招聘行业还有机会吗?

题图 By Jordan McQueen

大概从前年开始,一直到现在,「招聘」这个领域的产品如猩球崛起般快速成长。一家家创业公司打着垂直的旗号开始了一场场异常激烈的战争。「招聘」行业发展到这样是必然,是大势所趋。传统行业的招聘网站终会被各个垂直细分领域的招聘网站一点一点侵蚀,不变革就会死的很难看…

我们来看下目前的一些数据:

公司成立时间轮次金额投资时间
拉勾网2013.7B轮$2500万2014.8
内推网2013.11天使轮¥250万2013.11
周伯通2011.7A轮¥2800万2014.9
100offer2014.7A轮¥2000万2015.3

还有很多类似这样的新兴企业,这里不再列举。看看成绩单,表现得都很不错ho~ 当然这些产品里面有的模式是比较类似的,而有的则是另辟蹊径,已一种新的玩法来做招聘,比如100offer,以一种拍卖的方式进行招聘。内推则是以内部推荐的方式玩招聘。

在这些企业还没开始前,这些模式已经在我脑海里搅了好多年,只不过他们先做了而已。有点马后炮的感觉。。
那么问题来了,现在再做招聘,还有机会吗?

来,撬开脑壳,搅搅脑汁。


作为创业公司,对于招聘也是深深的体验了一把。就单从我招聘的体验来讲,有这么几个方面可以突破:

  • 一个职位,在不同的招聘平台重复发布,体验很不好。这还不是最难受的,体验最糟糕的事情是不同平台还需根据其格式一段一段粘贴。每每遇到这样的事,我都有非常大得冲动直接自己开发产品把这糟糕的体验给优化了。怎么玩?「一次发布,到处展示」就说这么多,更多分析我就暂且掖着,说不定哪天我要做招聘,还可以留个机会给自己 :D。

  • 约面试,放鸽子怎么破?假设有这么一个网站「面试者黑名单」,当企业遇到放鸽子的,HR将此用户添加到网站,当同一用户被添加3次,网站将公开其手机号码能被搜索到。那么企业或者HR在约面试前,先通过手机号到网站上搜索一下,如果能搜索到就不再约见。毕竟放3次鸽子的面试者,人品都不会好到哪里去。

  • 和上一条相反,曝光企业的。以前有过类似网站,不过体验和提供的信息还是不够,这里面还有挖掘的空间。

  • 为什么说100offer的模式,我早在4年前就已经想过了呢?因为我认为100offer的模式挖掘的还不够。虽然号称为最难服务的对象(程序员/求职者)提供体验最好的服务,但是这个服务还没有达到我期望的高度。什么薪资不是最重要的,心怡的公司才重要,扯即把蛋。当然这有1%的概率。怎样让高端求职者最爽?爽到高潮?一份简历亮出来,企业出价,百度50w/y,企鹅65w/y,阿里80w/y。恩,就酱。

  • 来,放终极大招,颠覆所有招聘网站!!!什么开通VIP联系方式免费看;什么猎头推荐不成功不要钱,成功后只收1000块;什么入职后只收年薪的1%。我们免费玩,看联系方式不要钱,批量下载简历不要钱,推荐成功不要钱。试想去2000人HR群发一下,去猎头群发一下,转发邀请再送5000元高级服务礼包。一天5000种子用户不成问题。打住,说high了,我就要开干了。


先这么多,其实还有很多想法,但是我的原则是一篇文章不超过一小时,所以就先这么多了。欢迎继续探讨,此文后续还会整理。


openbra.in,打开脑洞。我是互联网创业者,不创业会死。对于互联网创业有独特的见解,通过「打开脑洞」和大家一起发现和创造不一样的产品。说不定你的第一个500W在这里产生。扫描/长按二维码关注「打开脑洞」
openbrainqr


注意:转载须以超链接形式标明文章原始出处和作者信息及版权声明。
原文地址:http://openbra.in/2015/04/28/recruitment-website/

-EOF-

【6层】一字型框架办公楼(含建筑结构图、计算书) 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。
深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
1、资源项目源码均已通过严格测试验证,保证能够正常运行;、 2项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值