Big data linkedin 10010807 10010838 10010845
- 2. ? 成立時間 2002年12月 ? 經營範圍 職業社交網絡 ? 總部地點 美國加利福尼亞州山景城 ? 創始人 Reid Hoffman ? 介面與概念 與Twitter的和Facebook的相似 INTRO
- 3. ? 你可以了解朋友的工作動態 ? 你可以推薦或者被推薦工作機會 ? 你可以對感興趣的公司進行背景調查 ? 你可以對感興趣的員工進行背景調查 ? 可以蒐索工作機會 ? 向你的朋友征詢工作意見 ? 可以發起民意調查 ? 可以蒐索具備特定技能、背景和經歷的員工 ? 可以蒐索具備特定技能、背景和經歷的就業狀況 INTRO
- 4. ? 尋求人力資源的獵頭和企業 ? 在特定人群做市場推廣的機構 ? 主動求職者 ? 維護人脈關係者 USER
- 5. ? 發布個人的工作經歷 ? 建立個人之間的社會關係 ? 建立企業和個人之間的僱傭關係 ? 在特定的關係網絡中傳遞消息 Message / Connect / Inmail / Introduction ? 上傳資訊作分享 HOW TO USE
- 6. 1) LinkedIn Members 付費會員 一般會員(free)是完全看不到付費會員的資訊。 2) 1st-degree connections 第一階連結關系 彼此之間都同意建立連結，便構成第一階連結關系。 可以直接用Message 即時聯絡。 3) 2nd-degree connections 第二階連結關系 只要屬於第一階朋友的朋友群，便構成第二階連結關系。 有"Connect"、"Inmail"、"Introduction"作邀請連結。 *免費會員不能使用"Inmail"。同時，使用轉介(Introduction)也只有5次的限額。 4) 3rd-degree connections 第三階連結關系 第三階是指我們第二階人士的朋友群，針對第三階的朋友，有兩種邀請方式，如下： a. 顯示"全名"，我們可以用"Connect"作邀請。 b. 顯示"姓氏的第一個字母"，我們只能用"Inmail"作邀請，須付費升級。 5) Fellow members of your LinkedIn Groups 社團成員關系 這層關系建立在Group加入後，可以與社員直接聯絡，但無法直接加入"Connect"。 若想變成第一階連結的朋友，需要循正常社交管道取得。 CONNECTIONS
- 7. LinkedIn的右側欄位，如下： ? 你可能認識誰 PEOPLE YOU MAY KNOW ? 你最近拜訪誰 YOU RECENTLY VISITED ? 你被誰拜訪過 WHO'S VIEWED YOUR PROFILE ? 發文被誰看過 WHO'S VIEWED YOUR UPDATES ? 你的人脈連結 YOUR LINKEDIN NETWORK ? 感興趣的工作 JOBS YOU MAY BE INTERESTED IN ? 感興趣的社團 GROUPS YOU MAY LIKE ? 想知道的公司 COMPANIES YOU MAY WANT TO FOLLOW ? 感興趣的廣告 ADS YOU MAY BE INTERESTED IN BIG DATA
- 8. 當我們希望能與某人產生連結，該如何接近距離呢？ 最自然的方法，不外乎從"PEOPLE YOU MAY KNOW"開始，一圈圈擴散出去。 PEOPLE YOU MAY KNOW 選擇以上其中某位人士後出現"How You're Connected"， 從中直接看到彼此間的朋友。 我們可以選擇其中一位朋友作為"轉介者"。 向幫忙轉介的朋友表明我們的來意(Subject)與原由(Tel l Your Friend why you want to get introduced)。
- 9. WHO'S VIEWED YOUR PROFILE 通常這些訪客與我們行業、興趣、議題、背景(校友)會有高度相關，往往能 成為業務往來的潛在目標或潛在中間人。 從"WHO'S VIEWED YOUR PROFILE &WHO'S VIEWED YOUR UPDATES"， 可以找到哪些人士對我們訊息可能是感興起的。
- 10. GROUPS YOU MAY LIKE 從"GROUPS YOU MAY LIKE & COMPANIES YOU MAY WANT TO FOLLOW"， 國外業務可以一步步進入與自己相關的產業，或找到興趣與專業上的社團 (Group)。
- 12. ? http://iglobal-tw.blogspot.tw/2013/11/LinkedIn- introduction.html ? http://baike./view/1291207.htm#3_1 ? http://mmdays.com/2012/12/22/big-data- %E5%A4%A7%E8%B3%87%E6%96%99- %E5%A4%A7%E5%95%86%E6%A9%9F/ REFERENCES