重新定义人才:比尔·盖茨的前技术顾问和 Bing 高管一起做了一家招聘公司

关注
最近,招聘赛道蠢蠢欲动。BOSS直聘 2020 年平均 MAU 达到 1822 万,成为唯一一个登上 QM 年度增长榜单的招聘类 APP,并计划今年赴美上市。

图源:图虫

编者按:本文来自微信公众号硅兔赛跑(ID: sv_race),作者江江,创业邦经授权转载。

最近,招聘赛道蠢蠢欲动。BOSS直聘 2020 年平均 MAU 达到 1822 万,成为唯一一个登上 QM 年度增长榜单的招聘类 APP,并计划今年赴美上市。

而在此之前,中国的招聘赛道一直都不温不火,低频、周期长、闭环难是这个行业逃不掉的痛点。

从独立设备数来看,中国招聘赛道的三巨头依次为智联、前程无忧BOSS直聘。而除了 BOSS直聘通过「直接与老板谈」的模式,其他两家都是传统的简历投递类招聘方式,依靠平台流量撮合供需双方。包括使用软件时,应聘者也得自己填写关键词才能获得平台相应关键词下的流量。

这种对应聘者主动性要求极高的模式对于招聘初级员工来说是有效的,因为他们会努力争取机会,而经验丰富的人才简历往往很少出现在这类招聘平台,高级人才稀缺难招是市场的一个痛点。

在国内,这种问题一般靠人力搜寻解决。当然,中国还处于人口红利期,一方面,人才供应量大,尤其是对于头部公司而言;另一方面,人力成本相对较低,用工具取代人力的时机尚未成熟。

美国的情况恰恰相反,攀升的人力成本和放缓的互联网增长速度加速了工具取代人力的步伐。

Seekout 就是一个解决上述招聘问题的工具。

简历定义不了你,全网大数据才可以

2016年,Seekout 只是一个叫做Nextio的职业消息平台,类似于 Linkedin,靠收取用户之间的联系费赚钱。

但 Seekout 产品的核心功能并没有起飞,反而是一个叫做「职业洞见(career insight)」的功能引起了用户的关注,职业洞见能综合分析全平台数百万份简历,告诉用户,如果你想从事某个职业,或者想进入某个公司,应该在什么阶段做什么准备。

似乎在职业领域,相比于发消息给别人,大家其实更关注那些水面下的信息(uncovering information),当然,也包括水面下的人。

所谓「水面下的人」,指的是那些简历没有广泛流入 HR 手中,甚至在任何招聘平台都搜不到他的相关信息,却具有极强的业务能力,且各方面都与一些难招的岗位 JD 非常契合的人才。

招聘这类岗位人才往往令职业 HR 头疼不已,因为他们大部分只能靠投递的简历或者招聘网站搜罗候选人,候选人来源相对局限。

但相比职业 HR,作为资深技术人员的 Seekout 创始人寻找上述人才的路子广得多。CEO Anoop Gupta 是斯坦福大学教授,Gupta 本人同时还是比尔·盖茨的前技术顾问,在微软呆了 18 年,CTO Aravind Bala是前 Bing的高级工程师,也是搜索引擎发展主要的推动者和领头人之一。两人都在 AI、自然语言和搜索引擎方面有着极其深厚的积淀,光是这些方面的专利,他们俩加起来就有 200 多个。

好的工程师一定会在网上留下自己的「脚印」,即代码、专利和论文,毕竟他们以写代码为生,并靠专利和论文证明自己的实力。

Gupta 说:“网络上公开的个人资料大概有 4.3 亿份,而 Github 上由项目参与和浏览痕迹组成的个人资料也有 2500 万份。”这大大拓宽了 Seekout 搜寻人才信息的思路。

因此,在 2017 年,创始人们决定转变产品的主要功能,做一个特别的招聘平台,专长于招聘两种人:

1)简历未广泛流入 HR 手中却拥有很强能力的人才

2)多元化人才

第一种人才很好理解,而第二种人才则脱胎于美国的多元化社会,Seekout 旨在帮助科技公司招聘到那些能力与岗位匹配却因为人种、性别、学历受到歧视的人才。

由此,Nextio 就变成了 Seekout。在某些方面,Seekout 的路径与Slack相似,后者的起源可追溯到用于开发在线游戏的内部通信工具。游戏没了,但 Slack 留下了。

在原有简历数据与分析的基础上,Seekout 全网搜罗人才相关的公开数据,来源包括 Github、学术期刊、专利清单、各种校友名单、Linkedin、各大公司网站、个人自建站等等。

以搜集的数据为基础,Seekout 会使用自然语言(NLP)机器学习(ML)来分析每位候选人的专业程度,为每位潜在员工建立 360 度视角,涉及 20 多种过滤条件,其中就包括区分人才的自建简历和实际表现,前者来源于 Linkedin 等平台,而后者主要从 Github 、专利、论文、人生经历等事实中寻得,最终大大扩展了可用的人才库。

经过一番搜罗和加工,Seekout 会得出关于候选人的综合结果,这个结果会很复杂,但是它同样也更立体地展示了候选人是什么样的,从而提高候选人的匹配度,使招聘更加高效。即 Gupta 所说的“全面地去看一个人”(Looking people as a whole)。

始于招聘,不止于招聘

对于公司来说,使用 Seekout 能招到在其他平台招不到,甚至不会出现的人,有位 HR 曾对创始人说:“通过 Seekout,我能看到成百上千个在 Linkedin 上见都没见过的候选人,尤其是在招女性工程师经理的时候,Seekout 极其强大。”

而且,由于 Seekout 对人才的立体分析,通过 Seekout 招的人与岗位更加匹配,也具有更低的离职率。

但除了招聘,企业在人力上还有许多诉求,比如激发员工潜力和提高员工留存率。

关于现有员工,Gupta 分析道:“很多企业的管理层并不了解自己现有的员工,尽管管理者与他们朝夕相处,尤其是最近时期的进步与贡献。”因此,Seekout 实时更新的人才大数据库又能派上用场——它会给到企业员工实时的贡献数据,包括企业内贡献,也包括在 Github 平台的产出,以及学术论文的发表情况,让企业及时、全面、立体地了解自己的员工,以及时调整人才策略,发挥员工最大潜力,提高人才留存率。

对于 HR 来说,使用 Seekout 不仅能帮他们更好地完成招聘工作,还能够帮助他们真正从技术上融入候选人的世界。在科技领域招聘工程师有个极大的难点,即 HR 对候选人的专业知识不够了解,从而影响到对整个人综合匹配度的判断。Seekout 的分析工具能引导 HR 解决这一问题,从而增强 HR 的职业竞争力。

同时,得益于其庞大的数据来源,Seekout 给到的候选人联系方式也不仅仅是邮箱,这意味着 HR 有可能与候选人拥有更加私人的关系,对 HR 来说,这可是一项优势。

对人才来说,Seekout 不仅能给予大家更多更合适的机会,同样可以给到更实在的职业规划建议,并与同行建立更多联系。

至此,得益于完备的人才数据库,Seekout 正在使自己一库多用,不仅仅致力于做好「招聘」这一件事情,也在全面布局提高人力产出、员工留存与职业生涯规划等与「人才」相关的其他方面,从招聘开始,冲向「人才」的终点。

正如 Gupta 所说:“关于人才,我们一定是最好的搜索引擎。”而「人才」无疑是在下次科技变革之前,大家公认的现代企业最重要的资产——Seekout 扼住了企业命根,拥有无穷的想象力。

为什么 Seekout 胜出了?

如果判断一家 SaaS 公司好不好?增长率是一个重要的衡量指标,投了 25 年 SaaS 公司的投资人Rory O’Driscoll 曾说过:“最优秀的 SaaS 公司年增长率一般会是上一年年增长率的 80% 到 85%。

以 Rory O’Driscoll 的标准,Seekout 无疑是一家极其优秀的 Saas 公司,毕竟,它从 2019 年 5 月 A 轮融资以来,不仅 ARR 增长率超过 10 倍,还拥有在早期 Saas 公司中罕见的正向现金流,并且在 3 月 9 日宣布完成 6500 万美元的融资。

招聘并不是新鲜事儿,这个赛道既有 Linkedin、Workday 这样的巨头,也有 Textio 和同是老虎基金旗下的 Karat这样特色鲜明的创业公司,还有 Eightfold AI、Hiretual、Hired、Greenhouse、Workable 等等垂类招聘工具。可谓是格局明朗,且十分拥挤。

那么 Seekout 成功杀出重围的原因是什么?

首先,虽然招聘赛道非常拥挤,但它同样也是个极其庞大的市场,庞大的市场必然有未被满足的小需求。比如科技公司 HR 很难招到合适的工程师,而 Seekout 在解决这个问题上具有得天独厚的优势,由此,Seekout 在第一批用户心中就站稳了脚跟。

其次,前几代互联网招聘平台和垂类知识平台的积累为 Seekout 提供了充足的数据,而且这些数据都公开公有,这让 Seekout 的原始数据成本低了不少。试想一下,当石油公司不需要购买油田产权、只需要开采油田,利润是不是可观了许多?

这个原因决定了 Seekout 出现的 timing,再早一点,也许就没有这个条件了。

再者,过去互联网创业被鼓吹是用技术取代人力,但是在实际操作上,虽然简单的、重复性的工作能被机器和代码取代,但仍然会有大量只有人才能做的工作,比如做数据决策、为机器学习定方向等等,从而产生了大量的工程师需求。

过去 IT 是成本中心,而互联网进入下半场之后,HR 变成了成本中心。对于科技公司来说,人力占了成本相当高的一部分,并呈现逐年上升的趋势。同时,高级人才依然稀缺,适配某个公司特定环境的人才更是稀缺,高级人才难招是个普遍的痛点。这决定了 Seekout 不是一个一朝一夕的生意,市场不仅具有长期性,还有很大的增长潜力。

最后,招聘赛道已有玩家要么是数据极其依赖 UGC 的平台型招聘软件,比如 Linkedin,要么是用于改 JD、安排面试等等的工具,比如 JD 写作工具 Textio 和面试工具 Karat,很少有人在尝试综合全网资料,并给出关于人才的洞见。

是否具有洞见是人和机器最大的区别之一,也是 Seekout 与其他招聘软件最大的区别之一。对「人才」具有洞见并且说服客户相信并不容易,在 Seekout 服务 Netscape 的时候,Netscape 创始人曾对 Gupta 说:“如果今天的会议关于数据,那我们听数据的;如果关于观点,那听我的。”

而创始团队极高的大数据、ML、AI、搜索引擎技术水平让他们有能力去组织庞大的数据,丰富的工业界经验让他们洞悉市场的需求,在团队上,他们有着得天独厚的优势。

这么来看,Seekout 可谓是满足天时地利人和的种子选手。

Seekout 的联创团队,从左到右依次是Anoop Gupta, Aravind Bala, Vikas Manocha and John Tippett

如果说招聘赛道 1.0 时代是 HR 和人才沟通场所从线下转移到线上,那么 2.0 时代就是人才的职业履历和人生经历全面线上化,只有完成了 2.0,互联网才能具备重新定义人才的条件。Seekout 的出现一定程度上代表着美国的招聘赛道已经完成了 2.0 时代。

反观我们开头聊到的国内情况,目前比较接近早期 2.0 形态,因此,正如文章开头所说,现有的招聘平台除了 BOSS直聘通过「直接与老板谈」的模式,其他两家都是传统的简历投递类招聘方式,依靠平台流量撮合供需双方,简单粗暴。

但如果出现一个中国版的 Seekout,撮合雇主和候选人之间的方式会发生天翻地覆的变化,除了作为一个人力平台,它还会承担起除了招聘之外的其他 hr 部门业务,比如生涯规划、团队建设和 hrbp 等等,甚至贡献于企业的增长,而对传统招聘平台来说,这简直是降维打击。

但 Seekout 这种公司的局限性也相当明显,程序员的资料可以通过 github 找到,那么其他职业呢?有大量职业的从业者信息不会出现在网上,这是由职业性质决定的,更何况,中国信息化的广度和深度都远不如美国。这意味着,Seekout 永远都不可能取代猎聘们。

但这不代表说,未来我们必然会在中国看到一个 Seekout 的出现,尽管市场痛点类似,在不同的条件下,还是会诞生不同的解决方案。而无论是否有中国版的 Seekout,在人力成本攀升、人才稀缺、科技带来的增长放缓的条件下,重新定义人才必然是大势所趋。

本文为专栏作者授权创业邦发表,版权归原作者所有。文章系作者个人观点,不代表创业邦立场,转载请联系原作者。如有任何疑问,请联系editor@cyzone.cn

反馈
联系我们
推荐订阅