【TechWeb】在2019年麥當勞520招聘周中，全國3000家餐廳使用Moka（智能化招聘管理系統）接收線下簡歷、完成線下簡歷電子化、實現全數位化招聘管理。
據不完全統計，使用Moka後，企業招聘周期縮短一半，線下簡歷收集量增長15%，offer審批時間縮短60%，歷史簡歷資源激活率復用率高達15%-20%。
Moka（北京希瑞亞斯科技有限公司）成立於2015年9月，聯合創始人兼CEO李國興畢業於斯坦福，曾就職於Facebook及智能數據監控初創公司SignalFx，對AI/BI的技術和應用有深刻的理解。
成立之初，Moka就獲得峰瑞資本天使投資，此後，Moka又獲得GGV紀源資本、金沙江創投、高瓴資本、襄禾資本、藍湖資本等多輪加持。
Moka核心團隊匯集了多年招聘管理系統（ATS）核心崗位經驗的資深行業專家， 對於ATS有著獨到及深入的了解。Moka旗下核心產品Moka智能招聘管理系統包含三大核心模塊：聚合招聘渠道統一管理招聘流程、積累企業人才庫、全方位數據統計提供招聘洞見。
因其簡單的操作、出色的用戶體驗，截至目前，Moka已服務的付費客戶超過800家，包括小米、滴滴、麥當勞、盒馬、新東方在線、太平洋保險、復星集團等多領域企業。
今年12月11日，Moka又發布了全新產品「MokaPeople（人力資源管理系統）」，以滿足企業客戶用創新的數位化產品來運營和管理企業人力資本的需要。
招聘、人力管理這項「傳統」業務，在AI時代能有哪些改變？技術又將如何重塑招聘服務？我們和Moka CEO 李國興聊了聊。
圖：Moka CEO李國興
TechWeb：我們看到Moka的客戶有很多是在線教育企業，這個有什麼原因嗎，Moka的產品適用於有哪些招聘需求的企業？
李國興：我們產品的整體適用性還是蠻廣的。
網際網路教育這類公司的招聘相對來說比較大的一個特點就是「一個月會有非常大的招聘量」。他們在這麼大的招聘壓力下，還要涉及到很多內部協作，就會Moka需要這樣的產品去支持他們的招聘工作。
總結而言在線教育企業招聘需求算是比較典型的：就是短時間內要招聘大量的人，這種場景我們產品能比較好的去支持。
另一類，偏白領中高端一些的招聘，這也是比較普遍的一個場景。招聘量不一定很大，但是人都比較難招，一個職位的招聘周期可能需要兩個月甚至三個月更長的時間。這個場景也是比較適用於我們產品去支持。
我們最開始做的一些客戶的類型，就是偏網際網路公司白領招聘。他們的工程師或者管理層的招聘周期會比較長，人才競爭也比較激烈。所以這種情況就可以通過我們產品，比如說人才庫的一些功能，去更好的運營和盤活積累的人才資源。
TechWeb：針對「短期大批量招人」和「白領中高端」這兩種場景，Moka產品會做一些區分嗎？
李國興：我們整個產品是一個相對標準化的產品，但是產品功能比較豐富，覆蓋場景也比較多，所以基本上也能支持絕大多數的招聘場景需求。同時，我們產品設計了可配置化、可自定義化的功能設置，去實現和滿足客戶的一些個性化的需求。
針對兩種招聘場景確實會在產品處理上有些差異，比如像偏高端白領招聘的這種，我們會有一些人才庫的方案，包括內推、人崗匹配的算法，幫客戶去更好的分析候選人。
一個比較難招人的職位招聘，其實對HR來說也是個挑戰，因為他要去知道什麼樣的候選人會更適合這個職位，尤其他如果在這個職位的招聘方面沒有特別多的經驗的話，就會比較有挑戰。通過我們的AI解決方案裡面搭建的知識圖譜能力，可以賦能給HR，讓他了解更多的知識去做判斷。
另一種就是「批量招聘」的場景，因為它招聘量比較大，我們就更多會做一些批量處理和自動化流程。比如說我們今年推出自動化流程RPA的概念，招聘RPA可以幫助企業在後臺配置一些自動化流程，比如企業HR可以設置候選人到了一個什麼樣的狀態，會觸發自動篩選、進入到下一個階段。另外，比如外呼機器人等等，類似這種的自動化，可以幫HR節省大量的手動工作。
TechWeb：Moka的定位是AI/BI驅動的下一代人力資源管理系統，AI/BI驅動具體表現在哪些方面？
李國興：以首先說一下AI這塊，我們在10月的Moka Talks 5th上新推出了智能化解決方案，這是我們用AI技術去實現的一些功能集，幫助企業更高效的去做招聘的工作。
最基礎的我們做一些數據層面的技術處理，比如會把簡歷變成結構化的信息。結構化之後，會結合我們的知識圖譜能力搭建職場領域裡面的知識圖譜。這個知識圖譜會涵蓋市面上絕大多數的公司實體，包括職位、技能、學校和專業等信息，以及它們之間的關聯關係。這個信息會根據從候選人提取出的標準化簡歷信息做匹配，幫助HR快速去識別一些關鍵信息，做一些簡潔的篩選工作。
然後再往上一層的話，我們還會做人崗匹配的一些算法。基於簡歷信息和職位的描述相關信息，做「候選人」跟「職位」的匹配度的計算。
還有的話我們會結合系統中的一些行為數據，通過企業過往的一些招聘情況來理解企業的一些用人偏好性。基於每個公司不同的職位去做針對性的匹配跟推薦，幫助HR去識別人才。
另一點就是可以幫企業激活人才庫。企業會把過往的招聘接觸過的候選人形成一個人才池，我們可以通過人崗匹配算法，把裡邊最合適的一些候選人推薦到企業正在招聘的職位當中，這樣的話就可以減少HR去挖人才庫的成本，可以更好的盤活人才庫。
BI這塊的話，會更多聚焦在數據分析的部分，我們是從頭搭建了一套 BI的產品架構和技術架構，現在能做到的就是系統中的任意維度數據，HR都可以進行多維的組合分析，能很靈活的能滿足HR看報表的需求。
下一步的話，我們希望打造有一些更豐富的圖形化展示，未來的一個方向，就是叫做Moka People analytics的方向，去更深層次的分析一些人力數據、產出洞見，在海量的數據裡面能夠去自動化發現一些可能異常的數據，直接推送給HR。這裡面可能會用到像增強分析相關的一些比較新的技術。
TechWeb：和市面上其他招聘服務產品相比，Moka的差異化在哪裡？
李國興：整體來說，Moka最核心的點是產品導向。我們希望把最多的資源和精力都投入在打磨出一個好的產品上，客戶買這個東西後讓他覺得物有所值，達到或超出客戶的預期。
具體而言，從過往的一些成績上來看，Moka比較核心的一個差異性或者優勢在於大家都感覺到我們用戶體驗特別好。
我們對用戶體驗的理解，就是它不僅僅是一個從設計角度來說的這種交互體驗那麼簡單，而是它給我們的客戶不同角色的用戶真正帶來的價值，這是我們一直都非常看重的。
Moka內部有一個非常核心的指標叫做NPS（淨推薦指數），我們會問客戶一個問題，比如從1~10分，你有多願意把這個產品推薦給你的朋友或者同事，我們不斷去提高指標，這個是全公司最重要的目標之一。
TechWeb：Moka商業模式是to B，很多to B的軟體企業，往往容易掉入「大客戶陷阱「，也就是很重的銷售服務。在維護Moka產品的「通用性」和給客戶提供「個性化服務」上，Moka如何做取捨，有沒有一個判斷標準、思考或者經驗？
李國興：基本上我們希望能夠通過一個相對比較通用的標準化產品去滿足不同客戶的需求，這是我們產品發展的一個方向。
比如說我們看到像美國Salesforce這種公司，其實也是通過一個比較標準化的SaaS的雲服務產品，去服務到了很多世界500強甚至50強體量的一些公司。
所以其實最核心的點就是說我們在做這個產品的過程中，是不是能夠持續的去堅持這個方向去做。如果客戶有個性化需求出現，首先肯定不是說一下拒絕客戶，而是我們去思考客戶的需求背後它的業務痛點到底是什麼？
有些時候我們跟客戶溝通後發現可能我們有一個更好的解決方案，能夠幫他解決掉這個問題，就不需要非得要按他的想法去實現這個產品。這是一個很重要的，就是跟團隊去講，要跟客戶怎麼去溝通這些需求的一個方式。
另一方面，也要不斷去提升產品的「厚度」，它的可擴展性和可配置性。通過不斷去發現不同客戶的需求場景，抽象出一些通用的功能能力，然後通過可配置的形式去支持一些個性化的的要求，或者是一些什麼場景的頁面配置要求等等。
但是我們整體還會通過一個標準化的產品去支持不同類型的客戶。