（转自PingWest）

利用员工关系网络做人才推荐，是企业在进行招聘时效果最佳的一种方式。因为是通过自己的员工进行人才寻访，所以员工推荐不仅能够低成本、保质量的得到很多靠谱的简历，而且被推荐者往往更符合企业文化和岗位特点。如果没有很好的员工内推计划，人力资源部门就不得不利用猎头来快速高效的寻访高端人才，但猎头的费用非常高，譬如像通用电气、强生、宝洁这样的跨国公司，它们中国区一年的猎头费用基本都在3000万元人民币以上。另一方面，员工推荐虽然也有着极佳的效果且节省成本，但由于种种原因，一般企业的员工内推比例只占所有招聘职位的20%左右甚至更低。

随着科技的发展和社交网络工具的普及，不少精明的创业者都意识到，如果能够用把社交网络众包和人才推荐机制相结合，将在很大程度上帮助企业提高员工内推比例不高的问题。一些新兴的聚焦于员工内推的招聘解决方案应运而生，比如ZALP、Zao、Jobvite、人人猎头等。但问题的关键在于——虽然众包能够高效地利用社交网络传递招聘信息，通过网络人脉收集积极应聘者的简历，但人事部门不能有效地对推荐来的简历进行甄别，难以快速有效地判别被推荐者的能力、性格、工作意愿、文化匹配度等传统内推所具有的特别优势，依然需要人力资源部门花费大量的精力去进行简历筛选，电话面试等初级甄别。结果是，推荐的简历数量上去了，而推荐的简历质量却大幅下降。

而我们知道，互联网时代，每个人都在网络上留下了大量的数据，其中包含着他的生活轨迹、社交言行等个人信息，那么能否依靠对这些数据的分析，从个人的网上行为中剥离出他的兴趣图谱、性格画像、能力评估，帮助企业更高效的实现人岗匹配呢？这就是基于数据挖掘的人才推荐平台人才雷达（Talent Radar）所提供的服务。

在人才雷达网站上，每个企业都会有其内部的账户系统，人力资源部招聘专员可以在平台上发布空缺职位、招聘截止日期和推荐成功的奖励积分，然后通过人才雷达，搜索自己员工的社交人脉圈以确定第一层级的任务传递者（一般是曾经成功推荐过该类职位的企业内部员工）。为避免搔扰，平台推荐的第一层级传递者是五位，这五位员工都是基于人才雷达对过往推荐历史和员工社交人脉进行数据挖掘后所做的建议。 当然，如果招聘官心中已经清楚的知道哪些员工更可能推荐合格的人才，他也可以直接通过电邮邀请。所以，第一层级所邀请的五位推荐者可能有两位是过去的推荐人才，而另三位是通过数据挖掘而发现的潜在推荐人才。

被邀请的推荐者可以做两件事：1. 继续利用人才雷达挖掘自己的社交人脉圈去锁定下一层级的推荐牛人并发出任务邀请；2. 利用自己的社交网络散布招聘信息，帮助企业扩大传播。

理想状态是每一位任务传递者都可以找到并邀请五位下一层级的任务传递者，那么通过三层传递，一共可以有155位朋友圈的人脉被邀请完成招聘推荐任务。在人才雷达的推荐系统中，其最多传递层次被设定为3层，其原因在于，在社交网络中，从一个人到另一个人的平均路径是4.37个人,理论上3层好友关系已经能够覆盖全网90%以上的用户，因此，通过匹配算法过滤后的候选人完全能够满足招聘需求，而如果再添加层级，反而会增加信息噪音。

人才雷达合伙人曾舒煜（HiAll创始人兼CEO）说：比较起一般利用社交网络进行招聘信息传播的网站，人才雷达系统的成功关键就在于，受邀用户可以选择绑定自己的LinkedIn、微博、人人等社交网络帐号，让人才雷达搜索引擎自动匹配和推荐用户社交网络中更加匹配所招岗位技能要求的人才并依照契合度来进行推荐排序，每一位被系统列出的推荐者头像旁都会展现一个9维的人才雷达图，以方便招聘官挑选，这正是“人才雷达”名称的由来。其核心技术是人才搜寻模型和匹配算法，通过对被推荐者邮箱、网络ID、Cookie地址等多维度身份标识的匹配，从9个维度来判别被推荐人的适合程度：

职业背景。利用文本挖掘技术，可以从用户的社交账户中获取其教育经历和从业经历，以此来判定其职业背景，曾舒煜告诉我，如果客户需要，他们还可以增加.edu.cn的索引，从高校网站上获取被推荐人的教育经历、获奖经历等信息；

专业影响力。搜索引擎采用PageRank来评估网站的影响力，人才雷达则利用LeaderRank评估专业方向的影响力。例如被推荐者是否有专业领域的论文发表，在专业论坛（如Github、CSDN、知乎、丁香园等）上的发帖数、内容被引用数、引用人的影响力等，通过这些信息建模，完成其专业影响力的判断。

好友匹配。社交关系也是判断一个人职业能力的因素之一。所以，判别用户在社交网络上其好友的专业影响力也是人才雷达推荐系统中的一个重点。同时，即使被推荐者的个人能力难以符合职业需求，但如果他有着能力不错的好友关系，则也可以作为合适的“推荐人”将任务传播到下一层级当中。

性格匹配。依据DISC（人类行为语言）学，将其在网络上的抽象言行转换为对应的性格特点。这种匹配并不是单纯的文本识别，而是根据其讨论时的反馈数，言辞激烈程度等各种因素来判定其性格。

职业倾向。不少人自己希望追求的职业并不一定是其适合的职业，所以用户在社交网络上的行为表现将有助于系统判别其对职业的符合程度是否与其个人描述的职业愿景相符。

工作地点。虽然不少人在网络上都会填写个人所在地，但由于地点变迁等各种问题，其工作地点并不一定是其填写的那样，但根据其Cookie地址，历史填写信息、言论等多维度判别，可以了解该被推荐人合适的工作地点。

求职意愿。由于人的兴趣是不断变化的，所以当用户在网络上的言行有一些明显暗示或变化时，可能表示其将要转换职业方向或离职。这项技术曾被用于联通用户离网意愿的检测。

信任关系。通过对用户社交网络的分析，判断出招聘者到达用户的最有效关系链和这个层级中用户之间的信任关系，利用强关系链进行联系，将更利于企业完成对人才的招聘。

行为模式。不同用户在社交网络上的行为习惯也是不同的，例如发微博的时间规律，在专业论坛上的时间长短，这些行为模式可以用来判别其工作时间规律，看其是否符合对应的职位需求。

通过以上9个维度的建模画像，人才雷达不仅能够在节省成本的前提下帮助企业提高人才招聘的效率。同时，与传统的猎头业务相比，其采用群体智慧的方式能够更广泛和客观的筛选人才，并且，由于其被动测量的方式也能在一定程度上避免直接面试时部分求职者的虚假表现。

人才雷达CEO周俊临说，由于是基于海量数据的推荐系统，所以人才雷达还能够根据企业的招聘需求判别出其他的相关需求，例如，当一个游戏公司招聘UI设计师时，它可能还需要游戏策划，那么系统会更具预测的内在需求，为企业推荐相关的人才，这种偶然性预测有时会更有价值。另外，由于海量数据建立了一个人才资源池，即使被推荐者暂时不适合招聘的职位，但在未来当公司有其何时的职位时，系统也能很快地从历史数据中挑选出何时的人才，将以往公司“打猎”式的人才招聘转换为“养鱼”式。

如今，人才雷达有三种业务模式——在Web上的收费平台和微信上为企业搭建系统；按比例收取招聘成功的任务中的现金分成；为有特殊需求的企业定制模型和匹配算法。他们目前面临最大的挑战来自需要让企业接受这种将自己的人才数据和招聘数据放在云端的业务，同时，随着用户的进驻，他们将根据数据继续调优模型。

参考链接：

BNET商学院报道：http://blog.sciencenet.cn/home.php?mod=space&uid=3075&do=blog&id=716461

36氪报道：http://blog.sciencenet.cn/home.php?mod=space&uid=3075&do=blog&id=716458