简单数据策略帮助LinkedIn提高企业服务收入

大数据
每一天都有数百万用户登录 LinkedIn.com。 LinkedIn 的用户背景多元,需求多样,有企业、有学生,还有专业人员,他们有的积极求职谋业,有的只是为了扩张人脉。

每一天都有数百万用户登录 LinkedIn.com。 LinkedIn 的用户背景多元,需求多样,有企业、有学生,还有专业人员,他们有的积极求职谋业,有的只是为了扩张人脉。

自从 2003 年上线以来, LinkedIn 已经成为世界上最大的职业人脉平台。现在它推出了一系列面向企业的服务,从招聘解决方案,到扩大品牌知名度的功能。

作为当今的网络巨头之一, LinkedIn 需要访问大量数据,包括网站使用统计信息、潜在客户行为,以及一般行业趋势。但是与任何领先者一样, LinkedIn 也知道,只有在理解了数据之后,数据才会有价值 – 然后才能用于促进行动。

虽然已有数百万家公司在 LinkedIn.com 注册,但是 LinkedIn 的思想领导者希望使用更多数据对B2B 销售提出更高要求。然而,他们并不是将所有统计数据一股脑扔给销售团队,而是决定开发一个相当简单的销售分析新平台。

新的平台将重点放在三个核心价值、两个可测量维度和一个用户友好的前端上面,新平台很好地引导从见解到行动的过程, LinkedIn 的企业服务收入也因此比去年同期增长了 85%。本文将讨论这是如何做到的。

1. 奠定一切基础的三个关键价值。

2. 数十亿个数据点,两个简单维度。

3. 设计如此简单,犹如魔术般神奇。

4. 识别重要事件。

奠定一切基础的三个关键价值。

“我们认为简单易懂非常重要,” LinkedIn 高级营销总监 James Raybould 说。但是,虽然简单可能给人偷懒的感觉,但简单常常是费尽心力谋划细节的结果。

在 LinkedIn 的案例中,新的销售分析平台的设计开始于三个精挑细选的核心价值。这三个要素对平台的设计至关重要,并将一直帮助销售团队根据各种数据采取行动 –而不是将全部时间都花在处理数据上。

奠定一切基础的三个关键价值是:

• 客户角度 (The account lens): LinkedIn 谨慎选择,从整个客户的角度看待所有商机线索 – 而不是将每个潜在客户看作是单独的个人。但是,这并不表示去个性化或反社交的看法。而是, LinkedIn 将个人视作代表公司行动的决策者或买家 – 并以使这些关系显得明确的方式来着手处理其数据。

•分析 (Analytics): LinkedIn 的战略还将重点放在汇集多种数据流上。因为相关信息都分散在 Salesforce、 Teradata、 Oracle、 Hadoop 以及其他数据环境中,因此 LinkedIn 希望其销售团队只用一个门户即可访问所有信息。分析将变得更为简单,更多时间可花在利用可用数据作出决策上面。

•自动化 (Automation): 明确的信息和可搜索的工具不仅仅是给客户使用。LinkedIn 一直在利用强大的自动化功能和简单的前端帮助 2.38 亿用户游弋于企业网络中。那为什么不制作一个相似的产品来让销售团队用来浏览数据呢? LinkedIn清楚,这将帮助团队更快地根据信息采取行动 – 并获得更好的结果。

数据分析

影响 LinkedIn 新的销售平台设计的关键价值也称为“三个 A”,它们是自动化(automation)、分析 (analytics)和客户角度 (account lens)。

我们不想让销售人员花上几个小时努力收集信息,我们希望查找信息就像上LinkedIn、 Facebook、 Twitter 或 Google那样容易。信息就在那里,触手可得,极其容易理解,也极其容易共享。————James Raybould, LinkedIn 高级营销总监

数十亿个数据点,两个简单维度

LinkedIn 的 B2B 部门确信,计划的销售平台将结合用户友好的自动化功能,提供强大的分析能力。但是第三个 “A”,也就是“客户角度” (account lens) 该怎么样呢?

从以客户为中心的角度分析数据,归根结底就是新平台的全部目的。而成功的关键将在于极其简单的设置。

LinkedIn 先沿着两根轴绘制其潜在客户:“温度”和“奖励规模”。温度是指完成销售的可能性,而规模就是潜在交易的大小。

在客户角度中,个人被视为其公司的延伸。于是 LinkedIn 考虑与每个客户相关的个人的活动来计算每个客户的“温度”。“奖励规模”基于公司整体。

公司在由此而得的网格中所处的位置决定了销售人员为追到这家客户而应采取的步骤。

“我们知道什么时候让现场销售人员付出巨大努力是值得的。”– James Raybould ,LinkedIn 高级营销总监

潜在客户可能属于四个象限的其中之一:

•低温度,小规模: 虽然这些客户总的来看排名很低,但是培养他们非常重要。 LinkedIn 将营销自动化用作一种低成本的方法来培养意识,并“预热”属于此象限的任何容易接受新观念的客户。

•低温度,大规模: LinkedIn 也使用营销自动化来培养属于此类别的客户。但是由于这些客户的愿望较高,因此值得在他们身上投入更多资源 – 所以 LinkedIn还使用现场销售来紧跟这些客户。

•高温度,小规模: LinkedIn 认识到,关注这些客户非常重要(虽然通过现场销售跟进这些客户并不十分划算),所以 LinkedIn 部署内部销售策略尽可能多地把握来自此象限的交易。

•高温度,大规模: 对于属于此类别的任何潜在客户, LinkedIn 可以真的“以贵宾礼遇相待”。从支持人员到销售高管的每个人都可能参与赢得这些客户的活动中。

仅仅沿着两个维度绘制每一个潜在客户, LinkedIn 就能一目了然地看到每一个商机线索 – 并通过重要措施追到那些客户。设计的简单性还使其具有很强的适应性; Raybould 指出,理论上,现存的每一家公司都可以绘制在这张图表中。

数据分析

设计如此简单,犹如魔术般神奇

接下来,我们来会一会 Merlin。不,我们说的不是巫师 Merlin,而是 LinkedIn 为其销售团队开发的分析平台。这个用户友好的平台名曰“Merlin”,虽然表面看起来很简单,但是表面之下却一点也不简单。

LinkedIn 聚合来自多种来源的数据,以确定其线索在“规模”和“温度”维度上的分数。来自 Salesforce、 D&B、 Eloqua、 Oracle 等来源的数据与 LinkedIn 稳定的使用数据相结合,形成强大的销售指标。

正如 LinkedIn 业务分析高级总监 Simon Zhang 在解释平台时所说的,“我们尽量隐藏所有底层数据和基础结构”。得到的简单性可使销售代表关注于关键指标和可采取的步骤 – 就像是 LinkedIn 用户在浏览专业网络时所做的那样。

数据平台 Merlin 实际上是根据 LinkedIn.com 建模的。用户可以轻松搜索销售潜在客户,来自多种来源的数据在同一个地方展示。用户无需深入到多个数据库来面面俱到地看清“全局”;相反,他们可以交互式操作图表和图形来更多了解任何给定方面。

数据分析

LinkedIn 的内部销售数据平台 Merlin 可以在短短几秒内创建品牌特征明显的销售演示,并以各个潜在客户的数据进行自定义。

用户可以利用此平台快速创建销售演示。只要大约 20 秒, Merlin 就可以将信息和图片拖入自定义的 PowerPoint 中,由 PowerPoint 诉说任何公司的数据背后的故事。 Raybould 估计在大约一年半时间里,这项功能为团队节省了约 100,000 个小时。该平台的数据可视化组件是用 Tableau 构建的, Tableau 同时拉取 LinkedIn 的多渠道数据,以形成交互式可视化。

例如,下面的指标是用来构成某个交互式图表的部分指标,该图表将显示线索的“温度”和“规模”:

• 公司有影响力的人在 LinkedIn.com 及其企业网站上的活动

• 公司网页平常获得的浏览量

• 与该公司关联的 LinkedIn.com 用户的数量,以及他们表现出主动还是被动使用网站

• 在 LinkedIn.com 上可见的公司招聘人员的数量和活动

• 公司的地点和规模,及其行业的规模

不过,虽然准确的诊断和强大的分析至关重要,但是真正帮助形成盈利行动的是数据背后的故事。当销售代表无需吃力地处理后端数据,就能看到公司故事的时候,他们就可以根据这些信息来采取行动 – 并成为故事的一部分。

识别重要事件

跟所有好听的故事一样,公司的转变故事由几个重大事件组成。因其简单、易用的设计, LinkedIn 新的销售平台正帮助销售代表尽早看到这些事件,这样他们就可以抢先接洽潜在客户。

现在,销售团队可以快速注意到预热客户的苗头迹象。由于 LinkedIn 是将各个客户 – 而不是地区 – 分配给销售人员,因此他们的代表可以观察客户出现意向的关键征兆,而不是主动打电话联系,并被动地监视地区。

LinkedIn 将这种简单的策略称为基于事件的客户管理 (eBAM),这一策略正在推动巨大的收入增长,并为公司带来更高的销售效率。

利用强大、易用,并称得上有趣的平台, LinkedIn 新的数据策略最终使公司:

• 提高了 B2B 部门的用户转化率和投资回报率

• 大大降低了成本,同时提高利润

• 使销售人员有能力做出以数据为主导的决策

LinkedIn 最终将有吸引力的数据送到员工的手中,并在短短一年内将收入提高 85%。这些都是重要事件 – 无论是对 LinkedIn,还是对你我这些其他人来说。

 

责任编辑:李英杰 来源: 36大数据
相关推荐

2023-08-02 06:59:46

物联网运营商移动服务

2023-06-27 10:09:59

ChatGPT大型语言模型

2010-06-24 09:19:08

Gartner云计算收入

2019-09-19 13:55:51

公共云云服务云支出

2009-01-15 08:54:40

SaaS外包托管

2022-07-04 11:05:25

公有云云服务

2024-07-12 16:31:16

2010-07-15 18:55:24

惠普

2017-06-22 16:00:07

数据库NoSQL迁移实践

2023-01-11 12:11:57

2013-01-18 10:03:38

移动应用企业收入

2013-10-22 10:24:05

2022-05-25 13:36:43

戴尔

2016-11-17 17:14:17

腾讯云财报云服务

2013-03-06 18:34:12

2021-07-20 12:00:02

物联网人工智能IOT

2009-10-16 12:52:28

VB.NET简单数据类
点赞
收藏

51CTO技术栈公众号