LinkedIn 元代表の張希孟氏：「多額の資金を使ってトラフィックを買う時代は終わった！」

張希孟

シリコンバレーのビッグデータ分析とデータサイエンスの専門家

LinkedIn のビジネス分析担当元シニアディレクター

GrowingIOの創設者兼CEO

6月13日（米国時間）、LinkedInがマイクロソフトに約262億ドルという巨額で買収されたというニュースが広まってから、多くの友人から、なぜマイクロソフトはLinkedInを買収したのか、そのような買収価格は妥当なのかと聞かれました。そこで、LinkedIn の評価がなぜこれほど高いのかをデータの観点から説明したいと思います。

1 つ目のポイントは、データ自体がユーザーに対して生み出す価値です。 LinkedIn は、約 4 億 3,000 万人のユーザーを抱える世界最大のソーシャルネットワーキングカンパニーです。これらのユーザーは、大きな意思決定力と巨大な購買力を持ち、社会の基盤となっています。

LinkedIn はデータ企業です。ユーザーエクスペリエンスは大量のデータを生成します。データ自体は、より高い価値と新しい製品を抽出して、ユーザーにさらにサービスを提供するために使用されます。3 つのポイントの間にシームレスなループが形成され、多くの一般ユーザーに多くの価値が生まれます。

例えば、ユーザーは、多くの新しい仕事の機会、新しいビジネスソリューション、新しいマーケティング手法、ビジネス拡大の方法や自分のニーズに合った機能などを見つけることができます。これらは多くの一般ユーザーに価値を提供します。

第二に、企業レベルでは、LinkedIn は一般のホワイトカラー労働者、ハイエンドユーザー、企業を結び付けます。企業は、開発ニーズを満たすためにあらゆる種類の人材を必要としています。LinkedIn は、トップクラスの人材プール (特にヨーロッパと米国) を結集しています。プラットフォーム上の専門的なソーシャルリレーションシップは、企業が最適な参入経路を見つけ、変換効率を向上させるのに役立ちます。

例えば、良い求人であれば、推薦や紹介で紹介された人材の転換率は社内で仕事を探す人の転換率より数倍高く、企業の人材獲得コストの効率が目に見えないほど向上します。さらに、LinkedIn 上のエリートプール自体も、多くの企業が将来の製品について考えるための最適なセールスリードプールです。 LinkedIn は、マーケティング業務から販売まで、ビジネスチャンスを探している人々にとって素晴らしいプラットフォームを提供します。

最後に、LinkedIn 社内の業務効率という点ですが、まず、LinkedIn のデータを活用することで、最も速く、シンプルに、そしてスケーラブルにユーザーを獲得することができます。たとえば、多数のユーザープロファイルを分析することで、約 100 万社の企業を抽象的に追跡できます。

社内の人々のソーシャルネットワークを分析することで、会社の内部意思決定レベルを知ることができます。企業内の営業担当者のソーシャルネットワーク関係を分析することで、意思決定者を知っている人を見つけることができます。企業にとって、これまでの意思決定サイクルでは、人が多くの判断を下し、情報を収集する必要があり、標準化や統一化を実現することは不可能でした。

しかし、データ主導になった後は、全員が非常に団結し、会社にもたらす価値が非常に集中し、最終的な実施方法も非常に実用的になります。これにより、販売サイクル全体が大幅に短縮され、単位時間あたりのユーザー獲得効率が向上し、ユーザー獲得コストが削減されます。

ウォールストリートの数年にわたる分析によると、LinkedIn は世界第 2 位のエンタープライズサービスプロバイダーであり、その顧客獲得サービスのコストは一般的なエンタープライズサービスプロバイダーのほぼ 50% です。

LinkedIn は、同じリソースで顧客獲得のスピード、質、幅広さの点で他の競合他社よりも優位に立っており、これがウォール街や株式市場での評価が高止まりしている理由の 1 つです。

このように、LinkedIn のサービスは、一般ユーザー側、企業側、そして最終的には投資側までがデータを通じてシームレスに統合できることがわかります。これが、買収時に LinkedIn が非常に高く評価された主な理由の 1 つです。

ビッグデータ分野における価値、視差、問題点

データはさまざまな価値を生み出しますが、ビッグデータの分野では大きな格差や問題点も存在します。LinkedInを離れて起業するのは、上記2つの問題を踏まえた上でのことです。

（１）まず、私は過去５年間の仕事の中で、データの様々な価値が生み出されるのを見てきました。

データによって生み出される価値の第一の核心は、信念、つまり、私たちがデータの金鉱の上に座っていることを本当に認識しているかどうかに基づいていると思います。そのような信念は、信念が実現される前に、最終的には想像力と創造性として解釈されます。データ自体が私たちの創造性と想像力の源です。想像力は抽象化されて製品となり、価値として具体化されます。これが私が中国に戻ってビジネスを始めた理由の一つです。

過去 10 年間で、インターネット業界は 2 つの革命を経験しました。第一次PCウェブサイト革命は、ポータル型からプラットフォーム型、トランザクション型まで、一連のインターネットウェブサイト革新など、一連の成功したスタートアップ企業の誕生につながりました。 2008 年から、モバイルインターネットの新しい波が生まれました。しかし、中国の経済全体は、増加型または高成長型の顧客獲得経済から、ストック型または価値ベースの経済へと変化しました。

スマートフォンを例にとると、ここ数年の所有数の年間成長率は50％から30％の間であったが、ここ2年間、特に過去1年間は年間成長率が5％前後で推移している。新規顧客数は徐々に減少しており、市場は飽和状態に近づいています。この場合、企業はこれまでのトラフィック重視の考え方を、無駄のない運用の考え方に変える必要があります。

このリーン思考は、数年前からヨーロッパやアメリカの多くの国で導入されています。私が業界で最初に就いた仕事は、データ主導のリーンオペレーションを行うことでした。このような考え方は、社会が発展する上で必ず通過しなければならない段階であると私は信じています。企業が将来の競争環境で足場を築きたいと望むなら、この分野で成果を上げなければなりません。

最近はアプリが数多くあり、ユーザーが特定のアプリやウェブサイトに費やす時間は非常に限られています。単位時間あたりのコンバージョン率をいかに向上させるかが、今日企業がまず注目すべき点です。 2 つ目の事実は、アプリを使用した後もユーザーを維持する方法です。 3 番目の事実は、どうすれば優れた製品を非常に低コストで普及させることができるかということです。

多額の資金を使ってトラフィックを購入する時代は終わりました。より低コストで、単位時間当たりのスピードを速くして顧客を獲得し、特に顧客がプラットフォーム上で継続的に価値を生み出す能力が求められています。この観点から、データ駆動は不可欠です。

企業の全体的な発展の初期段階、特にインターネット人口ボーナスの時代がまだ終わっていない場合、多くの意思決定はデータに基づいて行う必要がないかもしれません。しかし、今日の厳しい競争環境において、企業が生き残るためには、単位時間あたりの生産量を増やす必要があります。これは、データ駆動型がますます重要になっている主な理由でもあります。

さらに、これまでのデータに関する決定は経営レベルで行われていたため、多くの人が意思決定を行う必要はなく、上位レベルのみが決定を行い、下位レベルがそれを実行していました。しかし、今日のフルプロダクトと普遍的な競争の時代において、企業はフロントエンドの人々にデータを使用して意思決定をさせ、ユニットのさまざまな効率の全体的な改善を促進し、生産された製品が多くの人に必要とされ、ユーザーの維持率が向上する必要があります。

最終的に、製品の良い評判は、最低コストと最速の方法で広められ、販売され、会社に多くの価値をもたらし、会社の長期的な使命を実現し、社会に価値を貢献します。このプロセスでは、データ駆動がますます重要になります。

データ分析の分野では、過去 10 年間で 2 つの大きな変化がありました。最初の変化は ERP 時代でした。 ERP 時代では、トランザクションの品質、量、地域などのトランザクションデータに対して何らかの分析が行われるのが一般的です。これらは通常、時間を空間と交換することによって実現されます。

コンピューティングとストレージのコストが非常に高いため、大量の非構造化データを非常に構造化された小さなデータに変換して保存するのに多くの時間を費やす必要があります。これには多大な人手が必要です。この時代は 2000 年頃まで続き、現在でも多くの企業がこのモデルを実験しています。

しかし、ここ5〜10年でシリコンバレーで新たな分析フレームワークが登場しました。それは、大量の非構造化データを基に、並列コンピューティングを中核とするビッグデータフレームワークであり、現在では世界に広く知られるビッグデータの概念となっています。このシステムとテクノロジーのフレームワークは、並列処理、非構造化、大規模ストレージのコンピューティング能力に基づいており、それを実装するには高いコンピューティング能力と情報フレームワーク能力を持つ企業が必要です。

従来の分析ソリューションは 4 つの異なるツールで実装できましたが、今日では、真に大規模な分析システムを実現するために、数十の異なるツールと言語を統合する必要があるかもしれません。過去10年ほど、多くの中国企業はこの分野で技術が不足していました。

私たちは、何十年も経済を運営し、過去 10 年ほど非構造化データソリューションを開発してきた米国とは異なります。企業が将来の競争環境で優位性を獲得し、効率性を生み出したい場合、他社を追い抜く機会をつかみ、従来の分析の負担を取り除き、新しい方法を使用して将来の大規模な展開を実現できます。

たとえば、企業のさまざまな部門の情報を分析する方法論は、新しいテクノロジーと新しいツールを使用して実装される方法論です。クラウド技術はすでに非常に成熟しており、さまざまな分析理論が製品化されているため、企業が大規模なチームを構築するために多くの時間、コスト、人材を費やす必要はありません。

ここからは、改めてつながりの問題についてお話ししたいと思いますが、実はアナリストは、方法論や結論などの分析手法を企業に提供してサポートするのですが、これは医師が診断を下すのと同じプロセスです。医師が診断を行うには、まず血液検査やレントゲンなどの基本的な情報を収集する必要があります。これまでのさまざまなシステムの不備により、企業内と同じように、血液検査システムやレントゲンシステムを構築するための資金が必要になります。

しかし、今では自分たちで構築する必要がなくなり、多くの時間を節約できます。また、医師はデータに基づいて判断し、患者を診断します。データ分析でも同じです。ある出来事の履歴を理解することで、その原因を突き止め、将来を予測することができます。

今日のビッグデータ分析システムは、医師を大量かつ定期的に自動的に複製し、誰もが医師に付き添われることを望んでいます。これはビッグデータの中核的な分析理論、つまりデータの大衆化、実行可能性、単純化です。

（２）ビッグデータの分野には大きな格差と問題点があり、それが私たちが解決したい問題です。

たとえば、過去 10 年間の私たちの活動で、多くの企業がデータ収集に多大な問題を抱えていることが分かりました。私が以前働いていたいくつかのインターネット企業では、データの収集、整理、整理、さらには基本的な標準化に多くの人的資源、物的資源、時間を費やしていました。

しかし実際には、価値を生み出す本当のプロセスは、データの応用にあります。ビジネス側、サービス側、クライアント側でデータが適用されて初めて、人々にとって真の価値を生み出すことができます。私たちが解決したい問題は、人々、特にエンジニア、アナリスト、製品マネージャー、運用担当者が、データのクリーニングや収集ではなく、ビジネスに時間を費やすようにすることです。

そこで、ポイントを埋め込まないデータ収集ソリューションという新しい技術を開発しました。基本的に、エンジニアが多くの管理を行う必要がなく、Web サイトやアプリ上で完全な情報収集が実現されるため、企業はプロセスで多くのリソースを節約できます。さらに、リアルタイム分析を実現するために、これらのデータを企業データ分析の基盤としてすぐに蓄積することをお勧めします。

データ自体の価値は、時間の経過とともに徐々に低下します。データが私たちに近ければ近いほど、将来的に顧客のコンバージョン率が向上する可能性が高くなります。データが私たちから遠いほど、潜在的なユーザーに与える影響は少なくなります。現在開発中のシステムは、超大規模処理条件下でのリアルタイム性が求められており、テクノロジーの活用が求められています。

現在、私たちが開発しているシステムは、多くの人がデータを使って意思決定を行えるようにし、ビジネス分析インテリジェンスを提供し、社内の最前線で働く従業員の意思決定や判断を支援することを目指しています。これは、これまでの設計思想とは異なります。しかし、この目標を達成するのは実際には非常に困難です。

このソリューションを展開および実装する場合、企業は基本的に 3 つの懸念を抱いていますが、そのうち 2 つは人々の認知の問題に起因しています。

1 つ目のポイントは、データがもたらす莫大な価値を企業が実現できるかどうかです。

2 つ目のポイントは、企業がデータに基づく意思決定の全プロセスを実行するための一定の経験と方法論を備えているかどうかです。なぜこれが大きな課題なのでしょうか?中国は急速に発展しているため、過去10年ほどでデータ主導の経験はあまり蓄積されていません。そのため、私たちは方法論を企業に直接輸出し、企業が理論と実践の運用基盤とソリューションを迅速に獲得できるようにしたいと考えています。

3つ目のポイントは、実践的な操作能力です。多くのエンタープライズソフトウェア自体では、この巨大で遅い学習障壁を克服するために、多くの人が学習に時間を費やす必要があります。社内の多くのユーザーが同時に使用できるように、製品をシンプルで使いやすいものにするために最善を尽くす必要があります。これは当社の使命でもあります。私たちは、価値認識、方法論の実装、最終運用の 3 つの領域をカバーし、より多くの企業が生産効率を向上させ、より多くの顧客価値を創造し、企業の内部リソースを最大限に活用できるように支援したいと考えています。

アインシュタインが賢かった理由：つながりの重要性

データ自体は、LinkedIn のソーシャルネットワークや、データで接続されたすべてのもの、そして人間の脳の以前の構造など、脳外科における人間の脳の理解と非常に似ています。これらのものの本当の価値は、接続にあります。

おそらくあなたは以前にアインシュタインに関する記事を読んだことがあるでしょう。アインシュタインの知性は脳の容量が大きいからではなく、脳細胞間のつながりがたくさんあるからなのです。

データの観点から見ると、データ自体の値は 1 である可能性がありますが、複数のデータポイントが接続されると、その値は単純な数字の加算ではなく、幾何級数的に増加します。さまざまなデータソース、デバイス、ビジネスがこのデータをゆっくりと集約すると、生成される価値は莫大なものになります。この種の相関関係と幾何学的反復は、大きな価値の現れです。

私たちは、個人の社会的影響力はソーシャルネットワークの密度にも関係していることを発見しました。社会における人の地位は、その人のつながりの数に正比例します。つまり、人のつながりの数は、その人の社会における潜在的な価値を反映します。 2 つの組織の従業員間でさまざまなコラボレーションが行われている場合、多くの内部接続が潜在的に形成されます。

2 つのソーシャルネットワークが同じ方向に推進されると、それは組織の合併と買収のプロセスになります。合併や買収の課題は、2 つの組織の人々がお互いを知らないという事実から生じる場合があり、協力する際に大きな摩擦が生じます。人事部門が合併や買収のプロセス中に行う分析方法の 1 つは、人材分析と呼ばれ、人々の間のソーシャルネットワークを分析します。

多くのことは類推によって学ばれます。数学的手法は物理的な事実から抽象化され、物理的な現実における多くのビジネス間のつながりを説明し、これらのつながりを増幅します。人と人との関係性から組織の構造を推測したり、誰がどのポジションに適任か推測したり、個人の将来の発展方向を予測したり、こうした潜在的なことをデータから知ることができます。

データが教えてくれるのは、宇宙全体の基本的な物理的事実と将来の傾向です。つまり、私たちは常に低いものから高いものへ、粗い粒子から細かい粒子へと進化し、このエネルギーのプロセスの中で常に上向きに進化しているのです。

情報はエネルギー伝達のプロセスにおける最も高度な反応の一つであり、価値、エネルギー、創造性、可能性に満ちています。

<<: 新しいBaidu入札アカウントをどのように操作すればよいですか？何に注意すればよいですか？緊急です！

>>: 入札 SEM は競合他社のプロモーションデータをどのように分析しますか?