猎云注：LinkedIn被微软262亿美元收购的消息一出，震惊业内。作为GrowingIO创始人兼CEO张溪梦（点击查看猎云对其专访文章），曾是LinkedIn美国商业分析部高级总监，也被美国DataScienceCentral评选为“世界前十位前沿数据科学家”，在LinkedIn工作多年对公司内部的文化、成长秘籍有更多的发言权，以下为张溪梦在LinkedIn的专栏文章，解读LinkedIn背后的增长魔法，便于理解本次收购的背后逻辑。经过作者授权转载。
今天可能大家都听到了LinkedIn被微软262亿美元收购的消息，一个接近溢价50%的offer，把世界上第一大职业社交网络、也是世界上第二大的SaaS（软件即服务）的厂商融入到微软的迅速崛起的商业云战略中。很多朋友会问，为什么过往LinkedIn会有这么高的估值，为什么微软会溢价50%收购LinkedIn。很多朋友问我，“一个社交网络值吗？”“价格是高了，还是低了？”
其实事务的核心往往很简单，并购、估值、溢价的本源就是“增长”。 微软收购LinkedIn在某种程度上说，是通过并购来获得进一步增长。非常重要的一点，LinkedIn 在过去6年间从一个7000万左右年营收的企业，一下子增长至30亿美元营业额的企业，五年业务增长超过40倍。这种增长速度在企业服务领域里面是惊人的。
6年多以前，我第一次在 LinkedIn 的公司例会上听到彼得·德鲁克的一句话，他说：如果一个事情，你不能衡量它的话，那么你就不能增长它。这句话的核心理念沉淀出了LinkedIn的企业价值观。增长带动数据分析，数据带动变现，变现进一步促进增长。而且这种文化折射出硅谷里面蔓延的精益创业的文化，即创业公司必须要做三件事——Build（建立）、Measure（衡量）、Learn（学习）。这句话在过去的6年间不断得到验证，不断通过各种各样的方式在产品，运营，销售，市场推广等各个领域得到大规模的实践。
很多人曾经怀疑LinkedIn的估值过高，实际上华尔街给予LinkedIn 的估值，基于很多非常基础的指标。其中一个重要的公式就是获客成本（CAC）和用户生命周期价值（LTV）之间的关系，LinkedIn获取企业客户的成本远远低于普通的SaaS竞争对手。比如说我们曾经打造的整个销售线索数据系统，客户成功分析系统，市场营销数据分析系统，产品分析系统等等让各个部门做到完全数据分析驱动。这里的直接结果就是，LinkedIn对比普通运营良好的SaaS企业，她的CAC／LTV比值，一般只有竞争对手的一半左右。销售和市场的总cost，比竞争对手或同类型的公司低一倍以上。这就让整个的公司增长在同等资源支持下要快好几倍。
（图片来源自www.tomtunguz.com对LinkedIn的S1分析）
因为大量的客户都是企业级客户，LinkedIn的企业级客户销售效率是业内最佳公司之一。其中的数据驱动整个的变现团队（销售，市场，运营，产品）用超快的速度获取了客户，最有效率的减少了用户的流失，同时在单位时间内，在既有客户上有效率的变现和增长。这是华尔街一直给予LinkedIn较高估值的核心原因。
LinkedIn 早期的变现战争
数据是 LinkedIn 增长战略里面一个很重要的环节，无论在产品设计、业务运营里面，数据都是一个很重要的环节。LinkedIn 是 2002 年底成立的，2003 年业务框架基本上设计完成，成立早期它就已经把用户数据和变现的框架讲得很清楚了。
整体战略就是这三个圆圈，第一个是用户的增长、使用和活跃度，第二个是产生大量的数据，然后数据变现，进行业务变现和增长，再次促进用户使用，产生数据，变现，使用，增长，数据变现。
哈弗曼（LinkedIn创始人&CEO）设计 LinkedIn 战略的时候，他收集大量的用户信息，想了三种变现方式。
第一种，通过用户的基本信息来变现，比如说公司发布职位。
第二种，用户数量增长到一定程度的时候，有 B2B 企业投广告。
第三种，当有大量人的信息以后，公司的猎头会用这个平台来找候选人。
变现的方式他也想得很清楚，但并没有在第一天就去做，他核心关注的是用户体验和使用度，是整体的增长，增长产生大量的数据，他从数据里学习，未来才做变现。
LinkedIn 在只有 1 万用户的时候就开始用数据驱动业务。早期的时候，第一批用户获取就完全靠创始人冷启动，所有的联合创始人和最早期的 10 个员工，每个人需要拉 500 个朋友进来，这就是他获取的第一批 1 万个用户。
之后，招来第一个产品经理，开始做下一轮的增长，从 1 万到 2 万 5 千，这段时间他们去观测两个渠道，一个是电子邮件，一个是搜索：
LinkedIn 刚出来创始团队都有一些光环，所以会有用户主动搜索 LinkedIn 或者搜索人。我们从数据里发现，从 SEO 的渠道里进来的用户，比电子邮件邀请进来的人数量差不多，但在产品平台上的活跃度要高 3 倍。这是之前没有想到过的，于是做了一个决定：如果要获取同样数量的用户，他们更愿意投入资源在使用频次更高、更愿意把时间花在这里的，所以，放弃低活跃的用户，专注活跃的用户。
我认为，这是他的产品战略执行层面里面第一个事情正确做的事情。
创业者应该从什么时候开始关注数据？
Greylock 也是投资人，以前是 Pinterest 的产品经理。当时增长速度非常快，每年他们都是几倍的增长，他总结出来一套框架，在产品整个生命周期里面，创始人在什么时候应该对数据敏感。
在产品最早期，不需要太多数据，凭借创始人的直觉，产品经理的直觉，做决策占很大的比例。但是到后来的话，数据化运营就越来越重要了，一个人在赌场里面不可能永远的赢，一个团队不断变大的话，不可能所有的员工都有直觉决策力，到未来以后数据来驱动决策能保证效率。
数据会告诉你很多信号，这些信号让你有一个标准，可促进增长的空间，你带着假设迅速的验证。我们现在还在持续的优化，今天我们变成 20% 多的转化率了。
对数据的敏感度和判断力是可以通过日积月累培养的。
LinkedIn 的 CEO 每天早晨是五点半、六点就起床，发大量的邮件，为什么搜索效率增加了，为什么昨天广告营收是这样的，产品经理就跟着起床，全公司的数据分析就跟着起床，全公司运营人就跟着起床。到后来，我们说全公司最好的分析师是谁，是CEO，他对所有的数据了若执掌。2014年，我邀请他去我们组里做一次分享，大家问他，你每天看那么多文件不烦吗？他说，对他来说不是一个报表，像一张热力图一样，他一看就有感觉了，就知道问题在哪儿。而且到后来数据已经变成了他的一种感觉，对数据的直觉和对产品的深入使用，令他很快就定位到问题所在。这也是为什么LinkedIn的Net Income，会比很多亏损的SaaS企业在财务报表上面好得多的一个原因。这又再次推动LinkedIn估值的提高。
（图片来源自www.tomtunguz.com对LinkedIn的S1分析）
如果全公司只做一件事的话，这件事是什么？
LinkedIn 每年反复要去问的一个问题是：如果只有一件事全公司要做的话，是什么？得用数字来证明的：一星期内加到 5 个联系人的用户，他们的留存／使用频度／停留时间是那些没有加到 5 个联系人的用户的三倍到五倍，这是他们找到的驱动增长的魔法数字。
但是当时这样的人非常非常少，于是他们在产品各个入口都增加社交关系。LinkedIn 还有一个上传地址簿的功能，还给你推荐哪些人你可能认识，同时把这些功能点放在各个产品页面的入口。
LinkedIn 最早的时候并不知道为什么增加社交关系会产生那么大的留存度，我们分析了起码有两三百个各种不同的指标，最后没有任何一个指标能告诉我们，就是因为这个原因。
可是加权以后的结果是这些用户在上面花了很多时间，间接就成为变现的可能。但是产品经理就把非常复杂的问题简化，让所有的东西都关注这一个点：关注这个魔法数字，让更多的用户在第一周里加到5 个联系人。于是，当时增长速度是非常快的。
数据驱动应该成为企业文化
数据驱动首要的第一点是， CEO 要认识到它的价值；第二点，我们需要基本的框架和方法论，框架很简单，就是三个，有个 idea 迅速落地，进行验证，进入下一次闭环；第三点，必须要变成一种数据文化。
在 LinkedIn 全公司都有这样一种数据文化：
- 产品部门：虽然今天有 4 亿用户，但是从 1 万到 2 万 5 千个用户的时候就开始用数据分析。例如 2004 年发现不同渠道来的用户活跃度不一样，决定做更活跃的用户。
- 客户服务：利用用户的使用数据判断哪个客户会流失。例如使用度下降的客户会流失，客服每天观察各个客户公司的指标，及时跟进联系客户增加留存。
- 销售部门：95%以上的销售每个星期都在用用户行为数据，判断哪一家公司有购买服务的可能。他们对每一个客户进行数据应用量的排名，根据使用度高、使用频次多、上次距离近等各种因素进行排序，销售团队客户服务团队会有针对性的互动。智能预测客户流失，客户需求，为销售人员，客服人员提供协助。
- 市场部门：用数据每周都会优化广告投放，价格变动，电子邮件营销，线下活动效果的衡量来促进营业额的提升。
过去很多年，在美国的生活是很舒服的，我之所以从 LinkedIn 离开，是因为我们亲身感受数据驱动的力量。2010 年的时候我们做了销售分析，把公司按照使用度来排名，让销售就盯最活跃的和最不活跃的五个用户，当时给 LinkedIn 带来 超过200%以上的增长。
数据驱动对变现有多重要？
创业时，首先你要有一个很好的概念，让他迅速地落地，然后我们用数据去证明它是不是有效率。现在流量越来越贵，所以，我们需要通过迅速循环的方法，用数据来证明我们做的事是有效果的，这种效果可以很快地叠加和堆积，形成未来的增长，这就是精益创业的核心。
举个例子，网站用户注册，大家都在做，但这里面有很多的坑。LinkedIn 优化了好几年，非常小的改动，就能带来几何倍数的变化。
GrowingIO 的用户注册步骤是三个页面，有一段时间，我们的最终注册转化率是 7.7%，听上去 8% 和 15% 又能怎么样呢？但是很多东西要看细节，我们当时把这个注册转化率通过浏览器做了一个分群，发现用 Chrome 的人注册成功率是 12%，用 IE 的注册成功率是 1% 。
因为我们用了一套新的 Java 的框架，在老版 windows 浏览器里得不到支持。因此我们接下来只要提高 IE 的注册成功率，就可以把整体的成功率提高。
在数据分析之前，我们其实查过很多文献，普通一个 SaaS 软件的话，基本上从访客到最后成功的注册应该是 5% 左右，我们当时觉得 7% 还挺好，但实际上很多人想进来，想买东西都买不了，因为他根本堵在中间了。
为什么离开LinkedIn和很多小伙伴出来打造移动数据分析公司GrowingIO
我们在过去十几年的工作经验中，亲眼见到了，亲手实践了若干的数据分析项目。看到了数据分析在各种企业里面巨大的价值，这种价值是超过很多人的想象的。而且这种数据驱动的价值能够在各种企业里面得到彰显。但是我们也看到了，很多的企业没有做到最简单的三件事，错过了用数据驱动增长的机会。
- 没有认识到数据分析带来的巨大价值。
- 没有掌握数据分析的非常简单的方法论和框架，企业内部没有足够的人才来应用这套框架。
- 没有使用正确的，适合现代潮流的分析工具来做到事半功倍。
这是我们创业 GrowingIO 的原因。GrowingIO对很多企业都有好处，他不只是对大的互联网企业，其实，小的创业企业没有那么多资源和时间，更需要工具化。今天是工具化的时代，如何很快的用工具来实现价值，是一个核心的竞争力的体现。
