转载

为什么微软溢价50%并购LinkedIn:估值、增长、变现和背后的魔法

为什么微软溢价50%并购LinkedIn:估值、增长、变现和背后的魔法

本文作者张溪梦,GrowingIO 创始人、CEO。前 LinkedIn 美国商业分析部高级总监,美国 Data Science Central 评选其为“世界前十位前沿数据科学家”。

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?」

其实事物的核心往往很简单,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,

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。

为什么微软溢价50%并购LinkedIn:估值、增长、变现和背后的魔法
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。

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。

为什么微软溢价50%并购LinkedIn:估值、增长、变现和背后的魔法

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。

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。

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。

为什么微软溢价50%并购LinkedIn:估值、增长、变现和背后的魔法

图片来源自 www.tomtunguz.com 对 LinkedIn 的 S1 分析

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。

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。

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。

正文到此结束
Loading...