新创 - HRTechChina.com - 向上的力量！

新创

“隐身”两年后，谷歌前前HRVP公布其新的创业公司文/Simone Stolzoff Laszlo Bock是HR世界里的摇滚明星。在谷歌——一家在“最佳工作场所”名单上常年受到追捧的公司，他管理人力资源达十年之久；之后他写下了《重新定义团队：谷歌如何工作》成为《纽约时报》(New York Times)打造企业文化的畅销书；然后，他创办了自己的公司Humu。在两年的大部分时间里，Humu 以隐身模式运作。尽管该公司很少错过讨论其使命的机会——“推动人们每天都做最好的自己”——但它几乎没有提供公司实际行动的细节，甚至在5月份宣布已筹集4000万美元风险投资后也是如此。近日，秘密终于揭晓了。在一篇博客文章中，Bock描述了Humu的旗舰产品——Nudge Engine。这是一款使用行为科学和机器学习的应用程序，可以在整个工作日为员工提供个性化的“轻推”服务。“轻推”可以简单地提醒您要感谢一位做得很好的同事，或者在会议期间征求一位比较安静的团队成员的意见。虽然“轻推”这个词可能有一种柔和的含义，但是Humu技术的基础理论来自于硬科学。去年，Richard Thaler教授因其对“ 轻推理论 ”(nudge theory)的研究获得了诺贝尔经济学奖，他的研究证明了小的提示对人们的行为有很大的影响。 “员工之间每天要进行数百万次的交流，从开会到评估，再到开门，不一而足，”Bock说。“在Humu，我们相信每个人都可以尽自己的努力来改变每一个人。” 一个温暖而模糊的推送通知平台可能看起来不像是强大商业模式的基础，但员工敬业度是一门难以追踪和衡量的黑暗艺术之一。工作效率、员工留存和员工士气都与员工在工作中的感受直接相关。 Humu适合更大的教练网络趋势，在这个趋势中，公司实施人工智能工具来指导员工的整个工作日。 Chorus为销售人员提供实时反馈。Textio 让招聘经理知道在他们的岗位上使用的最佳语言。虽然技术肯定可以帮助人力资源，销售经理和文案编辑的工作，但办公室文化最终都是由人类塑造的。员工们是否会感到被迫遵守机器驱动的建议，最终取决于他们。以上为AI翻译，观点仅供参考。原文链接：After two years in stealth mode, the former head of HR at Google reveals his new startup

新创
2018年10月10日
新创

e成科技首席科学家陈鸿博士：面试机器人的未来是星辰大海为大家带来一份科技感十足的干货——e成科技首席科学家陈鸿博士在7月27日2018招聘科技论坛上的演讲，深度解析招聘领域时下最热门的AI面试机器人背后的“黑科技”原理。在上周五HR Tech China主办的2018招聘科技论坛上，e成科技首席科学家陈鸿博士亮相带着e成科技的“黑科技”招聘产品Chatbot面试机器人亮相，并发表了题为“机器人的识人之明——e成在面试机器人场景的探索”的演讲，为在座来宾科普了e成Chatbot面试机器人的科技内核和工作原理，惊艳四座，反响热烈。以下内容根据陈鸿博士2018招聘科技论坛现场演讲整理：各位嘉宾大家好，我在e成科技负责数据和算法。今天我跟大家分享的是聊天机器人可能要在面试中开始使用了。第一，我们会讲一下面试机器人为什么不仅仅是一个聊天机器人，面试是一个很特殊的场景。第二，是我们的技术内核，就是知识图谱，这个聊天机器人不是一无所知的，需要有很多的知识才能面对挑战。第三，我会讲一些会话和分析的事情，这个直接决定了面试过程能否流畅，像人一样自主的展开。接下来是神经网络的一些技术细节，我会尽量用一些比较生动的例子让大家理解这个网络是如何可靠的。最后展望一下面试机器人后续会怎么样。 1、面试机器人不仅仅又是一个聊天机器人事实上，我们说到HR的工作可能有很多的理论模型，三支柱模型，钻石模型这些，但是HR的工作离不开两点，一个是做关于人的决策，一个是要做关于人的沟通。AI在赋能HR的时候，其实在这两点上都有贡献。首先，我们可以通过AI让关于人的决策变的更加明智，其次，AI可以让沟通工作变的更加高效，面试机器人就是AI让沟通变的更加高效的第一步。说到面试，它和普通的聊天不一样，这里列出了一些区别，大家其实平时用微软小冰或者苹果的SIRI都用的挺多了，但是面试跟这个有挺大区别，人聊天是很放松的事情，但是去参加面试很紧张，因为面试官在主导这个对话，面试官是一个会话角色，意味着在面试过程中，面试机器人首先要主导这个对话，然后经过多轮的对话才能最终完成，最终还要给候选人一个评价，这和普通的聊天不一样，聊天完了以后那是消费者给你客服一个评价，面试完了以后是由面试机器人给候选人一个评价，过滤出合适的候选人进入下一个轮次，这个是很不一样的。 2、基于人才知识图谱的动态会话决策你要想让面试机器人能够正常工作，它会和一般聊天不同的是，它要基于一个人才知识图谱，区别于普通的聊天机器人公司，市场上有很多的伙伴在研发这些技术，我们的区别是什么呢？他们更像是让一个人类的宝宝从小到大，越长越大以后，对话越来越流利，但是我们e成做一个面试机器人，就像一个外国专家要开始学用汉语说话，专家肚子里面有很多的知识，但之前不会说中国话，现在要学习怎么说出来。在每一个面试场景面试官都需要具备很多的知识，因此需要让这个机器人面试官具有这些领域知识，不能一无所知去做这个工作。当面试机器人底层有了知识图谱的知识支撑就不同了，首先，机器人面试官可以基于知识图谱定制对话的目标，其次，知识图谱还能让面试机器人做出动态会话决策，最后，知识图谱构成会话进行的算法机制的一部分。我们来分开看一下，我们都知道面试在正常情况下是一轮一轮进行的，每一轮面试都有自己独特的目标，技术面的时候，评估候选人的技术水平，直属领导在面试的时候，他是来评估这个人是否适合这个岗位的，如果是CIT面试只考核你的沟通能力和软性素质，如果是HRD或者老板最后终面，那就是评估候选人的价值观和动机，对于面试机器人来讲需要在不同的场景下定制自己的目标，这是一个比较高的要求，因为面试场景变化很大，在不同行业、不同公司，面试不同职能的人，考核候选人的点是不一样的，你需要为各种各样的岗位确定这个目标，也就是面试机器人需要一个设置面试评估目标优先级的灵活方案。这个优先级是指什么呢？就是人有很多不同的属性，里面也会列出自己的需求，但这个里面不是所有的东西都是眉毛胡子一把抓，你如果没有优先级的话，对话发展起来就会一片混乱，优先级的设置挺重要的。 3、面试场景的会话结构分析下一页是讲在图谱的知识下，可以让这个机器人来灵活规划会话的流程，现在的多轮会话机器人，如果在座有做这个技术的应该了解，业界现状一般是用Pipeline来设置这个过程，每个对话节点设置自己的条件，在符合条件的时候让这个对话进入下一个节点，多轮对话所有的节点就构成一个Pipeline的框架，但这个轮次非常多，因为要问很多的问题。整体框架也会因此非常难以维护。所以我们是让机器人面试官基于知识图谱动态推演出整个面试的会话流程。举一个例子，现在机器人面试官的面试目标是要招一个工程师，它就要确认这个工程师的技术水平是否适合来进行研发，候选人介绍说，“我当时在组里设计开发Chatbot的语义理解、实体识别、多轮对话等核心算法。”那么机器人的知识图谱里有语义理解，实体识别，多轮对话的相关知识，知道这些都是开发Chatbot的相关技能，那么机器人就可以抓住其中一个点，把这个对话深入展开下去，比如说，机器人可以抓住“多轮对话”接着问：能具体介绍一下你采用的多轮对话策略吗？这样整个过程就比较流畅，像人的面试，依赖预定义逻辑是无法做到的。把知识图谱作为一个底层的知识以后，这些实体都已经嵌入了一个语义空间，被向量化了，使得我们可以得到整个对话在进入机器学习模型的时候能够给这些文本编码为合理的向量，否则依然停留在词语和关健词的级别，那么你依靠字符匹配做对话机器人就必然会陷入困境，大家可能玩SIRI的时候经常体验到这一点，你用一句话跟Siri沟通，它好像还可以，换一个词就不懂了，因为它硬编码了那几个词或某个句型，它是记住了那个词，但没有映射到其他的近义词或等价表述上。而当我们要让机器人真正掌握一个概念和语义的时候，就意味着它把这个概念和语义向量化了，这样AI才可以自如的对会话中的意义进行计算。现在来说一下会话结构分析，你要想让聊天机器人或者说面试机器人说的更加接近于人，他需要对会话过程有理解，我们说面试是一场比较严肃的会话，这个会话是有一些规矩的，我们说一下里面有什么东西，这里是一些要点，话轮，邻接对和链接结构等等。话轮是一个很基础的概念，大家在说话的时候一般不会说一句话就结束了，你会需要连续说好几句，才能把你想说的话说完，这是一个话轮。因此句子不是会话的最小单位，话轮才是。这个话轮会转换，话轮有让步和夺取的操作，比如有时候你想抢话过来说，对方还在说的时候，你会抢过来，这是话轮夺取。这个取决于说话的双方谁更有支配，或者说两人的上下位关系。他是你的领导，他抢话你肯定让他接着说。现在在面试的时候，机器人是处于地位比较高的那一方，他是可以主动来夺取话轮的，这也是非常必要的，如果机器人还像在做客服机器人一样，傻傻听人类候选人一直在滔滔不绝，但人类候选人很可能已经偏离了主题，这个时候机器人面试官需要主动把话轮夺取过来，打断对方告诉他你现在说的已经和我问的问题没有关系了，这个话轮的夺取变成了比较关键的事情。在话轮切换的时候会产生相邻对的概念，就是属于两个不同说话人的相邻接的话轮，相邻对有不同的类型，例如：【问候-问候】类型，正常两个人见面互相问候，我说你吃过了吗？对方说，吃过了，你吃过了吗？或者【提问-回答】类型，就是常见的一问一答。还有【陈述-反应】的类型，你说天气很热，他反应我们去凉快地方呆着吧，还有【邀请-接受/拒绝】类型，邀请了以后可以接受也可以拒绝，上面这些相邻对的不同类型体现了不同的对话意图，通过对这些相邻对类型的分析，机器人就可以理解当前这个会话的意图是什么，意图有什么意义呢？其实会让会话变的自然很多。我这里举一个例子，同样给正反馈，但如果有不同的意图，就会有完全不同的对话。比如说你意图是表示在倾听，那你可能就会说“嗯”，“嗯嗯”，这是你在微信里面表示「我在听，你继续说」，这是不打断话轮的，如果你意图是表示理解，你说“知道”，“明白了“，这是一个肯定，它有一个概率会夺过话轮，有时候你表示认同，你说“是的”，这时候对于话轮转换是中立的，有时候你比较关注这个话题，你会部分重复对方的话，说明我对这个话题也感兴趣，这个时候你表示自己的支持立场，但是夺取话轮继续往下说。同样是表达正面的肯定立场，但是结合不同意图以后会有完全不一样的表达。我们在说话的时候，有时候感觉对方和我能够说的很流畅，有的时候这个人怎么都不接我的话茬，这个话茬就是邻接对之间存在的链接结构，我现在上面举了两个例子。一个是面试官在那里说，你那份工作的动力是什么？他说我不服输，我有条件不应该输给别人。动力这个词把上面和下面连起来，他问你动力是什么的时候，你回答了这么一句话，然后说这就是动力，有时候词语会发生变化，但是不要紧，通过这个意义的交点，把前后的相邻对连接在一起，使得这个主考官确认这个人是在回答我的问题，也是我们面试机器人能够了解候选人跟着我的话茬在走。通过这个链接的关系能够确认对话的焦点还在不在我的控制内。另一个例子是说你离开那个工作的时候留恋吗？他说不留恋，留恋就把这个对话给链接起来了，这个链接结构的机制使得机器人可以使整个对话变的更加合理。比如说他可以在候选人长篇大论的时候打断，也可以主动把自己的话跟对方的话连接起来，使得候选人更容易理解这个主考官在问什么。 4、增强学习和模仿学习的混合方案我现在到了比较困难的部分，我要强行给大家科普一下神经网络，这是增强学习和模仿学习，我应该会用比较通俗的比方尽量讲的清楚一点。先是看一下整体的结构：底层是一个图谱，图谱层里面有人才画像、岗位画像和评估目标，这些画像都落实成为一个个知识图谱，人才画像就是关于这个候选人是什么样子的各种属性连接起来的一个图，岗位是什么也是一个知识图谱，以及不同的面试其实有不同的评估目标，这个评估目标也体现为一个小的图谱，图谱层上面是会话层，我们刚刚提到的话轮分析、意图分析，就是通过对相邻对的评估去分析它的意图，还有链接分析，让这个对话变的更加流畅，最终我们实现的时候，到了网络层。我们往下看网络层的具体结构。这张图展示了一个对话处理的流程，候选人先问，“您对我的职业经历有什么评价？”他会经过一个话语的Encoder，注意上面有一个圈，这是上一轮的系统对话行为编码（图里标着K-1轮），这个编码里包括一个意图和对话的焦点，让系统知道对方是响应什么来说出这句话的，然后网络把当前对话状态输出到历史对话的跟踪队列，这是整个历史对话的记录，右边是知识图谱，经过知识图谱的检索以后产生了一个确认的结果，这些一起进入会话策略网络，产生了第K轮的对话行为，包括新的对话意图和焦点，会由一个自然语言生成器负责产生具体的句子，然后面试官会说好的，等等。我们对这个网络的训练采用了增强学习和模仿学习的混合方法，我先要科普一下什么是增强学习和模仿学习，大家可能有不少人听说过什么叫有监督学习，在这个场景下我们没有采用，为什么呢？因为有监督学习的样本标注工作量在做面试机器人的时候实在是太大了，我现在举一个例子，如果以学习驾驶为例，大家去驾校，我可以发给你一本手册，手册上面在所有路况的情况下你需要做出的反应，你见到马路是这样的，左边什么车、右边什么车，然后你要踩油门，什么情况你要换档，试想一下枚举了各种可能情况后你需要的手册有多少页？这是一个惊人的天文数字，因为你要罗列所有可能的组合。我们人类是怎么样做的呢？我们会去驾校，驾校的教练首先会让你看他开，他用实际操作来告诉你，你应该怎么开车，然后教练会让你自己开，他在边上，他来告诉你这么做不对，你要怎么做，看教练开和教练看你开，这分别对应着模仿学习和增强学习，你在看一个人怎么做你去模仿的话，其实可以快速得到很多正面的例子，你如果自己操作由其他人或者环境给你一个反馈，这称之为增强学习，谷歌的AlphaGo就是通过增强学习来得到这么好的效果。但是增强学习也没法完全包办所有的事情，因为他对正样本的覆盖太稀疏了，你没有办法让这个人在开的时候覆盖所有的情况，有一个教练在边上告诉你也很难覆盖各种可能性。比较正常的做法是你先看着教练开，模仿他，他再看着你，在关键时候点拨一下。我们采取了类似的策略，我们先让这个机器通过少量的样本预训练一下，然后模仿人类的教学，再收集人类的反馈增强学习，相当于你去驾校，需要先背一点基本的驾驶规则，交规手册，但那个是很少的，没有办法覆盖所有的开车情况，教练接着就会让你去模仿他，最后你快出师了，教练坐在你的边上给你一些关键的指点，这就是我们这个神经网络的学习方式。 5、面试机器人的未来最后简单说一下面试机器人的未来，刚刚分享了我们的工作就到这里为止，但这对于面试机器人来讲只是一个开始，它的未来还非常广大，我们正在做能够处理开放式问题的面试机器人，刚刚说到的那些都是封闭式问题，问题的答案是一个有明确边界的有限集合。但开放式问题不一样，它对应的答案没有边际。但也没法办法回避去处理开放式问题。你在问一个人软性能力的时候，你会希望他跟你分享一些故事的时候，都是你没办法去约束他的对话和边界，这些开放性的问题需要能够让机器人处理。我们先不说怎么让机器人理解一个故事，怎么让一个机器人知道一个故事说完了，他可以接着往下说，这件事情就很有挑战性，我们在听别人说一个故事的时候是能判断一个故事已经说完了，但怎么让机器人去判断故事说完了就是个问题。这个话题非常有意思，我希望在下次分享的时候可以跟大家分享这个方面的进展， e成会始终致力于人力资源行业的技术发展，谢谢大家！

新创
2018年08月06日
新创

Hired筹集了3000万美元，为公司招聘建立一条简单的订阅渠道来源 /techcrunch.com 文/Matthew Lynley 招聘是通过Hired和Triplebyte等公司进行数据科学改造的最新行业之一，但前者希望将其转变为与其他企业软件公司一样的订阅业务 - 并且已经筹集了一大笔资金来实现这一目标。 Hired看起来是两家公司和潜在候选人的一站式招聘点。这家初创公司会收集一些信息，比如基本的个人资料、对求职者想要找什么以及你的简历信息的一些想法，然后通过一系列后端算法和流程来处理这些信息，以便找出该候选人的最佳匹配职位。然后，它将这些候选人推荐给那些正在寻找大量候选人的公司的招聘经理，他们能够为那些拥有订阅业务的公司建立一种经常性的收入模式。今天，该公司还表示，它已经在Investment Management Corporation of Ontario牵头的新融资中筹集了3,000万美元。 “除了选择生活伴侣，选择工作地点是第二重要的决定” 首席执行官Mehul Patel说。“你把大部分时间都花在工作上，把所有的痛苦和欢乐都带回你的生活伴侣。”当你考虑招聘时，这是一个庞大的行业，对于公司来说，找到优秀人才是生死攸关的——但优秀人才已经相当困难。询问任何搜索工作的人是否工作得很好，你得到的答案一定是否定的。你很有可能在领英(LinkedIn)上获得了一些关于Hired的信息，但这都是绩效营销的一部分，该公司希望利用这些信息，让一群精力充沛的求职者进入这个平台。通过这样做，它不仅可以继续拥有稳定的候选人流，而且还可以收集越来越多关于哪些候选人可能是最佳人选的信息。例如，学校可能不是衡量未来成功的最佳指标，而Github账户上的追随者数量可能是衡量候选人表现的更好的晴雨表。这是一个非常直观的结果，但招聘经理可能不会主动跟踪，他们已经知道这是最好的方案。通过这种方式，Hired尝试缩短公司说需要一个候选人，然后让这个候选人真正被聘用的时间。想法是，招聘经理将能够发布一个职位 - 无论是新职位还是回填现有职位 - 并保持稳定的候选人流。帕特尔表示，该公司已经能够将这个门槛降低到25天左右，这是他们可以向投资者展示的一个数据点，以让他们相信该模式正在发挥作用。(该公司没有披露预订量，表示预订量同比增长了300%，这是一个很大的数字，但没有参考价值也没那么有用。) “我们看到数据的重要性不仅仅是为了推动结果——数据可以让你与其他公司进行比较，并确保你能更好地为任何公司招聘。” Patel表示。“我们有哪些公司成功的数据，或者为什么他们不成功的数据，我们可以分享这些数据，帮助公司找到他们的最佳实践方式。帮助公司可预测地招聘员工，或利用高质量的人才，并以极具洞察力的方式进行招聘，这样的结合(我们认为我们会成功)。” 这种订阅模式对于潜在的经济衰退来说也是一个重要的对冲模式，招聘可能会放缓。如果创业公司能够说服公司他们应该支付经常性费用是一条可行的渠道，它可能能够消化经济衰退的冲击和招聘的放缓，并证明在增加招聘和填补旧岗位等情况下是有用的。该公司还表示，已聘请约翰•凯利(John Kelly)担任营收副总裁。凯利此前曾在SAP、 Oracle和FindView等公司工作。英语原文：That subscription model is also going to be an important one as a hedge against a potential downturn, where hiring might slow. If the startup is able to convince companies that it is a viable pipeline that they should be paying a recurring fee, it might be able to absorb the shock of a recession and a slowdown in hiring and prove useful in cases like incremental hiring and back-filling old roles. The company also said that it has hired John Kelly to be its vice president of revenue, who previously worked at companies like SAP, Oracle, and FindView. 竞争将会非常激烈，尤其是当这些公司能够收集越来越多的数据时。Recruit Holdings是包括Indeed和GlassDoor（该公司以12亿美元收购）的公司中的大型科学家公司，这可能会成为最大的障碍。帕特尔表示，与其他公司相比，Hired应该能够缩短找到候选人和招聘过程之间的时间间隔，这将是衡量公司成功与否的主要标准。以上内容由AI翻译，仅供参考原文链接：https://techcrunch.com/2018/06/2%20...%20iring/?guccounter=1

新创
2018年07月24日
新创

招聘自动化后，Sourcing工作将是人类的价值体现！--Sourcing Is the New Recruiting 文/Mike Wolford 我有个好消息要告诉你。Sourcing是今天人才招聘的好方法!传统上人们所熟知的招聘正在消失。越来越多的公司采用招聘过程自动化，这意味着即使对人才的需求增加，对传统全生命周期招聘的需求也会减少。面试和评估技术的改进将使公司能够自动完成大部分招聘人员目前所做的工作。聊天机器人不仅能提高求职者的经验，还能提高进入我们各自的求职者跟踪系统的人数。自动面试将及时取代招聘人员筛选面试。自动评估和调度助理将从那里接管这一过程。这一变化将极大地减少填表时间，因为自动系统全天是可用的，原则上，候选人可以在几个小时内从应用程序转到安排面试。对招聘人员来说，好消息是，只有最优秀的候选人才能以一种完全自动化的方式通过筛选过程。那些被认为65%匹配程度的候选人仍然需要人工审查。然而，即使在这些情况下，候选人和招聘人员之间也不太可能需要广泛的沟通。相反，招聘人员可能会检查一份文件，查看考试成绩，然后做出判断。2020年及以后的招聘人员将很少真正与应聘者交谈。我能听到你在考虑我，迈克是一个源程序，而不是一个招聘人员，这对我来说意味着什么? 它意味着一些事情。首先，我们要做的是改变。在更高的层次上，源程序今天所做的是四个主要的活动。我们的工作是在面试过程中识别，参与，鉴定和提交候选人，否则他们将无法自行申请。到2020年，源程序将主要集中在两项活动上。识别和参与。一旦招聘过程被自动化，就不需要招聘方来筛选候选人。面试过程将筛选候选人，而源程序不会向招聘人员或招聘经理提交候选人，他们会直接将候选人引入管道，开始评估，最有可能的方式是参加某种形式的视频面试。今年早些时候，在拉斯维加斯的SourceCon网站上，格伦·卡西(Glen Cathey)说得既准确又有预言性，“sourcing101是销售101。” 未来的源程序人员需要成为优秀的销售人员，因为他们的主要工作将是识别高潜力人才，并邀请他们进入自动招聘流程。对我们来说，在程序方面，特别是在IT程序方面，市场的声音将会更大。这意味着，参与将变得更具挑战性和关键。2020年的目标不仅是成为一个有说服力的、坚持不懈的销售人员，而且是一个出色的营销人员。采购和招聘营销将融合成一种新的、强有力的组合。人们很容易忽视人工智能对其他行业的影响，但忽视人工智能正在改变市场营销的方式，以及这种改变将如何影响整个招聘，是不明智的。例如，Facebook最近之所以成为新闻，是因为它们对我们这个时代的政治产生了一定的影响。不管你的政治观点如何，这对我们大家都是一个教训。有针对性的社交媒体和聊天机器人在广告和参与方面的应用是强大而有效的。既然人工智能正在被应用于市场营销，那么人才收购进入这种广告渠道只是时间问题。有智慧的人会看到后职和祈祷正在被目标和参与所取代。有时很难看到森林中的树木，但我记得我从经济学中学到了这一课。20世纪的定义是大规模生产。21世纪将由大规模定制所定义。这一说法对源程序有一定的影响。一些公司已经意识到这一点，并采取了复杂的营销活动，但这只是一个例外，而不是规则。原因有很多，但我在这里想告诉你的是，一旦实际的申请和面试过程基本上是自动化的，公司将有时间和资源来集中精力把目标申请者填满职位空缺。作为一个销售人员，这意味着你不仅需要学习如何销售，还需要理解如何像营销人员一样思考。作为一个源程序，我相信这对你来说意味着什么。今天，我们确认、参与、资格和提交。我们与招聘伙伴密切合作，有时还会与招聘经理合作。在未来，源程序将首先确定潜在人才的目标市场。从那时起，参与就变成了一种双管齐下的方式。作为长期战略的一部分，招聘营销人员将负责建立品牌并将EVP销售到目标市场。他们将为目标市场提供令人兴奋和引人入胜的内容，而源程序将与这些目标市场中的特定个人进行接触，并邀请他们应用于特定的角色。当前的招聘人员/源程序伙伴关系将会及时被招聘市场/源程序的关系所取代。我们源程序的底线是。我们的工作正在发生变化，但在所有与人才获取有关的专业人士中，我们的工作最有可能出现显著增长。我给你的建议是完善你的布尔值，并挑选一些关于销售和数字营销的书籍。如果今天你是招聘人员,我的建议是训练你的采购技能或开始思考另一条线的工作,因为在过程自动化变成了标准的50% +全生命周期的工作正在消失,“招聘”将在很大程度上成为另一个人力资源管理功能。以上内容由AI翻译，仅供参考原文链接：https://www.sourcecon.com/sourcing-is-the-new-recruiting/

新创
2018年07月19日
新创

创新：背调公司Checkr创建动态背调监控工具以提升Uber乘坐的安全性编者注：值得学习和参考，动态的背景调查很重要啊！国内哪家可以跟滴滴等合作起来！目前背调都是截止调查的当天。而入职或者开始工作后的情况就很难掌握了！现代和合规背景调查的领先提供商Checkr今天宣布了一项新技术，该技术可持续更新可能影响共乘驾驶员驾驶资格的犯罪记录。Checker Continuous Check由Uber设计，动态识别可能不合格的记录，以帮助确保驾驶员继续满足优步的安全标准。 Checkr首席执行官Daniel Yanisse表示： “ 凭借当今的按需劳动力，我们需要超越静态背景报告，进行动态筛选。通过持续检查，Checkr为共乘产业创造了新的安全标准将提供关于某人背景变化的重要见解，这可能会影响他们的工作资格。“ 优步是第一家采用该技术的公司。使用涵盖大多数新刑事犯罪的数据来源，当司机参与犯罪活动时，持续检查会向优步提供通知。然后，优步可以调查任何可能不合格的信息，例如DUI的新费用和未决费用，以确定该驱动程序是否仍有资格与Uber一起驾驶。这项新技术使优步能够在每年重新进行背景调查之间持续执行其安全标准。 “ 安全对优步至关重要，我们希望确保驾驶员持续不断地达到我们的标准，”优步安全与保险副总裁Gus Fuldner说。“ 这种新的连续检查技术将加强我们的筛选过程并提高安全性。” 最初设计用于满足共乘行业的严格要求，2018年秋季将为所有Checkr客户提供持续检查。关于Checkr Checkr的使命是通过提高对过去的理解来建立更公平的未来。我们的平台使数以千计的客户每年能够以gig经济的速度轻松雇用数百万人。使用Checkr先进的背景调查技术，各种规模的公司都能更好地了解不断变化的员工队伍的动态，为他们的招聘带来透明度和公平性，最终为员工创造更美好的未来。 Checkr Creates Dynamic Monitoring Tool to Elevate Safety in Ridesharing Checkr, the leading provider of modern and compliant background checks, today announced new technology that provides continuous updates about criminal records that may affect ridesharing drivers’ eligibility to drive. Checkr Continuous Check, which was designed with Uber, dynamically identifies potentially disqualifying records to help ensure drivers continue to meet Uber’s safety standards. “With today's on-demand workforce, there's a need to move beyond static background reports to dynamic screenings," said Daniel Yanisse, CEO of Checkr. "Through Continuous Check, Checkr is creating a new standard of safety for the ridesharing industry and beyond that will provide critical insight into changes in someone's background that may affect their eligibility to work." Uber is the first company to adopt the technology. Using data sources that cover most new criminal offenses, Continuous Check provides notifications to Uber when a driver is involved in criminal activity. Uber can then investigate any potentially disqualifying information, such as a new and pending charge for a DUI, to determine whether the driver is still eligible to drive with Uber. This new technology allows Uber to continuously enforce its safety standards between annual reruns of background checks. “Safety is essential to Uber and we want to ensure drivers continue to meet our standards on an ongoing basis,” said Gus Fuldner, Vice President of Safety and Insurance at Uber. “This new continuous checking technology will strengthen our screening process and improve safety.” Designed initially to meet the stringent requirements of the ridesharing industry, Continuous Check will be available to all Checkr customers in Fall 2018. About Checkr Checkr’s mission is to build a fairer future by improving understanding of the past. Our platform makes it easy for thousands of customers to hire millions of people every year at the speed of the gig economy. Using Checkr’s advanced background check technology, companies of all sizes can better understand the dynamics of the changing workforce, bring transparency and fairness to their hiring, and ultimately build a better future for workers. For more information please visit: www.checkr.com.

新创
2018年07月15日

新创

「众签」获7000万元A1轮融资，从电子合同延伸智能仲裁来源/36氪文/徐宁长远目标是数字经济。 36氪获悉，“众签”已完成7000万元A1轮融资，由清志杰资本领投，点亮资本、分布式资本等跟投。众签定位给企业提供电子合同服务，包括提供身份鉴证、数字证书签发、合同管理、在线签署、证据保全、合同验签、司法鉴定等一系列服务。创始人于潇强调：“电子签名只是应用于在线签署的一个技术环节，而电子合同背后是一条完整的服务链条。首先，每个企业的签署流程不同，电子合同平台需要跟用户的需求相结合。更重要的是，一旦出现法律纠纷，平台要能够证明合同的有效性、合法性，而这需要整合司法机关、仲裁机关等相关机构资源。” 合同签署的根本目的是为了降低违约率，确保合同的有效性和安全性非常关键。对于电子签名平台来说，如何通过技术手段，将合同内容、签署人、时间进行固化，保证合同的法律效应是关键。众签的做法是，联合多家司法鉴定机构、公证机构、仲裁、法院等权威机构构建联盟区块链，相当于成立一个证据存取证的联盟。通过借助区块链分布式存储、不可篡改的特点，将文件通过不可逆的哈希算法生成字符串存在平台，同时存放在合作的司法鉴定机构、公证机构、仲裁机构处，实现证据固化。当合同出现纠纷时，有两种法律途径——诉讼、仲裁。其中，诉讼周期较长，还会出现上诉后审判结果不一致等情况，而仲裁相对流程较短，一次裁定结果不再更改，所以大多数企业会选择仲裁。此前，仲裁需要人工审核，现在众签通过跟仲裁委对接，能够实现机器智能仲裁，提升人效。此外，由于合同资产保存在平台上，所以企业客户很在乎电子合同平台的持久性。“众签将电子合同经加密后存放在了多个节点，即使将来第三方电子合同服务平台关停，客户也不用担心合同的安全，”于潇表示。据悉，众签在2017年2月完成首轮融资后，便进行了市场扩张。如今，众签团队已有80多人，销售接近一半，覆盖北京、上海、深圳、杭州、厦门、武汉、青岛等地。截至2018年6月，众签已为近100万+企业、6000万+用户提供可信交易解决方案和服务，其中电子合同和电子签章产品累计签署超10亿，日签署峰值超500万。目前主要应用场景包括：大金融行业中的互联网金融和传统金融，传统流通行业的到账单场景，服务业中租房、租车、旅游、教育等。客户不乏银联商务、百安居、国家电网、国美电器、人人贷、91金融、58到家、爱回收、酷狗音乐、中银保险、江泰保险、中信银行、蛋壳公寓、途家、海底捞等。团队方面，众签创始团队来自清华、北大、复旦等高校，核心成员一直以来专注于电子合同关键技术研究与应用服务推广，2009年在清华大学电子商务交易技术国家工程实验室开展电子合同研究，曾参与《电子合同基本信息规范》、《旅游电子商务电子合同基本信息规范》、《保险经代公司服务规范人身保险部分》《商品现货市场交易商主体信息规范》等多项技术标准和行业标准制定，参与多项电子合同相关国家重点项目实施，并在国内外核心期刊发表多篇电子合同相关论文。本轮融资后，众签将继续发力市场拓展和有关可信合同的产品研发，其长远目标是数字经济方向。

新创
2018年07月13日
新创

为什么非正式网络将彻底改变人力资源和人力资本分析？文/Greg Newman 迄今为止，在利用全球人力资源和全球人力资源系统领域的非正式网络和团队的力量方面所做的工作很少。团队合作的流动性和非正式性一直意味着在任何规模上都不可能捕捉到不断变化的团队成员和动态。虽然由Karen Stephenson和Rob Cross等人开创的组织网络分析（ONA）背后的科学已经成熟，经过试验和测试，但是这些强大的数据点成为主流的能力一直是扩大这些洞察力的主要障碍。毫无疑问，基于ONA的传统调查产生了很好的结果，但其“时间点”性质和高成本开销意味着虽然可以识别和衡量团队和联系，但几乎不可能保持数据最新。非正式网络终于可见了图1：揭示支撑正式级别结构的关系。像我自己（trustsphere.com）这样的公司最近的技术飞跃已经将ONA从基于纸张的流程转变为实时连续的数据流，这改变了组织映射其非正式网络的能力，并了解工作真正完成的方式。随着人力资源和新成立的人力资本分析/劳动力分析团队试图解决看似Sisyphean的挑战，试图衡量参与度，生产力和员工幸福感，作为一种直接的替代方案，ONA可以提供硬数据并回答特定的业务问题。我预测2017年将成为ONA成为主流的一年，并最终得到应有的认可，因为它展示了它如何能够快速阐明这些类型的业务关键问题：谁是我们最有影响力的员工？图2：找到将网络连接在一起的隐藏影响者。通过测量中心性，特征向量中心性（以及其他一些秘密调料），ONA可以快速量化员工施加影响的能力（甚至可以在组织内部实际影响他们的非正式网络）。这使组织能够在组织中找到可以帮助推动变革和支持业务转型的隐藏影响者。我们实际上需要做谁的持续计划？图3：谁拥有最独特和最有用的网络？持续计划一直是一个相当公式化和粗略的过程，通过简单地查看员工在正式层级中的位置来确定目标角色。通过查看每个员工的网络，其独特性，隔离性和重叠量，ONA帮助组织找到那些对管理关键内部和外部网络至关重要的员工，以及实际应该进行持续计划工作的员工。下一步是了解哪个员工最适合，谁已经建立了类似的网络或显示可能的继任者的网络潜力。我的员工如何融入在组织中？图4：反映员工融入人际网络的改变。从跟踪新的首发网络的速度和传播到识别隐藏的僵尸，吸血鬼和识别潜在的飞行风险，ONA可用于提供员工内部和外部网络的增长，平稳，停滞和收缩的实时洞察，员工总体参与和表现的主要信号。良好的领导行为是什么样的？图5：领导行为的量化证据。衡量一线经理与其直接报告之间的强大关系数量，了解优秀领导者网络如何在整个组织中传播，并对最佳领导者的网络进行基准测试现在都是可能的。提供重要数据和面向行动的辅导建议可帮助组织培养自己的领导者。我们在哪里协作得好，哪里不好？图6：衡量个人和团队的协作。衡量协作一直很困难，衡量协作的变化，几乎不可能，但ONA提供有关信息流，关系的力量以及个人及其工作的团队和单位的网络活动的数据。突然间，合作已经从抽象和理论，到可衡量和可行的。 ONA能够帮助识别所有这些行为和活动，然后监控其变化，这为世界各地的组织提供了识别，培养和留住顶尖人才的独特竞争优势。人力资源团队非常关注组织的正式结构和级别结构，但随着市场中的计算进步和创新技术，最终有可能大规模地研究组织中的非正式网络。以上内容由HR Tech China AI翻译，仅供参考

新创
2018年07月11日
新创

人力资本分析：通过人员数据分析推动业务绩效来源/CIPD 文/Edward Houghton 目前在我们这个世界上和世界杯一样狂热的话题，是人力资本分析。 6月底，Jonathan Ferrar向欧洲客户推出了Insight222全新的Nine Dimensions for Excellence Analytics in People AnalyticsTM模型。 Insight222的董事顾问与Jonathan合作开发这个模型。关于模型的更多细节将在未来几周内发布。人力资本分析对于组织来说是一个不断增长的议程，特别是考虑到在工作场所技术的兴起，现在能够跟踪个人的行为，并更深入的洞察他们的工作表现，业绩和福利。随着技术进一步影响到工作领域，预计组织中数据的使用将继续推动业务和员工的成果，投资者和潜在员工在内的更多利益相关者对人员数据表现出兴趣。为了解人们如何使用人力资本分析来理解人员数据，我们调查了全球3,852名商业领域的专业人士观点和意见。图1：我们研究的参与者研究目的：我们使用调查结果来了解：人力资本分析如何影响组织层面的成果，如绩效和文化人力资源和财务等不同的专业团队如何看待人力资本分析的影响 HR功能在人力资本分析和人员数据方面的能力如何如何使用人力资本分析来了解组织面临的业务挑战和人员风险结果显示：强大的人力资本分析文化可带来良好的业务成果通过调查，我们能够描述组织中存在的强大的人力资本分析文化：积极利用人员数据来解决业务问题拥有经常讨论人员数据透明度，观点和价值的重要性的管理团队让一线经理基于人员数据来做出业务决策。图2：与强势文化相比的强劲业务表现（％）我们还发现，人力资源专业人员正在使用人员数据来应对其组织面临的重大挑战。我们的调查发现，全球四分之三（75％）的人力资源专业人员正在使用人员数据解决劳动力绩效和生产力问题，这说明了这些信息对战略性劳动力问题的重要性。图3：使用人员数据解决关键业务挑战（％）访问人员数据以进行决策我们发现数据的可见性（例如通过数据仪表板）与改进的结果相关联，但访问因职业而异：尽管全球人力资源专业人员中有近四分之三（71％）可以访问人员数据，但只有五分之二（42 ％）财务专业人士说他们这样做，说明了专业之间的明显差距。图4：您是否可以访问组织生成的劳动力/人员数据？（％）我们发现，人员数据的可见性改善了对绩效的看法，73％的绩效优异企业的受访者同意或完全同意他们可以访问人员数据的仪表板，相比之下，50％的人表示他们的业务是平均表现。图5：管理员可以访问人员数据仪表板（％）图6：人员数据技巧和信心在我们对英国数据的分析中，我们发现英国人力资源专业人士尚未发现潜力：我们发现21％的英国人力资源专业人士表示，他们对更先进的技术（如结构方程模型）充满信心或非常有信心，但只有6％英国人力资源专业人士表示，他们将这些用于日常工作，这表明许多人力资源专业人员没有机会在他们的角色中运用他们的技能。我们还调查了有关人力资源技能和能力的其他专业观点。图7：人力资源人员数据技能的专业观点（％）人员风险，数据保护和数据安全劳动力数据的数据保护仍然是所有专业团体的一个重要问题：所有专业团体都普遍认为整体人员数据应得到充分保护。但不到三分之二（61％）的人力资源专业人士认为他们的组织采用联合方法来保护其数据。关于数据保护的专业观点（％）我们还调查了可用于了解关键人员相关风险的人员数据质量。我们发现数据质量通常评价很高，但是一些关键人物风险领域的风险管理（例如高级职位的更替）的有效性水平较低。结论我们发现，如果要由一线经理在决策中使用，特别是那些与财务相关的角色，那么劳动力数据的透明度至关重要。人员数据的可见性有助于人力资源和非人力资源部门做出决策。本研究的另一项重要发现是人力资本技能的重要性和促成良好结果的信心。区域差异显示技能和信心如何与结果相关，东南亚通常以更高质量的分析技能领先实践。英国在信心和技能水平方面都特别受限，突出了未来能力的潜在风险。我们还发现，通过人员数据的应用，人们可以理解风险，这是实践中的一个新兴领域。鉴于最近在欧盟实施了“通用数据保护条例”并对使用人员数据进行衡量，人员数据安全等问题变得非常重要。但是，仍然有一些方法可以改善人力资源专业人员如何阐述更广泛的人员风险和机会问题。这项工作突出表明，在人力资源团队生产和消费数据方面，人力资源专业人员仍然有很多潜力可以实现人员数据对其结果的潜在价值。人力资源部门必须率先将人员分析作为未来循证专业的核心组成部分。只有做到这一点，我们才相信人力资本分析所承诺的潜在价值最终将会实现。以上内容由HR Tech China AI翻译，仅供参考

新创
2018年07月09日
新创

e成科推出校招AI面试机器人Chatbot 文/e成君很多HR朋友在校招季每天要面对大量的毕业生简历，基于此等现状，e成科推出了校招AI面试机器人Chatbot。 Chatbot面试机器人到底是什么？ Chatbot面试机器人，是e成科技历经数年时间研发出来的AI校招工具，结合了AI和大数据，通过人工智能系统记录和分析与应聘者的整个线上讨论过程，评估出面试者的表现情况，从而助力企业加速数字化人才决策进程。在招聘过程中Chatbot充当AI面试官，智能匹配人才开启Chatbot面试机器人非常简单，只要大学生们登录校招官网，完成简历投递，并扫描职位后方的二维码，就能直接与e成的Chatbot面试机器人进行初轮面试了。 Chatbot面试机器人会把和大学生面试的整个对话过程记录下来，进行语义解析。它采用的是微信原生的语音识别技术，支持语音对话。基于大学生的语音特征，Chatbot面试机器人将建立个性化的词条语言模型，持续优化识别效果，提高个性化词条识别准确率。而语义解析，是基于AI实现信息提取，通过云计算的精准算法达到筛选目的。在语义解析的过程中，Chatbot面试机器人还增加了面试者情绪、情感等多方面的分析，能够准确地评估出面试者的表现。 Chatbot机器人VS真人面试智能面试，多维度考查大学生职业能力校招季，应聘者数量将是平时的好几倍，不分时间不分地点，投递简历。加上HR朋友们没办法全天候守在电脑前筛选简历、通知面试，安排初试，无法一一面试每一个候选人。 Chatbot机器人面试官通过语音对话的方式，从候选人个人素质，沟通能力，团队合作能力，创新能力等方面，多角度提问，从对话的过程中了解候选人的职业能力，实时评估出该面试者是否匹配岗位要求。不仅如此，Chatbot机器人面试官还可同时面试上千名应届生，极大缩减了公司的招聘成本。智能性格测评，高效挖掘大学生潜在匹配点实际面试过程中，同一岗位的应聘者由于学校、专业、成绩等各方面水平基本相差无几，根本无从选择，让HR头痛不已。 e成AI校园招聘解决方案为了解决这个难题，在Chatbot面试机器人中内置了大量专业性格测试题库，通过性格测试来甄别符合企业价值观、符合企业招聘岗位需求的候选人，帮助企业做出最佳的人才匹配。 HR可根据企业需求，自主选择所需要的题目内容，测试候选人的综合素养、综合能力，包括人品、修养、勤奋度、责任感、协作精神等，评估该应届生能否在入职后达到企业期望目标，能否融入团队，给企业带来价值贡献。测试结束后，测试结果将实时通过可视化结果形式传达给HR和应届生，直观展示应届生的性格特征。如果应届生条件匹配岗位要求，顺利通过了面试，Chatbot面试机器人会很快安排真人HR的正式面试；如果不匹配，会向应届生推荐其它适合的岗位。智能雇品，校招初面中建立雇主品牌形象众所周知，雇主品牌作为企业品牌的一部分，许多求职者也是雇主“产品”的消费者。良好的雇主品牌能传递企业文化和价值观，并吸引符合核心价值观的匹配人才加入企业。在人才选拔初期，HR和应届生深入接触，这个阶段往往是给潜在员工留下良好印象、提升雇主品牌的最佳时机。然而，大多数企业并没有意识到雇品形象在校园中的影响力，直接导致校招过程中投递量少，无法满足企业的招聘目标；其次，很多应届生直至面试结束，对企业和岗位仍是一知半解。因此，在潜在员工中树立雇主品牌形象，成为了校招过程中不可或缺的一步。基于此， Chatbot机器面试官提供公司背景、公司文化等信息供面试者阅览，在校招初始阶段，就给潜在员工植入企业雇主品牌形象，让面试者更了解公司的同时提升了雇主品牌形象，吸引更多优秀人才加入。除此之外，Chatbot面试机器人还具备机器学习能力 Chatbot面试机器人实现以云数据为基础，具有机器学习能力。语料信息库中，存储的不只是产品设计师设定的回答，还有一部分回答是机器在自我训练及学习中逐渐形成的。在和面试者对话的过程中，不仅支持在庞大的语料信息库里抓取原有数据，还可以对有价值的语料信息进行结构性重组，让面试者忘记自己正面对着“机器人”面试官。从大学生投递简历的那一刻起，Chatbot面试机器人的系统迭代就进入了良性循环，它越符合面试的需求，黏性将越高，获得的校招数据就更多，从而形成一个完美的闭环。经过Chatbot面试机器人的初步面试，能够识别重复投递的简历以及不同工作岗位的简历，为HR节约面试时间，将HR从大量重复性的、耗时的且毫无成就感的初步面试工作中解放出来。

新创
2018年07月06日
新创

讨厌填写繁琐的求职表格？MeetFrank用聊天机器人提升求职体验，获110万美元种子轮融资来源/猎云网 36氪文/施安让我知道你想找什么，让你知道你想要什么。一段心塞的求职经历大概是这样的：登陆并注册某一家招聘网站或公司招聘主页-手动输入自己的个人资料、学历背景、工作履历、求职信-登陆并注册下一家招聘网站或公司-重复以上所有步骤…… 如果你一次性想投好几家公司，那么恭喜你，一整天你都会钉在电脑前，填写没完没了的表格。与此同时，电脑那头的HR，也在海量的数据中苦苦寻找快要被淹没的你。求职真的只能是一件枯燥无味又让人烦心的事情吗？近日，刚刚获得100万欧元种子轮融资的AI 招聘APP MeetFrank ，就派出了一个有趣的聊天机器人来解救你。另一段全新的求职经历开始了：打开MeetFrank-和耿直boy Frank开始聊天-所有涉及信息的部分直接勾选-在Frank的卖萌中结束求职“填写”。 “Frank”会像朋友一样主动热情的的找你聊天没错，MeetFrank 的主角就是一个叫Frank的聊天机器人。下载该app的用户首先要和Frank进行一次快速的“入职谈话”—— 从设定好的各种选项中选择他们拥有的技能、经验、为何要换工作、目前职位、薪水等等，省去自己写简历、填表格的烦恼。并且，用户不需要提供任何可以识别个人身份的信息，仅通过自身能力去匹配潜在的工作机会。求职信息收集的过程中你只需要勾选，无需手动填写在下载并亲身体验这款APP后，我们发现Frank的几个优点： 1、注册简单，无需绑定任何可能暴露自身隐私信息的ID，如身份证护照、社交账号、手机号等。 2、整个聊天过程，也就是求职信息的收集过程，大概只需要几分钟的时间，时间成本很低。 3、聊天过程非常流畅，并且Frank是一个性格特征为主动、热情、幽默的俏皮boy，偶尔还会“撩”你一下，让人几乎忘记是人机对话，很轻松。 4、信息收集的维度比较丰富，除了常规的个人资料及工作背景，Frank还试着了解你对于当前工作的认知与感受，想要换工作的原因以及你未来的打算，这个过程其实也是进行自我梳理的过程。从对话语体设置到话题维度的设计，都比较人性化。相比之下，国内以企业招聘为中心，单纯的有效信息收集，显得冷冰冰。 5、不填性别，也没有任何性别导向的问题，注重求职中的性别平等。花几分钟的时间跟Frank聊聊天，提交求职信息顺便梳理自己资料显示，这家爱沙尼亚创业公司在去年九月刚刚成立，但它声称在其首批市场（爱沙尼亚，芬兰，瑞典，拉脱维亚，立陶宛，以及新增的德国）拥有约125,000名活跃用户。目前，已经有大约 2,000 家公司正在使用 MeetFrank 来吸引人才。以德国为例，戴姆勒、Eon、Delivery Hero、SumUp、Blinkist、High Mobility 和 MyTaxi 等公司都在使用 MeetFrank。 “目前使用我们的雇主主要是技术相关的公司，”Kaarel Holm说。 “大约50％的职位是工程师，其他50％包括市场营销，销售，客服，法律，数据科学，产品/项目管理等。” 获得本次首轮融资后， MeetFrank 将把重心放在开拓欧洲市场。Hummingbird VC, Karma VC和Change Ventures参与了此轮投资。除了提升求职者体验外，对于雇主而言，MeetFrank代替了传统招聘广告，使用机器学习算法将潜在候选人与职位匹配，因此它实际上承担了简历初筛的工作。并且，它还有可能吸引本不知道该公司正在招人的求职者。正如Holm所说，MeetFrank主要关注“被动人才库”，让那些因为怕找工作麻烦而长期呆在一家公司的优秀人才，也能被HR发掘。虽然MeetFrank的目标是被动求职者，但这些人仍然需要主动下载应用并输入一些数据。因此，聊天机器人拥有一个强大的表情+GIF系统，来说服人才，只需一点前期的努力就可以大有作为。机器人还会询问什么能说服他们换工作，所提供的选择包括更高的薪水，更灵活的或远程的工作，搬家，创企文化等等。在这一过程中，求职者是以匿名方式出现的，因为用户不需要提供真实姓名或任何其他识别个人信息，来获得与潜在职位的匹配。因此，至少在求职的这个阶段，人才是根据其优点来评估的。 Holm说，当人们被要求预先说明他们目前的薪资水平时，你可能认为这会使他们在薪酬谈判中处于潜在的不利地位，但MeetFrank平台的目的是鼓励雇主更加开放，避免传统的薪酬谈判情况。 “我们使用薪资作为匹配的一个数据点，我们努力确保向用户提供的服务符合他们的偏好。在很多情况下，薪资是主要的交易破坏者，我们希望尽早提供这些信息，”他解释说。“市场另一端的公司也向用户披露他们的工资，这样我们就可以避免谈判中的劣势。” 他补充说：“MeetFrank平台的政策是，公司必须对所要填补的职位非常开放，所以这也包括了薪资资讯。” 当然，雇主并不是以匿名形式存在于平台上的。他们必须发布详细的招聘广告，包括招聘职位的薪酬水平。而应用会在确认过合适的薪资范畴之后（即匹配过程之后），向求职者显示薪资增长的百分比。所以，雇主需要适应那些只是好奇的求职者。对于雇主来说，MeetFrank接管了广告投放过程，它利用机器学习算法将潜在候选人与职位匹配。因此，它会在“成千上万”的潜在求职者中自动预选。当然，在这一过程中，接触到的人才可能并不知道这家公司正在招聘，或者这些人才在考虑某些特定品牌。该应用主要关注“被动人才库”，也就是Holm所说的“目前或最近正在求职的人才”。因此，招聘双方能够更容易地找到匹配的对象。 “目前初级职位对我们来说有点遥不可及，但我们将在今年秋季与几所大学启动一个测试项目，”当我们问到这个应用是否对目前没有工作或正在寻找第一份工作的人开放时，他补充说道。 Holm说，MeetFrank目前显示出50%的MRR增长。它已经脱离了前收入阶段，即向雇主收取广告费用(人才方面的服务仍然免费)。主要的货币化模式是每日订阅，按现收现付制对雇主收费。Holm说，向雇主收取的费用是每天9欧元，MeetFrank允许他们在任何时候取消订阅，没有最少的时间限制。 “我们认为，新时代的分类广告只会在这种按需模式下盈利，也只有在发现我们有用时才应该付钱。这也降低了大多数初创企业进入市场的障碍，使它们能够在低预算的情况下检验市场并获得知名度，”他补充说道。目前市场上已经有不少招聘AI软件和应用，但真正从求职者体验出发的产品或工具并不多，也鲜少有公司真正为求职者着想，帮助他们梳理自己真正想要什么。36氪此前报道过的法国初创公司Reminder，加拿大的AI招聘虚拟助理 Ideal 及加州的 Talent Sonar，都大多从服务企业招聘、优化求职者筛选的角度出发。或许换一种思路，如何从求职者角度出发，给他们更方便更放松的求职体验，赢得更多优秀年轻人的心，MeetFrank 或许是一个很好的启发。 MeetFrank，一种“秘密”招聘应用，它使用机器学习和聊天机器人来缓解被动求职和人才空缺匹配的压力。为推动欧洲市场的扩张，该创企在种子轮融资中获得了100万欧元（110万美元）的投资。投资者包括Hummingbird VC、Karma VC和Change Ventures。这家爱沙尼亚创企虽然去年9月才成立，但它表示，自己在第一市场中拥有大约12.5万名活跃用户。第一市场包括爱沙尼亚、芬兰、瑞典、拉脱维亚、立陶宛，此次融资助力扩张的德国市场也包含在内。大约有2000家公司正在使用该应用来吸引人才。在德国，与MeetFrank进行合作的雇主包括戴姆勒、Eon、Delivery Hero、SumUp、Blinkist、High Mobility和MyTaxi。 “目前我们所接触的公司一般是正在公司内部开发产品的初创或扩张公司，”联合创始人Kaarel Holm表示。 “目前我们主要关注与技术相关的公司，所以你可以从普通的初创企业或规模扩大企业中找到工作，”他说。“大约50%的职位是工程，另外50%是市场营销、销售、客户支持、法律、数据科学、产品/项目管理等。” 他将TransferWise、Taxify、Testlio、Smartly和High-Mobility称为早期客户。以上内容由HR Tech China综合整理报道

新创
2018年07月05日

《 1 2 3 4 567 8 9 10 11 》 64 跳转至