58 同城 SMB 招聘智能化重构
Design Challenge for Workstream
58同城的生态困局
流量变现与生态健康的博弈
平台早期依托人口红利与信息洪流实现快速扩张；但在红利消退后，过度依赖招聘置顶等广告变现机制，容易放大中介主导的生态结构性问题，最终导致中小企业与求职者双向流失。
劳务中介
依靠高薪广告截获流量
提供“保姆式”线下服务
将用户从平台洗入私域
中小企业
预算有限，无专业 HR
在流量竞价中处于劣势
难以触达真实求职者
求职者
信息鉴别能力弱
依赖“老乡带老乡”和“即时反馈”
容易被中介的保姆式服务吸走。
流量和生态的博弈
劳务中介与平台互利共生，虽然中介贡献了主要的营收，但需要避免对长期生态的透支
设计愿景：扶持中小企业直招
构建可持续的平台生态
权衡平台生态，逐层筛选定义 ICP
选择赛道
定义目标客户
美容娱乐 (勾)
选择未被中介明显渗透的领域，避免直接硬刚
制造业
餐饮
零售
美容
娱乐
劳务中介
违背设计愿景
大客户（海底捞）
有专业 HR 团队和自建 ATS 系统
微型散户（夫妻店）
招聘需求低频且随意
10-50 人规模的中小商家
刚好处于业务繁忙，人员流动大，但养不起专职 HR 尴尬人数区间
管理断层
店长兼任 HR
有招聘决策权但无专业精力
高频刚需
人员流动性大
常年有 3-5 个缺口
有支付意愿
对付费企业工具的接受度高
追求“省心”和“结果”
深入痛点
海量曝光背后的「供需错配」
传统“竞价置顶”带来了大量的低质曝光
雇主疲于清洗无效流量，求职者因“简历门槛”失语。
美容娱乐 (勾)
求职者
被文本简历拦截
商家
付费买来了噪音
流量虚高，转化极低
付费置顶换来大量“误投”或“海投”线索，买到了曝光量，却买不到合适的人。
筛选成本转嫁
平台只负责“广撒网”，迫使繁忙的店长花费大量精力进行电话“清洗”和核验。
消息回复的囚徒困境
面对海量重复的咨询，不回消息会流失线索，回消息又耗尽了做生意的时间。
能力与表达错位
很多蓝领有实操技能，但因无法通过“文本简历”表达，被系统和雇主忽视。
被忽视的“反馈黑洞”
因得不到及时回应（商家太忙），只能被迫进行“报复性海投”，陷入恶性循坏。
转向依赖熟人
新手面对平台真假难辨的广告，转而更信赖“老乡带老乡”的信用背书。
身在海外，由于无法实地走访真实的 58 同城商家用户
我因此采取了替代的用户调研策略：
线上深潜
在平台内反复切换双端身份，真实投递与发布招聘，利用电话/微信获取一手访谈，但转化效果差。
线下印证
选取下午 2-4 点商家空闲时段，实地走访经营模式相似的海外华人餐厅，还原真实的用工痛点。
设计推演
从简历搬运到价值匹配
招聘的本质是识别“人”而非筛选“文本”
AI 应作为主动连接者，跨越单一的媒介维度，直接验证求职者的真实能力。
美容娱乐 (勾)
简历是求职者能力的有损压缩，无法承载蓝领群体的核心价值，如体力、态度、稳定性等，依赖简历文本筛选本质上是在处理失真的信息，不仅容易导致雇主的误判，还会陷入 Garbage In, Garbage Out 的死循环。
媒介错位
重构目标
解决思路
去简历化
不强求蓝领工人完善文本简历
而是用引导自然语言互动聊出用户画像
求职者端
从“人找工作”到“工作找人”
平台 AI 化身“数字中介”，用企业微信触达求职者的微信，引导深入对话。
商家端
从“手动捞人”到“AI 全托管”
平台 AI 代替店长完成首轮电话初筛，并自动处理重复性的信息回复
表象目标
提升商家的简历筛选效率
根本目标
促成商家和求职者
进行高效的价值交换
主动服务
深入用户
洞察招聘生态法则
进一步深度访谈两位 10 年+ 经验的资深餐饮从业者，
为后续设计提供具体的标准和思路。
用户洞察
设计策略
美容娱乐 (勾)
深度的人脉网络
厨师长“带团队入驻”是普遍现象。蓝领群体极度依赖人脉网络，团队内的熟人关系直接决定了员工留存。
低技术门槛职位高频招聘
门槛较低的洗碗工、服务员等频繁流动，主厨核心技术岗校稳定。
用人标准“软硬兼施”
硬性看年龄/资格证/民族等；软性看沟通能力/面相眼缘/团队贴合度等。
数字化接受度高
招聘通常由店长负责，受教育程度相对其他员工较高，他们受外卖平台教育多年，如美团/饿了么后台，能驾驭复杂的移动端后台。
熟人推荐是主流
老店多靠内推，新店靠平台。通过“老乡带老乡”招来的人，经过了人情筛选，普遍比平台直招更稳定。
使用企业微信 AI 客服连接求职者，模拟数字老乡
金牌伯乐推荐机制，引入行业优质资源和人脉
AI 初筛低技术岗位
将识人经验转变成算法模型
轻量、专业的移动端的任务工作台，迁移 C 端产品的交互习惯
美容娱乐 (勾)
双端联动
打造更高质量的信息流转与算法迭代
AI 老乡主动破冰
将非结构化口语转化为精准画像
用户端
AI 招聘官精准交付
利用反馈校准推荐算法
商家端
人机校准
查看报告并纠偏
手动回复长尾问题
画像迭代
根据面试反馈与回复
完善偏好模型，提升推荐精度
AI 代面试
AI 自动电话初筛
输出结构化面试报告
极简发布
基于同类商家与职位预设
低门槛发布岗位和AI 面试设定
私域沉淀
引导添加客服企微
降低跨平台对话折损
画像迭代
基于对话和面试记录持续补全信息
动态修正求职者用户模型
AI 乡音破冰
同方言 AI 主动致电
自然对话生成简历并推荐岗位
极简接入
注册求职后
不再需要手动填写简历
最大化数据来源：电话触达无门槛，保证对蓝领群体的广泛覆盖。
直觉对话反映真实信息：实时对话减少了思考与修饰空间，接触直觉反应捕捉真实画像。
按需视觉补全：针对强形象岗位，电话面试后引导补充近照或视频介绍。
为什么优先使用电话语音作为数据入口？
美容娱乐 (勾)
商家端三大功能
帮助实现更高效精准的价值匹配
AI 智能代面
自动联系候选人进行初试清洗简历，并对通过者自动预约到店线下面试
智能沟通助手
AI 托管初步沟通，深度挖掘求职者特质，防止因回复慢而流失
熟人推荐机制
延续熟人推荐的模式，并将“人情筛选”转化为算法的高权重特征
美容娱乐 (勾)
从招聘配置开始
低门槛设定，将识人经验转化为量化标准
用户输入职位详情，系统生成 JD 后，进入 AI 面试设置。
多维标准配置
动态题库生成
自动邀约到店面试
系统提供预设以降低设置门槛；
支持用户手动编辑，可通过自然语言对话指令让 AI 修改。
支持商家输入偏好回答；
帮助 AI 明确评分依据，提升后续筛选的准确度。
减少人工干预的时间差，降低候选人流失的风险。
自动化完成繁琐的信息挖掘和初筛工作。
AI 自动联系投递的求职者
兼顾低门槛与精细配置，自然语言的交互，避免因功能复杂而劝退用户。
美容娱乐 (勾)
清晰的工作台
打造连贯的审阅体验
Before
After
筛选简历、查看面试结果、回复消息等各类任务，需要主动到不同的页面模块手动完成。
分散的工作模块
智能聚合的工作台
自动化处理各类任务；
手动任务和审阅按优先级统一聚合；
方便用户总览和审阅。
美容娱乐 (勾)
求职者信息分梯度呈现
适配不同阅读场景
工作台视图-总览场景
快速知晓招聘进展，同类结果聚合展示
面对数量庞多的求职者，分梯度呈现允许用户以合适的信息筛选尺度，快速获取所需信息。
列表视图-检索场景
快速定位某个求职者，仅展示关键信息
详情页视图-审阅场景
细致查看单个求职者，以结构化呈现
卡片视图-扫视场景
粗略浏览，外露关键信息与摘要
美容娱乐 (勾)
应对大量的求职者档案
轻便连贯的浏览与切换体验
点击列表展开卡片后，操作按钮展开（用户已手动点击确认意图，误触概率低）
列表视图下，点击单条右侧区域当前展开卡片，允许用户在列表页中简要查看单个求职者的概览，避免在列表页和详情页中反复切换。
用户已从卡片上阅读过概览，折叠处理
贴合用户自然上下滑动的习惯之外，支持点击 Tab 快速定位
在详情页维度，更快捷地切换下一份档案，减少页面跳转
顶部 Tab 随页面上下滑动对应选中
滑动至页面末尾，吸底按钮跟随页面
继续滑动切换下一个求职者
概览摘要展开
提供快捷的预览方式，减少页面跳转
可变的详情页头部形态，避免让用户阅读重复内容
自然连贯的滑动和切换体验，便捷查看多位内容
卡片视图
从卡片形态进入详情页
列表视图
从列表形态进入详情页
操作按钮默认折叠，防止用户在滑动浏览过程中误触
美容娱乐 (勾)
在求职者档案详情页，整合多渠道的关键数据，辅助商家建立对候选人的全面认知。
熟人关系背书
顺应生态：顺应线下“熟人带熟人”的招聘习惯，利用关系链降低决策成本。
沉淀人脉：赋予推荐人“金牌伯乐”等荣誉头衔，吸引优质人才入驻，同时也为其后续求职积累职业信用。
优化算法：将人脉关系链作为高权重特征，有效提升推荐算法的准确性。
面试录音切片
提取关键：从冗长的录音中截取高光片段，缩短获取关键信息的成本。
精确校准：支持商家根据单条面试回答修改评分，用具体内容精确校准算法。
结构化总览
效率识别： 采用红绿标签，快速判断硬性要求
智能摘要： AI 摘要总结多个维度，提供快速总览
对话分析
挖掘意图：分析历史对话数据，精准洞察求职者的潜在关注点，并预估到面概率。
辅助判断：将“主动提问”纳入评价维度，比简历文本更真实地反映求职者的核心动机。
多角度的求职者档案
还原真实立体的能力画像
美容娱乐 (勾)
高效的智能回复与人机协作
维系与求职者的对话连接，沉淀筛选依据
Before
After
面对不定时涌入的大量同质化提问，用户需逐一点进独立的对话窗口进行检查与回复，效率低下。
维系信息输入：对话不仅是沟通手段，更是完善求职者画像的关键信息输入来源。
解决双方痛点：商家无需不定时回复重复的信息，求职者得到更及时的反馈，减少流失。
零碎且重复的消息回复
自动托管与集中处理
聚合处理模式
快速语音回复
自动学习的语聊库
AI 自动回复，并将未被知识库覆盖的个性化提问汇总至统一视图，人工集中处理。
在聚合页输入后直接回复，无需反复跳转到不同的消息对话。
结合语音转文字输入与短视频的上下滑动交互，高效处理大量消息
将手动回复的关键信息沉淀入库，支持编辑管理，优化 AI 对话逻辑
美容娱乐 (勾)
特别鸣谢
AI 在设计过程中提供的大量帮助
🙏
行业调研
竞品分析
用户访谈
设计输出
使用 Podwise 播客转文字收集大量行业创始人的对话，并整合到 Notebook LM 形成知识库，快速补全商业认知，连接到 Gemini 进行深度的头脑风爆
使用 ChatGPT-Atlas Agent 模式访问了多个国内外 HR SaaS 工具官网，快速总结并归纳各自功能与核心解决的问题。
使用飞书妙计语音转文字并输入到 Notebook LM 与 Gemini ，批量整合多段对话，形成清晰明确的用户洞察
使用 Gemini 与 Figma Make，提效设计输出
查看更多作品
© Qicheng Hsu. All rights reserved.