阿里巴巴: 人才库产品（采蜜）的源起与迭代

阿里巴巴集团招聘管理系统于2013 年完成了整体框架搭建， 覆盖招聘需求管理、招聘渠道管理和应聘管理等业务链路，线下数据得以全部沉淀到线上。随着人才数据积累达到一定规模，用户（以招聘HR 为代表）在人才库管理方面的诉求越来越突显，希望盘活企业积累的人才数据。以下内容重点阐述采蜜系统根据用户需求的不断升级，确定各阶段的产品突破点。

1. 采蜜的前身

采蜜的雏形来源于公共人才库，所谓公共人才库，即在招聘管理系统（下文简称ATS）中增加一个模块，将历史应聘已完结的候选人信息汇聚在一起，供招聘HR 进行淘选。过程比较简单直接， 候选人端体验不能得到有效保证，但在实际的使用场景中人才库的价值得到了验证，于是决定投入更多资源打造采蜜产品。

2. 采蜜发展史

第 1 阶段 搭建产品基本框架，推动用户意识转变

采蜜1.0 于2015 年初正式上线。第一阶段主要完成产品基本框架的搭建。采蜜作为人才搜索型产品，与ATS 相对独立，主要支持关键词搜索、多维度筛选等功能。目标用户从招聘HR 扩展到用人经理及一线技术骨干。这也是践行“招聘是管理者的工作“， 鼓励管理者更主动参与到人才搜寻中去，提升简历流转效率，让合适的简历第一时间到达用人部门。

为了确保候选人体验，我们在流程上新引入“接触”环节，在启动正式的应聘流程前，需要先与候选人接触（电话或邮件沟通）， 征询其求职意愿，并添加信息标签，共享给其他采蜜用户。

但随着大量的用户开始频繁采蜜，简历库的优质资源逐渐告急， 开源成为当务之急。我们开始加强与外部人才网站的合作，与一些第三方招聘平台建立合作关系，系统对接，用户下载简历后自动入库。通过这些开源措施来保障人才库有新鲜的简历供给。

第 2 阶段 优选算法初体验& 职类细分垂直化，提升效率

人才库已积累到海量数据，提升人才库的效率势在必行。我们先后从数据清洗& 加工、机器学习算法、对职类进行细分& 搭建人才垂直市场等方面入手。

首先建立简历入库审核机制，入库前先完成数据清洗工作，保证采蜜库的洁净度，避免无效数据对用户造成干扰。

在机器学习算法的应用上，通过提取简历关键词、工作经历特征、教育经历特征，建立能力模型；对简历的职类归属进行预测，结合职位关键词，建立相关性模型；通过机器对候选人过往应聘及接触环节沉淀的文本及标签信息进行学习，沉淀意愿模型；多个模型的产出最终应用于搜索排序和优选推荐中。

另外我们按职类建立人才垂直市场，在细分领域内，通过预设多个技能关键词，与用户的搜索词建立映射关系，提升搜索精准度。

第 3 阶段 应用阿里人才模型，真正实现智能推荐

未来，招聘业务团队将尝试通过系统加强招聘质量管理。我们通过将面试官认证考试/ 培训、面试结构化、质量数据监控等措施有机地和系统结合起来，线上线下配合，推动招聘质量管理的实施和落地，这一动作将有助于对焦并沉淀人才评估标准（包括能力模型等）。同时，我们将构建人才标签体系，给候选人建立丰富多维的画像。最终通过标准与画像的映射关系，提供人才推荐和职位推荐服务，为企业快速寻觅合适人选！

从招聘系统的远景规划来看，未来我们将为终端用户提供一站式portal，人才库核心功能将逐步与ATS 功能融合，实现简历数据、标签、任务的打通，让用户在不同招聘场景间无缝切换！