LinkedIn的增長革命與增長哲學

LinkedIn是一家職業社交網站，其也是一個數據驅動的公司。數據分析對於業務有著重要的貢獻，為職場人員作出迅捷、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。

至頂網CIO與應用頻道 07月14日 人物訪談（文/王聰彬）：LinkedIn（領英）是一家職業社交網站，其也是一個數據驅動的公司。數據分析對於業務有著重要的貢獻，為職場人員作出迅捷、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。

LinkedIn擁有將近800人的數據團隊，其中分為幾大部門，第一、基礎設施團隊，負責設計並搭建基礎設施平台包括大規模社交聯繫人資料庫等；第二、分析平台和應用團隊，負責數據的ETL，以及開發一些數據平台，像A/B測試平台、報表平台、單一數據源平台等；第三、機器學習團隊、構建機器學習、數據挖掘的模型；第四、數據分析團隊，從數據分析中發現洞察為業務部門提供建議。

幾個團隊間相互配合，像LinkedIn需要大量的A/B測試，通過與分析平台和應用團隊建立了自助服務的A/B測試平台，其可以自動計算和統計出數千個度量（metric）指標，讓管理者、工程師、合作夥伴很容易的創建和查看，這也讓數據科學家可以減少大量手工計算，進行更高附加值的工作。數據分析團隊就可以更好地將洞察提供給不同層面的人員，幫助業務決策以及發現新型業務機會。

LinkedIn的數據分析團隊分為三部分，core支撐業務部門的數據需求、strategy進行戰略性投資以獲得長遠的回報、venture嘗試新的成功可能性，有發展機會就會變成項目。

LinkedIn（領英）增長與國際業務數據科學負責人周洋所在的是數據分析團隊中的增長，生命周期與國際業務部門，主要負責客戶獲取、用戶生命周期與黏性、國際業務。周洋說現在增長要更加細分，確定戰略性市場和用戶群並定製增長戰略。中國的團隊也屬於整體國際團隊的一部分，他們的職能在於優化產品在本地市場能夠成功，同時將很多創新想法快速實現，並帶回到全球市場。

LinkedIn（領英）增長與國際業務數據科學負責人周洋

增長的三次革命

說到增長，最火的一個詞就是Sean Ellis 提出的「Growth Hacker」增長黑客，其幫助矽谷多家公司完成產品的快速增長，其中不少已經IPO，最著名的非Dropbox莫屬，僅一年的時間用戶基數和使用頻率提高了500%。

大多數人理解的增長都是用戶的獲取，而LinkedIn的增長團隊對於增長有著三次革命性的認識變化。

第一、用戶黏性，LinkedIn首先提出用戶生命周期的概念，將用戶按照活躍度劃分成不同的級別，理解不同級別之間的轉化並指定戰略讓低活躍級別的用戶向上移動；

第二、註冊質量，用戶獲取的目標應該是有質量的獲取，LinkedIn根據通過核心價值定義了自己的關於用戶增長的北極星指標（「North Star Metric」），不斷優化用戶獲取；

第三、高質量用戶，通過衡量LinkedIn的上億用戶在整個生態系統中接受核心價值所處的狀態，來定義高質量用戶。

「增長不是一個短期行為，也不是一個戰術方式，而是深刻了解增長價值的核心在哪裡。」周洋說，只有深刻理解才能定義北極星指標，之後再從用戶群的過渡、不同渠道、漏斗轉化率等角度優化它。增長最終的目的是為用戶提供價值，以及為業務提供價值。

增長黑客的方式可以為企業帶來爆炸式的增長，但前提是企業要有一個產品與市場匹配，創造價值同時優化傳遞價值的過程，最後就是這樣擴大增長規模。

每一個產品都有研發周期，從產生創意、文檔、設計、實施、測試、上線的各個階段，LinkedIn的增長已經滲透到產品的各個層面。數據團隊和產品團隊會一起定義成功的metric，之後在中間各環節配合，最終根據成功metric確定產品是否成功，上線後會進行監控，同時進行深度分析從而進一步優化。

數據科學家肩負決策與創新

2008年，LinkedIn的數據科學團隊負責人DJ Patil 和Facebook的Jeff Hammerbacher分別建立了全世界最初兩個真正意義上的數據科學團隊，並且開始用數據科學家（data scientist）來描述他們的工作性質。在此之後，Data Science職業逐漸流行開來。

當然即便數據科學家已經興起了一段時間，但即使在美國其還是一個比較新型的行業。周洋認為，雖然現在很多學校開設了數據科學的相關課程，但要成為一個優秀的數據科學家必須要在業務中去歷練，因為我們的工作是非重複性的，解決的業務問題都應該是新問題。

作為一個數據科學家一定要具備好奇心和直覺。 他們需要想的問題是：我能用這些數據來做什麼呢？ 我需要問什麼樣的問題？這些數據能告訴我什麼？數據科學家的工作包括通過數據分析發現商業洞察，進而提出商業決策或者商業創新的建議，並與其它團隊一起將這些想法落地實施 。

LinkedIn的數據科學家有兩大核心工作和數據部門整體的目標相輔相成，第一、用數據驅動商業，幫助業務團隊進行決策；第二、用數據驅動業務創新，優化流程，發現商業機會。當然這些工作會滲透到LinkedIn的所有業務中，包括2B業務和2C業務。

在數據科學家的劃分上，一部分在垂直領域，對應不同的業務，和業務團隊一起工作，更好的了解該業務的痛點；另一部分在水平領域，創建並開發可重用和可擴展的數據工具。

LinkedIn數據科學團隊的宗旨是：To make data-driven business decision at scale。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！