為什麼微軟溢價 50% 購併 LinkedIn,「估值、增長、變現及背後的魔法」

作者 | 發布日期 2016 年 06 月 22 日 9:07 | 分類 Microsoft , 人力資源 , 網路 follow us in feedly

編按:本文作者張溪夢先生(Simon Zhang)任職於 LinkedIn 親自建立了LinkedIn 近 90 人數據分析和數據科學團隊支撐 LinkedIn 營收相關業務,並於 2015 年在矽谷和北京建立了大數據分析公司 GrowingIO。由他來解釋此一併購案再適合也不過了。




大家都知道了 LinkedIn 被微軟以 262 億美元收購的消息,一個接近溢價 50% 的 offer,把世界上第一大職業社群網路、也是世界上第二大的 SaaS(軟體即服務)廠商融入到微軟迅速崛起的商業雲戰略中。很多朋友會問,為什麼過往 LinkedIn 會有這麼高的估值,為什麼微軟會溢價 50% 收購 LinkedIn。很多朋友問我,「一個社群網路值嗎?」「價格是高了,還是低了?」

其實事務的核心往往很簡單,購併、估值、溢價的本源就是「增長」。微軟收購 LinkedIn 在某種程度上說,是透過購併來獲得進一步增長。非常重要的一點,LinkedIn 在過去 6 年間從一個 7,000 萬左右年營收的企業,一下子增長至 30 億美元營業額的企業,5 年業務增長超過 40 倍。這種增長速度在企業服務領域裡面是驚人的。

6 年多以前,我第一次在 LinkedIn 的公司例會上聽到彼得‧杜拉克的一句話,他說:如果一件事情,你不能衡量它的話,那麼你就不能增長它。這句話的核心理念沉澱出了 LinkedIn 的企業價值觀。增長帶動數據分析,數據帶動變現,變現進一步促進增長。而且這種文化折射出矽谷裡面蔓延的精益創業的文化,即創業公司必須要做 3 件事——Build(建立)、Measure(衡量)、Learn(學習)。這句話在過去的 6 年間不斷得到驗證,不斷透過各種各樣的方式在產品,營運,銷售,市場推廣等各個領域得到大規模的實踐。

World

很多人曾經懷疑 LinkedIn 的估值過高,實際上華爾街給予 LinkedIn 的估值,基於很多非常基礎的指標。其中一個重要的公式就是獲客成本(CAC)和用戶生命周期價值(LTV)之間的關係,LinkedIn 獲取企業客戶的成本遠遠低於普通的 SaaS 競爭對手。比如說我們曾經打造的整個銷售線索數據系統,客戶成功分析系統,市場營銷數據分析系統、產品分析系統等讓各個部門做到完全數據分析驅動。這裡的直接結果就是,LinkedIn 對比普通營運良好的 SaaS 企業,它的 CAC/LTV 比值,一般只有競爭對手的一半左右。銷售和市場的總 cost,比競爭對手或同類型的公司低一倍以上。這就讓整個的公司增長在同等資源支持下要快好幾倍。

Linkedln S&M as of Rev Compared to SaaS Median

▲ 對 LinkedIn 的 S1 分析。(Source:tomtunguz

因為大量的客戶都是企業級客戶,LinkedIn 的企業級客戶銷售效率是業內最佳公司之一。其中的數據驅動整個的變現團隊(銷售、市場、營運、產品)用超快的速度獲取了客戶,最有效率的減少了用戶的流失,同時在單位時間內,在既有客戶上有效率的變現和增長。這是華爾街一直給予 LinkedIn 較高估值的核心原因。

 

LinkedIn 早期的變現戰爭

數據是 LinkedIn 增長戰略裡面一個很重要的環節,無論在產品設計、業務營運裡面,數據都是一個很重要的環節。LinkedIn 是 2002 年底成立的,2003 年業務框架基本上設計完成,成立早期它就已經把用戶數據和變現的框架講得很清楚了。

整體戰略就是這 3 個圓圈,第一個是用戶的增長、使用和活躍度,第二個是產生大量的數據,然後數據變現,進行業務變現和增長,再次促進用戶使用,產生數據、變現、使用、增長、數據變現。

strategy

哈夫曼(LinkedIn 創始人&CEO)設計 LinkedIn 戰略的時候,他收集大量的用戶資訊,想了 3 種變現方式。

  • 第一種,透過用戶的基本信息來變現,比如說公司發布職位。
  • 第二種,用戶數量增長到一定程度的時候,有 B2B 企業投廣告。
  • 第三種,當有大量人數的資訊以後,公司的獵頭會用這個平台來找候選人。

變現的方式他也想得很清楚,但並沒有在第一天就去做,他核心關注的是用戶體驗和使用度,是整體的增長,增長產生大量的數據,他從數據裡學習,未來才做變現。

LinkedIn 在只有 1 萬用戶的時候就開始用數據驅動業務。早期的時候,第一批用戶獲取就完全靠創始人冷啟動,所有的聯合創始人和最早期的 10 個員工,每個人需要拉 500 個朋友進來,這就是他獲取的第一批 1 萬個用戶。

之後,招來第一個產品經理,開始做下一輪的增長,從 1 萬到 2 萬 5 千,這段時間他們去觀測兩個渠道,一個是電子郵件,一個是搜尋:

LinkedIn 剛出來創始團隊都有一些光環,所以會有用戶主動搜尋 LinkedIn 或者搜尋人。我們從數據裡發現,從 SEO 的通路裡進來的用戶,與被電子郵件邀請進來的人數差不多,但在產品平台上的活躍度要高3 倍。這是之前沒有想到過的,於是做了一個決定:如果要獲取同樣數量的用戶,他們更願意投入資源在使用頻次更高、更願意把時間花在這裡的,所以,放棄低活躍的用戶,專注活躍的用戶。

我認為,這是他的產品戰略執行層面裡面第一個事情正確做的事情。

 

創業者應該從什麼時候開始關注數據?

Greylock 也是投資人,以前是 Pinterest 的產品經理。當時增長速度非常快,每年他們都是幾倍的增長,他總結出來一套框架,在產品整個生命週期裡面,創始人在什麼時候應該對數據敏感。

在產品最早期,不需要太多數據,憑藉創始人的直覺,產品經理的直覺,做決策佔很大的比例。但是到後來的話,數據化運營就越來越重要了,一個人在賭場裡面不可能永遠的贏,一個團隊不斷變大的話,不可能所有的員工都有直覺決策力,到未來以​​後數據來驅動決策能保證效率。

數據會告訴你很多信號,這些信號讓你有一個標準,可促進增長的空間,你帶著假設迅速的驗證。我們現在還在持續的優化,今天我們變成 20% 多的轉化率了。

data

對數據的敏感度和判斷力是可以透過日積月累培養的。

LinkedIn 的 CEO 每天早晨是 5 點半、6 點就起床,發大量的郵件,為什麼搜尋效率增加了,為什麼昨天廣告營收是這樣的,產品經理就跟著起床,全公司的數據分析就跟著起床,全公司營運人就跟著起床。到後來,我們說全公司最好的分析師是誰,是 CEO,他對所有的數據瞭若指掌。2014 年,我邀請他來我們組裡做一次分享,大家問他,你每天看那麼多文件不煩嗎?他說,對他來說不是一個報表,像一張熱力圖一樣,他一看就有感覺了,就知道問題在哪。而且到後來數據已經變成了他的一種感覺,對數據的直覺和對產品的深入使用,讓他很快就定位到問題所在。這也是為什麼 LinkedIn 的 Net Income,會比很多虧損的 SaaS 企業在財務報表上面好得多的一個原因。這又再次推動 LinkedIn 估值的提高。

Linkedln Net Income as of Rev Compared to SaaS Median

▲ 對 LinkedIn 的 S1 分析。(Source:tomtunguz

如果全公司只做一件事的話,這件事是什麼?

LinkedIn 每年反覆要去問的一個問題是:如果只有一件事全公司要做的話,是什麼?得用數字來證明的:一星期內加到 5 個聯繫人的用戶,他們的留存 / 使用頻度 / 停留時間是那些沒有加到 5 個聯繫人的用戶的 3 倍到 5 倍,這是他們找到的驅動增長的魔法數字。

但是當時這樣的人非常非常少,於是他們在產品各個入口都增加社交關係。LinkedIn 還有一個上傳地址簿的功能,還給你推薦哪些人你可能認識,同時把這些功能點放在各個產品頁面的入口。

LinkedIn 最早的時候並不知道為什麼增加社群關係會產生那麼大的留存度,我們分析了起碼有 2、300 個各種不同的指標,最後沒有任何一個指標能告訴我們,就是因為這個原因。

可是加權以後的結果是這些用戶在上面花了很多時間,間接就成為變現的可能。但是產品經理就把非常複雜的問題簡化,讓所有的東西都關注這一個點:關注這個魔法數字,讓更多的用戶在第一周裡加到 5 個聯繫人。於是,當時增長速度是非常快的。

 

數據驅動應該成為企業文化

數據驅動首要的第一點是, CEO 要認識到它的價值;第二點,我們需要基本的框架和方法論,框架很簡單,就是 3 個,有個 idea 迅速落地,進行驗證,進入下一次閉環;第三點,必須要變成一種數據文化。

在 LinkedIn 全公司都有這樣一種數據文化:

  • 產品部門:雖然今天有 4 億用戶,但是從 1 萬到 2 萬 5 千個用戶的時候就開始用數據分析。例如 2004 年發現不同通路來的用戶活躍度不一樣,決定做更活躍的用戶。
  • 客戶服務:利用用戶的使用數據判斷哪個客戶會流失。例如使用度下降的客戶會流失,客服每天觀察各個客戶公司的指標,及時跟進聯繫客戶增加留存。
  • 銷售部門:95% 以上的銷售每個星期都在用用戶行為數據,判斷哪一家公司有購買服務的可能。他們對每一個客戶進行數據應用量的排名,根據使用度高、使用頻率多、上次距離近等各種因素進行排序,銷售團隊客戶服務團隊會有針對性的互動。智慧預測客戶流失、客戶需求,為銷售人員、客服人員提供協助。
  • 市場部門:用數據每周都會優化廣告投放、價格變動、電子郵件營銷、線下活動效果的衡量來促進營業額的提升。

過去很多年,在美國的生活是很舒服的,我之所以從 LinkedIn 離開,是因為我們親身感受數據驅動的力量。2010 年的時候我們做了銷售分析,把公司按照使用度來排名,讓銷售就盯最活躍的和最不活躍的五個用戶,當時給 LinkedIn 帶來超過 200% 以上的增長。

 

數據驅動對變現有多重要?

創業時,首先你要有一個很好的概念,讓他迅速地落地,然後我們用數據去證明它是不是有效率。現在流量越來越貴,所以,我們需要透過迅速循環的方法,用數據來證明我們做的事是有效果的,這種效果可以很快地疊加和堆積,形成未來的增長,這就是精益創業的核心。

舉個例子,網站用戶註冊,大家都在做,但這裡面有很多的坑。LinkedIn 優化了好幾年,非常小的改動,就能帶來幾何倍數的變化。

GrowingIO 的用戶註冊步驟是 3 個頁面,有一段時間,我們的最終註冊轉化率是 7.7%,聽上去 8% 和 15% 又能怎麼樣呢?但是很多東西要看細節,我們當時把這個註冊轉化率透過瀏覽器做了一個分群,發現用 Chrome 的人註冊成功率是 12%,用 IE 的註冊成功率是 1% 。

因為我們用了一套新的 Java 的框架,在老版 Windows 瀏覽器裡得不到支持。因此我們接下來只要提高 IE 的註冊成功率,就可以把整體的成功率提高。

在數據分析之前,我們其實查過很多文獻,普通一個 SaaS 軟體的話,基本上從訪客到最後成功的註冊應該是 5% 左右,我們當時覺得 7% 還挺好,但實際上很多人想進來,想買東西都買不了,因為他根本堵在中間了。

 

為什麼離開 LinkedIn 和很多小伙伴出來打造移動數據分析公司 GrowingIO

我們在過去十幾年的工作經驗中,親眼見到了,親手實踐了若干的數據分析項目。看到了數據分析在各種企業裡面巨大的價值,這種價值是超過很多人的想像的。而且這種數據驅動的價值能夠在各種企業裡面得到彰顯。但是我們也看到了,很多的企業沒有做到最簡單的 3 件事,錯過了用數據驅動增長的機會。

  1. 沒有認識到數據分析帶來的巨大價值。
  2. 沒有掌握數據分析的非常簡單的方法論和框架,企業內部沒有足夠的人才來應用這套框架。
  3. 沒有使用正確的,適合現代潮流的分析工具來做到事半功倍。

這是我們創業 GrowingIO 的原因。GrowingIO 對很多企業都有好處,它不只是對大的網路企業,其實,小的創業企業沒有那麼多資源和時間,更需要工具化。今天是工具化的時代,如何很快的用工具來實現價值,是一個核心競爭力的體現。

(作者:Simon Zhang 授權轉載;首圖來源:Flickr/Ben Scholzen CC BY 2.0)

延伸閱讀:

發表迴響