recruiter recruit( 二 ) _编辑

3. 3.0数据算法时代从PC到移动互联网，工具的嬗变背后必然是模式的更迭。移动互联网时代，在线招聘的底层逻辑也在发生变化，数据成为最重要的资产，算法也成为提高效率的有力武器。
直聊模式的价值在于，数据与算法支撑下，把关键信息前置能够快速抓住决策双方关注的重点。比如，招聘的企业更加注重求职者的真实技能水平，而求职者则希望更多了解真实的薪资福利以及未来发展空间等。
1.0门户时代，核心动作是要吸引越来越多的用户去“投”简历信息，智联招聘、前程无忧等早期在线招聘平台，本质上做的是简历信息的整合与分发，解决了招聘信息规模化供给的问题。从门户招聘时代到2.0社交招聘时代，比较明显的一个变化是效率上的提升。通过微信、微博等社交平台招聘，以及简历招聘APP内部开始上线社交功能等方式，在信息的检索上方式上进行了社交化和垂直化迭代，提升简历信息获取的效率。3.0算法时代，数据和AI技术的革新使得推荐式的信息分发方式成为主流，抖音、快手等短视频平台已经证明了这一点。而在线招聘领域，也在正在经历着推荐分发机制的变革。接下来，在线招聘效率的颗粒度分解的会更加细化，简历信息分发也将逐渐演化至职位的精细化推荐。
二、由模式革新到技术革新，人力资源平台分发机制“再进化”从在线招聘1.0时代到3.0时代，肉眼可见的是招聘形式的变化，而形式变化的背后，本质上是技术的迭代。没有完美的商业模式，也没有完美的商业赛道，在线招聘也有很多等行业痛点有待解决。
低频、低用户粘性是招聘行业在商业上天然特性，目前相对应的解决方案是，广告刺激，尤其是“金三银四”时节，通过营销抢占用户心智成为在线招聘玩家们的共识。另外就是招聘行业分散，行业CR4值不高等。
面对这些问题，通过技术创新解决行业痛点或许是一个不错的思路。
1. 从营销驱动到技术粘性驱动从求职者的视角来看，大多数人找工作时会下载两到三个App，因为多一个App选择就意味着多一点可能性。对于用户来讲，不同平台之间的差距也就是一个简历的距离，多找几个平台投放，成功找到心仪职位的可能性也更大。
这也是在线招聘平台往往只能通过营销获客，很难真正建立起品牌粘性的原因。
也就是说，求职者的使用习惯决定着，一个平台要想占据头部，要的不单单是比同行业优秀，而是优秀的多。
在招聘效率上需要有质的飞跃，才能形成一个平台生态的正循环：平台招聘效率越高，就会有更多的企业主来招聘，求职者能更快速找到合适的工作，企业也能缩减招聘成本。
AI技术在招聘领域的应用，或许能“戒掉”用户多个平台投简历的习惯，并帮助在线招聘平台形成这样的正循环。
一方面，数据支撑下，AI算法推荐越精准，职位匹配的成功率就越高，用户体验也越好；另一方面，AI技术可以使原本很难建立起品牌忠诚度的招聘领域，建立起技术粘性。
什么是技术上的粘性？
举个例子，抖音的流量粘性为什么那么高？
本质上是因为AI算法技术下，平台更懂用户的内容喜好，用户粘性自然更强。在招聘领域也同样如此，AI算法推荐的职位匹配度越高，用户用起来越方便，平台也就越具有排他性，进而形成招聘平台自身的护城河效应。
这其实就是用技术手段，去解决低频、低粘性的行业痛点。
这也意味着未来平台也逐渐可以从营销驱动过渡到技术粘性驱动。只要AI算法好用，求职者更容易找到合适的职位，就自然不愁增长，用户亲身体验后的口碑效应，其实远比广告投放要好的多。
我们以日本的Recruit为例，很多日本求职者从毕业开始就一直使用Recruit的服务，职位投递记录，职业发展轨迹，在线教育记录都在Recruit的平台上。在数据的反馈下，Recruit能够更加清晰的了解整个市场环境，为求职者和企业提供顾问服务。
这个过程中，Recruit其实不太需要过多的广告投放也能实现用户增长，并形成一个良性的商业循环。
AI算法等技术驱动，与Recruit招聘服务的核心逻辑也是一样。在国内，AI技术驱动这条赛道上，BOSS直聘薛延波提出了两条可行路径：
要尝试去建立这样一个职业科学模型：对于职业科学模型的建立，通常需要从人文学的角度考虑，微观经济学、宏观经济学、心理学、劳动关系学等等的角度，考虑一个人在职业市场上，或者在职业规划中，处于什么样的一个节点。不可忽略机器学习、数据挖掘等等技术对这一模型的促进作用：我们想像的职业科学，其实就是由这两个模块共同协作完成的。”BOSS直聘薛延波给出的这两条路径，本质上也是通过数据算法驱动来驱动的，目的就在于用技术的手段，去解决招聘行业的效率痛点问题，并这这个过程中建起企业自身的核心竞争力。