在2019年麦当劳520招聘周中，全国3000家餐厅使用Moka（智能化招聘管理系统）接收线下简历、完成线下简历电子化、实现全数字化招聘管理。
据不完全统计，使用Moka后，企业招聘周期缩短一半，线下简历收集量增长15%，offer审批时间缩短60%，历史简历资源激活率复用率高达15%-20%。
| |||||||||||||||||||||||||||
Moka（北京希瑞亚斯科技有限公司）成立于2015年9月，联合创始人兼CEO李国兴毕业于斯坦福，曾就职于Facebook及智能数据监控初创公司SignalFx，对AI/BI的技术和应用有深刻的理解。
成立之初，Moka就获得峰瑞资本天使投资，此后，Moka又获得GGV纪源资本、金沙江创投、高瓴资本、襄禾资本、蓝湖资本等多轮加持。
Moka核心团队汇集了多年招聘管理系统（ATS）核心岗位经验的资深行业专家， 对于ATS有着独到及深入的了解。Moka旗下核心产品Moka智能招聘管理系统包含三大核心模块：聚合招聘渠道统一管理招聘流程、积累企业人才库、全方位数据统计提供招聘洞见。
因其简单的操作、出色的用户体验，截至目前，Moka已服务的付费客户超过800家，包括小米、滴滴、麦当劳、盒马、新东方在线、太平洋保险、复星集团等多领域企业。
今年12月11日，Moka又发布了全新产品“MokaPeople（人力资源管理系统）”，以满足企业客户用创新的数字化产品来运营和管理企业人力资本的需要。
招聘、人力管理这项“传统”业务，在AI时代能有哪些改变？技术又将如何重塑招聘服务？我们和Moka CEO 李国兴聊了聊。
我们看到Moka的客户有很多是在线教育企业，这个有什么原因吗，Moka的产品适用于有哪些招聘需求的企业？
李国兴：我们产品的整体适用性还是蛮广的。
互联网教育这类公司的招聘相对来说比较大的一个特点就是“一个月会有非常大的招聘量”。他们在这么大的招聘压力下，还要涉及到很多内部协作，就会Moka需要这样的产品去支持他们的招聘工作。
总结而言在线教育企业招聘需求算是比较典型的：就是短时间内要招聘大量的人，这种场景我们产品能比较好的去支持。
另一类，偏白领中高端一些的招聘，这也是比较普遍的一个场景。招聘量不一定很大，但是人都比较难招，一个职位的招聘周期可能需要两个月甚至三个月更长的时间。这个场景也是比较适用于我们产品去支持。
我们最开始做的一些客户的类型，就是偏互联网公司白领招聘。他们的工程师或者管理层的招聘周期会比较长，人才竞争也比较激烈。所以这种情况就可以通过我们产品，比如说人才库的一些功能，去更好的运营和盘活积累的人才资源。
TechWeb：针对“短期大批量招人”和“白领中高端”这两种场景，Moka产品会做一些区分吗？
李国兴：我们整个产品是一个相对标准化的产品，但是产品功能比较丰富，覆盖场景也比较多，所以基本上也能支持绝大多数的招聘场景需求。同时，我们产品设计了可配置化、可自定义化的功能设置，去实现和满足客户的一些个性化的需求。
针对两种招聘场景确实会在产品处理上有些差异，比如像偏高端白领招聘的这种，我们会有一些人才库的方案，包括内推、人岗匹配的算法，帮客户去更好的分析候选人。
一个比较难招人的职位招聘，其实对HR来说也是个挑战，因为他要去知道什么样的候选人会更适合这个职位，尤其他如果在这个职位的招聘方面没有特别多的经验的话，就会比较有挑战。通过我们的AI解决方案里面搭建的知识图谱能力，可以赋能给HR，让他了解更多的知识去做判断。
另一种就是“批量招聘”的场景，因为它招聘量比较大，我们就更多会做一些批量处理和自动化流程。比如说我们今年推出自动化流程RPA的概念，招聘RPA可以帮助企业在后台配置一些自动化流程，比如企业HR可以设置候选人到了一个什么样的状态，会触发自动筛选、进入到下一个阶段。另外，比如外呼机器人等等，类似这种的自动化，可以帮HR节省大量的手动工作。
Moka的定位是AI/BI驱动的下一代人力资源管理系统，AI/BI驱动具体表现在哪些方面？
李国兴：以首先说一下AI这块，我们在10月的Moka Talks 5th上新推出了智能化解决方案，这是我们用AI技术去实现的一些功能集，帮助企业更高效的去做招聘的工作。
最基础的我们做一些数据层面的技术处理，比如会把简历变成结构化的信息。结构化之后，会结合我们的知识图谱能力搭建职场领域里面的知识图谱。这个知识图谱会涵盖市面上绝大多数的公司实体，包括职位、技能、学校和专业等信息，以及它们之间的关联关系。这个信息会根据从候选人提取出的标准化简历信息做匹配，帮助HR快速去识别一些关键信息，做一些简洁的筛选工作。
然后再往上一层的话，我们还会做人岗匹配的一些算法。基于简历信息和职位的描述相关信息，做“候选人”跟“职位”的匹配度的计算。
还有的话我们会结合系统中的一些行为数据，通过企业过往的一些招聘情况来理解企业的一些用人偏好性。基于每个公司不同的职位去做针对性的匹配跟推荐，帮助HR去识别人才。
另一点就是可以帮企业激活人才库。企业会把过往的招聘接触过的候选人形成一个人才池，我们可以通过人岗匹配算法，把里边最合适的一些候选人推荐到企业正在招聘的职位当中，这样的话就可以减少HR去挖人才库的成本，可以更好的盘活人才库。
BI这块的话，会更多聚焦在数据分析的部分，我们是从头搭建了一套 BI的产品架构和技术架构，现在能做到的就是系统中的任意维度数据，HR都可以进行多维的组合分析，能很灵活的能满足HR看报表的需求。
下一步的话，我们希望打造有一些更丰富的图形化展示，未来的一个方向，就是叫做Moka People analytics的方向，去更深层次的分析一些人力数据、产出洞见，在海量的数据里面能够去自动化发现一些可能异常的数据，直接推送给HR。这里面可能会用到像增强分析相关的一些比较新的技术。
和市面上其他招聘服务产品相比，Moka的差异化在哪里？
李国兴：整体来说，Moka最核心的点是产品导向。我们希望把最多的资源和精力都投入在打磨出一个好的产品上，客户买这个东西后让他觉得物有所值，达到或超出客户的预期。
具体而言，从过往的一些成绩上来看，Moka比较核心的一个差异性或者优势在于大家都感觉到我们用户体验特别好。
我们对用户体验的理解，就是它不仅仅是一个从设计角度来说的这种交互体验那么简单，而是它给我们的客户不同角色的用户真正带来的价值，这是我们一直都非常看重的。
Moka内部有一个非常核心的指标叫做NPS（净推荐指数），我们会问客户一个问题，比如从1~10分，你有多愿意把这个产品推荐给你的朋友或者同事，我们不断去提高指标，这个是全公司最重要的目标之一。
Moka商业模式是to B，很多to B的软件企业，往往容易掉入“大客户陷阱“，也就是很重的销售服务。在维护Moka产品的“通用性”和给客户提供“个性化服务”上，Moka如何做取舍，有没有一个判断标准、思考或者经验？
李国兴：基本上我们希望能够通过一个相对比较通用的标准化产品去满足不同客户的需求，这是我们产品发展的一个方向。
比如说我们看到像美国Salesforce这种公司，其实也是通过一个比较标准化的SaaS的云服务产品，去服务到了很多世界500强甚至50强体量的一些公司。
所以其实最核心的点就是说我们在做这个产品的过程中，是不是能够持续的去坚持这个方向去做。如果客户有个性化需求出现，首先肯定不是说一下拒绝客户，而是我们去思考客户的需求背后它的业务痛点到底是什么？
有些时候我们跟客户沟通后发现可能我们有一个更好的解决方案，能够帮他解决掉这个问题，就不需要非得要按他的想法去实现这个产品。这是一个很重要的，就是跟团队去讲，要跟客户怎么去沟通这些需求的一个方式。
另一方面，也要不断去提升产品的“厚度”，它的可扩展性和可配置性。通过不断去发现不同客户的需求场景，抽象出一些通用的功能能力，然后通过可配置的形式去支持一些个性化的的要求，或者是一些什么场景的页面配置要求等等。
但是我们整体还会通过一个标准化的产品去支持不同类型的客户
(来源：TechWeb)
京公网安备 110105001605号