人力资源这项传统业务能做到多智能? 专访Moka CEO 李国兴

【TechWeb】在2019年麦当劳520招聘周中,天下3000家餐厅使用Moka(智能化招聘治理系统)吸收线下简历、完成线下简历电子化、实现全数字化招聘治理。

据不完全统计,使用Moka后,企业招聘周期缩短一半,线下简历收集量增进15%,offer审批时间缩短60%,历史简历资源激活率复用率高达15%-20%。

Moka(北京希瑞亚斯科技有限公司)建立于2015年9月,团结创始人兼CEO李国兴结业于斯坦福,曾就职于Facebook及智能数据监控初创公司SignalFx,对AI/BI的手艺和应用有深刻的明白。

建立之初,Moka就获得峰瑞资源天使投资,今后,Moka又获得GGV纪源资源、金沙江创投、高瓴资源、襄禾资源、蓝湖资源等多轮加持。

Moka焦点团队汇集了多年招聘治理系统(ATS)焦点岗位履历的资深行业专家, 对于ATS有着独到及深入的领会。Moka旗下焦点产物Moka智能招聘治理系统包罗三大焦点模块:聚合招聘渠道统一治理招聘流程、积累企业人才库、全方位数据统计提供招聘洞见。

因其简朴的操作、精彩的用户体验,停止现在,Moka已服务的付费客户跨越800家,包罗小米、滴滴、麦当劳、盒马、新东方在线、太平洋保险、复星团体等多领域企业。

今年12月11日,Moka又公布了全新产物“MokaPeople(人力资源治理系统)”,以知足企业客户用创新的数字化产物来运营和治理企业人力资源的需要。

招聘、人力治理这项“传统”营业,在AI时代能有哪些改变?手艺又将若何重塑招聘服务?我们和Moka CEO 李国兴聊了聊。

图:Moka CEO李国兴

TechWeb:我们看到Moka的客户有许多是在线教育企业,这个有什么原因吗,Moka的产物适用于有哪些招聘需求的企业?

李国兴:我们产物的整体适用性照样蛮广的。

互联网教育这类公司的招聘相对来说对照大的一个特点就是“一个月会有异常大的招聘量”。他们在这么大的招聘压力下,还要涉及到许多内部协作,就会Moka需要这样的产物去支持他们的招聘事情。

总结而言在线教育企业招聘需求算是对照典型的:就是短时间内要招聘大量的人,这种场景我们产物能对照好的去支持。

另一类,偏白领中高端一些的招聘,这也是对照普遍的一个场景。招聘量不一定很大,然则人都对照难招,一个职位的招聘周期可能需要两个月甚至三个月更长的时间。这个场景也是对照适用于我们产物去支持。

我们最最先做的一些客户的类型,就是偏互联网公司白领招聘。他们的工程师或者治理层的招聘周期会对照长,人才竞争也对照猛烈。以是这种情形就可以通过我们产物,好比说人才库的一些功效,去更好的运营和盘活积累的人才资源。

TechWeb:针对“短期大批量招人”和“白领中高端”这两种场景,Moka产物会做一些区分吗?

李国兴:我们整个产物是一个相对尺度化的产物,然则产物功效对照厚实,笼罩场景也对照多,以是基本上也能支持绝大多数的招聘场景需求。同时,我们产物设计了可设置化、可自定义化的功效设置,去实现和知足客户的一些个性化的需求。

针对两种招聘场景确实会在产物处置上有些差异,好比像偏高端白领招聘的这种,我们会有一些人才库的方案,包罗内推、人岗匹配的算法,帮客户去更好的剖析候选人。

一个对照难招人的职位招聘,实在对HR来说也是个挑战,由于他要去知道什么样的候选人会更适合这个职位,尤其他若是在这个职位的招聘方面没有稀奇多的履历的话,就会对照有挑战。通过我们的AI解决方案内里搭建的知识图谱能力,可以赋能给HR,让他领会更多的知识去做判断。

另一种就是“批量招聘”的场景,由于它招聘量对照大,我们就更多会做一些批量处置和自动化流程。好比说我们今年推出自动化流程RPA的观点,招聘RPA可以辅助企业在后台设置一些自动化流程,好比企业HR可以设置候选人到了一个什么样的状态,会触发自动筛选、进入到下一个阶段。另外,好比外呼机器人等等,类似这种的自动化,可以帮HR节约大量的手动事情。

TechWeb:Moka的定位是AI/BI驱动的下一代人力资源治理系统,AI/BI驱动详细表现在哪些方面?

李国兴:以首先说一下AI这块,我们在10月的Moka Talks 5th上新推出了智能化解决方案,这是我们用AI手艺去实现的一些功效集,辅助企业更高效的去做招聘的事情。

最基础的我们做一些数据层面的手艺处置,好比会把简历酿成结构化的信息。结构化之后,会连系我们的知识图谱能力搭建职场领域内里的知识图谱。这个知识图谱会涵盖市面上绝大多数的公司实体,包罗职位、技术、学校和专业等信息,以及它们之间的关联关系。这个信息会凭据从候选人提取出的尺度化简历信息做匹配,辅助HR快速去识别一些要害信息,做一些简练的筛选事情。

然后再往上一层的话,我们还会做人岗匹配的一些算法。基于简历信息和职位的形貌相关信息,做“候选人”跟“职位”的匹配度的盘算。

另有的话我们会连系系统中的一些行为数据,通过企业过往的一些招聘情形来明白企业的一些用人偏好性。基于每个公司差别的职位去做针对性的匹配跟推荐,辅助HR去识别人才。

另一点就是可以帮企业激活人才库。企业会把过往的招聘接触过的候选人形成一个人才池,我们可以通过人岗匹配算法,把里边最合适的一些候选人推荐到企业正在招聘的职位当中,这样的话就可以削减HR去挖人才库的成本,可以更好的盘活人才库。

BI这块的话,会更多聚焦在数据剖析的部门,我们是重新搭建了一套 BI的产物架构和手艺架构,现在能做到的就是系统中的随便维度数据,HR都可以举行多维的组合剖析,能很天真的能知足HR看报表的需求。

下一步的话,我们希望打造有一些更厚实的图形化展示,未来的一个偏向,就是叫做Moka People analytics的偏向,去更深条理的剖析一些人力数据、产出洞见,在海量的数据内里能够去自动化发现一些可能异常的数据,直接推送给HR。这内里可能会用到像增强剖析相关的一些对照新的手艺。

TechWeb:和市面上其他招聘服务产物相比,Moka的差异化在那里?

李国兴:整体来说,Moka最焦点的点是产物导向。我们希望把最多的资源和精神都投入在打磨出一个好的产物上,客户买这个器械后让他以为物有所值,到达或超出客户的预期。

详细而言,从过往的一些成就上来看,Moka对照焦点的一个差异性或者优势在于人人都感觉到我们用户体验稀奇好。

我们对用户体验的明白,就是它不仅仅是一个从设计角度来说的这种交互体验那么简朴,而是它给我们的客户差别角色的用户真正带来的价值,这是我们一直都异常看重的。

Moka内部有一个异常焦点的指标叫做NPS(净推荐指数),我们会问客户一个问题,好比从1~10分,你有多愿意把这个产物推荐给你的同伙或者同事,我们不断去提高指标,这个是全公司最主要的目的之一。

TechWeb:Moka商业模式是to B,许多to B的软件企业,往往容易掉入“大客户陷阱“,也就是很重的销售服务。在维护Moka产物的“通用性”和给客户提供“个性化服务”上,Moka若何做取舍,有没有一个判断尺度、思索或者履历?

李国兴:基本上我们希望能够通过一个相对对照通用的尺度化产物去知足差别客户的需求,这是我们产物生长的一个偏向。

好比说我们看到像美国Salesforce这种公司,实在也是通过一个对照尺度化的SaaS的云服务产物,去服务到了许多天下500强甚至50强体量的一些公司。

以是实在最焦点的点就是说我们在做这个产物的过程中,是不是能够连续的去坚持这个偏向去做。若是客户有个性化需求泛起,首先一定不是说一下拒绝客户,而是我们去思索客户的需求背后它的营业痛点到底是什么?

有些时刻我们跟客户相同后发现可能我们有一个更好的解决方案,能够帮他解决掉这个问题,就不需要非得要按他的想法去实现这个产物。这是一个很主要的,就是跟团队去讲,要跟客户怎么去相同这些需求的一个方式。

另一方面,也要不断去提升产物的“厚度”,它的可扩展性和可设置性。通过不断去发现差别客户的需求场景,抽象出一些通用的功效能力,然后通过可设置的形式去支持一些个性化的的要求,或者是一些什么场景的页面设置要求等等。

然则我们整体还会通过一个尺度化的产物去支持差别类型的客户。

留下评论