Intro

LinkedIn erscheint ja der Spielplatz für mathematisch begabte Entwickler zu sein. Jetzt wurden Follower Statistiken eingeführt. Diese sind bekannt von Facebook, die so etwas öffentlich anbieten:

LinkedIn DACH bei Facebook In diesem Zusammenhang steht auch die Neuerung, dass man Unternehmensnachrichten nun gezielt an Followergruppen senden kann. Die Statistiken bieten ähnliche Selektionskriterien.

Wo finde ich diese Statistiken?

Die Statistiken stehen, im Gegensatz zu Facebook, nur den Seiteneigentümern zur Verfügung und sind damit nicht öffentlich.

Follower Statistik Unternehmensprofil

Zu erreichen sind diese über zwei Wege:

  1. Über den neuen Reiter “Follower-Statistik”
  2. Über den Kasten “Follower”. Ist man Administrator, so kann man damit die Statistik Seite direkt erreichen.

Was beinhaltet die Statistik

Die Statistik Seite gliedert sich in mehrere Bereiche. Ich habe mal einen Gesamtabdruck erstellt:

Follower Statistik im Detail1. Gesamtstatistik

Hier befinden sich die allgemeinen Angaben zu den Followern. Dieses beinhaltet

  1. FOLLOWER GESAMT Weitere Informationen
  2. IMPRESSIONEN GESAMT DER LETZTEN 7 TAGE
  3. NEUE FOLLOWER DER LETZTEN 7 TAGE
  4. IMPRESSIONEN/UPDATE DER LETZTEN 7 TAGE
  5. UPDATES DER LETZTEN 7 TAGE
  6. INTERAKTIONEN MIT UPDATE DER LETZTEN 7 TAGE

wobei hier “Nettoangaben” gemacht werden, zum Beispiel bei den neuen Followern wird der Nettozuwachs ausgewiesen.

2. Interaktionen mit den Updates

Da die Kommuniaktion mit den Followern ein zentraler Bestandteil des Unternehmensprofiles darstellt, wird hier eine eigene Grafik zur Verfügung gestellt.

3. Follower Demografie

So der interessanteste Teil stellt hier die Follower Demografie dar. Hier kann man sich in verschiedenen Grafiken darstellen lassen, wie sich die Follower aufteilen nach:

  1. Karrierestufe
  2. Branche
  3. Tätigkeitsbereich
  4. Region
  5. Unternehmensgröße
  6. Mitarbeiter

4. Unternehmensupdate Impressionen

Darstellung, wie häufig die Unternehmensupdates angezeigt wurden

5. Aktuelle Follower

Darstellung der neusten Follower

6. Follower Insgesamt

Hier wird die Entwicklung der Follower graphisch dargestellt.

7. Neue Follower

Hier wird die Entwicklung der neuen Follower graphisch dargestellt.

8. Scrollbar

Hier kann man die Grafiken zurückscrollen. Die Daten reichen bis August 2011.

Extro

Eine nette Ergänzung. So kann man direkt messen, wei Updates bei wem wirken und mit der Möglichkeit zusammen, gezielt Kreisen Nachricht zukommen zu lassen, kann man wirksam A/B Panel Tests durchführen und so die Wirksamkeit des Unternehmensprofiles auch tatsächlich messen.


Intro

Bei LinkedIn gibt es die Möglichkeit sich Personen vorschlagen zu lassen, die man vielleicht kennen könnte. Hierbei sind nicht alle Personen Treffer, doch es lohnt sich einen Blick hinein zu werfen, da doch einige ganz interessant erscheinen:

personen die sie vielleicht kennen Startseite

Geht man auf die Folgeseite, so werden mehr Vorschläger offeriert. Nettes Goodie dabei: man kann auch nach Firmen selektieren:

personen die sie vielleicht kennen Folgeseite

Dieses tat auch Torsten Herrmann, der verwunderliche Verbindungen in seinem Blog in einem Artikel hinterfragte.

Ganz wichtig: Der folgende Artikel ist im Konjunktiv zu sehen, da ich keine Einblicke in die wirklichen Algorithmen von LinkedIn habe.

Wie verknüpft LinkedIn die Vorschläge?

Einmal erst eine Übersicht, welche Daten herangezogen werden könnten:

personen die sie vielleicht kennen - Einflussfaktoren

Folgende Faktoren würde ich differenzieren:

  1. Adressbuchabgleich
  2. Twitter
  3. Gruppen
  4. Netzwerk
  5. Profilmatching

1. Adressbuchabgleich

Eine der wichtigsten Quellen sind die Adressbuchabgleiche, die manche vornehmen. Hat jemand eine Mailadresse in seinem Adressbuch, die an einem Profil hinterlegt ist, so ist der Vorschlag ja recht sinnig. Man kann das daran erkennen, dass, obwohl die Person kein Kontakt ist, die Mailadresse unter “Kontaktdaten angezeigt wird.

personen die sie vielleicht kennen Adressbuchabgleich

2. Twitter

Eine zweite gute Quelle stellt Twitter dar, wenn man seinen Twitteraccount verknüpft hat: Folgt man einer bestimmten Person, die wiederum die gefolgte Twitteradresse hinterlegt hat, so ist ja ein gewisses Interesse schon bekundet. Aber auch wenn es hier keine 1:1 Beziehung gibt, so kann man ja messen, ob gemeinsam anderen Accounts gefolgt wird. Ist hier eine Häufung, so steigt die Wahrscheinlichkeit, dass man die Person auch kennt.

3. Gruppen

Eine weitere Möglichkeit ist es, die Aktivitäten in und um Gruppen zu messen. So ist eine Gruppe allein noch nicht so interessant, aber wenn zwei Personen einen ähnlichen Mix haben und das womöglich über verschiedenen Themenbereiche (Also: Alumni, Projektmanagement und Gruppen für Telekommunikation), so ist es auch wahrscheinlicher, dass man sich kennen könnte.

4. Netzwerk

Ein weiteres Kriterium ist das Netzwerk. Hat man viele gleich Kontakte, so könnte man sich eher kennen. Interessant sind nicht nur die Kontakte per se, sondern auch die Anzahl der Kontaktpfade (zum Beispiel bei Kontakten vierten Grades etc.)

5. Profilmatching

Ein letzter Punkt ist die Analyse der persönlichen Daten. So kann zum Beispiel erkannt werden, ob man zur gleichen Zeit an der gleichen Universität oder bei einem gleichen Arbeitgeber war.

Die Mischung macht`s

Ich habe eben dargestellt, was alles einfließen könnte.  Die Wahrheit wird aber nicht immer digital sein (a oder b führte dazu), sondern ich würde ein Scoring hinterlegen, das jeweils Punkte vergibt. Wie so ein Scoring funktioniert hatte ich ja bereits bei der Schufa / Facebook Geschichte in einem Artikel erläutert.

Im Fall von Herrn Herrmann tippe ich übrigens auf die Verknüpfungen in Twitter, die zu dem Vorschlag führten. Aber wissen tue ich das auch nicht, das könnte nur LinkedIn selber.

Heute hat LinkedIn ein neues Feature für seine Unternehmensprofile veröffentlicht. So kann man nun Unternehmensnachrichten nicht nur pauschal verteilen, sondern gezielt an eine Zielgruppe verteilen (oder Neudeutsch “targeten”). Hierzu wurde auch ein kleines Video promoted:

Lieben Dank an Johannes, der auf den Beitrag von Yu-Ting verweist, der bereits bei grey darüber  geblogged hat.

Wie funktioniert das?

Dass man über sein Unternehmensprofil Nachrichten verteilen kann, ist ja vielleicht bekannt. Nun ist eine Komponente hinzugekommen, wo man einschränken LinkedIn Unternehmensnachrichten targetenkann, wer die Nachricht erhält. Die darauf folgende  Zielgruppenselektion ist den Powerusern vielleicht schon von den Produktseiten bekannt.  Darauf folgen die entsprechenden Karten zur Selektion. Die wichtigste Selektion vorweg ist die Unterscheidung nach Mitarbeitern und Nichtmitarbeitern der Unternehmung. Danach kommen die Bekannten nach

  • Unternehmensgröße
  • Branche
  • Tätigkeitsbereich
  • Karrierestufe
  • Region

LinkedIn Zielgruppenselektion Unternehmensnachrichtenwobei die Österreicher besonders ein kleines Feld in der regionalen Suche gefallen dürfte (Gruß an Michael und alles Gute zum Geburtstag). Allerdings gibt es die Einschränkung, dass mindestens 100 Follower der Zielgruppenselektion entsprechen müssen.

Wo ist der Nutzen?

Damit kann man Nachrichten gezielter streuen und so vermeiden, dass durch irrelevante Nachrichten Follower der Unternehmungen abspringen. Besonders interessant finde ich das für den Bereich Recruiting, aber auch die Unterscheidung nach Mitarbeitern und Nichtmitarbeitern finde ich wertvoll.

Besonders große Unternehmungen dürften hiervon profitieren. Ich denke da insbesondere an Siemens, dass mit 160.555 Followern mehr als bei Facebook hat (und 6 x mehr als bei Xing). Hier müssen Nachrichten schon mit Vorsicht publiziert werden, da schnell eine große Menge erreicht wird.

Siemens Follower Juni 2012Andere Möglichkeiten wäre, gerade bei Nichtmitarbeitern der Unternehmung nach Tätigkeitsbereich, Branche und Karrierestufe gezielt Stellenanzeigen zu setzen. Im Gegensatz dazu könnte gerade bei Mitarbeitern plattformrelevante Neuigkeiten verteilt werden (“Nutzen Sie schon in Ihrer EMail Signatur unseren Follower Button?”)

Intro

Ich stelle immer wieder fest, dass es Bedarf gibt, die wichtigsten Funktionen bei LinkedIn noch mal näher zu erläutern. Daher eine Funktion, die bei einem Business Netzwerk mit am wichtigsten ist: Die Suche an sich.

Hierbei geht es nicht um investigative Suchen in Gruppen, sondern die eigentliche “Suche” als Seite an sich.

Wo finde ich die Suche?

LinkedIn Suche

Wenn man sich auf der Startseite findet sich oben rechts das Schnellsuchfeld (2). Wenn man nach einen bestimmten Namen sucht, reicht das Feld schon aus. Wichtig: Das Klappfeld daneben (1) sollte auf “Mitglieder” stehen, a sonst nach Unternehmen, Gruppen oder halt was anderes gesucht wird. Im Regelfall wird man aber nach mehr Kriterien suchen wollen, wenn man zum Beispiel einen neuen Mitarbeiter, einen Ansprechpartner in einer Firma oder einen Freiberufler sucht. Dazu gibt es die “erweiterte Suche” (3). Der Link ist nur sichtbar, wenn man vorher die DropDown Box auf “Mitglieder” gestellt hat.

Die erweiterte Suche

LinkedIn Erweiterte Suche

Die erweiterte Suche bietet die Möglichkeit, genauer jemanden zu suchen. Hierbei helfen die verschiedenen Kriterien:

  1. Der Klassiker: Suche nach Name, Ort, Land
  2. Das GeoTargeting: Nicht nur nach ort suchen, sondern auch “im Umkreis von”
  3. Suche nach Unternehmen, Position und Ausbildungsstätte
  4. Branche, Kontaktgrad, Sprache
  5. Premiumsuchen: Karrierestufe, Interessiert an, Fortune 1.000, OpenLink und Unternehmensgröße
  6. Sortierkriterium
  7. Ansicht
  8. Suchstarte

Ganz besondere Ansicht verdient das Sortierfeld (6): Hier sollte man im ersten Step auf “Beziehung”. Die Ergebnisse werden dann nach Kontaktgrad sortiert. Wenn sich nicht das Gesuchte unter dem ersten Grad findet, dann vielleicht im zweiten Grad. Hier kann man gut Informationen von seinem Kontakt einholen und sich vorstellen lassen.

Wenn man Freiberufler sucht, kann man auch nach Empfehlungen sortieren. Vielleicht findet sich unter den Empfehlenden ein Kontakt?

Brauche ich dazu die Premiummitgliedschaft?

Von deutschen Mitbewerbern konditioniert, stellt sich die Frage, ob man eine Premiummitgliedschaft benötigt. Das kann man eigentlich verneinen. Auch die Anzahl der Suchergebnisse ist mit einer Basismitgliedschaft durchaus ausreichend (300 statt 500 Suchergebnissen bei Premiummitgliedern). Im Folgenden eine kurze Übersicht der Sucharten nach Mitgliedschaftstyp:

LinkedIn Suche Vergleich


ToDo Liste LinkedInHeute wurde ich durch Marcus Fischer via Pinterest auf eine Ergänzung im Bereich der Abschnitte aufmerksam gemacht: Projekte hinzufügen. Die Möglichkeit, das Profil um bestimmte Abschnitte zu ergänzen, ist nicht ganz neu und kann schon länger zum Beispiel für Ehrenämter genutzt werden. Dieses ist auch in dem amerikanischen Blog career rocketeer in einem Artikel beschrieben.

Hierbei finde ich die Lösung, dass als eigenständigen Abschnitt hinzufügen zu können recht nützlich, da nicht alle daran Interesse haben dürften.

Fundgrube für Selbstständige und Unternehmensberater

Gerade Selbständige, Freiberufler und Unternehmensberater haben das Problem, dass sie ihre Auftraggeber nicht immer öffentlich nennen wollen oder sogar dürfen. Über die Projekte kann man (chronologisch) darlegen, in was für Projekten man wie eingesetzt war. Dieses kann man über die Projekte lösen, da man hier den Auftraggeber nicht benennen muss.

Wie wird es gemacht?

Einfach auf Ihr Profil (Link folgen, dieser ist generisch) gehen. Dort findet sich unter der Zusammenfassung ein Link mit dem Hinweis, Abschnitte hinzufügen:

Abschnitte bei LinkedIn hinzufügen

Abschnitte bei LinkedIn hinzufügen

Danach kommt eine Auswahl (übrigens eine Fundgrube, mit was man sein Profil noch so anreichern könnte). Allerdings geht es hier ja um Projekte:

Projekte bei LinkedIn hinzufügen

Projekte bei LinkedIn hinzufügen

Jetzt links “Projekte” wählen und dann “Abschnitt hinzufügen”. Danach kann man das erste Projekt hinzufügen.

Projekte bei LinkedIn hinzufügen Detail

Projekte bei LinkedIn hinzufügen Detail

Hier kann man jetzt die Details angeben:

  1. Name des Projektes
  2. Arbeitgeber: Hier steht die Liste aus der LinkedIn Chronologie zur Verfügung
  3. Projekt URL: Hier kann man zum Beispiel auch die Grundlagen eintragen
  4. Zeitraum
  5. Beschreibung – Hier stehen immerhin 2.000 Zeichen zur Verfügung

So sieht das aus

Hier als Ansicht aus meinem Profil:

Anzeige Projekte im Lebenslauf

Anzeige Projekte im Lebenslauf

Hier kann man später auch weitere Projekte anlegen.

LinkedIn öffentliches Profil ProjekteZwei wichtige Sachen: Ist das Profil, wo die Projekte angelegt werden ein “öffentliches” (daher über Google auffindbar), so sind die Projekte auch per sofort über Google indizierbar. Wer das nicht wünscht, so über “Einstellungen” (oben rechts) auf Profil gehen, danach “öffentliches Profil verwalten”, dann kann man die Projekte einzeln abwählen.

Die Projekte sind auch im Profil “verschiebbar”. Dieses könnte gerade für die Selbständigen und Freiberufler von Interesse sein, da hier die bereits geleistete Projektarbeit als Referenz eher weiter oben gesehen werden möchten. Wie das geht, hatte ich in einem anderen  Artikel beschrieben, trotzdem noch zum Abschluss hierrüber ein kleiner Screencast.

Einfach über “Profil bearbeiten” auf die obere Leiste eines Bereiches klicken, linke Maustaste gedrückt halten und den Bereich nach Wunsch nach oben oder unten navigieren.

Intro

Eigentlich schreibe ich freitags selten bis nie einen Blog Beitrag. Die Aufmerksamkeit ist schlichtweg am geringsten und gerade samstags sind die Social Media Enthusiasten unterwegs (scheinbar). Im Gegensatz zum Sonntag. Aber was für Meldungen und Feststellungen hatten wir denn diese Woche alles?

Facebookaktie im Tiefenrausch

Facebook Aktie (Quelle: Finanzen.net)

Facebook Aktie (Quelle: Finanzen.net)

Die Woche begann ja eher ruhig. Allein die allgemeine Verwunderung Ich hatte ja bereits letztes Jahr mal dargelegt, was die Bewertung alá 100 Millarden bedeutet. Das sich die Emissionsbegleitenden Banken so vertun, ist schon für die Branche peinlich (und nicht für Facebook!).

Passwortklau geht um

Danach der Klopper, erst bei LinkedIn, dann bei last.fm und eHarmony, und das alles innerhalb einer Woche. Zwar sollte man seine Passwörter eh regelmäßig ändern und auch so wählen, dass es kaum zu erraten ist, aber wenn diese an der Basis entwendet werden, ist kein Kraut gewachsen. Auch Jürgen Schmidt vom Heise Verlag macht seiner Wut Platz und maßregelt die Betreiber der Netzwerke.

StudiVZ wieder im Rampenlicht

Logo VZDas Netzwerk aus Berlin kennt bei Mitgliedern und Zugriffen seit längerer Zeit nur eins, den Weg nach unten. Letztes Jahr übernahm die Diplom Betribswirtin Stefanie Wählert die Geschäfte dort. Aktuell wurde jetzt im Blog von Martin Vogel vorgerechnet, dass das nächste Woche sein könnte. Dieses wurde vom Spiegel online aufgenommen, der über Mitarbeiterentlassungen berichtet. Besonders perfide geht bei der Berichterstattung der Focus vor, der unter dem Titel “Ist StudiVZ in einer Woche tot?” berichtet und auf eine Webseite verlinkt, die auf Amazon das Buch “Die zweite Chance: So retten Sie Ihr Unternehmen mit dem Insolvenzplanverfahren” widerum verlinkt. So kam man mit Journalismus auch Geld verdienen. Ich hoffe, dass Holger Schmidt den Focus hier aus der Schmuddelecke holen kann.

Aber zurück zum Thema: Rosig sieht es bei den VZ-Netzwerken nicht aus. Das letzte Mal machten sich die VZ Netzwerke von sich reden, als sie eine Mobbing App publizierten.

Xing produziert Mega Timeline

Xing Beta Labs ProfilbestätigungenDas deutsche Business Netzwerk Xing hingegen probiert eine neue Funktion aus: “Profileinträge bestätigen”. An sich eine gute Sache: Die Einträge unter “Ich biete” sehen nun aus wie die Skills bei LinkedIn. Diese können von anderen Mitgliedern bestätigt werden. Allerdings hat Xing im Moment ein Luxusproblem: Die Timeline quillt über. Auch wurde noch niemals “Stop words” integriert, so dass sich die Leute untereinander sogar Relativpronomina bestätigen. Das Luxusproblem kehrt sich aber an manchen Ecken ins Gegenteil, da einige schon twitterten, dass sie Xing wegen temporärer Überlastung den Rücken kehren. An sich finde ich die Funktion sinnvoll und sie ist ja auch noch im Beta Stadium.

BranchOut Trend ist schon wieder vorbei

BeKnown und BranchOutNachdem in den ersten Monaten das Netzwerk um BranchOut nur einen Weg kannte, den nach oben, scheint hier eine schnelle Umkehrbewegung stattzufinden. Im Moment ist sie auf Platz 71 der Facebook Apps. Der große Run ist damit schneller vorbei und BeKnown nimmt nach wie vor keiner wahr. Auf jeden Fall muss sich Rick Marini schnell was einfallen lassen, oder facebook übernimmt das Karrierefeld selber.

Schufa und die sozialen Netzwerke

schufa logoIn der Wochenmitte machte nun die Schufa mal wieder von sich hören. So sollte untersucht werden, ob Daten aus sozialen Netzwerken für die Bemessung der Ausfallwahrscheinlichkeit herangezogen werden könnten. Dass das geht, hatte ich ja gestern bereits beschrieben. Besonders die Politik spielt hier ein doppeltes Spiel: So fordert diese per Solvabilitätsverordnung individuelle Messungen von der Kreditwürdikeit, verdammt aber die Vehikel, die dieses bewerkstelligen soll. Wie dem auch sei, dass Hasso Plattner Institut distanziert sich mittlerweile von dem Projekt. Aber zu Ende ist die Diskussion meines Erachtens nicht. Ein paar pfiffige, mathematisch bewandte Teckies können da auch alleine was bauen.

Extro

In Summe lässt sich sagen. Social Media war diese Woche oft im Mittelpunkt und Dank der Schufa auch außerhalb der eigen der Enthusiasten. Aber nutzen wird so eine Woche der noch jungen Industrie kaum. Im Gegenteil: Vorhandene Ängste wurden weiter genährt.

intro

Facebook LogoHeute machte eine weitere interessante Meldung die Runde: Die Schufa möchte die Daten aus sozialen Netzwerken nutzen. Im Mittelpunkt des Interesses steht auf Grund der Penetration: Facebook. Spontan sah man viele Reaktionen im Netz. Einhelliger Tenor war zum einen, dass diese Nutzung als unverschämt zu erachten sei, aber auch zum anderen, dass es einfach Schwachsinn sei.

Insbesondere auf Twitter konnte man viele Tweets unter den Hashtag “#Schufatweet” lesen, viele humorvolle Exemplare waren Schufatweetdabei. Allerdings können sich viele nicht vorstellen, wie das technisch sinnvoll sein sollte. Da ich mit solchen Techniken hin- und wieder zu tun hatte, wollte ich mal erläutern, wie so etwas aussehen könnte. Für viele vielleicht erschreckend: Ich denke es würde nicht nur funktionieren, sondern das sogar recht “gut” (wobei ich “gut” jetzt im statistischen Sinne meine und keine Bewertung, ob man es wirklich gut finden sollte oder nicht). Zusammenfassend: Der Gedanke ist gar nicht so abwegig, ist das Datensammeln sonst der teuerste Aspekt an solchen Projekten. Und hier liefern die User diese Daten frei Haus.

Wie funktioniert so etwas?

Um so etwas zu entwickeln benötigt man erst mal erste Daten: Man muss zum Beispiel 1.000 Kunden nehmen, die bereits ausgefallen sind. Diese Daten hat die Schufa ja. Nun sucht man sich Kriterien. Diese brauchen gar nicht konkret finanziellen Zusammenhang habe. Es geht: hat der Proband ein Profilfoto, wie viel Kontakte, ist er oft online, hat er viel Konsumermarken abonniert……

Jetzt wird die bereits ausgefallen Gruppe verglichen mit einer normalen Vergleichsstichprobe:

Vergleich AusfallHaben beide Gruppen genau die gleiche Verteilung, kann man es nicht gebrauchen. Aber eine minimale Abweichung reicht bereits aus, um Trennschärfe herzustellen. In meinem Beispiel oben: 59 % aller normalen User haben ein Profilfoto, aber 60 % der Ausgefallenen.

Nun kann man diesem Merkmal allein nichts anfangen. Der Trick ist die Aggregation. Hierzu entwickelt man sogenannte “Scorecards”. Hierbei gibt es in unserem Beispiel oben einen Punkt, wenn er ein Foto hat und 0 Punkte, wenn nicht:

Scoring im Eigenbau

Es werden also 50 oder 100 Merkmale gesucht, wo die Ausfallgruppe minimale Abweichungen hat zur normalen Gruppe und je nach Unterschied Punkte verteilt. Dann geht es wie beim Psychotest der Bravo: Je nach Punkten wird eine Note zugeordnet, wie “gut” der Kunde ist.

Die Chronologie hilft dabei

Was besonders makaber ist: Ausgerechnet die Chronologie vereinfacht die Entwicklung: Die Merkmale, die ein Ausgefallener vor einem Jahr hatte sind oft trennschärfer, als aktuelle. Werte, die sonst kaum bis nicht ermittelbar sind, bietet Facebook frei Haus. Daher ist Facebook mit der exakten Chronologie wesentlich interessanter, als andere Netzwerke.

Ist das bedenklich?

Ich denke: Ja. Allerdings aus anderen Motiven, wie viele spontan annehmen. Dass die Ausfallwahrscheinlichkeit vor einer Kreditvergabe gemessen wird, ist nicht nur üblich, sondern sogar vorgeschrieben. Dass die Schufa dieses tut, finde ich nicht weiter dramatisch.

Aber: Die Schufa hat einer der größten Datenhaushalte in Deutschland. Kombiniert man dieses mit Facebook, sind wir einen Schritt näher am gläsernen Kunden. Würde das passieren, wäre der Staat auch nicht weit weg, zur Gefahrenabwehr die Daten anzuzapfen. Diese Aussicht macht mir doch erhebliche Sorgen.

Follow

Bekomme jeden neuen Artikel in deinen Posteingang.

Join 113 other followers