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
前置商业调研
求职者
信息鉴别能力有限
依赖熟人推荐和及时反馈
平台
人口红利与互联网趋势带来的增长见顶
营收高度依赖招聘广告收入
SMBs
预算和时间有限
难以触达真正的求职者
劳务中介
高薪广告截获流量
保姆式服务将用户转入私域
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。
扶持中小企业直招
构建可持续的平台生态
选择赛道
定义目标客户
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
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
有支付意愿能力
对付费企业工具的接受度高
追求“省心”和“结果”
劳务中介
违背设计愿景
大客户（海底捞）
由专业 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
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
规模、效率与质量下的招聘困境
ICP 关键痛点
规模瓶颈
繁琐的人工筛选
有限的候选人池子
效率损耗
店长兼任招聘
任务碎片化
质量陷阱
文本简历压缩真实能力
Garbage-in, garbage-out
以替代的用户调研方法
深入招聘生态与设计思路
关键洞察
用户洞察
线上深潜
平台真实投递与求职
通过电话与微信访谈
线下验证
下午 2-4 点 时段
拜访经营模式类似的中餐厅
专家访谈
通过熟人引荐
深访资深餐饮从业者
熟人生态
厨师长带团队入驻是普遍现象
内部关系影响员工留存
软硬兼施的招聘标准
考核硬件条件与软性素质
关注可靠性与团队匹配读
数字化接受度高
店长受教育程度相对高
受餐饮商家后台教化
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。
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
使用语音 AI 替代文本简历
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
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。
设计推演
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
系统性解决思路
规模、效率与质量
三位一体的全栈方案
商家端解决方案
AI 面试与自动筛选
智能助手
多维画像
扩大触达规模
提升招聘效能
还原信息质量
AI 面试与自动筛选
扩大触达规模
从 AI 面试设置开始
兼顾低门槛与精细配置
提供默认选项，允许用户以自然语言精细调整
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
硬件条件匹配
面试回答分析
语气分析
对话分析
多维自动筛选
轻松获得高质量候选人
自动消息回复
提升效率，降低流失
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
自动学习语料库
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
通过对话分析预测到面意愿
将中低意愿的求职者组合安排面试
自动约面排期
从容应对面试爽约
以清晰的浏览体验
应对海量信息
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
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
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。
提供快捷的预览方式，减少页面跳转
操作按钮折叠
防止用户滑动过程中误触
卡片视图
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-单条展开
设计细节
多维画像
还原信息质量
结构化总览
红绿标签展示硬件要求，快速辨认
结构化摘要综合多维度，概述软性素质
重复投递的求职者智能去重，降低噪音
熟人推荐背书
顺应熟人推荐的招聘生态
为平台引入高质量的人脉关系
平台为高质量人才背书
面试问答切片
面试原话+语气分析
单个问题具体校准算法
对话分析
挖掘隐藏信息
预测线下到面意愿
一套页面框架结构，适应不同入口场景
详情页维度-便捷的切换体验
设计细节
根据不同入口场景，判断是否已经展示摘要，继而在详情页区分选中 Tab
详情页末尾继续滑动，直接切换到下一个档案
构建可持续的 SMB 招聘生态
更大的触达规模
更快的招聘效率
更高的信息质量
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 收集大量行业创始人的对话，并整合到 Notebook LM 形成知识库，在短期内快速补全商业认知，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.