抢猎头的生意

　　李瑛告诉本报，纳人网络抢的是线下猎头的生意。

　　以前，企业招聘大多是搜索关键字，搜索简历，再逐个挑选。这些工作其实大部分都外包给了线下的猎头公司。

　　目前中国依法注册的猎头公司总共只有大约4000家，非注册认证的还有2万多家。当前国内高级人才的流动由猎头公司协助完成的只占到10%到20%——猎头市场还有着巨大的上升空间。“根据哈佛大学的研究结果——在比较成熟的市场经济环境中猎头公司与企业数量的适当比例为5:1000，那么即便按照2007年中国的企业总数为4300万家计算，目前中国的猎头数量只占相当于成熟市场环境的10%左右。未来8-10年市场容量1000-2000亿规模。”李瑛解释说。

　　她把纳人网络的“自助猎头服务”和传统的猎头顾问服务比喻为ATM和柜台服务，前者以机器自助为主，后者则以人工为主——这就是为什么纳人网络切入的是一片蓝海，增长空间大，且门槛极高。

　　纳人网络的“大数据和智能筛选”算法可以为企业省去猎头人工筛选简历的时间。

　　李瑛举了个例子：一个新用户从登录网站到最后完成简历并投递，平均耗时约一小时。与此同时，根据业内数据统计，求职者在网络上平均投递50份简历才会得到一次面试机会。这一数据对应的另一个现实是，每个HR平均要阅读50份简历才能约到一个人进入面试环节。

　　在姜海峰看来，面试前的这些环节其实完全是可以用技术来替代的。近年来招聘的自动化技术已经发展、延伸至人才到达和职位申请追踪系统的程度，可以帮助雇主们解决收到大量简历和求职信的问题，精确匹配候选人。“这种主动的选人机制将会是未来招聘技术的发展方向。”姜海峰认为，“纳人的技术将通过大量搜集许多潜在的应聘者的背景资料，形成大数据，然后利用人工智能，自动过滤掉那些不符合标准的应聘者，提高了招聘的前端工作效率，而未来会朝着更加主动的方向发展，能够率先发现合适的应聘者。”

　　更懂你的机器

　　据悉，在过去近一年的时间里，纳人网络以在线面试为核心，建立了多维度的动态个人信息库，为每个人建立1000多种标签和相应不同的权重，构建了一套具有核心竞争力的NR人岗匹配评测模型。

　　这个模型包含1000多个维度，包括个人性格、兴趣、价值观、行业背景、行业特殊案例、学习教育背景、家庭背景等等。这些标签甚至精细到一个人在安永工作还是在普通的事务所工作，这使他所获得的评分权重完全不同。

　　当然，还有一个不可或缺的环节是，纳人网络设置了在线面试题，这道环节为匹配更加精准起到了关键的筛选作用。

　　姜海峰认为,未来的互联网招聘并不仅仅基于少数几个数据做出评判，比如以往的几年工作经验、专业能力显示、兴趣描述等等，而是想办法对专业技能和个人能力做出综合性的分析和评判，在给定某个职位的状况下，预测应聘者胜任的成功率，而这种成功率的累积所形成的数据信息，将进一步为今后的企业和应聘者成功，提供强大的数据和智能支撑。目前筛选匹配精准性已经达到89%以上，并进一步在优化提升中。“这一切都要通过不断累积的大数据和人工智能来实现，既能帮助公司迅速从海量的应聘信息中选对人，也能帮助个人迅速地找到合适的公司和岗位。”与此同时，姜海峰并不认为纳人网络进入市场意味着和其他互联网招聘公司的竞争。“我们其实是上下游关系，纳人网络主要帮助公司选对人，后续的招聘环节我们目前并没有做。”姜海峰表示：“将来还会加入基于云计算平台的支持，进一步提高人岗匹配率和成功率。纳人的技术是颠覆性的，但我们希望和业内的关系是合作性的。”

　　英诺天使基金创始合伙人、清华校友互联网与新媒体协会会长李竹，这位上市公司游族网络的“天使”，也是此次纳人网络的天使投资人。

　　纵观传统的网络招聘模式、垂直招聘网站、面向个人的众包模式、商务社交+招聘模式、和纳人模式，此前的招聘方式要想精准就必须聚焦做垂直领域，这在一定程度上缩减了招聘的范围，而要想完成大规模的精准匹配推送，就必须有处理海量请求的大数据处理能力，来替代猎头的人工挑选。

　　李竹则对本报透露，他看好这个项目的主要原因，也是因为纳人网络的智能筛选将是招聘行业未来发展的一个必然趋势——从企业端入手的大数据应用其实是解决了一个普遍存在的刚需，大幅度地提高优化招聘效率，还可以精准匹配人岗，这在当下招聘行业是一个巨大的突破。这不仅解决了企业招聘合适的人耗时长的问题，也减少了HR的工作量，而随着企业的使用和数据量的增加会更精确和有效。