简历搜索为什么不准,
以及底层逻辑要怎么换
问题不在权重。把标题、年限、公司、技能放进一个加权公式里,无论怎么调,结果都贴着随机线走。这份文档把「匹配」拆成三个可以分别验证、也可以分别失败的对象:进不进得去、做没做过、会不会动。然后用它们拼出一批值得顾问打电话的人。
先把结论放在前面
这一版不是把旧公式再调一遍。旧公式的问题是无法调:它把三个性质完全不同的东西压进了一个标量,其中两个在这个数据库里根本没有可用的数据。
样本口径:Gllue ATS,21 个职位、410 人、87 个推进,2026-11 扩样回测。低于 20 个职位 / 80 个推进的结论只作方向。
先承认这个负结果
2026-11 做过一次扩样回测。把标题权重换成语义/文本能力分之后,Top5 命中从 32.4% 掉到 24.8%,随机基线是 25.7%。这个结果不漂亮,但它是这次重写的地基。
| 排序方式 | Top5 命中 | NDCG@5 | 首个推进位 | 职位内 AUC |
|---|---|---|---|---|
| 旧排序(title .75 + 职级 .15 + 公司 .10) | 32.4% | 0.402 | 3.1 | 0.505 |
| 门控 + title + 段落级文本证据 | 24.8% | 0.292 | 4.8 | 0.483 |
| 门控 + 只看段落证据(不看 title) | 23.8% | — | — | — |
| 词典版文本能力分(替换 title 权重) | 24.8% | 0.293 | 4.8 | 0.459 |
| 随机基线 | 25.7% | — | — | 0.500 |
逐职位看:新版相对旧版赢 3、平 8、输 10。判断一个改动有没有用,必须和随机基线一起看,不能只报新模型的数。
图表数据:2026-11 扩样回测,21 个职位 / 410 人 / 87 个推进。AUC 在同一职位内部计算,不跨职位比较。
旧排序 Top5 能到 32.4%,同时整体 AUC 只有 0.505,两件事不矛盾:优势集中在少数几个职位(大模型算法、BD、MA),其余职位基本靠运气。平均值被少数职位拉起来了,分布很脆。这正是「有时候觉得挺准,换个岗位就崩」的来源。
四个错位,每一个都能单独致命
把回测数字拆开看,问题是四层叠加的。只修其中一层,另外三层会把它抵消掉。
一、对象错位:把「自述」当「事实」
简历是候选人写给自己的一份宣传材料。会写的人会把「参与过一个推荐系统」写成「主导亿级流量推荐架构升级」。语义模型奖励的恰恰是这种被优化过的措辞——两段文字越像,分越高,而「像」和「做过」之间没有必然关系。
这不是模型不够强。换更大的向量模型、更长的上下文,只会让「谁会写」这件事被识别得更准。要跨过去,只能换表征对象:从「文本」换到「行为事实」,即谁在什么组织里、对什么对象、做到多大规模、拿到了什么结果。
二、目标错位:优化了匹配度,没优化推进
客户会不会面一个人,取决于能力、口径、竞争、薪资、时机、内部候选人六个因素。能力只占其中一部分,而匹配分只测了能力的一个代理。所以「匹配度最高的前五个人」和「最可能被面的前五个人」可以是两份几乎不重叠的名单。
旧排序的职位内 AUC 是 0.505。这个数字的含义是:随机抽一个被推进的人和一个没被推进的人,模型有 50.5% 的概率把前者排在前面。基本等于抛硬币。
三、比较错位:跨职位、跨池子地排
21 个职位的面试率从 2.5% 到 35.7%,差 14 倍。在 A 岗位算 0.72 分的人,放到 B 岗位可能只有 0.4,但这个差异来自岗位难度,不来自候选人。把两个岗位的人放进一张榜,排出来的名次没有意义。
另一个混池是来源。顾问主动寻访的推进率 23.1%,门户投递 4.2%,差 5 倍。这两类人的行为逻辑完全不同,混在一起算命中率,会把寻访的效果冲淡,也会让模型学到「投递的人普遍不行」这种没用的规律。
四、数据错位:最需要的字段恰好最缺
| 模型需要的 | 实际可用率 | 后果 |
|---|---|---|
| JD 正文(≥200 字) | 8.6%(46/871) | 大部分岗位无法从文本解构,只能靠标题和字段重建 |
| 意愿四要素(钱/权/情绪/背书) | 24.2%(22/91) | 意愿层没有个体数据,任何基于它的排序都只有四分之一样本 |
| 客户口径(实际接受什么人) | 需反查 | 只有推荐历史,没有「为什么拒」的结构化记录 |
| 岗位是否真在招 | 部分可用 | 在册周数中位数 40.7 周,记录在册不等于在招 |
这四行解释了为什么「换个更好的模型」不会解决问题:不是算法不行,是输入里没有能区分人的东西。模型的第一件事应该是承认哪些层现在算不出来。
要优化的不是匹配度,是一批人的期望推进数
顾问每天能打的电话是有限的。所以真正的问题不是「给所有人排名」,而是「今天这五个电话打给谁」。这是一个带预算的分配问题。
这个式子有三个必须讲清楚的地方。
- 是乘法,不是加法。fit 0.9、will 0.1 的人,期望推进是 0.09;fit 0.5、will 0.8 的人是 0.40。乘法会自动把「某一项接近零」的人压到后面,这正是加法做不到的。加法会让高适配但完全不动的人靠 fit 一项冲进前三。
- gate 是乘法里的 0。不是扣分,是出池。薪资差 30%、家在另一个城市、竞业期还有八个月——这些不是「稍微差一点」,是「这件事不会发生」。
- 多样性约束不是装饰。客户的真实口径往往没写进 JD(23.8% 的岗位按 JD 标题筛会筛错人)。每批留 1–2 个「画像不同但有可能」的人,是为了买信息:他们的反馈会告诉你客户真正在看什么。这是探索位,不是凑数。
目标从「像不像」换成「期望推进数」之后,模型输出的东西变了:不再是一个百分制分数,而是三个可以分别质疑的量——这个人进不进得去、做没做过、会不会动。哪一项判断错了,顾问能立刻指出来,也能被回测检验。一个百分制分数做不到这件事,因为它把三种错误混成了一个数字。
JD 不是关键词表,是五种不同性质的对象
解构 JD 的第一步不是提关键词,是分清哪句话该进哪个层。这五种对象的可搜索性差得很远,用同一种方式处理,必然出错。
| 对象 | JD 里长什么样 | 可搜索性 | 进哪一层 |
|---|---|---|---|
| 约束 | 「需常驻上海」「持有法律职业资格」「英语可作为工作语言」「竞业期内不考虑」 | 高 | 门控,直接过滤。字段可判,不通过就出池 |
| 角色 | 「算法负责人」「区域销售总监」「汇报 CTO,带 20 人」 | 中高 | 门控,但必须先做职能族归一和口径校准 |
| 场景 | 「有 SaaS 从 0 到 1 经验」「做过消费电子供应链」「熟悉医疗器械注册」 | 中 | 召回坐标系,不做硬过滤。分成同业/上下游/相邻三环 |
| 产出 | 「负责推荐系统迭代,提升转化率」「搭建合规体系并通过审计」 | 低 | 证据层。要拆成动作-对象-规模-结果,只写理由,不进排序键 |
| 口径 | JD 里通常没有。它存在于客户脑子里:「其实我们想要一个能压得住工厂的人」 | 不可搜 | 用同客户历史推进反推;每批推荐当一次探测,反馈写回 |
这张表是这次改版的核心判断:现有系统把可搜索性最低的「产出」当成了主要判据(文本相似度),把可搜索性最高的「约束」当成了附加条件。顺序反了。正确的顺序是先约束出池、再角色定位、再场景扩圈,最后才用产出写理由。
一段 JD 的实际拆法
拿一段常见的写法:
| 拆出 | 原文 | 处理 |
|---|---|---|
| 约束 | base 上海;5 年以上;薪资 80–120 万 | 城市进 gate(但要区分可迁移);年限转成「同类事做过几年」;薪资不进 gate,进动量层的钱项 |
| 角色 | 算法研发 + 团队管理,带 8–12 人 | 职能族 = 算法(管理向);层级带 = 经理至总监之间;scope = 8–12 人,不是「有管理经验」这么模糊 |
| 场景 | 大模型应用 / To B / RAG / Agent | 环1 做大模型应用的公司;环2 做 To B SaaS 且有 AI 团队的公司;环3 相邻的搜索/推荐团队 |
| 产出 | 「算法研发与团队管理」 | 太笼统,必须追问:要交付的是模型效果、还是产品上线、还是团队从 0 搭起来?三种答案对应三种完全不同的人 |
| 口径 | 无 | 标 [待确认]。开搜前反查该客户近 12 个月同类岗位的推进名单,看 title 分布 |
拆完先做一次自检:把这些条件同时满足的人,市场上有没有 10 个。没有,就回去和客户谈放宽哪一条,而不是先去搜。搜不到的时候,绝大多数情况是条件组合本身不成立。
每个搜索条件,各有一条正确的用法
同一批条件,放在不同的层,效果完全不同。下面七项是最常被误用的。切换看具体改法。
把 5–10 家目标公司填进 in-list,只搜这些人。搜完池子只有几十个人,再放宽行业,整个逻辑就散了。
更常见的是把「公司名」当成能力证明:在字节待过 = 懂推荐。
三环展开。环1 直接竞对、同一业务线;环2 上下游与同技术栈;环3 相邻行业里做过同类事的人。环1 主力,环2 补量,环3 只放探索位。
必须落到部门。同一家公司不同部门的差异,大于不同公司同部门的差异。公司名要展开成「公司 · 事业部 · 团队 · 汇报线」四级,只到公司名等于没定位。
流向比任职更有信息。从目标公司出来的人去了哪、哪些团队在批量流失,比「谁在里面」更能说明这个池子的可动性。
拿 JD 标题做字符串匹配或近义匹配。「高级算法工程师」和「算法负责人」被当成两个族;「技术总监」干的是算法,却进不了算法池。
实测后果:21 个职位里 5 个(23.8%)按 JD 标题筛会把客户实际接受的人挡在外面。
title 拆三段:职能词(算法/销售/供应链)× 层级词(高级/负责人/总监)× 范围词(带团队/带区域/带产品线)。三段分别匹配,不做整串匹配。
校准规则:翻同客户近 12 个月已推进的人,看与 JD title 同族的占比。≥50% 按 JD 走;30–50% 放宽一档,纳入相邻职能;<30% 标 gate_mismatch,弃用 title 门控,改走产出证据召回。
泛化 title 单独处理。「负责人」「manager」「invest」这类词几乎没有区分度,此时允许证据层进主排序,但要在交付里注明「本岗位 title 不具区分度」。
JD 列 20 个技术词,候选人命中 15 个就算高匹配。装过 PyTorch 环境和训过千卡集群,在文本上是一样长的两个词。
把「熟悉」「了解」「精通」当成程度差异,实际只是 HR 的措辞习惯。
门槛类(外语、执业资格、合规资质、特定设备操作授权)——硬门控,没有就是没有。
可教类(工具、框架、流程、内部系统)——只做证据提示,不做筛选。会用某个框架的人两周就能学会另一个。
难教类(判断力、资源网络、从 0 搭团队、大规模系统在压力下的取舍)——这是面试要问的,不是搜索要筛的。写进面试提纲,不进召回条件。
技能要转成四元组:动作 + 对象 + 规模 + 结果。「做推荐」不是技能,「把电商推荐的 CTR 从 3% 做到 5%,日请求 2 亿」才是。
「35 岁以下」「工作 5–10 年」直接写成筛选条件。看起来高效,实际上筛掉了一批最该看的人。
它有两个问题:一是把三件不同的事压在一个数字上;二是年龄段作为筛选条件本身有合规风险,很多岗位根本不需要它。
经验下限——这类事必须做过几年。这是「做过」,不是「活了多少年」。用经历起止时间算,不用年龄。
阶段匹配——这个职级通常对应什么职业阶段。用晋升节奏(从工程师到总监用了几年)和当前 scope 判断,比出生年份准得多。同样是 38 岁,有人刚带第一个团队,有人已经管过 200 人。
剩余窗口——这个岗位他还能做几年。看职业轨迹的斜率,不看年龄。
执行口径:年龄字段不进任何筛选条件;如果客户坚持要,把它翻译成上面三项写进约束卡,并在交付里不展示年龄,只写经验年限。
按候选人现薪区间过滤,只留落在岗位带宽内的人。结果是把「现薪低但值这个价」的人全部滤掉,也漏掉「愿意平薪换平台」的人。
薪资是意愿变量,不是能力变量。它决定「他会不会接这个电话」,不决定「他做不做得成」。
看三件事:涨幅下限(低于多少不考虑)、结构(base / 奖金 / 期权,他在意哪一块)、以及现薪与岗位带宽的差。差得太多不是排除,是标注「涨幅过大,动机需要确认」——这类人往往有其他诉求(权、平台、稳定性),正好是触达话术的入口。
按现居城市过滤,「异地不考虑」。这样会漏掉两类人:家在本地、人在外地想回来的;以及人在本地、家在外地、随时会走的。
分三档:本地稳定 / 可迁移(有明确回流或 relocation 意愿)/ 明确不动。判断依据是家庭所在地、子女教育、房贷,不是简历上的城市字段。
远程与混合办公的岗位要单独处理,城市几乎不构成约束,此时把 gate 换成「时区重叠小时数」。
JD 写「本科以上」就设成本科以上,写「英语流利」就按四六级筛。前者经常是模板话,后者经常是真实需求。
翻同客户已推进名单里的学历分布。如果存在专科推进案例,说明这条不是硬约束,降级为偏好。
语言要分开看:工作语言(每天开会、写文档用)是真门控,必须验证;证书型语言(四六级、雅思分数)只是代理,用经历里的实际使用场景替代。
每个条件先问一句:这条不过,是「差一点」还是「不会发生」。差一点的进加权,不会发生的进门控。现在系统里几乎所有条件都被当成了「差一点」,这是误推最直接的来源。
三路召回并行,分数不许串层
召回的目标是把人找全,不是把人排对。这两件事由不同的机制负责,一旦让召回器的分数流进决策层,决策就被召回器的偏好绑架了。
| 路 | 怎么找 | 擅长 / 偏差 | 输出 |
|---|---|---|---|
| 结构召回 | 职能族 × 职级带 × 公司环 × 地域,走 ATS、猎聘、脉脉的字段检索 | 精准、可解释;覆盖窄,title 不规范就漏 | 门控候选集,带字段来源 |
| 语义召回 | JD 原文直入,走向量 / RAG 画像检索(Articuler、Exa) | 覆盖广、能跨 title;奖励会写的人,同质化严重 | 候选池,只带「第几顺位被召回」,不带分 |
| 关系召回 | 同团队、同汇报线、离职流向、引荐人网络 | 质量最高、转化最好;规模小,依赖人脉资产 | 引荐路径,标明「谁认识谁」 |
三路各自出名单,在证据层汇合。汇合时只做去重和补齐,不做分数融合。一个人被三路同时召回,说明他既符合结构条件、文本也像、还有人认识——这是很强的信号,但它的表达形式是「三路都命中」,不是一个更高的分数。
语义分最合适的用法:决定读多少份简历
语义分不能决定推谁,但能决定先读谁。一个岗位召回 300 人,顾问只看得完 40 份,用语义分做这个截断是合理的——它买到的是阅读预算的分配效率,代价是漏掉一些文本不像但实际做过的人。这个代价可以通过关系召回和结构召回部分补回来。
第三条尤其重要。Articuler 的 score 和 scoreLevel 是语义匹配分,它自己的技能文档里也写着「不要把 score 当录用概率」。但实际交付里,S/A/B/C 很容易被顾问读成「这个人有戏 / 没戏」,这个误读会一路传到客户那边。
证据要写成事实,不能写成标签
文本分失败之后,一个自然的反应是「那就不看文本了」。这也不对。该做的不是放弃文本,是改变从文本里取什么东西:从「像不像」改成「有没有发生过」。
「负责推荐系统的算法优化,主导召回与排序链路的迭代,支撑日均亿级请求。」
- 命中
- 推荐系统、召回、排序、亿级
- 得分
- 4 / 5 个关键词,匹配度 0.81
- 问题
- 「主导」是他写的;「支撑」可能是运维;亿级请求是全公司的量,不是他的模块。这些判断模型都做不了,但它给了一个很高的分。
同上这一段,拆成可核验的事实:
- 动作
- 重构召回链路(不是「负责」,是具体动作)
- 对象
- 电商主搜的召回层
- 规模
- 日均 3000 万次查询(需追问,与亿级不符)
- 结果
- 召回覆盖率 62% → 78%,未提转化
- 时间
- 2022.06–2023.11,距今 3 年
- 反证
- 排序链路无具体动作;无带人记录
证据层的正确用途:否决,而不是排序
这是这次改版里最容易漏掉的一条。段落级证据的职位内 AUC 是 0.483,低于随机,所以它不能拿来排名——这个结论不变。但它做另一件事很有效:找反证。
原因是分布不对称。正向证据几乎人人都有(谁都会写自己做过),所以正证的信息量很低;反证很少见(「要求带 50 人,实际最多带 8 人」「要求做过从 0 到 1,履历全是大公司成熟业务」),一旦出现,精度很高。这就是为什么它能做否决,不能做排序。
| 属性 | 怎么算 | 用在哪 |
|---|---|---|
| 可核验性 | 能不能给出原文出处(公司 · 时间段) | 给不出出处的记为 0,不进证据卡。这一条能挡掉大部分编造 |
| 时效衰减 | 近 5 年权重 1.0;5–10 年 0.7;10 年以上 0.4 | 早期经历再漂亮,也不能盖过最近三年的空档 |
| 稀缺性 | 该能力在目标池里的出现频率 | 进动量层:越稀缺越容易被抢,也越贵,触达要更快 |
一张证据卡长什么样
这张卡的作用不是打分,是让顾问在打电话之前就知道要问什么。「无 To B 经验」这一条,决定第一句话是问「你考虑过 To B 吗」,而不是问「你对这个机会感兴趣吗」。
意愿不是问出来的,是估出来的
历史备注能回收出四要素的只有 24.2%。等把数据补齐再谈意愿,等于永远不谈。更现实的做法是两层:先用可观测的处境信号给先验,再用一次 40 秒的沟通做更新。
四个要素,各自有底线
钱、权、情绪、背书。关键是它们不是加分项,是否决项。一个人可以为了涨薪忍通勤,但「家在广州、不考虑异地」这一条,给多少钱都不行。这就是第 04 节说的不可补偿条件,在意愿层同样成立。
为什么用分档不用连续分:一是数据精度不够,给 0.73 和 0.68 是假精确;二是顾问能理解「强/中/弱」,理解不了「意愿 0.73」,理解不了就不会用,不会用就不会记,数据永远补不上。
五个不问也能拿到的动量信号
| 信号 | 怎么取 | 读到什么 |
|---|---|---|
| 任职时长偏离 | 现职在任月数 vs 同职级中位数 | 明显偏长通常意味着天花板到了;明显偏短要看是不是频繁跳 |
| 公司阶段 | 融资 / 上市 / 裁员 / 被收购 / 换 CEO | 组织变动期的人可动性显著上升,这个信号比任何话术都有效 |
| 团队变动 | 直接上级是否更换、下属是否批量离开 | 「老板换了」是最高频的真实离职原因,比钱更常见 |
| 公开动作 | 简历更新时间、领英活跃、公开发言频率 | 弱信号,只用来排「先联系谁」,不能单独推断意愿 |
| 轨迹斜率 | 从工程师到总监用了几年,与同龄段比较 | 斜率突然变平,是典型的「升不上去了」信号;斜率陡的人,权和 scope 是他的主要诉求 |
这些全部来自公开信息与内部记录,不需要问候选人。它们给出的是先验,不是结论。第一次有效沟通之后,用意愿卡五行覆盖掉先验,之后每次沟通再更新。
动量推断只能用于「先联系谁、说什么」,不能用于「推不推」。一个信号显示他可能想动,不等于他愿意来这个岗位。把先验当结论,会让顾问拿着错误的预设去打电话,反而降低成功率。
输出四个口袋,不是一个排行榜
同一批候选人,适配和意愿的组合有四种,对应四种完全不同的动作。把它们塞进一张榜,会让顾问对所有人做同一个动作——发同一个模板消息。
横轴是适配(客户愿意见的概率),纵轴是意愿(候选人愿意接话的概率)。左上=意愿高但进不去;右上=双高,先推;左下=不动;右下=适配高但要设计触达。红色为门控不过。示例数据,不代表真实候选人。
四个口袋和各自的下一步
| 口袋 | 条件 | 下一步动作 |
|---|---|---|
| A · 现在就推 | 门控过 · 证据覆盖 ≥ 阈值 · 意愿中以上 | 24 小时内发定制触达,附三条证据和一条反证。反证要主动说,不要等客户发现 |
| B · 先谈再推 | 门控过 · 证据够 · 意愿未知或弱 | 先做一次 15 分钟的意愿探测(钱/权/情绪各问一句),不要一上来就推岗位。谈完再决定进不进 A 袋 |
| C · 校准位 | 门控不过或证据不足,但画像与 JD 明显不同 | 每批最多 2 个,用于探测客户的真实口径。推的时候明说「这个人和 JD 写的方向不完全一样,想确认一下你们的真实标准」 |
| D · 不建议 | 有明确反证,或硬约束冲突 | 出池,但记录原因。这些记录是下一轮校准口径的原料 |
为什么每批要留探索位
客户的真实口径不在 JD 里。21 个职位里有 5 个,按 JD 标题筛会筛错人,占比 23.8%。如果不做探测,这个偏差永远不会被发现——因为模型只会推荐「看起来像 JD」的人,客户也只会从这批人里挑,反馈回来全是「符合预期」,闭环就假了。
所以每批留 1–2 个画像不同的人,是有成本的(可能被客户拒),但它买到的信息价值远大于成本:一次拒绝会告诉你客户的真实标准,这个信息比多推两个人更值钱。这是把「推荐」当成「测量」来用。
预测失效的时候,得有一条能走到黑的路
五层是预测。预测一定会失效,尤其是新客户、新职能、或者客户自己也没想清楚要什么的时候。原来的模型只有一个动作——继续换关键词、继续调权重。这等于在一个已经被证伪的假设上续费。
失效有两种,处理方式不一样。召回失效是池子里确实没有做过这件事的人,换多少关键词都搜不出来;判断失效是人明明在池子里,被门控或适配挡在外面,客户从 D 里捞回来的人越来越多。两种的共同表现是:每一批都在换词,结论不变。
所以 v3.1 在五层之外加了一条退出通道,编号 L5。它不是第六层,不参与打分,也不改变五层的顺序——它是「这套预测在这个岗位上不适用」的出口。走进这个出口,任务不再是「排出一个先后」,而是「把这个市场的人先摆到桌面上」。
什么时候该走这条路
| # | 判据 | 说明 |
|---|---|---|
| ① | A 口袋连续 2 批 0 晋升 | 强推的人客户一个都没见,说明的不是执行问题 |
| ② | 门控误杀率连续 2 批 > 20% | 客户不断从我们判死的人里捞人,门控方向错了 |
| ③ | D 口袋占比 > 70% 且集中在同一个条件 | 一个条件砍掉七成人,多半是口径误解 |
| ④ | 全渠道连续 2 轮 0 个新增合格 | 一轮 = 单渠道 50 份。换完词还是零,就是池子问题 |
| ⑤ | 客户明确要求「把这几家公司的人全列出来」 | 客户已经不买判断,先要地图。这是合理需求 |
| ⑥ | JD 正文不可用,或条件仍在改 | 没有稳定的判断对象,任何排序都是自欺 |
命中任一条就触发,不要攒着。交付里要写清是哪一条触发的——这条记录本身是下一轮校准的输入。
走进去之后做什么:Mapping 全量
顺序固定四步,不做花活:
| 步骤 | 做什么 | 关键约束 |
|---|---|---|
| 1 锁公司 | 8–20 家,分三环:直接竞品、相邻业务、人才输出方(上下游、外包、乙方的乙方) | 第三环最容易被漏掉,也常常是命中率最高的一环 |
| 2 拆组织 | 拆到部门与产品线,不停在公司层 | 「这家公司有算法团队」没有用;要说清是哪个团队的哪条线 |
| 3 拉人名 | 多路采集,内部人才库先查,再上外部渠道 | 先内部后外部:已经在库里的人,触达成本几乎为零 |
| 4 轻标注 | 只标三项:同族职责、是否在库、是否可触达 | 不标分数、不标档位、不排先后 |
三条铁律,不能破
第一,不打分、不给口袋、不排序。在已经证明排序失效的场景里再排一次,只是把预测塞回去,顾问还得再验一遍。
第二,名录不能当推荐名单发给客户。对外只给结构、覆盖度、建议先看的三个团队;逐人名录是顾问的工作底稿,不是交付物。
第三,必须标数据时点和置信分层。在职信息一定会过期,不标时点的名单等于给顾问埋雷。
成本落在哪
| 规模 | 工期 | 说明 |
|---|---|---|
| 5 家 / 约 300 人 | 约 1.5 天 | 单职能单城市,纯人工可完成 |
| 10 家 / 约 800 人 | 约 2.5 天 | 需要并行采集和多源交叉校验 |
| 20 家 / 约 2000 人 | 约 4.5 天 | 建议拆两批交付,先给一半市场 |
报区间,不报单点。付费数据工具按实际消耗记账,余额不足当场提醒,不做隐性承诺。
什么时候可以回来
顾问从名录里圈出 ≥k 个人,且客户接受了至少一个,就可以用这批人重设门控档位,回到保守模式。同一个职能累计到 5 个岗位样本,再判断要不要进实验模式。
回切有一个硬条件:必须写清原门控错在哪——是过严、方向错、还是这个条件本来就不存在。写不出来,说明还没找到错,那就别回切,继续全量。否则下一次还会掉进同一个坑,而且这次连「为什么会掉」都记不住。
兜底不改变前面任何一条结论。文本证据分照样不进排序键,title 照样只做门控,未验证的层照样不能覆盖已验证的层。它只补一件原来缺的事:当这套判断在这个岗位上确实不成立时,任务还能被执行到底。
Articuler 该放在哪一层
它的核心是「JD 原文 → RAG 画像 → 语义检索 → 打分排序」。这套东西在召回层是有效的,在决策层是危险的。分界线在于:谁有权决定「推谁」。
| 取舍 | 具体做法 | 理由 |
|---|---|---|
| 借 | JD 原文直入,不做人工预处理 | 人工「清洗」会把客户的模糊表达提前抹平,而那些模糊恰恰是口径线索。这一点它的文档里写成了铁律,是对的 |
| 借 | RAG 画像:把经历、技能、连接点结构化 | 比纯简历文本更适合做证据抽取,也比字段检索更宽容 |
| 借 | 高覆盖语义召回,尤其海外与非标准 title | 结构召回按 title 走,漏掉的人正好由它补。两路并行的价值在这里 |
| 借 | cold-email 与 playbook 按人定制触达 | 这是意愿工程的一部分:同一批人,话术不同,回复率差很多。它的 playbook 输出 DO / DON'T,正好填触达设计的空白 |
| 不借 | 用 score 决定推谁 | score 衡量语义相似,不衡量「客户会不会面」。实测段落级文本证据 AUC 0.483,同源问题 |
| 不借 | 把 scoreLevel 当推进概率 | S/A/B/C 是分级不是概率。它的技能文档也明确禁止这个读法,但交付里很容易被误读成「这个人有戏」 |
| 不借 | 跨职位比较 score | 职位间面试率差 14 倍,同一个分数在不同岗位的含义完全不同 |
顺带说一句它最值得学的地方:它的输出契约里有 connectionPoints(连接点)。这个字段是做关系召回和触达话术的原料,比 score 有用得多——「你们都待过某公司某团队」「他现在的老板是你以前的同事」,这类信息直接决定这通电话打不打得通。现在的系统基本没用起来。
成交过的人,就是条件的参照系
这两天做客户推介,把过去几年的成交翻了一遍,其中两个人留下了完整履历。把他们的来路、进去之前管多大、进去之后管多大排在一起看,能反过来定条件该往哪边设。这比从 JD 正文里猜要靠谱,因为成交是已经发生过的事实。
| 岗位(脱敏) | 来时在哪 | 进去前后管多大 | 漏斗 |
|---|---|---|---|
| 某医疗耗材上市公司 全国销售一号位 委托时写的岗位名是销售总监 |
跨国医疗器械企业大区销售经理,负责两省医院端;更早做过四年区域销售经理,把区域年销售额从 1200 万做到 6000 万;也做过两年产品经理,管两条产品线。本科,约 16 年 7 个月医疗耗材销售经验 | 进去前:5 亿元业务、份额第一、50 人团队 进去后:100 人(15 位大区与区域经理、5 位 GTM、80 位销售),渠道由代理为主改为约 50% 直营,连续两年约 30% 增长 |
入库 138 位 推荐 5 位进评审 三轮面试后入职 1 位 |
| 同一客户 首席投资官 2020 年那一单 |
国际投资银行投资经理 → 国际私募副总裁 → 医药健康产业集团副总裁,投资与产业两条线都待过 | 进去后:集团投资一号位,对接两条业务线的并购与产业投资 | 委托年薪约为实际成交的三分之一 按 180 万加股票成交 |
| 某电子专用设备公司 销售总监 |
履历卡不完整,无法还原来源 | — | 9 位候选人进 1 位 |
| 同一客户 执行副总裁 |
定向寻访,没走公开池 | — | 1 人即成,与上面那个销售总监同日入职 |
| 某精密制造上市公司 BU 总经理 |
履历卡不完整,无法还原来源 | — | 61 位候选人进 1 位,周期约 10 个月 |
数据来自内部成交复盘。客户名称、人名、金额与可反查的履历细节已脱敏,只保留结构与量级。五个样本里只有两位留下了完整履历卡,其余三位只能拿到漏斗数字。
从这张表读出来的六条
每一条都不是猜的,是成交人自己走出来的路径。它们分别改掉了前面某一节的条件默认值。
- 目标公司按「能力可迁移」圈,不按同行圈。成交人来自跨国器械企业的区域岗,客户是国内耗材上市公司,两者既不同行也不同城。如果目标公司只圈同类国内厂商,这个人在第一轮就不在池里。第 06 节的三环里,环 2(上下游与相邻行业)才是主池,环 1 只做补充。
- 职级条件要偏下,不偏上。他从大区经理做到全国一号位,是往上走一层。筛人的时候该问「这个人能不能覆盖上一级」,而不是「他是不是同级」。职级带取 ±1,重心放在下一级。
- 学历与院校不是这批人的共性。本科,16 年 7 个月连续销售履历,没有名校标签。学历只在客户明确卡的时候才启用,而且先用历史推进验证客户是不是真卡;年限看的是连续性,不是总长度。
- 被买走的是规模跃迁,不是 title。1200 万到 6000 万、50 人到 100 人、代理制到 50% 直营,这三件事都能核验、都有数字。第 08 节的四元组里,「规模」和「结果」是主证据,title 只是背景信息。
- 高端岗靠任职序列,不靠技能词典。投行 → 私募 → 产业集团,这条序列没有任何一个技能词能描述。这类岗位只能用关系召回加序列结构匹配,语义召回在这里基本无效。这是第 07 节三路召回必须并行的原因。
- 漏斗宽度差两个量级。138 → 5 → 1、9 → 1、61 → 1、1 → 1。同一个团队,不同岗位的召回预算和指标不能统一。低基数岗位不报 Top5,这一条已写进第 13 节。
怎么用这批数据
可以这样用
- 当参照系。每设一个条件,问一句「已成交的人在这条上会不会被筛掉」。会被筛掉,就先怀疑条件,而不是怀疑人。
- 当回归用例。改一次规则跑一遍,看这五个人还在不在池里。如果被挤出去了,先查是不是又把 title 或薪资放回了门控。
- 当量级依据。漏斗多宽、周期多长、薪资能偏多少,这些都能从成交单里读到,不用拍脑袋。
不能这样用
- 不能当证据。只有成交的人,没有落选的人。本科学历、跨行业背景这些特征,落选者身上一样有,只看成功者会得出「学历不重要」这种没有对照的结论。
- 不能定权重。五个样本,正样本,算不出准确率,也算不出 AUC。
- 不能当池子。这些人是成交结果,不是当时池子里的初始状态,回看时已经带着结果信息。
成交数据定方向,回测定权重。前者回答「条件该往哪边设」,后者回答「设多少」。第 02 节那组负结果之所以不能省,就是因为它是这个库里唯一有正负样本的东西。两件事一起用,模型才不会只在成功者身上自洽。
每推一批,就是对客户口径的一次测量
客户说不清自己要什么人,这是常态。所以不要指望开搜前把口径问清楚,要把它当成一个需要多轮估计的量,每批推荐都是一次采样。
看三个数,不看准确率
| 指标 | 怎么算 | 看它解决什么问题 |
|---|---|---|
| Top-k 推进率 | 每批前 k 人里被客户面(或进下一轮)的比例 | 直接对应顾问的投入产出,必须和随机基线一起报 |
| 校准误差(Brier) | 预测的推进概率与实际结果的平均平方差 | 判断模型是「排得不准」还是「估得不准」。这两个问题的修法完全不同 |
| 每批信息增益 | 这一批反馈让口径的分布收窄了多少 | 衡量探索位有没有价值。如果探索位从来没提供过新信息,说明它变成了凑数 |
三条停止规则
- 连续 3 批校准误差 > 0.15:停掉调权重,回到岗位解析重做。这个信号说明口径解构错了,继续调排序只是在错误的方向上更精确。
- 某客户同族占比 < 30%:标 gate_mismatch,这个岗位的 title 门控作废,改用证据召回。21 个职位里有 5 个属于这种情况。
- 样本不足 20 个职位 / 80 个推进:只报方向,不报结论。3 个职位 57 人的时候我们得出过「新版更好」,扩到 410 人后结论翻转。
回测表要长成什么样
十二周,先补数据再谈模型
顺序不能反。先做约束卡和口径反查,这两件不写代码也能立刻改善结果;模型和权重放到后面,因为现在没有能训练它的数据。
约束卡 + 口径反查
每个新岗位强制填一张约束卡(硬约束 / 可放宽 / 一票否决)。开搜前跑一次同客户近 12 个月推进的 title 分布,标出 gate_mismatch。这一步不依赖任何模型,预计能直接拦掉一批误推。
证据卡 + 反证
召回池里每个人必须带三条证据和一条反证,全部给原文出处。给不出出处的进「待补」,不进推荐池。先在 5 个岗位上人工跑,验证顾问愿不愿意读、客户认不认。
动量先验 + 意愿卡采集
把五个外部信号接进来,给每个候选人一个意愿分档的初值。同时开始填意愿卡:20 个在招岗位,新接触的候选人每人一张,目标覆盖率 60%。覆盖率不到 60% 之前,意愿只决定联系顺序。
批次编排 + 四个口袋
把输出从排行榜改成四个口袋,每袋带动作和时间。加入探索位规则(每批 1–2 人)。这一阶段开始记录「推了谁、客户怎么回」,为回测攒数据。
第一次正式回测
至少 20 个职位、80 个推进才跑。指标:Top5、NDCG、Brier,全部对随机基线。逐职位看胜负分布,不看平均值。
校准与推广
按校准结果调阈值(不是调权重)。把有效的规则写回约束卡模板和证据卡模板,让下一个顾问不用重新想一遍。
这个模型不做什么
不用敏感属性做筛选
年龄、性别、婚育、户籍、健康状况,一律不进筛选条件。这不是保守,是因为它们在法律上有风险,在统计上也是劣质代理变量——同样 38 岁的人,职业阶段可以差十年。客户的真实诉求(经验够、阶段对、还能干几年)都能用非敏感字段表达,没有必须用年龄的场景。
不承诺准确率
现在这个库被验证过的信号只有 title 一项。在没有意愿数据和口径记录之前,任何号称「准确率 85%」的说法都是把语义分换了个名字。这份文档给的是结构和判断顺序,不是效果承诺。
不把语义分当概率
语义分 92 和推进概率 92% 是两件毫不相干的事。前者是「文本像」,后者是「这件事会发生」。混用这两者,是这个行业里最常见的错误,也是最容易让客户失去信任的错误。
不跨职位、不混池、不硬排
分数只在同一职位、同一来源池内可比。区间重叠就并列,写清「这两人的差别在证据之外」。硬排名次会制造假精确,顾问拿着假精确去跟客户沟通,反而更难解释。
不绕开人
模型的输出是「建议先打给谁、说什么」,不是「这个人值不值得联系」。最终判断在顾问。所有自动生成的判断都要能被顾问一句话推翻,并且推翻的记录要回流——那是模型唯一可靠的养料。
这份文档想先确认一件事:把「匹配」拆成准入、证据、动量三层,是不是我们要的方向。方向确认之后,再讨论每一层的具体阈值、字段和工程实现。阈值现在写出来都是占位值,等第一批回测数据。