人才选拔的标准不是永远一定的,随着企业发展越来越多元、新兴的商业模式如同雨后春笋出现,市场中“跨行业”、“跨职能”的趋势也越来越强烈。于是在HR的日常招聘中,或多或少地会遇到一些全新的业务、全新的职位,也许连用人部门对于招聘需求也没有很确切的概念。

那HR要如何在各个渠道检索,才能尽可能多地获得有可能匹配职位的候选人呢?

最大化包含所有搜索条件

在搜索的时候,关键词设置的好或者不好,直接决定了最终的搜索结果。使用同一个招聘网站搜索同一类候选人简历的时候,关键词的设定决定了HR所找到的候选人是否真正优秀、匹配。

关键词设置的基础在于HR对这个职位技能、业务的理解,是逻辑思维的一个体现。

虽然我们表面上讲搜索,但如果没有把这个职位吃透,了解简单的职位需求背后的本质,就只能通过字面的意思,片面地搜索直接关键词,那么找到的资源质量就会比较弱。

而需要通过剖析职责内容与职能找到的,这就是所谓的间接关键字

想要更加准确地找到关键词,可以按照下面三个步骤:

  • 职称穷尽:相同职责的员工可能会有不同的职称,包括英文与缩写;

  • 罗列职责相关的关键词;

  • 罗列工作业绩相关的关键词;

举一个简单的例子,当我们搜索市场/运营类的候选人时,以下关键词可以作为参考:

我们在实战的时候,需要将直接关键字与间接关键字结合。

再举一个例子,当我们在某职业社交平台搜索公司加职称的时候,如图我们可以看到有6996条结果,虽然说结果很多,但实际上大部分都是不精准的。但在加上了“拿地”这一个关键词之后,搜索出来的候选人就会与地产投资关联度更高,如果还要更加精准。你可以开发更多与其职责相关的词。

布尔搜索

布尔搜索也就是逻辑搜索,可以通过以下一些指令与条件来拓展搜索的范围、提高搜索的精度。这里解释一下常用的布尔搜索指令的意思:

互动式搜索

但如何掌握更多的搜索条件呢?当遇到比较新的领域时,HR需要先去了解这个领域或者行业,这时候就可以通过搜索+互动来学习。

比方说需要找一个云计算行业的候选人,从字面上的意思来看,可以先尝试搜索“Cloud”。搜出来部分候选人,但他们可能不够全面也不够精准。接下来可以阅读他们的简历,会发现一些高频词,如:“SaaS”、“PaaS”、“Open Stack”、“Cloud Stack”、“EC2”等。可以猜测,这些词可能也与云计算有高度关联。于是第二个步骤是在百度、Google上搜一下这些词,做一个基本的了解,看看是否真的与云计算相关。

接着回到人才库中,将这些词结合起来再搜索一遍,我们又能找到更多的与云计算相关联的词语,更多的云计算行业术语、还有行业内的公司比如“Amazon Web Services”、“AWS”等等。

循环几次,我们对一个新的陌生的行业将有一个基础的了解,也积累了许多与这个行业相关的搜索词。

暗示型搜索

假如用人部门的需求是一位能够熟练使用SAP系统的会计。如果我们将搜索词定为“SAP”OR “Accountant”话,就会遗漏非常多的目标人群,因为大部分人候选人在填写职业经历的时候,都不会将日常工作使用的工具写出来。

如果要突破这个问题,就要善于观察。比如在上述两个词组合而来的搜索结果中,一些企业的名字多次出现,比如“JSK”、“PWC”等等,这给了我们讯息,这些企业可能就是使用SAP系统的。

于是我们就找到了需要搜索的目标企业,接下来这些企业也可以作为搜索条件。

自然语言搜索

自然语言搜索是未来的趋势,系统会按照用户输入的关键词,根据语义自动为用户拓展更多的关键信息。而随着未来自然语言处理技术的进一步发展与成熟,用户也许只需要输入一个关键词,系统就可以联想多个相关词语,为HR扩充搜索范围。