首先，我们观察猎头的行为发现，猎头 67%的时间都花在“简历创建”上，类似电商平台的“上新”。而在所有这些“上新”的行为中，65%的情况是猎头发现平台上有合适的职位，即图中绿色部分的“推荐时”。也就是说，绝大多数猎头默认的优先行为是在平台上搜索浏览企业 HR 发布的职位，进行“选单”，针对职位看自己手里是否有合适的候选人，再来创建简历。

　　而另一方面，当猎头的人才简历库越来越完备，信息越来越标准化，猎头又会有很大概率使用“智能匹配”，即平台推荐。智能匹配有两种玩法，一是人才匹配职位，二是职位匹配人才。我们发现猎头更喜欢用人才匹配职位（使用占比62%），而且这种形式下订单转化率也比职位匹配人才模式更高，可以达到 40%。

两种智能匹配模式使用率和转化率

　　所以结论就是：猎头默认的动作偏好是按照职位去找人，也就是“选单优先”。但是当平台给猎手推荐信息进行“智能匹配”时，他们又更愿意根据简历库中的人才去匹配职位。这是通过 GrowingIO 的用户行为数据分析我们发现的一个非常有趣的洞察。基于这个洞察我们做了两件事：

　　第一，优化搜索引擎。在精准匹配的算法优化上，我们选择优先做人才匹配职位的算法，而不是职位匹配人才。

　　第二，建立职位专场，类似淘宝的聚划算和微淘。

增长效果数据

　　最终的结果就是，猎上网在前三个季度的整体面试成单转化率提高了 80%。同时职位专场刺激了猎头激活，猎头的留存率得到提升，整体成单猎头数增长了 37%。并且，专场化的运营也使得人才职位匹配度提高，佣金客单价提升了 21 % 。后续，我们又进一步做了“滴一猎头”和“人才画像”两个功能，增长效果也很明显。

　　这是猎上网通过 GrowingIO 进行整体用户行为数据分析，从中发现商业洞察并最终实现增长的一个有趣案例。这其中数据洞察非常重要的一点意义，在于让我们可以更好地知道怎样做资源调配。

　　产品前期开发中有许多功能要做，但当我们把用户行为偏好的洞察数据给到他们以后，产品就能清晰地知道应该怎样做不同算法调优的时间分配和优先级安排，实现资源的最优化利用，才能最终实现显著的业务增长。

转载请注明出处。