简历派发系统
一份简历进来,系统回答三个问题:谁能要、要不要去要岗、这个人下一步能去哪。
方案以现有技能库为底座,先把「简历 → 可执行动作」这段闭环跑通,再谈预测。
简历不缺,缺的是「该给谁」的判断
现在的瓶颈不在获取简历,在于每份简历进来以后走哪条路,取决于谁先看到它。
- 客户、岗位、人选三张网是分开的。岗位在项目库里、在群聊里、在客户口述里;人选的处置靠顾问记忆。同一个候选人,A 顾问三分钟能说出五个对口岗位,B 顾问只能存进硬盘。
- 供需错配靠人撮合。有的客户有岗没人,有的客户有人没岗 —— 后者其实是可以去要岗的,但没人有时间从简历池反推「这家客户该开什么岗」。
- 结果是指标不动。简历池越滚越大,推荐转化率不动,因为没被正确分派的简历等同于没进来过。
- 岗位总库
- 3,082 个职位 / 1,198 家客户
- 其中带 JD 全文
- 306 份
- 产研类岗位
- 611 条 · 占 19.8%
数字取自岗位需求总库当前快照。它同时暴露了一件事:三千多个职位里只有一成有完整 JD —— 这是后面所有匹配都必须先解决的问题。
把一份简历编译成一张派发单
不做一个「简历打分器」,做一个「派发单」。顾问打开的不是一个分数,而是四段内容和一条处置建议:命中哪些岗位、哪家客户值得去要岗、哪几家公司值得建联、这个人几年后合理的位置在哪。
「推 / 要 / 链 / 养 / 弃」五个动作来自现有匹配模型的口袋口径(A 强推 / B 可推 / C 观察 / D 不建议),再加一条客户侧动作「要岗」。不新增评分体系。
四层:事实、镜像、判断、预测
从下往上,每一层的输出是上一层的输入。前两层决定天花板,第三层决定准不准,第四层决定这套东西能不能留住顾问。
简历结构化
PDF / Word / 图片进来,先变成一组可比字段:职能族、职级带、年限、公司背景、技能短语、城市、薪酬、到岗时间。字段缺失就标缺失,不猜。
talent-search(解析回执)
需求侧镜像
内部项目库(客户 / 职位 / JD 版本)与外部渠道在招岗位,统一到同一套字段。同一家公司、同一个岗位名,在库里只能是一条,标清来源与时效。
cgl-jd-writer
外部渠道:待归一
分派判断
先门控出池,不靠后面的分数把人捞回来;硬条件没读到的判「待核」,不当成不符合。过门控的再按适配、证据、动量、岗位四个维度定口袋,交一批人,不交一个分数。
RPM 五层 / 四口袋
失效转 Mapping 全量
路径推演
用同职能、同职级带的真实履历序列做参照,给这个人 3–5 年后的合理去向,并说明样本量。这一层是参考,不是承诺。
见第 06 节第 4 条
L1、L2 的完成度直接决定后面两层。三千多个职位里只有 306 份完整 JD,意味着多数岗位在 L2 就已经是模糊的,L3 只能靠 title 猜。
五种动作,对应五条业务出口
这套系统的交付物不是报告,是动作。每个动作都要说清触发条件、谁执行、系统给什么,否则顾问拿到一张纸不知道该干嘛。
| 动作 | 触发条件 | 谁执行 | 系统给什么 |
|---|---|---|---|
| 推 | 有客户、有在招岗、过硬门控 | 顾问 | 推荐单(含 2–4 条匹配证据 + 反证),按雇主品牌要求排版 |
| 要 | 有客户、当期无对口岗 | 顾问 / 客户经理 | 建议岗位定义 + 要岗话术,附「这家客户历史上招过同类岗」的证据 |
| 链 | 没有客户,但有对口公司 | BD | 3–5 家目标公司 + 切入路径(内部人脉 / 招聘渠道 / 行业活动) |
| 养 | 有潜力,当期无出口 | 顾问 | 观察池 + 触发条件(客户开同类岗、职级到位、竞业到期) |
| 弃 | 门控不满足且无解 | 系统 | 出池原因,按城市 / 职级 / 竞业 / 薪酬归类,供校准用 |
「弃」也必须写明原因。出池原因的分类统计是门控校准的唯一输入,没有它,模型只会越调越保守。
技能库里,这张单子需要的 14 个能力位
按现有技能快照逐个对位。结论先说:6 个能力位现在就能跑,5 个有缺口,3 个库里没有承载。所以「已经拥有所有必要能力」这个判断,对闭环成立,对精度不成立。
| 能力位 | 承载技能 | 状态 | 说明 |
|---|---|---|---|
| 简历解析结构化 | cgl-resume-translator-formatter | 已有 | 简历 → 标准 JSON,含 21 表推荐报告与中英互译;异构来源(PDF / Word / 文本)统一 |
| 岗位需求底座 | cgl-jd-hub cgl-jd-writer |
已有 | Base 八表是唯一可写源,站点是只读快照,每日 08:30 增量扫群聊与附件 |
| 匹配与分派判断 | jd-driven-talent-search (RPM v4) |
已有 | 五层 + 四口袋;门控三态含「待核」;预测失效转 Mapping 全量,不硬推 |
| 内部存量人才 | cgl-contact-book-mapping gllue-cli / nova-cli |
已有 | 团队云盘库 + 员工本机库可并查;联系方式内部优先,命中先于外采 |
| 外部寻访渠道 | talent-search + 脉脉 / 领英 / 多猎 / BOSS / GitHub + Exa / RocketReach / SignalHire / Monid / Glasser | 已有 | 四层搜寻(公开检索 / 结构化库 / 渠道账号 / 客户侧);领英定位为末端定点核验 |
| 外部在招岗位 | liepin-job-search cgl-boss-browser-search |
部分 | 单渠道能查公开职位;没有跨渠道归一,也没进岗位总库,回答不了「市面上还有哪些岗」 |
| 推进与阶段管理 | cgl-project-workbench(N0–N6) gllue-cli |
已有 | 六阶段由数据推导不手填;写方唯一,缺件返回卡点码 |
| 客户侧要岗 | cgl-8s-research cgl-client-proposal-writer |
部分 | 8S 是「人问人」的客户诊断;没有「按简历池反推客户该开什么岗」的入口 |
| 无客户建链 | cgl-bd-network-path cgl-company-mapping-site |
部分 | 能算内部人脉路径、能做公司 Mapping;目标公司池仍靠顾问先给名单 |
| 效果回流 | 五个回填指标 技能埋点 |
部分 | 口径齐全(A/B 晋升率、门控误杀率等),靠人工回填;未接 ATS 阶段事件自动归因 |
| 对外脱敏 | 各技能自带掩码口径 | 部分 | 内部库、寻访、报告各自掩码;缺一个所有对外产物都要过的统一闸门 |
| 下一步路径推演 | — | 缺 | 库内没有履历序列统计与转移矩阵,这一层现在只能靠顾问经验 |
| 职级与序列换算 | — | 缺 | 匹配模型只用「职级带」做门控,但没有跨公司列表;总监对 VP 这类判断仍在顾问脑里 |
| 能力 / 技能词表 | — | 缺 | 简历里的技能短语与 JD 要求之间没有受控词表,「负责推荐召回」和「搜索算法」对不上 |
状态判定只看一件事:这个能力位能不能直接产出一个可用字段或一份可用材料。能,是已有;要顾问手工补,是部分;库里连承载都没有,是缺。
还缺什么,按卡点顺序排
三个「缺」加三个「部分」,按挡住流程的先后排。前两条不补,后面做得再漂亮也是在一个模糊底座上算精确结果。
-
1
职级与序列换算表
- 缺什么
- 一张跨公司、跨行业的职级对照表:互联网的 P / M 双序列、制造业的管理序列、外企的 band,各自对应到一套可比的职级带。
- 卡在哪
- 匹配模型的门控第一项就是「职级带」。字段现在只能靠 title 猜 —— 「高级总监」在三家公司是三个层级。门控不准,后面四层全歪。
- 补法
- 先覆盖在服务的头部 20 家客户,把职级带、序列、对标职级做成岗位总库的字段;门控直接读字段,不再从职位名推断。
-
2
能力 / 技能受控词表
- 缺什么
- 800–1200 个标准能力词,以及「简历短语 → 标准词」的映射。比如「推荐系统召回」「搜广推排序」归到同一个能力节点。
- 卡在哪
- 这是「匹配看着不准」的根因。同一件事在简历里和 JD 里有五六种写法,纯文本比对必然漏。现有回测也印证了这一点:段落级文本证据分与最终推进的相关性低于随机水平。
- 补法
- 从 306 份 JD 全文抽要求短语,从已入库简历抽技能短语,人工归并成词表;映射先做规则 + 人工复核,不急着上模型。
-
3
外部在招岗位的归一入库
- 缺什么
- 客户官网 careers、猎聘 / BOSS 公开职位列表三类源的日抓,按「公司 + 职位名 + 城市」归一到岗位总库,标来源 = 外部。
- 卡在哪
- 没有这一层,派发单只能回答「我们手上有什么岗」,回答不了「这个人现在市面上还有哪些机会」。后者恰恰是顾问最想知道的,也是「链」这个动作的依据。
- 补法
- 先做三类源,只抓在服务客户与目标公司池,不全网爬。入库前过一遍去重,同一岗位出现在两个渠道只留一条并记两个来源。
-
4
履历序列与路径推演
- 缺什么
- 「同职能、同职级带的人,三年后、五年后去了哪」的转移分布,输出成矩阵。
- 卡在哪
- 这是需求里最后那条「进阶」。没有它,顾问只能凭感觉说「他下一步可以做 CTO」,说了也不敢写进推荐语。
- 补法
- 先用统计不用模型:从 ATS 历史与库内履历取样本,算转移分布;单格样本少于 30 人只给相邻岗位族,不给职级跃迁,并在单子上写明样本量。
-
5
效果回流自动化
- 缺什么
- 把「推了谁、进到哪一步、客户捞回了谁」从 ATS 阶段变更里自动抓回来,不用顾问手工填。
- 卡在哪
- 五个回填指标的口径已经定好了,但靠人工回填,样本永远攒不到能校准的量。模型会一直停在默认保守模式。
- 补法
- 接 ATS 阶段变更事件,自动回写推荐批次与结果;门控误杀率、A/B 口袋晋升率做成每日一屏,按月校准一次门控。
-
6
对外产物的统一脱敏闸门
- 缺什么
- 一个组件,手机号、邮箱、身份证、薪资在出 HTML / PDF / 邮件之前统一处理一遍。
- 卡在哪
- 现在各技能各自掩码,口径分散。简历要流动的地方越多,漏一次就是事故,而且不可撤回。
- 补法
- 一个脚本,所有对外产物出口统一调用;明文只在顾问本人终端看,不落盘、不截图、不进汇报材料。工程量最小,优先级不低。
先验证,再建系统
不建议从建系统开始。这套东西最大的风险不是技术做不出来,是做出来顾问不用 —— 因为派发单给的东西他自己三分钟也能想到,或者给错了两次他就不开了。
只看一个主指标,但要能拆开看
分母是进入系统的简历,分子是被顾问采纳并实际推给客户的。这个数不涨,其余都是过程优化。
- 派发单采纳率顾问认可并执行了系统给的动作的比例
- TOP5 命中率前五个推荐岗位里被采纳的个数
- 门控误杀率客户从「不建议」口袋里主动捞回的人占比,连续两批 >20% 即过严
- 简历滞留天数进系统到首次处置的中位数
- 要岗产出发出的要岗数 / 最终成岗数,衡量「要」这个动作值不值得做
不要用的指标
匹配度百分比。现有回测里,段落级文本证据分与最终推进的相关性低于随机水平;把这种分数当 KPI,团队会把精力花在让分数好看上,而不是让人被推出去。分数可以留在后台做同岗位内的粗排,不对外、不考核。
五个过程指标的口径沿用现有匹配模型,不另起一套;差别只在于以前靠人工回填,现在要接 ATS 自动回流。
五条前提,先说清楚
- 01不自动外发。所有对外动作由顾问点,系统只出单。外发涉及客户关系与候选人意愿,属于人的判断,不交给系统。
- 02没有 JD 不给结论。正文缺失的岗位走 JD 重建,八个字段全部标 inferred,交付时写明「重建版,待客户确认」,不拿重建版当原始需求。
- 03路径推演给区间和样本量,不给承诺。样本不足时只给相邻岗位族。写进推荐语必须保留「参考」二字。
- 04候选人信息对外一律掩码。手机、邮箱、薪资在对外材料里默认打码;明文只在顾问本人终端看,不落盘、不截图、不进汇报材料。
- 05岗位录入时效是前提,不是技术问题。项目不进系统,匹配再准也是打空。上线前先定录入规则:新增岗位 24 小时内入库;状态变更当日更新。