Deep Headhunting Learning Network
从事人工智能的朋友会了解，喂给深度学习网络的数据量大小，往往是其网络模型最终会否收敛并获得更好表现的关键之一。在跟AI人才打了4年交道后，我尝试打开脑洞思考其与猎头成长的联系性：Deep Learning（深度学习）对于猎头会否有可以借鉴学习的地方？如果把一名无经验猎头当做一个初始模型，以最终成为一名专业猎头为目标，什么数据特征对一名猎头新人的成长来说，是至关重要的？作为猎头新人的领导者，如何以此数据提升新人的培养质量，为我们行业培养出更多专业靠谱的顾问？
问题很多，让我们先从一个AI猎头的典型职位开始，从其寻猎过程进行分析——招聘需求：客户为某一线互联网公司，需要为其AI实验室找到计算机视觉算法专家，工作地点杭州或深圳，招人名额 3个。在接到职位需求后猎头工作启动，常规操作通常是：1.分析职位描述以理解需求；2.列出目标公司；3.开始网搜、找人推荐、微信朋友圈吼一声；4.费尽九牛二虎之力在1天内联系了11个人并被挂了6次电话，总算聊了3个人外加2个怎么也打不通的，幸运地推荐出1个人，可惜在简历筛选环节就被客户秒杀了，抹一把辛酸泪，坚强地继续找人直至深夜…直至…N.我们推荐出人选经过1234567轮面试拿到offer，人选最终说出“我愿意”加入，并顺利通过试用期及客户付款完成整个流程。Good Job！
让我们尝试学习这些数据的特征并提取出来，分别是：1.每天新建联系人数；2.当天沟通电话时长；3.每周推荐报告数量；4.周面试人次；5.当月offer个数；6.季度回款数额。
数据及其逻辑并不复杂，但为什么大部分猎头做不好AI行业的职位呢？因为搜集数据进行训练的过程对比其他成熟行业，更难。由于AI 的兴起在国内只有3年左右，市场上的AI 人才存量相对少，客户需求又是爆发性井喷，候选人在短时间内被猎头高频率联系，这时陌生的猎头来电几乎等于骚扰电话；而AI这行通常没有list（通讯录）可打，也cold call（陌生电话）不了，即使有了list打过去，80%情况下也是在候选人听到“猎头”二字而在3秒钟内被挂断；同时，尤其对于猎头新人来说，与候选人建立沟通的初始成本极高，这也导致了关键数据搜集的难度提升，包括新建联系、沟通电话时长、推荐报告、面试、offer、回款等等。而一名专业猎头的DHLN，一定是在经历了多个成功案例训练出来的，这也是其与候选人保持紧密合作最重要的能力背书。在TA之前的经历里，是在不断的被拒绝中把每一份数据都尽力做的更好，例如每天多认识一个候选人，多打两个电话进行沟通，逼自己这周多发一个推荐报告，最终让自己的业绩目标提升，以完成DHLN的训练，直至成为候选人与客户可信赖的顾问。
所以，如果你选定了要做AI 方向的猎头，可以从数据角度参考以下几个建议：1.每天多建立AI新候选人联系，例如10个；2.通过电话、视频、见面等形式，每天沟通6个以上候选人；3.每周推荐的AI候选人报告，不少于4个，并继续增加；4.第一个季度，争取完成一个订单，或有2个候选人在谈offer环节；5.找一个愿意投入资源与耐心的工作环境，leader不一定要多懂，但要肯给新人以包容与空间，例如3-5个月出不了单，而新人的基础数据一定要有持续成长的结果。
如果有更多想法交流，欢迎加我微信：15018411037，我们AI团队也同步在招人～AC、C、SC、MC都有需求，欢迎想在AI深耕的你加入（广告结束～）
祝愿大家早日完成DHLN的训练！
