硅谷顶尖增长大佬：揭秘 LinkedIn 快速增长与变现的奥义

上图最右侧的灰色柱状图代表业务部门实际获取的新付费用户，其中 10% 和 36% 来源于用户个体数据和用户行为数据筛选的结果，剩下 54% 新付费用户均来自于用户倾向模型的作用。通过数据分析，用户倾向模型使得业务部门的业绩提升了 100% 以上，我认为这是最能直接体现数据分析价值的地方。

三、创新：如何提升订单成功率?

不只是全球最大的职场社交平台，LinkedIn 也是全球第二大 SaaS(企业级服务)企业，面向 B 端客户提供人才解决方案、精准广告等服务。区别于 B2C 业务，B2B 业务的一个显著点就是决策权集中在管理层，如何找到大客户的核心决策者一直是 B2B 企业销售的重点。

我认为 LinkedIn 在这方面具有先发优势，因为 LinkedIn 上聚集了海量的职场人员信息，我们创新的「大客户兴趣指数」就是一个很好的例子。

大客户兴趣指数模型

大客户兴趣指数，用来衡量企业级大客户对于 LinkedIn 产品和服务的兴趣程度。我将它拆解成两个子模型：决策者模型和产品偏好模型。决策者模型用来评估用户是企业决策者的可能系数，产品偏好模型用来分析用户在 LinkedIn 上产品的使用程度，两者结合起来就是「大客户兴趣指数」。

以往销售人员要同时跟进很多客户，而且销售并不清晰哪些用户是决策者，哪些用户对我们产品感兴趣。有了这个「大客户兴趣指数」以后，销售人员就可以进行优先级排序。哪些客户成单的可能性高?那些客户值得我们多花些时间?销售都心中有数。

大客户兴趣指数的效果

我将大客户兴趣指数分为低、中、高三种;大客户兴趣指数为「高」的用户订单成功率高达 42%，是指数为「低」的客户订单成功率的两倍。对于一家 B2B 企业，或者 To B 业务很大比重的企业，精准找到核心用户、提升订单成功率至关重要。

数据驱动并不是一步到位的，从数据到洞察，它是一个不断进化的过程。对于所有的分析团队来讲，数据驱动都绕不过这四步：数据获取、数据挖掘分析、商业预测以及商业决策。其中，数据获取是基础，商业决策的价值量最高。

数据驱动不能没有数据分析工具，我结合自己多年分析经历谈了自己的看法。一个好的数据分析产品一定要简单易用，让数据工作从大到小，实现从冰山到冰棍的变化。同时，几秒钟就能拿到数据、大幅提升数据工作效率也是一款优秀数据产品的所必须具备的。

（编辑：源码网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!