硅谷大講堂是筆者組織的一個扎根在硅谷的線上技術分享系列活動，不管是感興趣分享還是參加活動，可以關注此微信號，后臺回復“講堂”添加微信群。主旨就是希望捕捉技術前沿，探討技術人生，促進華人技術交流。6月9日第一次講堂邀請到宋碧蓮博?，對eBay和LinkedIn工作期間大數據優化實戰案例進行分享。

演講者簡介

宋碧蓮博士是Sophia 是商業優化專家。 擅長機器學習客戶行為，海量數據價值挖掘，對商業目標精準預測和決策優化。曾經是LinkedIn，eBay的大數據核?成員。有近10年一線企業實戰經驗。曾為eBay數字營銷優化挖掘上億美元機會。被LinkedIn CEO 譽為最好的分析師, 獲LinkedIn改?獎。

2015年在硅谷創立了大數據公司Datatist （公眾號為Datatist大數據家), 名字源于連接各位大數據專家共創美好未來的愿望。 致力于用機器學習技術自動優化企業的商業目標，為互聯網和物聯網企業提供2B優化大數據產品和服務。Datatist于16年落地中國成立了上海畫龍信息科技有限公司，并獲得數千萬的天使投資。有前途有錢途。架構，開發，數據，銷售，自媒體運營等各種崗位火熱招聘中。

我將和大家一起從LinkedIn的戰略開始，認識一下LinkedIn內容運營的歷史地位和作用，分享如何運用大數據優化內容運營效果數十倍的成功經驗。

LinkedIn的戰略并非從盈利入手

LinkedIn (領英) 由Paypal黑幫成員之一Reid Hoffman 創建于 2002 年，致力于向全球職場人士提供溝通平臺。作為全球最大的職業社交網站，目前LinkedIn 會員人數在世界范圍內已超過 4億。其中日活躍用戶高達1億。

很多公司都是以盈利為KPI，為一切產品設計，市場策略的唯一指揮棒。Linkedin在這個方面比較特立獨行。 創立至今，Linkedin一直把用戶增長和交互（Growth and Engagement）作為公司戰略的核心和根本。我印象里最深的是CEO，Jeff Weiner 經常會強調，只要Growth and Engagement做的夠好，Monetization (變現）自然會水到渠成。

用大數據驅動Growth and Engagement

Growth and Engagement在很多成熟公司，比如eBay，市場營銷部門會起到決定性的作用。然而LinkedIn歷史上是以產品為導向的公司, 市場營銷部門相對很年輕，直至2013年，LinkedIn十周年的時候，用戶以每秒2人的速度增長，在很多需要花錢的市場渠道仍然還是在試探階段，基本沒有通過花錢帶來流量。 那么公司的4億用戶還有1億日活是怎么來的呢？ 要訣之一是大數據的驅動。起初基本依靠集成在產品端的各種增長Feature, 包括著名的People you may know等各種在線大數據算法； 后來開展了大數據驅動市場營銷領域的各種運營，內容運營 （Content Engagement)，本文的重點，是其中之一。

LinkedIn核心用戶產品

LinkedIn有三大不同的用戶產品，也體現了三種核心價值。

職業身份

職業身份呈現為個人檔案。

知識洞察

關注行業信息、汲取人物觀點、學習專業知識、提升職業技能、分享商業洞察。

商業機會

尋找同學、同事、合作伙伴，搜索職位、公司信息，挖掘無限機遇。

其中知識洞察基本是內容運營的結果。

LinkedIn的內容運營

現在有人稱2015年是國內內容運營的元年。傳統的門戶形式正向新型的社交內容媒體形式轉化，涌現出微信moments，今日頭條等大批新秀。其實在硅谷，LinkedIn 很早就開始了社交內容運營的全面部署。連同Facebook都在從傳統社交平臺形象轉換到社交內容運營平臺。內容為王。他們都有一個共同目標，通過內容形成更大的流量入口。

運營前后分為幾個節奏。首先是home page 的內容分享. 早期更新的類似于朋友圈的工作狀態變化等。LinkedIn的“朋友圈”概念歷史相當悠久。

LinkedIn在2012年－2013年持續拓展內容渠道，動作頻頻。

2012年5月 $119 million 收購了Slide share, 允許大家制作并分享slides.

2012年10月上線了Influencer 產品, 也就是現在大家說的網紅， 邀請了超過300名各個領域的世界頂級領袖，給當時2.5億的用戶分享他們的職業洞察和成功經驗等。而且開通了不同的頻道（channel）。每個月我們 Content Marketing Manager都在絞盡腦汁的想下個月該請Influencer寫哪個Topic。記得一個主題是夏日的工作環境，Richard Branson，當時的頭牌網紅，以穿著沙灘服，在游泳池里和美女帥哥員工開會又一次贏得諸多眼球。直到2013年底左右大家開始討論，把invite only的網紅模式，放開人數限制，允許更多的人撰寫文章，分享想法。以前只有比爾蓋茨這種大牛才能發表，才能被Follow, 現在小白也可以寫文章，擁有粉絲。

后來有了News. Moment里面也可以分享News。

2013年4月，$90 million 收購了Pulse,一個專門提供內容的App。

大數據優化內容營銷的契機

盡管內容渠道諸多，2012-2013年，整年的內容運營效果卻不理想。CTR非常低。也許是新生事物，大伙兒還沒有找到訣竅。

當時我正好從eBay來到LinkedIn, 負責 Marketing Analytics, 主攻Growth and Engagement. eBay的Marketing Analytics是非常著名的。有10年以上的經驗積累。光全球Marketing方向的分析師鼎盛時期都有小百人規模。各種豐富的模型。我當時正好有機會引導了基于客戶行為提供個性化的Marketing Strategy的改革，優化了各個渠道的策略和模型，為eBay挖掘了巨大的市場機會。

來到LinkedIn, 發現當時的市場營銷部門還很年輕。其實這種Marketing起初不受重視的現象在產品為主導的公司不新鮮，Facebook內部的Marketing部門據說才2年左右的歷史。一旦啟動，Marketing所起到的作用是一發不可收拾。

當時大數據對Marketing的支持也剛剛起步，還在報告階段。于是向公司多次申請將優化技術應用到Marketing渠道以提高效果。公司由此設立了提升效果百分之幾十的年度目標。在一系列的優化模型和改革方案實施之后，最終帶來了數十倍的持續穩定的增長。優化方案和流程，在整個Marketing 部門做了淺顯易懂的人人都可以優化的分享會后一舉成名，成為各個Marketing部門爭相學習的榜樣，也成為了來年公司的幾大重點戰略之一。在Marketing渠道優化成功的同時，其它方面包括Sales和各種盈利渠道也在開展優化。產品為主的大數據驅動模式自此向Marketing和sales等其它大數據驅動模式發展。

大數據優化內容營銷業績的方法

Marketing Analytics 有好多方向。這里以最難handle的內容運營為例，來分享一下優化的思路和方法。其實這些思路都是優化的理論在實際中的應用。和具體哪個公司并沒有太大關系。可以應用到很多類似的場合。下面的分享也以思路為主，數據是模擬的。

原來的做法

剛開始做了一年的內容運營是怎么做的呢？每周給所有的活躍用戶發N封email。當時LinkedIn會員對email Spam的complain達到空前的程度。這還不是厲害的。有些公司不會發email，最后被gmail等歸為黑名單被block的大有人在。內容呢接近甚至重復。

如何測量效果的呢？只關注了CTR。常年墊底的CTR讓content marketing manager幾乎見人要矮半個頭。報告簡單粗暴。不管內容是apple還是organge，這個月和上個月比一下，看看增長了還是下降了。如有什么風吹草動，講不清做好了還是壞了，也不知道如何提高。content marketing manager 感覺渾水一灘，壓力特大。很多其它公司的內容運營團隊其實都存在類似問題。

內容運營和普通的Marketing不一樣。內容是必須考慮的一個重大影響因素。每個月的內容主題都不同。就算是同一個用戶，喜歡這個月的主題，也未必就喜歡下一個月的主題。不能簡單的將上個月的效果和這個月比較。后面進行機器學習選擇學習對象的時候，同樣有這個問題。很多人做內容效果分析都容易忽略了這個問題。

優化后的做法

1. 明確要解決的問題

一個典型的優化項目首先需要很好的設計要解決的商業問題。這個是至關重要的第一步。直接影響了優化目標和優化因素的選擇。

比如首先問清楚商業合作伙伴content marketing campaign要處理的場景是什么。

答： 如何通過內部市場營銷渠道讓用戶更好的進行content engagement.

問題分解：

哪個內部市場營銷渠道？email。

發email的對象？已經注冊的用戶。

目的：提高content engagement。

根據場景對問題進行合理解讀：

已經注冊的用戶在收到公司的內容email之后點擊，而后產生了更多的content engagement。

2. 選擇正確的優化目標

作為商業分析師，還必須明確這次campaign的真正目的，終極目的。 營銷經理被反復提問之后，終于覺悟到， 最大化content engagement才是終極目的。而不僅是最大化點擊email的CTR。

由此我們有了更明確的優化目標：

No1. 優化目標：Max（content engagement），繼續分解，最大化內容對應的pageview, 最大化內容對應的action, 比如follows, likes

No2. 優化目標：Max（CTR）

3. 目標用戶優化Preditive Targeting

給誰發email是優化的關鍵之一 。

Email server很貴的。每封email都有成本。一股腦的給所有活躍用戶發，成本很高，效果又很差。而且并不是每個人都需要marketing的刺激。有些人已經是內容活躍用戶。

我們通過propensity model 提供機器學習，然后準確的預測出誰才是該發email的最合適人選。大大提高了準確度，也節約了成本。

由于優化目標變了，機器學習訓練模型的因素features的選擇也發生了重大的改變。

現在我們關心的不僅是否用戶看到內容email之后是否會打開（open)，會點擊(click through), 更關心的是他接下來做什么內容交互，是否會瀏覽我們期望的內容頁面，喜歡的文章會點贊，會follow，甚至轉發，評論，更甚至成為內容活躍者，重度內容消費者。

4. 試驗設計優化A/B test

合理的設計A/Btest才能將不同因素的影響剝離出來，把各自的貢獻劃分清楚。

設計如何正確反映出內容的影響

設計如何正確反映出目標用戶優化算法的影響

設計如何正確反映出季節性影響，比如Black Friday

設計如何正確反映出外部環境的影響，比如Gmail出了一個新政策等

5. 內容推薦策略優化

根據用戶的狀態，個性化推送內容才能起到引導內容消費的作用 。

新用戶不知道有哪些內容頻道，有哪些熱門話題，有了初步接觸之后，又想要了解更多，需要逐步引導。沉寂用戶不了解最新動態，需要適當提醒。
所以需要考慮用戶不同的生命周期，對內容進行優化，適時地推送個性化的服務和內容。

6. 推送周期策略優化

我們需要對推送的頻率進行優化。避免推送重復內容。避免一周推送多次。配合用戶的生命周期的進化速度和階段，安排合理的節奏，比如每周一篇個性化精選，逐步推進，推送以一個周期為準，循環進行。
總結

優化是一個完整的Solution（方案），而且是循環迭代的過程。不是一個模型或者一個分析那么簡單。需要綜合用到很多的技術，比如優化方程，預測算法，客戶畫像，A/Btest，個性化推薦，效果測量，結果可視化和工程化等等。對優化的執行者的綜合素質要求很高。不僅要能整體設計和技術實現，而且要有強大的改革精神和溝通能力，能教育和說服商業合作伙伴進行配合，接受優化，哪怕推倒他們長期固有的方案，并且需要領導力和執行力，因為很多事情，有時包括營銷策劃，都需要優化師來設計和推進。

一旦優化成功，效果會是巨大的。數十倍甚至幾十倍的增長，都是可以期待的。就像我們之前做到的那樣。

預祝大家優化成功！

參考資料

https://en.wikipedia.org/wiki/LinkedIn

http://baike.baidu.com/subview/1291207/13862216.htm

如有具體專業問題或項目咨詢請關注Datatist大數據家，或者email： info@datatist.com。我們提供大數據優化專業產品和服務！

End.