擷取、資料挖掘分析、商業預測以及商業決策。其中，資料擷取是基礎，商業決策的價值量最高。
資料驅動不能沒有資料分析工具，我結合自己多年分析經曆談了自己的看法。一個好的資料分析産品一定要簡單易用，讓資料工作從大到小，實作從冰山到冰棍的變化。同時，幾秒鐘就能拿到資料、大幅提升資料工作效率也是一款優秀資料産品的所必須具備的。
本文轉自d1net（轉載）