Bello倍罗创始人兼CEO李松毅：招聘数字化观察与实践分析丨WISE2021新人力时代峰会

2021年6月22日，由36氪主办的“WISE2021新人力时代峰会”在杭州顺利开幕。本次峰会加入了更多优秀的行业嘉宾，同时通过行业报告、科普片、栏目专访等打造一揽子有影响力的赋能计划，点燃行业热度，引爆企业声量， 开启企业与上下游、合作伙伴、资本的全新对话，完成了一次有影响力的行业峰会和一系列精准传播计划。

在WISE2021新人力时代峰会上，Bello倍罗创始人兼CEO李松毅以“招聘数字化观察与实践分析”为主题，分享了他作为一家专注做HR数字化、智能化系统的公司的创始人关于人力资源数字化、智能化的观察和发现。

以下为嘉宾演讲实录，经36氪编辑整理：

李松毅：

各位下午好，我是Bello倍罗的CEO Larry李松毅，很可惜这次没办法去杭州现场和各位一起感受此次峰会。因为深圳前段时间出现了感染病例，为了大家的安全着想，我就不过去添乱了。

先介绍一下倍罗。

我们专注做HR数字化、智能化产品。百来号人的团队里包括我在内，70%是技术研发背景。主要来自BAT、字节、微软等大厂。倍罗人总是带着些理工直男的浪漫 ，比如，私人订制的机械键盘等周边，坚持做前沿技术的闭门分享会，以及要称霸深圳湾的倍罗篮球队等等。

早期算法源自硅谷，自研的人岗匹配在北美小有名气，2016年 Bello倍罗在深圳正式成立，至今已经服务了招行、华为、腾讯等数百家国央企、上市公司及各行业头部企业，并由一线美元基金完成五轮融资。

今天很高兴可以和大家分享——关于人力资源数字化、智能化，我们自己的一些观察和发现。

在座各位肯定都找过工作吧？相信都曾有过候选人的视角。那你是否体会过，要找到一个合适的工作真的很难？

因为你能看到的工作信息，包括应聘企业的各个维度的数据，都实在太少了。就算咬咬牙海量投递了简历，却再也杳无音讯了。

这就需要从招聘工作说起：

演讲PPT

整个招聘流程拆解下来，大致就是包含了这7个关键节点的流程——从收集需求、创建职位，到发布广告、收取简历，拿到简历后，HR会去做筛选，并安排笔试面试，然后谈offer、进行背调，最后选择是否录用。

前面几步可以归纳为“Searching”部分，因为HR主要在做的，是搜索候选人；而后面三步是“Selection”部分，也就是如何甄选，并最终确定合适的候选人。

Selection的工作内容，非常依赖主观判断，会直接影响对最终候选人的决策，很考验招聘者个人的资历水平，需要长时间的学习和积累。

Searching的工作内容是寻找候选人，进一步划分，又能从4个大环节里，拆分出20多个细节——每一件事情都看着挺容易的，经过系统培训的HR可以“凭直觉”完成大部分工作。

但这却是企业所忽略掉的“成本大户”，因为聚沙成塔，大量人工成本并没有被计算进去，据调研显示，招聘官大致70%的时间花费在searching上，而这些“枯燥无味”的工作内容影响了82%HR受访者的工作热情。所以我们盯上了这个工作乏味、机器可取代、重复频率高的部分。因为商业价值巨大。

Searching的逻辑是：打破信息不对称，同时在海量信息中对接上背景合适，且刚好处于求职窗口期的候选人（包含时间、空间、背景、意愿等多个维度）。

演讲PPT

具体过程，我们来看一下这个招聘漏斗：

第一层，是公域+私域流量的人才，也就是我们能够主动/被动触及到的所有候选人。是整个漏斗最开始的input；

第二层，以“处于求职窗口期”为条件，筛掉那些的不看工作机会的人；

第三层，看各方面条件是否符合招聘需求；

如果符合、双方都看对了眼儿，就进入第四层，开始安排面试。

这1-4层的过程，会花费大量的时间精力，并且难以保证效果。

因为你拼命努力看人筛人，当你看过了200个候选人并决定“收工了、休息一下”的时候，最合适的候选人也许就藏在第201个。你永远也不知道最合适的候选人在哪里等你。

因此，真正能够改变人才获取质量和数量的，是整个漏斗开口的大小。

请大家想象一片玉米田，有一只小熊一路摘过去，怎么样才能摘到最大的玉米呢？

答案是，看过所有的玉米之后，选一个最大的！

招聘工作也是一样，要遍历整个人才市场，才可能找到最合适的候选人。

但是，我们有这么多时间可以把整个市场上的人都看一遍吗？肯定不行。而这时，AI机器却能帮我们，根据客观条件，把背景筛选完，推荐最合适的50人。

想要做到这步，首先，机器需要学习。文本解析，就是机器人理解招聘需求和人才背景的第一步。

我们可以把机器人想象成一个中学生，而文本解析就相当于“阅读理解”。要教会ta去看懂那些文章，去理解那些简历，这是前提——让AI能像人一样去理解它。

之后，机器就能够开始做执行了。

叠加上了NLP、RPA的能力，机器可以帮我们去收集需求、创建职位，去做简历的获取、筛选工作，包括笔试面试的安排…等等很多工作。

演讲PPT

可以看到在各个领域里，只要结合了职场的知识图谱、人岗匹配的精准算法，就能把人才画像和标签智能化地生成出来，并自动发布到全网。同时，搜索全网公域和私域流量的人才，再定向推送优质人才给到HR。最后，再利用RPA技术，让机器把琐碎的工作全部干完，如自动安排面试、协调面试时间等。

如此一来，就能把Searching部分的时间、精力成本大大降低。不仅如此，还可以大幅提高招聘质量，具体表现在以下三个方面：

1、更专业，更有温度的招聘服务。

招聘其实是一个窗口工程，是一种服务。如今优秀的候选人都非常抢手，然而正如行业内流传的：“很一般的recruiter，怎么能招到outstanding的候选人呢？”所以，更专业、更有温度的招聘服务是非常关键的，只有节省掉Searching Cost，HR们才有时间和精力做这些。

2、运营私域流量中更优秀的人才。

人才市场上，往往只有28%的主动求职者，正在activity找工作。还有72%的被动求职者，他们没有主动寻找新工作的意愿，但如果有更好的工作机会的话，也乐于接受。这72%里，其实有大量符合岗位需求的人才。这时，通过私域流量运营的方法找到他们并转化，能大幅提升企业竞争力。

3、自学习算法，以终为始优化招聘标准。

机器有自学习的算法，可以“以终为始”地去优化招聘标准。当企业内部出现优秀员工时，可以把他们的成功因子提取出来，并提高这些因子的权重，重新返回到招聘标准、人才画像里，让招聘质量大幅提升。

我们用这些能力服务了许多头部企业。如，互联网行业的腾讯、字节跳动等，制造业的华为、大疆、富士康、美的等，金融业的招商银行、平安等。

我来举三个实践案例，看看机器是怎么提高招聘质量的

1、更专业，更有温度的招聘服务。

第一个例子，是一家互联网头部企业。

大家都知道，校招的时候，大企业往往需要学生网申填简历，花费很多时间。用了我们的产品之后，学生就可以直接上传一份简历，机器人会把对应的内容非常精准地填到各种空格里，让所有的过程变得非常顺畅。再比如，安排面试的场次、跟候选人的沟通等等，也全部是用RPA机器人半自动完成的，让体验得到优化。

现在的年轻人才，第一他们不愿意浪费时间，第二他们要求标准很高。他们会看应聘的公司是否能带来流畅、高效、智能的求职体验，并以此作为是否值得入职的重要标准。

因此，在提升了求职体验之后，后续的简历投递量增加了近一倍。

2、运营私域流量中更优秀的人才。

这是一家世界500强的人力资源公司。它在招聘领域非常强的，而运营私域流量就是它的核心竞争力。

这家公司的猎头，会从朋友圈、社群、论坛等线上线下的渠道，去挖掘那72%的被动求职者。并获取信任、建立联系，最后得到人才的认可，帮其找工作。

这非常有竞争力。因为现在猎头市场鱼龙混杂，不少人只是做简历的搬运工，从各个网站上搬运人才。而这家500强公司，借助运营私域流量的产品，总能提供一些市面上找不到优秀人才。

3、自学习算法，以终为始优化招聘标准。

最后，是一家综合金融服务集团，有着数十万人的规模，却也在销售管理上有着很大的痛点。

当时，他们70%多的时间、精力、金钱等成本，都花在销售人才的招聘和培训上面，但是看结果，销售们的出单率又很低，三个人里只有一个人能成单，管理上很难找到抓手。

而我们的机器，首先帮助他定位出公司内业绩优秀的员工，根据这些员工画像，寻找共同的、强有力的成功因子。并且在招聘环节，把它的权重加大，生成新的招聘标准。

在后续跟进中，该企业在整个销售人才管理方面取得了卓有成效的进展。

由于时间关系，今天我的分享到这里。对招聘数字化、智能化感兴趣的朋友，也欢迎随时找我交流。

感谢各位的时间，再见！