-
观点
利用大数据，企业可以从Netflix、Eloqua和奥巴马2008年大选中学到什么
对很多组织来说，大数据是他们成功的引擎。Netflix、Eloqua和奥巴马的2008年总统竞选，为企业利用大数据提供了生动的例子。这些企业运用大数据接近顾客，并发展了一套成功的策略。
演艺界是一个由高管控制，凭其经验做决策的传统行业。在最初决定是否投资《纸牌屋》的时候，Netflix将大数据带到人们的视线中，最终证明该剧大获成功。《纽约时报》的David Carr说，Netflix在考虑其他制作人转交来的电视剧时，会分析电视剧的观众数据。
当发现有足够多的观众观看David Ficher(该连续剧的导演)导演、Kevin Spacey(该剧演员)参演的电影，以及原始英国版本，Netflix统一投资1亿美元制作该剧。Netflix非常自信，所以迈出了这非同寻常的一步。
Netflix最初只是一家影片邮寄租赁商，起初客户不过把它作为除Blockbuster公司外的备选而已。但本质上，Netflix善于操纵数据。影片候选队列使Netflix深谙用户观看习惯，并能向用户推荐他们可能感兴趣的电影和电视节目。当Netflix娱乐流媒体向用户开放后，这种能力得到了更广泛和直接的扩展。
Eloqua是另一家利用大数据取得成功的初创企业。这家自动营销软件公司在2013年被Oracle以9.57亿美元的价格收购。
Eloqua成功的秘诀之一是“软件即为服务”的模式。因为Eloqua提供在线解决方案，它有着接触大量数据的机会，能够了解用户如何使用产品，这就给公司提供了敏锐的洞见，如何服务单个用户，以及怎样使软件变得更好。
Eloqua前首席执行官Joe Payne在一次关于The Big Date-Driven Business的采访中说：“我认为在当代我们所经历的技术时代，最有趣的莫过于我们第一次对用户怎样使用我们的软件、何时使用、使用频率和使用人数有了相当清晰的理解。如果你对这些事情足够关注，它就能够给你赢得市场的深刻见解。”
2008年，奥巴马利用大数据，并未赢得某个市场，而是赢得了总统大选。Dan Siroker是奥巴马竞选团队的数据分析主管，他专注于网站的优化，常常使用A/B和变量测试。
奥巴马竞选依靠数据分析，尤其是在竞选网站方面，这对获取支持者的电子邮件地址十分关键，每个人平均向奥巴马竞选贡献了21美元。
Siroker在博客中写道：为了让大家分享电子邮件地址，奥巴马团队测试了各种图片和口号组合的效果，一共有24种之多。利用A/B测试，团队发现其中一种组合的表现好于其它组合：巴拉克·奥巴马与妻子和孩子的合影，加上“了解更多”的口号，让11.6%的网站访问者分析了电子邮件地址，这比24中组合8.26的平均值改善了40.6%。
Siroker说，最终，这个组合收集了288万个额外的电子邮件地址，为竞选赢得了额外的6千万美元。2010年，他依靠竞选的经验成立了自己的大数据公司Optimizely，这是一个帮助企业从网站获得最优数据、进行电子邮件营销和其他数字营销的平台。
Optimizely的下一步计划将是帮助企业改进客户移动营销。Siroker说：“我们的目标是让世界将数据转化为行动，我们认为网站和移动端优化只是这个旅程中的第一步。”
（via entrepreneur，快鲤鱼编译）
-
观点
那些年 在线教育隐藏的真相
虽然只经过了一个多月的时间，但是重新出来分享思考的过程，宛如过去一辈子了。2014年11月与12月两个月间，在线教育发生了许多让人措手不及的事情，比如坚持2014年底会倒闭一大批在线教育企业的论调，比如下半年会是冰河期的言论，更甚者大机构不断挫低创业者信心的行为，诸如此类的乱象就不一一多说。。今天先来一个我们都未曾讲诉的真相，在线教育的背后隐藏了什么的东西？
一、 似是而非，一派胡言
时间回到2013年末，互联网与资本正式撬开在线教育的大门后，随后一年时间一发不可收拾，教育行业的变革之风席转整个教育行业。诸如各大互联网企业按耐不住纷纷进军在线教育或者加大在线教育的投入，同样的许多传统教育机构亦如盲头苍蝇般寻找自救。而时间回到2014年的今天，似乎还没有看到在线教育有重大突破性进展的时候，一大批准备好草稿的人开始冒头了，恨不得向全世界的人宣言自己正确的理论，但是事实真的是这样吗？当然不是。他们眼中突破性进展是指能够彻底颠覆传统教育，但是这是一年就能够完成的吗？百足之虫死而不僵。嘉榔没有那么大的情怀，只想说说带来的变化，是否足够突破。
（1）直播与录播。
一直在教育行业“垄断”地位的录播，被直播这种模式给重构和平分天下。前者能够最大限度的服务用户，后者却是最久；前者能够看清一位老师，后者能够隐藏很多东西；前者能够让学员注意力集中，后者仅仅依靠学员的坚持与耐心……直播模式一直在某些行业中存在，但是直到今年才开始在教育行业大幅度出现，即使如YY的教育频道也尝试走了直播间的形式。
用户不单满足学习的东西，更要所见即所得。教育行业的用户从过去信奉机构转变到信奉老师，不然为什么那么多个体户老师能够突围，为什么那么多老师开始逃离，为什么那么多知识能够传播。教育机构无法做到知识上面垄断的时候，就是用户掌握主动的时候，以前是我的唯一，现在却是我的之一。
（2）智能化。
百度知道、搜搜问问等等问答的平台，让很多有疑问的人得到解答，而教育的用户同样受惠。但是我们教育行业走出不一样的东西，拍照答题、作业帮等等智能化的app，都在不断帮忙用户成长。我们可以质疑变化缓慢，但是请不要轻视这种技术带来的变化。
在很多传统阵型的人里面，他们连尝试都不去尝试，就看到一年后的结果就大放厥词，很无语。不管经历是怎样的，如果把自己当成是一个学习者，你才能更好的理解与看到这种智能带来的变化。
（3）学习的提升。
习惯是一个可怕的生物，当你还认为是自己选择的时候，其实这是就以前的习惯给出的选择，而当用户不断尝试线上学习后，那么对于线下学习就会慢慢的放松。当一个东西容易获得后，那么用户就会追逐容易的方向走，或许他们并不抗拒困难的东西，但是他们会慢慢的被淘汰。每个教育机构不走出一套在线教育的链条，总归会被淘汰的，就如职业培训与外语培训两块，今年以来就有不少线下机构悄悄退出市场。
摆在在线教育面前并非钱或者其它，而是如何做到用户心中真正的需求，笔者接触那么多教育机构，说句不好听的话，有部分的平台就是乱来的。教育行业会出现一家淘宝型的平台，但是并非以淘宝的形式，不知道你们是否了解过所谓的招生网站，这难道不就是你们理想中的淘宝型平台，但是诸如厚学网、好学校等招生平台会是什么情况，请问有真的了解过市场吗？不改变思维，不增加自己接触的信息，更是难以走一条路，当然笔者的话都是假话，都请不要相信，我不会为我的话负责。
（4）技术革新
很早之前，教育行业流传一篇关于教育行业的技术是普遍低的文章，而且为什么那么多人愿意来是寻求安稳，不对其中的内容做出过多判断，只是想说教育行业的技术水平低是普遍的事情。
没有一批互联网高端人才的到来，技术瓶颈难以突破，然而只有科技的创新才能带动行业更大的发展。当还没有弄懂在线教育，就自视甚高认为这就是把课程放在网络上卖的时候，可想而知思想有多么局限。
所谓思维的更新，笔者就不说了，谁都知道的事情。
二、 打压是为了更好收编
在线教育背后还有一股不寻常的东西，他们以不断制造坏信息为荣，而且往往你会发现最后反而有不少的获利者。他们没办法创新，没办法创造不同的平台，所以他们采用打压手段，加上一系列的善意的面目，进而获取一批创业者的心。我们看待教育是要谨慎，但是我们相信会有更高层来把握方向，其它根本无需我们担心，我们要时刻考虑用户，那么就不会轻易出现问题。任何一个产品如果偏离用户，最终必被用户所抛弃。
笔者很佩服所有创业的人士，不是因为笔者不能，而是为他们的勇气，为追逐梦想而去做自己喜欢的事情，而感到幸运。我们每个行业正因为有这么多这样的人才能不断社会进步，或许不会再有第二个马云不限，但是带来的是时代的进步。
很多人其实不清楚，有一大批的教育机构在等着收编一些在线教育平台，所以他们不断引着创业者走在一条浮夸的路上，等待他们的收割而已。
三、 入口一直在，只是你的内容不够
诚然在线教育一直是以内容为主，似乎脱离了内容就难以成事，但是真的如此吗？笔者一直觉得内容只是第二位，你没有把握好入口，再优质的内容也是扯谈。对于在线教育平台而言，走好一个方向，比起怎么走，什么人走更加重要。如果内容真是重要，为什么淘宝同学成不了在线教育的淘宝巨头，上面不都是内容吗？为什么还有那么多在线教育外语培训机构出现，优质的内容一向不是传统教育的核心吗？那么多教育机构肯定有无数的内部项目，但是成功的有多少，别给我说没有优质的内容。
决定走那边，就看你怎么走。比如最近YY收购郑任强的团队，逼得刘洪波不得不离开YY,，而后独立创建网校，又是一副邢帅教育的翻版。内容与入口一直都是不能隔开的，有了入口，就有资源、有了用户，而有内容就能够不断的提升口碑。难道如考试类的，就只是一种概率的东西，没有哪个考试机构敢说自己能够让学生考上，那都是夸大的宣传而已。
选择比努力更重要......
四、 别让你的平台变成我们的平台
项目什么最值钱？就是秘密的时候，而一个创业项目还没有上线的时候，就弄得天下皆知，最危险就是潜在竞争对手的关注，那么项目未来的走向可想而知。潜在的竞争对手会让人不断挖掘你的项目或者平台，慢慢融合到自己的平台上面。今年很多在线教育大会，笔者觉得是行业的好事，但是也是一些在线教育创业者的坏事，这些人不断跑这些会议，到头来自己的平台反而得不到很好的发展。与其花着时间去做这些，还不如从网络上面看，当然有一些还是要去，无论为了资源，还是为了其它，笔者也不排斥各种会议，但是会看情况选择。
比如早前有几个活动机构找到笔者，希望可以把活动消息发布出去，笔者在不收取任何的东西情况下发布，反正也就是一件对行业有用的信息，但是通过后来了解到的信息与从不同渠道的得到的信息，显然对方想让我当傻瓜，所以现在一律拒绝发布这些东西，现在只看活动是否好，其它都不会考虑。
本来在线教育能够做的细分领域只有那么多，而如果让一些大的教育机构得到信息与想法，就容易从你的平台变成我们的平台，有些打着共同成长的，其实就是背后收割的举动，这是笔者恶意的猜想。
五、 无论说什么，就是要赚你钱
这个笔者不多说，无论任何机构说什么做什么，到头来不是在帮助你成长，而是想要赚你的钱，这就是真相，当然合理的合作就是合适，最怕就是被误导，比如现在经常出现的所谓的品牌宣传，一个新创的平台就铺天盖地的新闻稿，有什么用？除了被同行所知，还能被用户看到吗？在地铁报上打个广告都比所谓的新闻稿效果好。作为一个在线教育创业者，要做合适的事情，会有人反驳，你看哪个哪个平台不是做了吗，为什么不能做？这种情况下，还请你看下别人平台的是服务哪个群体先吧......
以上都是假，请不要相信，如果相信，笔者不负责，仅此而已！
下篇开始做点难为自己的事情，如果我是xxx在线教育创业者......我会怎么弄？
作者注：黄嘉榔
-
观点
甲骨文CEO马克·赫德：商业智能、大数据、社交化、实时性是未来企业的精髓
甲骨文CEO马克·赫德(Mark V. Hurd)近日在其自己的LinkedIn页面上对未来的企业家们提出了自己的寄望，从这些简短的文字里能够看到在未来日益数据化和智能化的商业时代和产业环境里，企业家们需要面对的全新课题。本文最初发表在马克·赫德的LinkedIn页面，略有删节。
志存高远的企业高管应当永远谨记哪些经验教训呢？首先，你不仅要面对复杂多变的全球商业环境，还要学习和接受一些永恒不变的管理学原理。然后，处在21世纪，你要用新一套商业和生活能力充实这些核心领导能力。
商业智能
今天，企业意图在自己的组织内更加深入地挖掘基础商业智能，以获得更好、更明智和更有效的商业决策。但是，未来的商业领袖必须确保商业智能渗透到车间，会议室，设计工作室和全球合作商网络。
大数据
今天，我们看到很多企业开始拥抱大数据，并当作高价值原材料来发掘和分析数据，目的就是将它变成热卖的产品和服务。未来，商业领袖就要将大数据和潜在数据融入到业务的方方面面，否则你就无法在以数据为中心的商业世界里生存。
社交化
今天，很多企业已经具备现代企业的速度、定制、敏锐和灵活的特征，但依然无法摆脱历史惰性、机构臃肿等传统特征。未来，社交客户毫不关心企业的历史，他们只会关心你将为他们带来何种产品，商业领袖必须从起步阶段控制这种具有挑战性的企业特征组合。
实时性
今天，很多企业花较少的时间关注上周、上月或去年发生的事情，这样它们可以充分应对下月、下季度或年底的工作。未来，商业领袖需要进一步转型，打造真正的实时企业，用全面和准确的视角观察全球客户今天购买哪一种产品，明天可能购买何种产品，数月后他们又会需要何种新产品。
超越当代CEO的四个要点：
新一代商业领袖需要在数据分析和商业决策方面取得前所未有的进步，超越当代CEO。新一代商业领袖并非天赋异禀，但他们能够全面了解和分析国际市场的趋势，进而形成企业内部战略和运营方式。例如：
人才方面：你需要以全新的方式了解、评估和教育人才。
人际/技术互动：由于人类和技术之间的接口快速演变，你要不断分析和接受业务剧变。
尊重历史，拥抱未来：以客户为中心的全球经济环境日益变化，你要不断改组团队和改变任务。
真正以客户为中心的业务：你必须将人才、商业智能和灵活的团队融入致力于满足客户要求的企业。
消息来源：虎嗅网
-
观点
Jeff Weiner领导下的LinkedIn将走向何方？
提到 LinkedIn，你肯定会想到这是一个找工作的平台。但 LinkedIn 的 CEO Jeff Weiner 可不这么认为，他想让你知道，LinkedIn 还有更多的用途。在过去几年中，LinkedIn 已经从一个上传简历的地方转变成一家职场社交网站。Weiner 不想让你上 LinkedIn 只为了找工作，而是希望你通过 LinkedIn 进一步提升工作能力。
上个月，Weiner 在接受 Re/code 的采访时曾表示：
我们的使命是连接全世界的职场人士，让他们的工作更加高效、更加成功。
现在在 LinkedIn 上，只有很少一部分人，是在积极找工作的。
LinkedIn 前产品负责人 Deep Nishar 今年八月离职，Weiner 毫不含糊地接管了产品团队。现在看来，Weiner 将长期执掌这个部门，因为并没有迹象表明 LinkedIn 在寻找别人接替。而且，Weiner 说他希望当一个注重产品的 CEO。他对于公司发展有长远的打算，还常常挂在嘴边，那就是把全世界所有工作的人聚拢到 LinkedIn 上。这可有足足有 30 亿人呢。
这个愿景的意图十分明显，LinkedIn 想要尽可能多的用户，但 Weiner 没有这么表述，因为可能会招致负面的评论。他的措辞都像是简历上写的一样考究，比如他最喜欢说的“价值主张”(value propositions)。
招聘现在仍是 LinkedIn 的一大业务，到今年年底，网站上的招聘信息达到 200 万条，招聘产品所带来的收入占到公司总收入的60%。但是，招聘绝不会是 LinkedIn 明年唯一关注的事情。
明年，Weiner 将着力发展以下三个方面:
为你量身定制的LinkedIn
LinkedIn 正在推进一项名为“预测计算”（anticipatory computing）的技术。顾名思义，这项技术试图在你提出要求之前满足你的需求。
LinkedIn 负责工程方面的高级副总裁 Kevin Scott 在接受 Re/code 采访时表示，预测计算在产品中将越来越重要，因为帮助人们快速到达想看的页面或找到需要的信息是极其重要的。
LinkedIn 现在已经推出了类似的功能，包括职位或群组的推荐，预测你可能感兴趣的职位。但是 LinkedIn 在预测计算领域第一次真正的尝试还是在于LinkedIn Connected这款应用，它从你的日历中获取数据，让你在与其他人会面之前查看他的资料，并在会面后继续跟进相关动态。这项功能看起来非常基础，获取预约安排就能给你提醒，在这方面，LinkedIn 还有更多计划。
Kevin Scott 表示，LinkedIn 将在接下来 6 到 12 个月推出一款非常棒的新产品。他没有透露到底要出什么样的产品。不过，将来某一天，LinkedIn 也许可以预测你什么时候想换工作，甚至能预测你未来几年的职业生涯。这可不是痴人说梦，LinkedIn 已经开始预测未来5年我的职业生涯了，只不过这项功能还没有面向所有用户开放。
听着很渗人？确实有点，Scott 说，LinkedIn 正在预测计算产品方面稳步推进，但是，进度不能太慢了，因为 Facebook 和 Google 也在做同类的产品。
LinkedIn想要成为你的新博客
今年 2 月，LinkedIn 向 3.3 亿注册用户开放了博客功能。内容发布将会是 LinkedIn 一项重要业务，此前，博客功能只开放给少部分“有影响力的人”。全面开放后，每个人都可以发布内容。 根据 LinkedIn 内容方面负责人 Ryan Roslansky 介绍，现在 LinkedIn 上每周有超过 4 万篇不同的文章被分享。
公司 CEO Weiner 认为，内容发布工具可以帮助用户树立个人品牌，并及时获取新消息。LinkedIn 的内容团队现在有 100 名员工，用户产生的内容通过多种方式为公司带来了收入。你在看别人的博客时，很可能就看到招聘广告了 (LinkedIn 能收取广告费)；有了博客后，你可能也会提高资料更新的频率，增加注册用户对于招聘者的价值（这方面也可以收费）；而企业付费优先展示博文已经成为 LinkedIn 增长最快的业务。
LinkedIn 还将改进算法，让呈现的文章与更符合你的口味；他们重新设计了主页，鼓励用户更多分享；此外，LinkedIn 中的视频内容也将有所增加，这一点在 LinkedIn 旗下幻灯片分享服务 Slideshare 中已经体现出来了。
销售，销售，销售！
LinkedIn 今年早些时候发布了针对销售人员的订阅服务Sales Navigator，帮助用户找到新的销售方向，并管理现有销售。Weiner 认为，这个产品将是 LinkedIn 业务发展的一个重要部分，他说：“招聘、市场、销售三个方面是顾客价值主张的三个核心。” Sales Navigator 与招聘、广告等已有的收入渠道形成了良好的互补，进一步提升了 LinkedIn 对用户的价值。
目前，Sales Navigator 上线才几个月，很难说它表现得怎么样。在 LinkedIn 的季度收入报告中，这个产品的收入归入“高级订阅”的部分，但是它与别的用户订阅产品并不一样，而应该和带来大量收入的招聘服务放在一起。因为这款销售产品，将来有潜力为公司带来更多的收入。
[本文编译自：recode.net]
-
观点
-
观点
招聘节，拼什么？
“这个时候搞什么招聘节啊”，某互联网招聘网站的 CEO 告诉36氪，他和另外一家互联网招聘网站的 CEO 有过交流，都表示不会跟进，“年底也不是招聘的时候啊，谁不得过完年拿了年终奖才走啊？”
可是架不住人家“有钱、任性”！参加招聘节的企业会给跳槽员工补贴今年的年终奖。
进入 12 月以来拉勾招聘周、周伯通招聘节的广告在朋友圈刷了屏。在年底这样一个人才跳槽的淡季弄砸钱弄这么一个活动，在很多传统从业人士看来像是做“一锤子买卖”。
但是互联网行业可能是个例外，因为人才一直是卖方市场，艾瑞咨询数据显示，互联网企业招聘基层员工所花费用平均为员工年薪的 18.5%，中间需要 25 天。与之前都是大公司在抢人的情况不同，最近两年，无数的创业公司也在加入抢人大战，Jobdeer创始人 Easy 解释，“大公司的几个高管出来建一个 30-40 人的初创公司，多出来的这些职位都需要人来填。”
因此在年底招聘供需双方的需求是十分旺盛的，只是没有一种协调需求的方式。招聘节出现企业招聘、求职者跳槽和垂直招聘网站扩张的需求集中在了一起。招聘企业、拉勾、周伯通各有各的打算。
对于这次招聘节的主角初创公司，他们不存在年终预算、年终终结的问题，每一个新员工都很珍贵，恨不得让求职者马上上岗。就像 Easy 说的，“创业公司不像大公司，没有人公司就跑不动”。另一方面，创业公司的难题在于不被世人了解，在招聘节中他们充分享受曝光福利，拉勾网“有期权也能任性”，“最具成长性行业”，“拉勾懂你的任性”几个专场集中展示了如PP租车、蜜淘、Zank等很多新兴的创业公司，“跟着风投去跳槽”无形中拿贝塔斯曼等重量级风投为公司做了背书。周伯通的平台甚至仅对创业公司开放。
对拉勾来说，需要这样一个活动去正式向前程无忧、智联招聘这样的传统网站叫板。作为互联网垂直招聘的老大，他们也需要通过某种方式来提升互联网招聘市场用户获取的成本，提升垂直招聘行业企业生存的门槛。根据36氪的消息，一家上半年风头很劲的互联网垂直招聘网站已经掉队了。
另外一个方面，拉勾虽然在流量上已经获得了优势。但是从产品上考虑，求职者的习惯依然需要培养。今年以来，整个互联网招聘都在努力推进移动端的求职习惯。不仅是拉勾、周伯通，还有大街出品的小推鸡，Jobdeer，仟寻，快推等，都希望在微信的平台上翘起招聘行业的“地球”。拉勾负责人表示，
在移动互联网时代，我们可以通过手机预约到家做美甲的服务，但是求职这样的事情确还停留在朋友介绍、内推这样的方式上。拉勾想要改变这样的情况，用互联网的方式去做招聘。
招聘节以来，拉勾网新增互联网企业 1500 家，新增用户逾 5 万人，常规的品牌和口碑积累是很难达到这个速度和层级。另外，招聘节的气氛也能吸引到一些非互联网从业者，但是想从传统行业转投互联网的在职人员关注互联网垂直招聘网站。这样看来，砸下的 500 万成本其实并不算多。
对于主要关注创业公司招聘的周伯通来说，招聘节是一个再好不过的传播机会。冯涛更愿意称自己的公司为一家“文化传播公司”，在弹幕、创业公司视频之后，这次的招聘节他又往前迈了一步。活动期间，周伯通的品牌随着创业公司成员分享出去的 Html 5 招聘页面席卷朋友圈，冯涛表示用户自发的去进行二次传播是之前自己都没有预料到的，“想了很多运营的办法，最后都没有用到。 ”
实际上，周伯通做的可比冯涛自己说的还要拼。他们跑到在百度楼下摆一堆兔女郎怂恿员工跳槽，包下中关村巨幅广告屏。
对于哪上班这样没有参加的同行，同样可以受益于招聘节为互联网垂直招聘领域带来的关注度和简历流量。毕竟求职者有“广撒网”的好习惯。
所以不管是双11还是双 12，招聘节还是购物节，都是互联网新势力的练兵。今年大张旗鼓的一天，放到明年就是习以为常的一天。
[36氪原创文章，作者: 饭遥]
-
观点
社交媒体和移动是人力资源两大趋势
// // //
社交媒体和移动是人力资源两大趋势
【编者按：在企业2.0应用大潮中，市场部要社会化、销售部门要移动化，那么人力资源部门呢？给出的答案是都要。】
一份报告中(英文PDF下载)指出，2012年社交媒体和移动设备将成为企业提升人力资源/人才管理服务水平的两大驱动力。
变革已经到来，社交媒体和移动设备的普及正在影响企业人力资源服务的交付方式，并成为企业人力资源管理转型的方向。与社会化媒体和移动应用的整合不是追新潮，而是确实能弥补传统HR管理中缺失的人际触点。（尤其是当求才若渴的企业面对的是在社交媒体和移动环境中成长起来的80后乃至90后）
今天，企业的人力资源部门能利用社交媒体工具创建知识分享社区，以一种直接的、非正式的沟通方式来服务员工。而移动设备和应用则使得企业员工能随时随地获取在线人力资源服务。员工可以通过手机与人力资源管理人员展开讨论，提出问题并获取知识。社会化和移动化不但提升了企业人力资源管理服务的交付方式，同时也提升了人力资源管理在企业中的价值。虽然社会化和移动技术应用还不会一下取代传统的人力资源渠道，但能减轻HR工作负荷，使企业HR服务的获取更加便利，同时也能提高员工和潜在雇员的参与度。
我们认为人力资源管理的社会化和移动化有三大驱动力：
一、技术的突破。移动设备和社交媒体革命性地改变了人们的互动方式，让知识的分享不再受到时间、地理位置或者企业边界的制约。
二、企业认可。移动设备和社会化媒体已经成为标准的商务工具。根据最新的研究，只有不到15%的企业高管依然认为社会化商务仅仅是赶时髦。
三、更高的预期。在个人生活中，HR们已经领略到了移动设备和社交媒体带来的丰富的互动体验。当他们与目前和潜在员工互动时，自然也希望能获得同样的体验（员工也是这样想的）
作者：关志刚
-
观点
硅谷观察之大数据篇（完整版）
【上篇：挖掘机和“改变世界的”大数据公司们】
硅谷的这一个月，我在 startups demo days 和各种大公司一日游中度日，以为会逃脱国内各种会上各种“大数据”和挖掘机的梗，但万万没想到这里更甚。Hi~ 本文发自仅次于五道口的宇宙中心硅谷，与你分享大数据在这片土地上的真实生长状况。
什么是“改变世界”的大数据公司
近两周硅谷两场规模比较大的 demo 大会上，就有十多家自称做大数据的 startups，有做消费者行为的，有做体育分析的，有做 NGO 融资的，有做环保的，有做 UX 的，有做信贷评级的，当然还少不了做移动端广告的。乍看都是高大上的产品，但仔细琢磨一下会发现一些没那么高大上的细节。
比如，有一家介绍时候说 "Brings big data to teams, media and fans"，用的是Moneyball作引子。展示结束后询问他们是如何分析视频以得到各种数据的，demo 的哥们表示他们请了一些人看视频的。没错，是人工。自然地，下一个问题就是：未来如何扩张以应对来自不同体育项目大量的全长录像？他的回答也很简单，雇佣更多人。听完我懵了一下，问，那打算如何利用收集的数据呢？答曰：开放 API，自己不做分析。
那么，说好的大数据呢？难道有数据就叫大数据公司了？如果庆丰包子留存有这半个多世纪以来的购买者和交易记录它就得叫大数据公司了？
是，但也不是。
先归纳了一下硅谷“大数据公司”的类型，有补充或修正的请拍砖：
数据的拥有者、数据源：特点是业务优势能收集到大量数据，就像煤老板垄断一个地区的矿一样。其实大多数有能力产生或收集数据的公司都属于这类型，比如Vantage Sports和收集了PB级数据的包子铺。
大数据咨询：特点是非常技术，提供从基础设施规划建设维护到软件开发和数据分析等的服务，但不拥有数据，比如Cloudera这家不到500人的startup是最著名的Hadoop架构咨询公司。
做大数据工具的：比如AMPLab出来的Databricks和Yahoo人主导的Hortonworks。
整合应用型：特点是收集拥有或购买一些数据，然后结合AI来解决更多实际的痛点。
所以回答之前的问题：是，因为包子铺只要收集的消费者数据量够大就能成为数据拥有者，有那么大的数据就有得到洞见的可能；不是，因为可能从真正意义上来说，大数据公司应该只属于第四种类型：AI。
对，我相信未来是 AI 的，而 AI 的食物是数据。就像很多产业链一样，最困难且最有价值的创新往往发生在接近最终用户的那端，比如 iPhone。大数据行业最有价值的部分在于如何利用机器去处理数据得到洞见，影响组织和个人的行为，从而改变世界。收集和整理数据在未来会变得标准化和自动化，而利用 AI 进行分析的能力会变得更为关键。
再看硅谷主打 AI 的公司，现在大致可以分成以下三类了：
分析用户行为，改进产品和营销的，比如 LinkedIn 的推荐系统和用 iBeacon 实现店内营销；
统筹大量分散个体，利用大数据实现精确有效的预测和规划的，比如 Uber 和前段时间出现的 Amazon Fresh 及 Grub Market
分析识别各种类型的数据，开发更智能的设备和程序，比如 Google 大脑及无人车和以 Nest 为代表的智能设备等。
这些产品都有一个很明显的共性，就是在努力尝试把机器变得更智能以减轻人类的工作量。这个目的与科技发展的动力相符合，因此认为之前所说的第四种类型的公司是最有希望改变世界的。
这样的大数据公司需要什么样的人
那么大数据公司，或者说到真正可以改变世界的大数据公司需要什么样的人才呢？这里要介绍一个在硅谷被炒得很热的高频词汇：数据科学家。
这个职位出现的原因并不是因为数据量变大了需要更好的方式去存取，那是数据工程师的活。那产生的原因是什么呢？正是为了匹配上面第四种公司的需要。数据是 AI 当中不可分割的一部分，而且量越大越好，从数学上来说，数据越多则我们越能够有信心把从样本分析出来的结果推论到未知的数据当中，也就是说机器学习的效果越来越好，AI 越来越智能。
由此诞生的数据科学家是一个非常综合型的职业。它所要求的知识范围包括分析数据的统计学，到算法的选择优化，再到对行业知识的深刻理解。这群人是开发数据产品的核心。硅谷大部分 startup 已经把它当成是必需品了，以至于刚入行的新人也能领到差不多 $100K 的薪水。而模糊的定义和误解也让有的人戏称，data scientist is a data analyst living in the bay area。
值得一提的是，数据本身的飞速发展从另一个侧面其实也给数据工程师们的大数据处理带来了许多挑战。主要来源于以下的两个方面：
数据量的急速增长。如今，数据的产生变得异常容易。社交网络，移动应用，几乎所有的互联网相关产品每时每刻都在产生众多数据。传统的集中储存计算方式显然无法处理如此庞大的数据量。这时，我们就需要新的储存方式，如云储存，以及新的处理方案，如Hadoop这样的分布计算平台。
数据本身的非结构化。在传统的数据处理领域，我们处理的主要是结构化数据，例如，Excel表格可以显示量化数据等。而如今我们面对着越来越多的非结构化数据，如社交网络的评论，用户上传的音频视频等。这些数据存在于包括文本、图片、视频、音频等众多的数据格式中，这些数据中隐含着众多有价值的信息，但这些信息却需要深度的计算才可以分析出来。这就需要我们利用智能化分析、图像识别等等一系列新的算法来进行数据挖掘，这也就是“大数据”的挑战所在。
目前硅谷的创业公司正在探索新的应用领域和方法，比如说物联网这块。现在智能设备们才刚刚起步，Nest、被 Nest 收购的Dropcam、Iotera、emberlight等等都属于少部分人的玩具。待到家家户户都安装了智能冰箱、智能灯泡、智能桌子、智能沙发等等的时候，大数据的威力才会伴随着巨大的使用规模而发挥出来。
另外一个角度就是人。如果把之前谈的设备全部置换成个人的时候，他们的相互关系在各种维度上的交错会产生一张巨大的网络，其中的每个组成部分都由大量的数据组成。分析理解预测这些社会关系将会是大数据另一个有趣的应用方向，即Social Physics。不过按照从硅谷到全国的速度，感觉不管哪一方面的普及起码得等上五年以上的时间。
展望一下未来的话，如果参照以前的技术革命和行业发展来看大数据，那么大数据的底层设施将会逐渐被隔离，被模块化和标准化，甚至是自动化，而在其上的中间层和应用层将成为各大公司的数据工程师们激烈攻克的主战场。
硅谷公司的大数据运行现状
目前硅谷各个公司的数据处理水平和模式差别还是蛮大的。除 Facebook 等几个很领先的公司外，大部分公司要么还没有能力自行处理数据，要么就是正在建立单独的数据处理部门，主要负责从数据基本处理到后期分析的各个环节，然后再送到公司内部的其他部门。
对于这些公司来说，建立一个单独的数据处理部门可能还有还路漫漫其修远兮。举个例子来说，Facebook 有一个超过 30 人的团队花了近 4 年的时间才建立了 Facebook 的数据处理平台。如今，Facebook 仍需要超过 100 名工程师来支持这个平台的日常运行。可想而知，光是大数据分析的基础设施就已经是一个耗时耗力的项目了。LinkedIn 大数据部门的建设也已花了整整六年。
普遍来说，各公司自主建立数据处理平台存在着几个难点：
没有足够优秀的数据工程师来组建团队
没有足够能力整合数据
没有易于操作的基础软硬件来支持数据分析
这几个主要难点使得大数据分析越来越专业化、服务化，以至于我们渐渐看到一条“硅谷数据处理产业链”的出现。从数据的储存，数据分析平台建立，到数据分析，数据可视化等等各个环节的成本越来越高，这使得本身技术能力很强的公司都还是使用专业数据处理公司提供的服务，而将更多的人才和资源放到核心业务的开发上。
另外，就是各个公司对于数据处理的要求也越来越高。不仅仅需要有效的处理结果，也需要数据处理可以 self-service、self-managing、保证数据安全性、完善实时分析。这些诸多需求也使得专业化团队的优势更加突出。而这样一条整合服务链的行程，也给众多的大数据公司提供了机会。
硅谷是非常神奇的地方。科技概念在这里也不能免俗会被追捧，被炒得很热。但这种激情和关注某个程度上讲正是硅谷创新的动力。即使存在很多投机贴标签的人，即使一片片的大数据 startups 被拍死在沙滩上，即使 Gartner 预测大数据概念将被回归现实，但相信会有更多的人投入到大数据这个行业，开发出更智能，更有影响力的产品。毕竟，大数据本身，不像一个单纯的 pitch 那样，它能够保证的是一定可以中看并且中用。
【下篇：硅谷巨头们的大数据玩法】
本篇将一共呈现硅谷四大不同类型的公司如何玩转大数据，其中包括了著名 FLAG 中的三家（Apple 在大数据这块来说表现并不突出）。
本篇内容来自对 Evernote AI 负责人 Zeesha Currimbhoy、LinkedIn 大数据部门资深总监 Simon Zhang、前 Facebook 基础架构工程师 Ashish Thusoo 和 Google 大数据部门一线工程师及 Google Maps 相关负责人的专访。Enjoy~~
Evernote：今年新建AI部门剑指深度学习
Evernote 的全球大会上，CEO Phil Libin 提到，Evernote 的一个重要方向就是“让 Evernote 变成一个强大的大脑”。要实现这个目标，就不得不提他们刚刚整合改组的 Augmented Intelligence 团队（以下简称 AI team）。我在斯坦福约到 AI team 的 manager Zeesha Currimbhoy，在此分析一下从她那里得到的一手资料。
是什么
今年早些时候，这个 2 岁的数据处理团队改组为由 Zeesha 带领的 Augmented Intelligence team，总共十人不到，很低调，平日几乎听不到声响。他们究竟在做什么？
与我们常说的 AI（artificial Intelligence）不同，Evernote 的团队名叫做 Augmented Intelligence，通常情况下简称为 IA。Zeesha 显然是这个团队里元老级的人物：“我是在 2012 年加入 Evernote 的，直接加入到了当时刚刚建立的数据处理团队，这也就是现在 AI team 的雏形。我们最开始的项目都是简单易行的小项目，比如按照你的个人打字方式来优化用户的输入体验。”
传统意义上的 AI 指的是通过大量数据和算法让机器学会分析并作出决定。而这里讲到 IA 则是让电脑进行一定量的运算，而终极目的是以之武装人脑，让人来更好的做决定。这两个概念在具体实施中自然有不少相通之处，但是其出发点却是完全不同的。
这个区别也是 Evernote AI team 的亮点所在。作为一个笔记记录工具，Evernote 与 Google 之类的搜索引擎相比，最大的区别就是它非常的个人化。用户所储存的笔记、网站链接、照片、视频等都是他思维方式和关注点的体现。
从哪来
Zeesha 小组的初衷便是，通过分析用户储存的笔记来学习其思维方式，然后以相同的模式从第三方数据库（也就是互联网上的各种开源信息）抽取信息推送给用户，从而达到帮助用户思考的过程。从这个意义上讲，Zeesha 版的未来 Evernote 更像是一个大脑的超级外挂，为人脑提供各种强大的可理解的数据支持。
目前整个团队的切入点是很小而专注的。“我们不仅仅是帮助用户做搜索，更重要的是在正确的时间给用户推送正确的信息。”
实现这个目标的第一步就是给用户自己的笔记分类，找到关联点。今年早些时候，Evernote 已经在 Mac 的英文版上实行了一项叫做“Descriptive Search”的功能。用户可以直接描述想要搜索的条目，Evernote 就会自动返回所有相关信息。
例如，用户可以直接搜索“2012 后在布拉格的所有图片”，或者“所有素食菜单”。不管用户的笔记是怎样分类的，Decriptive Search 都可以搜索到相关的信息并且避免返回过大范围的数据。而这还仅仅是 AI team 长期目标的开始，这个团队将在此基础上开发一系列智能化的产品。
到哪去
不用说，这样一个新创团队自然也面临这诸多方面的挑战。当下一个比较重要的技术难点就是 Evernote 用户的数据量。虽然 Evernote 的用户量已经达到了一亿，但是由于整个团队的关注点在个人化分析，外加隐私保护等诸多原因，AI team 并没有做跨用户的数据分析。
这样做的结果就是团队需要分析一亿组各不相同的小数据组。比如，假设我只在 Evernote 上面存了 10 个笔记，那 Evernote 也应该能够通过这些少量的数据来分析出有效结果。当然，这些技术的直接结果是用户用 Evernote 越多，得到的个性化用户体验就越好。长期来讲，也是一个可以增加用户黏性的特点。
不过 Zeesha 也坦言：“的确，我们都知道没有大数据就没有所谓的智能分析。但是我们现在所做的正是在这样的前提下来找到新的合适的算法。”她并没有深入去讲目前团队所用的是什么思路，但是考虑到这个领域一时还没有很成功的先例，我们有理由期待在 Zeesha 带领下的 Evernote AI team 在近期做出一些有意思的成果。
Facebook：大数据主要用于外部广告精准投放和内部交流
Facebook 有一个超过 30 人的团队花了近 4 年的时间才建立了 Facebook 的数据处理平台。如今，Facebook 仍需要超过 100 名工程师来支持这个平台的日常运行。可想而知，光是大数据分析的基础设施就已经是一个耗时耗力的项目了。
Facebook 的一大价值就在于其超过 13.5 亿活跃用户每天发布的数据。而其大数据部门经过七八年的摸索，才在 2013 年把部门的 key foundation 定位成广告的精准投放，开始建了一整套自己的数据处理系统和团队。并进行了一系列配套的收购活动，比如买下世界第二大广告平台 Atlas。
据前 Facebook Data Infrastructure Manager Ashish Thusoo 介绍，Facebook 的数据处理平台是一个 self-service, self-managing 的平台，管理着超过 1 Exabyte 的数据。公司内部的各个部门可以直接看到处理过的实时数据，并根据需求进一步分析。
目前公司超过 30% 的团队，包括工程师、Product Managers、Business Analysts 等多个职位人群每个月都一定会使用这项服务。这个数据处理平台的建立让各个不同部门之间可以通过数据容易地交流，明显改变了公司的运行方式。
追溯历史，Facebook 最早有大数据的雏形是在 2005 年，当时是小扎克亲自做的。方法很简单：用 Memcache 和 MySQL 进行数据存储和管理。很快 bug 就显现了，用户量带来数据的急速增大，使用 Memcache 和 MySQL 对 Facebook 的快速开发生命周期（改变 - 修复 - 发布）带来了阻碍，系统同步不一致的情况经常发生。基于这个问题的解决方案是每秒 100 万读操作和几百万写操作的 TAO(“The Associations and Objects”) 分布式数据库，主要解决特定资源过量访问时服务器挂掉的 bug。
小扎克在 2013 年第一季度战略时提到的最重点就是公司的大数据方向，还特别提出不对盈利做过多需求，而是要求基于大数据来做好以下三个功能：
发布新的广告产品。比如类似好友，管理特定好友和可以提升广告商精确投放的功能。
除与Datalogix, Epsilon,Acxiom和BlueKai合作外，以加强广告商定向投放广告的能力。
通过收购Atlas Advertising Suite，加强广告商判断数字媒体广告投资回报率（ROI）。
LinkedIn：大数据如何直接支持销售和变现赚钱
LinkedIn 大数据部门的一个重要功用是分析挖掘网站上巨大的用户和雇主信息，并直接用来支持销售并变现。其最核心团队商业分析团队的总监 Simon Zhang 说，现在国内大家都在讨论云，讨论云计算，讨论大数据，讨论大数据平台，但很少有人讲：我如何用数据产生更多价值，通俗点讲，直接赚到钱。
但这个问题很重要，因为关系到直接收入。四年半前 LinkedIn 内所有用户的简历里抽取出来大概有 300 万公司信息，作为销售人员不可能给每个公司都打电话，所以问题来了：哪家公司应该打？打了后会是个有用的 call？
销售们去问 Simon，他说只有通过数据分析。而这个问题的答案在没有大数据部门之前这些决策都是拍脑袋想象的。
Simon 和当时部门仅有的另外三个同事写出了一个模型后发现：真正买 LinkedIn 服务的人，在决定的那个环节上，其实是一线的产品经理，和用 LinkedIn 在上面猎聘的那些人。但他们做决策后是上面的老板签字，这是一个迷惑项。数据分析结果出来后，他们销售人员改变投放策略，把目标群体放在这些中层的管理人身上，销售转化率瞬间增加了三倍。
那时 LinkedIn 才 500 个人，Simon 一个人支持 200 名销售人员。他当时预测谷歌要花 10 个 Million 美金在猎聘这一块上，销售人员说，Simon，这是不可能的事。
“但是数据就是这么显示的，只有可能多不会少。我意识到，一定要流程化这个步骤。”
今天 LinkedIn 的“猎头”这块业务占据了总收入的 60%。是怎么在四年里发展起来的，他透露当时建造这个模型有以下这么几个步骤：
分析每个公司它有多少员工。
分析这个公司它招了多少人。
分析人的位置功能职位级别一切参数，这些都是我们模型里面的各种功能。然后去分析，他们内部有多少HR 员工，有多少负责猎头的人，他们猎头的流失率，他们每天在Linkedin的活动时间是多少。
这是 LinkedIn 大数据部门最早做的事情。
Simon 说，公司内部从大数据分析这一个基本项上，可以不断迭代出新产品线 LinkedIn 的三大商业模型是人才解决方案、市场营销解决方案和付费订阅，也是我们传统的三大收入支柱。事实上我们还有一个，也就是第四个商业模型，叫“销售解决方案”，已经在今年 7 月底上线。
这是卖给企业级用户的。回到刚才销售例子，LinkedIn 大数据系统是一个牛逼的模型，只需要改动里面一下关键字，或者一个参数，就可以变成另一个产品。“我们希望能帮到企业级用户，让他们在最快的速度里知道谁会想买你的东西。”
虽然这第四个商业模式目前看来对收入的贡献还不多，只占 1%，但 anyway 有着无限的想象空间，公司内部对这个产品期待很高。“我还不能告诉你它的增长率，但这方向代表的是趋势，Linkedin 的 B2B 是一个不用怀疑的大的趋势。”Simon 说。
Google：一个闭环的大数据生态圈
作为世界上最大的搜索引擎，Google 和大数据的关系又是怎样的呢？感谢微博上留言的朋友，这可确实是一个很有意思的议题。
Google 在大数据方面的基础产品最早是 2003 年发布的第一个大规模商用分布式文件系统 GFS（Google File System），主要由 MapReduce 和 Big Table 这两部分组成。前者是用于大数据并行计算的软件架构，后者则被认为是现代 NOSQL 数据库的鼻祖。
GFS 为大数据的计算实现提供了可能，现在涌现出的各种文件系统和 NOSQL 数据库不可否认的都受到 Google 这些早期项目的影响。
随后 2004 和 2006 年分别发布的 Map Reduce 和 BigTable，奠定了 Google 三大大数据产品基石。这三个产品的发布都是创始人谢尔盖 - 布林和拉里 - 佩奇主导的，这两人都是斯坦福大学的博士，科研的力量渗透到工业界，总是一件很美妙的事。
2011 年，Google 推出了基于 Google 基础架构为客户提供大数据的查询服务和存储服务的 BigQuery，有点类似于 Amazon 的 AWS，虽然目前从市场占有率上看与 AWS 还不在一个数量级，但价格体系更有优势。Google 通过这个迎上了互联网公司拼服务的风潮，让多家第三方服务中集成了 BigQuery 可视化查询工具。抢占了大数据存储和分析的市场。
BigQuery 和 GAE（Google App Engine）等 Google 自有业务服务器构建了一个大数据生态圈，程序创建，数据收集，数据处理和数据分析等形成了闭环。
再来看 Google 的产品线，搜索，广告，地图，图像，音乐，视频这些，都是要靠大数据来支撑，根据不同种类数据建立模型进行优化来提升用户体验提升市场占有率的。
单独说一下 Google maps，这个全球在移动地图市场拥有超过 40% 的市场占有率的产品，也是美国这边的出行神器。它几乎标示了全球有互联网覆盖的每个角落，对建筑物的 3D 视觉处理也早在去年就完成，这个数据处理的工作量可能是目前最大的了，但这也仅限于数据集中的层面。真正的数据分析和挖掘体现在：输入一个地点时，最近被最多用户采用的路径会被最先推荐给用户。
Google 还把 Google+，Panoramio 和其他 Google 云平台的图片进行了标记和处理，将图片内容和地理位置信息地结合在一起，图像识别和社交系统评分处理后，Google 能够把质量比较高的的图片推送给用户，优化了用户看地图时的视觉感受。
大数据为 Google 带来了丰厚的利润，比如在美国你一旦上网就能感觉到时无处不在的 Google 广告（AdSense）。当然，它是一把双刃剑，给站长们带来收入的同时，但如何平衡用户隐私的问题，是大数据处理需要克服的又一个技术难关，或许还需要互联网秩序的进一步完善去支持。
像在【上篇】中所说，除 Facebook 等几个很领先的公司外，大部分公司要么还没有自行处理数据的能力。最后附上两个例子，想说这边的大公司没有独立大数据部门也是正常的，采取外包合作是普遍现象：
Pinterest：
Pinterest 曾尝试自行通过 Amazon EMR 建立数据处理平台，但是因为其稳定性无法控制和数据量增长过快的原因，最终决定改为使用 Qubole 提供的服务。在 Qubole 这个第三方平台上，Pinterest 有能力处理其 0.7 亿用户每天所产生的海量数据，并且能够完成包括 ETL、搜索、ad hoc query 等不同种类的数据处理方式。尽管 Pinterest 也是一个技术性公司，也有足够优秀的工程师来建立数据处理团队，他们依然选择了 Qubole 这样的专业团队来完成数据处理服务。
Nike:
不仅仅硅谷的互联网公司，众多传统企业也逐渐开始使用大数据相关技术。一个典型的例子就是 Nike。Nike 从 2012 年起与 API 服务公司 Apigee 合作，一方面，他们通过 Apigee 的 API 完善公司内部的数据管理系统，让各个部门的数据进行整合，使得公司内部运行更加顺畅、有效率。另一方面，他们也通过 API 开发 Nike Fuel Band 相关的移动产品。更是在 2014 年开启了 Nike+ FuelLab 项目，开放了相关 API，使得众多的开放者可以利用 Nike 所收集的大量数据开发数据分析产品，成功地连接了 Nike 传统的零售业务，新的科技开发，和大数据价值。
作者: 曾小苏 Clara
摘自：36氪
-
观点
硅谷最火的创业公司Airbnb和Pinterest怎么招人？
史丹佛大学最热门的一堂课就是教导学生如何创造一个网路帝国，硅谷投资人 Sam Altman 每周会带来硅谷最火红的名人来跟学生分享他们的创业秘笈。最近他们开设了一门为期两周的课程，教导学生如何建立良好的企业文化。Airbnb 的 CEO Brian Chesky 和 Pinterest 的 CEO Ben Silbermann 就是其中两位讲师。以下是两场演讲的精华节录，文末附有Youtube完整影片。
「Don’t fuck up the culture.(别搞砸了公司文化)」
这是 Chesky 向 PayPal 的创办人 Peter Thiel 寻求意见时，所得到的答案。比较好的说法是，要在组织中建立「热情」且「忠诚」的文化并不容易。技术人员往往把重心放在产品和行销上面，而低估了建立团队文化的重要性。
企业想要长久经营就必须要有一个清楚的使命，明确的价值观和做事方法，才能让这间公司和员工变得独一无二。
Chesky 强调公司想要长久经营，需要有一个明确的使命，这个使命要渗透公司里大大小小的事情。以苹果来说，他们所有的东西都经过精美的设计，无论是产品或是发表会。Airbnb 的宗旨就是让人们聚在一起，所以当他们搬到旧金山的新办公室时，他们自然而然地在这个两倍大的空间里举办种活动(我个人也去过两次，那里非常友善)。反观苹果，他们从不办任何鸡尾酒派对，那不是他们的核心价值。
「每个人都必须雇用更好的人，公司的水平才会提升。」
Chesky 表示，公司在快速成长的时候，品质很容易被稀释掉，只有在每次征才时都设定更高的标准，才能保有公司原有的水平，而这不单单只是在技术层面，对于新进员工是否符合公司文化也是一样的，这样才能找到稳定度较高的员工。
「我习惯问那些重量级的人物：你们在找什么样的人才?」
Silbermann 说，多数经营者只有在招募的过程之中，才开始明白他们要找的是什么样的人，但是他在招募之前，透过与那些成功人士的对话中，找到最好的答案，然后持续向他们学习。
「我们在找的是那些有创意且充满好奇心的人，他们需要有一些特定的兴趣。我们要找的是那些可以把事情做得很好，但是不自满的人。他们喜欢承担风险，勇于挑战自己。」
用兴趣来区分人才是一个很好的方法，最有名的例子，就是GOOGLE 在广告看板上写了一个数学题目，邀请大家来解谜，然而这个测验的重点并不是找到数学天才，而是找到充满好奇心的人。
「我并不会忽略人的特质。他们心愿是什么?做事风格?他们有多想被记住?如果你知道这些东西，代表你很关心他们本人，总的来说，这也就是你的目标」
花时间去了解员工，可以让他们更融入团队，让他们觉得自己是团队的一份子。很多员工整天只是坐在电脑前面，除非有人打破僵局，主动了解大家，不然很多能力和特质都会被埋没掉。
「传统的观念里，你只会雇用那些长期使用公司产品的人，但对我们来说，我喜欢那些有理想，喜欢上网的人。」
Pinterest 的 CEO Silbermann 不希望整个团队都是产品狂热份子，他喜欢雇用那些没有很喜欢 Pinterest 的使用者，他们才可能创造出让「非 Pinterest 使用者」满意的产品。
YouTube视频地址：https://www.youtube.com/watch?v=RfWgVWGEuGE；https://www.youtube.com/watch?v=H8Dl8rZ6qwE
复制去Google翻译翻译结果
-
观点
国家广告研究院：2014中美移动互联网用户行为调研
《2014年中美移动互联网调查报告》是国家广告研究院互动营销实验室与美国互动广告局(IAB)，针对中美两国移动互联网用户行为联合开展的调查成果。国家广告研究院院长丁俊杰教授对报告核心内容进行了发布。
丁俊杰院长首先发布了中美移动互联网用户行为和偏好的十大相同点和九大点差异点。十大相同点包括：
1.移动智能终端的使用率都很高，并且智能手机比平板电脑的伴随性更强。
2.70%以上的移动互联网用户会对智能手机有依赖性。普遍认为智能终端是娱乐工具。
3.两国智能终端用户在家使用移动设备最经常的行为都包括：浏览信息、收发电子邮件、玩游戏、社交、使用本地服务、购物等。
4.40%左右的中美移动互联网用户在观看电视的时候会使用智能终端。
5.两国用户在智能终端上的广告互动频率是比较高的，且中国用户对广告回应更为积极。
6.41%的用户会在休息或者闲暇时间访问移动媒体，58%的用户会在碎片时间里访问移动媒体，这是轻松、娱乐等亚文化内容的机会。
7.最可能得到智能终端用户回应的广告内容为：(1)与用户要购买物品相关的广告(2)与要购买物品相关的优惠券(3)搞笑的广告(4)与用户最喜爱品牌相关的广告(5)与用户在线上访问过网站或使用过的应用相关的广告(6)与最近线上购物相关的广告(7)与用户所在场所相关的广告(8)与最近收听、收看的广播/电视相关的广告。(占比>=20%)
8.90%的中国用户曾经在移动设备上观看过全集电视节目，并且观看频率较高。但美国用户在移动设备上观看的频率较小，且1/2的美国用户不会在智能手机上观看。
9.中美用户在移动设备上观看视频短片的频率明显高于全集电视节目。
10.对于平板电脑而言，无线网络在中美两国都占据优势地位，且网络满意度都较高，中国更高一些，达到90%。
中美移动互联网用户行为和偏好的九大差异点包括：
1.72%中国移动互联网用户会在公共交通工具上使用智能手机，而美国用户这一比例较少。
2.中国和美国移动互联网用户在对智能终端对生活和工作的影响上的看法差别较大，中国用户对智能终端的态度更为积极。
3.中国智能终端用户的社交、购物需求要强于美国用户。
4.中美移动设备用户在与日常生活相关的广告内容的回应方面，差别较大。中国移动设备用户表现出更大兴趣。
5.中美移动设备用户在点击广告后44%左右的人会观看视频或获取优惠。
大约56%中国用户会对广告中涉及的产品和服务产生兴趣。
6.中国的用户更乐于通过社交媒体/网络分享广告，购买行动会更多，也更乐于到访本地商业机构。而注册邮件订阅会对美国用户更有作用。
7.中美用户都喜欢在等候期间、下班后、放松时、睡觉前使用社会化媒体。
但美国用户在早上刚起床时、看电视时也会更多的使用社会化媒体。而中国用户会更多在通勤期间、中间休息时间使用。
8.美国智能手机用户最常用的是WIFI和4G网络，网络满意度较高。较少用3G网络。而中国智能手机用户最常使用WIFI和3G网络，网络满意度较高，4G网络使用者很少。
9.在中美智能手机用户中，安卓系统都占据大部分市场份额，尤其在中国达到75%。其次是苹果系统。美国平板电脑用户仍然以安卓系统为主，其次是苹果系统。在美国，谷歌的市场份额更大，而中国使用苹果系统的用户达到75%，其次是安卓系统。
丁俊杰院长结合当前中国营销广告市场的现状，对移动智能终端的广告传播活动在广告内容、广告形式和广告推广三大方面给出了针对性的建议。
一、广告内容
具备娱乐性、视频广告时长要短，注重创意。要根据受众群体因地制宜。
二、广告形式
互动性要强，加强与社交媒体合作，满足用户分享的需求。
三、广告推广
1、“场景”是移动媒体的关键，“伴随”成为新情景。
2、针对不同地域，不同消费群体的广告产品，应该制定不同的营销、推广策略。要注意营销推广的组合优势、全面性。
3、用户对移动应用的需求趋于多样化，涵盖工作、学习等方方面面。这使得个性化信息服务成为新媒体广告的引爆点。
4、注重广告投放的优化组合。
5、注重短视频的广告投放力度。
6、广告主在进行产品推广时，采用O2O的形式会让广告效果最大化。
7、新兴的短视频社交媒体不仅能全方位展示商品，而且满足受众社交分享的需求。
8、移动终端更容易获取用户的信息，媒体和广告经营者更要具有保护用户隐私的自觉性。
扫一扫 加微信
hrtechchina
