情报系统与机器人CEO

最近在跟一个猎头公司的老板在YY未来的公司运营，发现猎头这个业务很有意思。

首先，分析下猎头工作与其他销售工作的区别

一般的销售管理工作，是一个流量加工厂，输入销售线索，然后在基本固定的话术套路，和一个较为固定的销转周期内（比如15天）做用户的心智引导，进而完成销转。之后如果有空闲人力，可以做一些老线索激活，进行二次营销。或者如果产品是有复购的，根据复购周期计算一下恰当的跟进时间点，用一些连续购买激励政策来进行激励，进而完成复购销转

整体来看，这个用户生命周期模型，是一个挺简单的东西。

为什么简单？

第一，是因为销售线索在获取的时候，已经天然带了用户意图过来。这也是为什么这批公司严重依赖场景定向的广告，如SEM。另外有些业务会在一些场景精准性弱的广告流量承接里，加入一些筛选用户意图的流程，比如听个免费课之类。这样保证后续人工跟单时候对方意图存在。

但是，猎头服务，用户的意图大部分时候是没有的，首咨进行电话沟通的时候，我猜大部分情况下候选人是不说自己想明确跳槽的。保持个联系进行长期沟通应该是比较正常的。毕竟，假如每次跳槽是2年，找工作的时间窗只有1个月，也就是1/24，这也算挺窄的时间窗了。而且这个跳槽意图，也很难通过广告定向来找到，只能说是通过频繁沟通的方式来帮助自己不要错过。

第二，传统的销转工作，更多是产品是产品，销售是销售，而猎头不是。

猎头不仅是销售，同时也是提供服务的人。猎头对候选人的判断，掌握的机会的数量和质量，对获取对方信任进而销转有极大的影响。

而猎头的服务质量中，情报收集又占很大部分。比如候选人的一些情报，比如是否有进取心，图安稳还是图挑战，有没有家室，还有一些岗位机会的相关情报，老大是什么性格的人，成长历程如何，团队什么气氛，还有行业的一些情报，哪些公司最近团队不稳定，等等。这些情报不是广告能收集的，有一部分行业性质的，公司倒是能够收集，但是集中收集情报的代价又有点大，而且相对于猎头个人的碎片化收集，并没有更高的效率。

所以，猎头行业的智能化或者信息化，更像是搭建一个情报系统。情报系统搭建起来后，会对命中跳槽窗口期，和在跳槽窗口期利用岗位，行业，候选人三方的情报优势来增加销转概率，有很大帮助。

那么如何构建情报系统？

情报系统，分情报收集与情报分析两个核心部分。这两个工作不需要交叉。

情报收集就要足够的贪婪。在这个业务下，就是尽量多收集，也尽量不要重复收集。情报工作与一般的信息收集不同在于，别的信息收集很多时候是集中性收集，系统性的收集。比如填写一个表单什么的。但是这个业务里，情报收集更多是碎片化的，去中心化的（甚至会多个人通过多个情报源对同一主题信息进行采集和补全），在这种情况下，如何保障信息采集时候的最大效率就很值得优化了，这本质是对要收集的情报寻找办法进行合理拆解。

而至于情报分析工作，在以前的猎头公司，基本可以认为是没有的。在这个业务里，大量的简历与岗位信息是可以用NLP来做结构化的，大胆设想一下，简历中如果成功提取候选人职位信息与工作履历的结构化信息，那么就可以挖掘出更多的诸如同事关系，共同项目经历等情报。如果拿到这些情报后在继续针对性收集，简直能搞全行业的360环评了。

当然以上的技术投入是比较大的，怎么建设情报分析能力，要根据挖掘出的情报的价值和挖掘成本来迭代性投入。

关于机器人CEO

管理工作可以分为两类，一类是设计，创造之类工作。比如设计激励制度，设计营销方案等。另外一类，是生成任务，分配任务，监督执行。前者是明显的创造性和同理心驱动，后者是明显的计算力驱动。前者明显是只能人来干，后者明显是电脑干比人干放心太多。

由于计算在后者上的优势，管理制度设计的再复杂也不必有什么顾忌。比如精确控制每个人每天应该做什么任务，做完如何收集反馈，如何拆解任务到一个个的子任务，完全可以无需顾忌复杂性带来的管理成本上升（指代码过于复杂而无法维护之前的复杂性上升），因为这里管理成本基本等于计算力成本，计算力对这种业务来说简直等于免费。

淘宝的推荐系统，百度的搜索，都是复杂到超过任何人能够直接管理最终输出结果的系统。未来会有许多公司逐步走向这条路，用更多的复杂的策略去提供相对竞对来说极其有优势的服务体验。

最终，人类CEO来设计政策，机器CEO来执行。