易观数聚论 | 爱思益求职CEO孙静博- 职业教育市场的数据流量和细分和精准化

易观 2017-11-27 15:28:06   471

近日,易观在北京举办了《数据至上VS流量为王,在线教育下半场的创新与挑战》的线下沙龙活动,来自易观数据应用中心、智慧树、新东方和爱思益求职的行业大咖和嘉宾,就2018年在线教育行业发展进行了精彩的观点分享。爱思益求职CEO孙静博,发表了题为《数据和流量和细分和精准化》的演讲,以下为演讲内容:

{C}{C}{C}

 我最开始的时候也是在中关村创业,爱思益是创业公司,从创业至今有三年半的时间了,最开始是在中关村穿着一件体恤从早到晚996开始踏上创业的旅途。先简单自我介绍一下,这个版本可能是面向2C学生去做的介绍,我自己本身在美国读的书,毕业西雅图做了一年咨询师的公司,当时去高盛工作,后来回国做大学生创业,涉足大学生就业领域。

先简单介绍一下为什么做这件事,我们是教大学生去面对市场怎么去找工作的一家公司。当时为什么做这样的一件事?现在学生毕业以后都开始愁怎么去找到适合自己的工作。我自身也经历过这样的一段迷茫期,所以觉得这是一个痛点。第二个是工作的时候没怎么干别的事,临近毕业的时候没怎么干别的事,天天找工作,大概面过100多家公司,也拿到中国、美国两边大概20多家的录取,就觉得自己这么一趟走过来有很多成功的经验,失败的教训可以复制下来,总结成方法论,然后传递给现在的大学生们。

创业的三年里,我们也做出了小有成绩,比起前面的几位业界大咖们,以及独角兽的公司们,我们还在路上。但是这三年的时间里,首先我们大概积累了30多万线上微信的粉丝群体,全部都是精准的985211高校的用户,以及海外知名学校的留学生。第二也是获得了数轮的融资,包括像中国基金徐老师等等投资的背书。与此同时自己的产品其实是面向C端的客户去提供职业规划、面试技巧、行业技能、行业特训这一类的服务和课程,同时面向企业输送候选人,大概是这样的一个商业模式。

今天想说的是,咱们的主题是大数据。坦诚来讲,我们公司没有海量的数据,毕竟还是一家初创的企业。但是我想说的是,哪怕是初创的企业,通过少量的样本数据去做精细化的分析和挖掘,也能产生比较不错的商业价值,同时去辅助可能很多的公司去做商业的决策。今天我想用几个在创业过程当中做调研的案例,然后来去跟大家讲一讲怎么用数据分析做商业的决策。

通过数据分析达到三个目的:

第一个去了解市场的需求和动态。

第二个去对产品和课程开发提供知识性的决策。

第三个,因为我们是去做类似于招聘的事情,现在都讲究人岗匹配,冷冰冰的工作职位描述和冷冰冰的简历,实际上不能很好地把一个人和一个岗位匹配在一起,因为人是复杂的,单纯的文本信息是很难进行匹配的,所以说深度挖掘信息可能会对我们做精准智能的人岗匹配提供深度的支持。

先说第一个,如何通过对数据的一些分析和判断去了解市场的需求和动态。首先,当我最开始选择做这件事情的时候,会看很多的数据报告和数据分析,行业的一些宏观内容。最后发现做这件事情首先所处的大市场是职业教育,在线职业教育市场规模是800亿,盘子很大,所谓在风口上猪会飞起来,也许是不错的市场。在职业教育大的市场下细分出来很新兴的市场叫大学生的之前教育,通过测算大概是800亿到1200亿,并且是以每年年符合增长率30%在快速迭代,这只是宏观表面上的数据。

再去看整个就业市场的情况,比如说每年在校的学生加起来总共是有280万,790万的应届毕业生,同时有五六十万留学生归国,这是很大的人群。在当今的竞争下面对各种各样的岗位都会来诉苦就业很难,并且国家也在做政策性的支持。这些可能是说从宏观另外一个角度去做市场需求的佐证。但真正想说的是,只靠宏观数据并不能去支撑创业和做产品的决策,很多时候要去看微观,你的用户个体他的需求是什么样的,要深入到个人。于是我们也做大量的用户访谈,当时大概访谈了700多位在校生和职场工作的新人。

这是访谈上海交通大学大三的一名学生,当问及她对于找实习、找工作的这种就业培训市场怎么看的时候,她从她个体的这种感受来告诉我们,现在就业很难,并且她发现身边的同学以前都是大三、大四开始实习,现在大一、大二就开始实习了,并且很多的国际公司开始在大陆,比如说香港高盛、摩根士丹利都在内地开展了分公司,竞争非常的激烈,所以我们需要很早的去准备。其实用户微观的信息会给到你更多宏观数据给不了的信息和市场敏感度。

实际上,通过宏观和微观的这些调查,会给到我一个相应的信息就是用户的需求在2016年左右上升着基本层面的变化。在2016年之前,市场以90后就业者为主,整体的就业意识比较偏后,大家一开始毕业才开始找工作,并且求职渠道单一,通过招聘网站和找老师。通过这次大规模发现,2016年以后整个用户需求产生了基本面的变化,当然这也是在逐步的迭代。大家去参培的意识更强了,为找工作付费的意识强了。

回想一下当年找工作的时候,很难想象愿意为求职这件事情付费,为求职去参加一家教育培训机构。我花一两万块钱你再坑我。但是现在也深入分析了其本质原因是因为面向的群体是95后,95后从小可能是在家长的屁股下长大,从小就参加各种各样的培训班,为了达到一系列的目的。其实整个的市场参培意识要强很多,这些是通过我们的调查发现到的一系列痛点。

今天想说的第二件事情是在产品研发的层面上,其实数据调研能提供很大的决策。比如说首先先面向C端用户去做了相应的调研,先做一个最宏观的,看一下我们现在这30万的粉丝群体里面各自的分布是什么样子的,从两个维度。一是专业的,我们发现原来管理学和经济学加起来能占有50%的人群。然后第二是学生所在的院校,会发现985211大概占据了40%的样子,然后海外前100的学校,包括英国的学校加起来能占据35%的样子,这是宏观的一个改变。

深度一步,我们专门做了一次基于95后求职意向的调研,这个调研报告也比较有意思,把这些数据拿过来给大家分享。这次报告调研里边调研了268095后的小鲜肉们,这些人跨步在15个省份,63%来自北上广深,30来自于二三线城市。我们发现了什么有意思的现象呢?当问到应届毕业生期待就业行业给了一系列的选项,得出来的结论是这个样子的,最开始看到也非常的吃惊,我知道咨询、金融,四大或者说是保洁联合利华快消品公司很火,但是没有想到居然火到这样的程度。然后再看制造业、地产、律师事务所等等这一系列也不错的行业,当问及学生的时候,他们的意向可能一百个里面不到四个人想进入这样的领域,行业的两极划分在学生的心里面非常的明显,这是通过宏观的数据看到的现象。

发现这个事很有意思,我想知道具体为什么?天然的好奇心想知道为什么会产生这么大的两极分化。因为管理、咨询、金融岗位必须是有限的,都想去肯定进不去,但为什么想去?比较有意思的现象,大概10月份左右去北大办了金融性相关的讲座,在座有300号人。然后问在座的学生说有多少来到金融讲座的学生有金融专业科班出身的,举手的人不到1/4,剩下3/4是各个专业的,就问大家不是学金融的为什么跑来干金融?所有人的回答非常一致,因为给的钱多。

于是乎,我们深度的再去挖掘一层数据。我们去问这些学生们,哪个因素对于你职业发展是最具有吸引力的?然后我们发现受访的群体里面前三大因素,第一个是发展空间,第二个是薪酬,第三个是培训机制。当时我就有一个假设,是不是表面上看起来想进入咨询、想进入投行等等,实际上你想要的是咨询投行背后的东西。比如说发展空间、薪资、培训机制,是不是只要有其他的企业符合这几天点的需求你也想去?只不过因为其他的企业在学校里宣传不到位,奔着这样的实践假设又基于微观的调研分析。

我们做了一个试验,对40位选择想要进入管理咨询的名校学生做了一次宣导。我们选的是地产行业,为什么选地产行业?因为像龙湖、碧桂园、万科、万达的企业给的钱不少。像现在二梯类的管理咨询公司像贝恩、麦肯锡给的应届毕业生一年20万到35万的薪资水平,在学生里面一直被PL公关不得了。但其实地产行业给的薪资也不低,像刚刚提到的一线地产公司基本上给应届毕业生也可以15万到25万的区间。拿这样的一个标的去做试验,大概40位里边19位学生在我们对地产行业进行了宣导和洗脑以后,他选择把地产行业当成了自己的求职目标范围了。

这里边后续会有一个简历,英国的毕业生,本来拿到了波士顿咨询的录取,给他的薪水是一年20万到25万的样子,在我们这次宣导了碧桂园之后,然后他发现其实去地产行业也非常好,碧桂园给的他薪水也不低,最后去了碧桂园。通过这两个佐证得出来的试验目的,其实是很多的公司在学校里边PR宣传不到位,导致这些公司不受欢迎,学生基本上在学校里也是一个蒙的状态。这是这个事例给到我们的一个数据看法。

还有一些这次调研发生的事情,比如说应届毕业生对薪资的期待一般是6K10K61%的人相对处于比较低的范围。最长关注的求职渠道,排名第一的,当今高校生基本上65%的人群再去找工作已经不借助智联、前程无忧传统招聘取代,而是关注像我们这样清新的求职类自媒体微信公众账号,其实可以去佐证这类机构的出现也是在颠覆整个求职者的使用习惯,求职过程中的使用场景。大概是这样的一个意思。

这个数据比较有意思,问到大家对于第一次跳槽时机预判的时候,这有颠覆我们传统对于95后的一个概念。为什么这么说?一般95后给到的印象是干的爽多干两天,干不爽马上辞职走人,包括身边很多做HR的朋友们,现在11月,经常有人跟我去诉苦说,今年刚刚毕业的孩子,正好是大四毕业95年,7月份毕业到他们公司里,干到现在三四个月就开始辞职走人不干了,经常听HR这么说。

但是数据却告诉我们一个相反的事情,其实现在的大学生还是挺理性的,尤其是我们调研的样本数据里边,以985211、海外名校学生居多,75%的人都会考虑在第一份工作上沉淀、历练两三年积累经验再去跳槽,这其实跟生活中所谓的个体偏见是正好相左的一个现象。这个给我们一个参考是说,可能有时候身边觉得的现象只是个体的现象,它被放大了。95后可能在媒体的观点里被放大了,但实际上当我把数据的样本提高到2680人的时候,你就可以看到这个现象是属于一个长尾的现象。

话说回来,说到怎么样去开发课程。刚刚的调研只是调研C端样本众多试验中的一个环节,但有C端还没有太大的用处,还需要去调研B端企业的需求,才能开发我的课程。通常来讲,对于我所处的赛道来讲,最难的点,无论是说面向资本还是说自己在做商业模型,最难的点是怎么把课程内容做到标准化。大家可以设想一下,说到求职,职前教育能想到的有什么样的课?往往会想到教改简历、教怎么去面试,顶多教一些这个行业是干什么的知识,而且在我们行业里边像做金融、四大,五百强为主。最难的点是之前从来都没有数据和教材类的积累,所有的东西都是重新去做,有点像十年前的新东方和K12市场。

前一阵跟学大创始人去聊,他们在十年前怎么去做销售,那个时候简单来讲,其实在销售的过程中,学生的家长过来他也很难知道我上你这课程会有什么结果和效果。后来大家统一的一个玩法,其实是以华尔街英语最先出来的,他们是把学生放到小黑屋给一套试卷,做一系列的测评,测评出来的结果是你这项是60分,你这项是70分,那经过我这一套课你可以到80分,加入这种测评的结果,就让销售结果的维度更加的可视化。话说回来,我们在做求职这件事情来讲,面临着同样的困难就是你的内容怎么样标准化,通过这些数据调研就可以让我们达到这类产品打磨的迭代。

比如说最新开发出来的这套课是有访谈过600多位各大主流领域商,主流公司的HR和用人的部门,通过对他们的访谈梳理出各套公司的用人标准,这套标准是高于平时在招聘网站看到的描述。比如说和彭博社去做访谈的时候,可以看到很多对于人才诉求和公司痛点的地方,比如说招了的新人第二年一半流失了,往往在学生的简历里边看不到流失性这一点的。通过反弹可以把这个诉求给出来,经过这600多位反弹,我们又梳理一套非常标准化的标准,在反向落地推导出来我们要上什么样的课,从而更加贴近这些人的需求。

举例来讲,这是我们访谈问卷,很简单粗暴,也没有太多的很高科技的东西。我们去问这些高管和HR们,哪个环节看重这个人的什么能力,并且做相应的打分,然后你会希望大概他是什么样背景的人,以及像对说明的软实力、逻辑分析能力、语言沟通、仪表仪态、建立关系,过往现在在公司的员工大概属于这里面的哪一个维度的哪一个程度。这是我们试验抽样数据的过程。

这样我们再做出来的东西不是拍脑袋定的,不是一个学生来问我,我说这个东西好,是我过往求职经验得来的,那是不信的。这是过往访问HR得来的结果就不一样了,这是呈现出来的结果,比如说会把采集出来的数据提炼出几项核心的维度,做出人才模型的维图。在雷达图里边标绿的这部分是咨询公司,希望的人才模型和相应的打分程度。通常调研一般985高校毕业学生是标红的,211高校毕业的是标红的,不同阴影的长度代表能力的得分。

然后我们再看这是四大会计事务所对于不同人才的一个诉求,跟刚才的咨询公司是不一样的雷达形式,这个是通过我们数据调研得到的产品形态。最终落地的结果,以及最后做出来的几百名课程,这些只是课程的一级目录,后面会有二级目录和三级目录,会像学校的课程一样拆分知识点,每个视频会分别进行讲解。这是从无到有构建了一套非常标准化的课程体系,说这个可能对于新东方和好未来大机构像小儿科一样几年前就有,但对于我们新型的领域真的是从无到有很艰辛的过程。

这是我们把课程的内容放到App里面,然后加上可视化的数据,比如说加上测评的习题。上课之前是59分,上完课再做是90分,你觉得课有用吗?他觉得有用。

刚刚说的第二件事,第三件事,通过过往的数据调研,能够让我们更好地实现所谓的智能人才匹配。比如说现在一个市场上最大的问题是说,我们所使用的像智联、招聘、前程无忧、猎聘还是机器对人的过程,文本对文本的过程。实际上招聘过程当中双方有很大的试错成本,对于HR来讲,候选人的简历以及短短面试的一两个小时当中,你是很难了解这个人到底是什么样子的,因为往往在面试过程当中双方都会包装自己,然后你把这个人招进来,面试的时候特别好,用了三个月会发现他怎么是这样的。

对于候选人来讲,求职者来讲也有很高的试错成本,公司也在包装自己。你通过简单地公司照片,以及一两个小时公司给你画大饼的时候,你很难知道这个岗位到底是什么样子的,是什么环境的,然后你觉得挺好,满怀欣喜的加入这家公司,干了三个月,原来实际情况是这样的,双方都有很大的试错成本在里面。所以我们在这过程当中怎么通过数据去尝试解决问题?就是在刚刚访谈的过程当中,抽炼出不同的维度,甚至到你的员工为什么离职,让你最头疼的问题是什么,去挖掘HR的潜能需求,同时挖掘学生们的底层需求。拿我刚刚做的报告来说,学生的底层需求是进入一家让他有所成长,同时薪资还可以的工资,这只是举一个例子来讲,我们会深度挖掘一纸简历和一纸职位描述背后的很多维度,真正做到人才和企业之间的衡量。现在我们也把很多的这种数据提炼出来,比如说在我的数据库里面,基本上这30多万的粉丝群体需求都有进行调研,然后以及企业的一些标准都有进行录用。

很简单,我们基本上通过一些编程和算法,可以达到把符合企业需求的信息一旦录入,然后从数据库里可以调出来符合企业需求的简历,然后向企业打包推荐,附上我们对每一个学生认知和了解。这是为什么当我们给企业去推荐候选人的时候,不用像智联一个岗位会收几千封简历,但真正合适的有可能就那么几封简历,我可能一个岗位就给他推20个人,但确保203人里有十三四个都会是让你心动的人。

简单来讲,数据就是增强我们在做爱思益求职的事情,然后怎么样辅助优化,希望能够帮助在座的有些创业者,也许在座有些是企业内部推动新项目的决策者,希望能够帮助到大家。

 

近日,易观在北京举办了《数据至上VS流量为王,在线教育下半场的创新与挑战》的线下沙龙活动,来自易观数据应用中心、智慧树、新东方和爱思益求职的行业大咖和嘉宾,就2018年在线教育行业发展进行了精彩的观点分享。爱思益求职CEO孙静博,发表了题为《数据和流量和细分和精准化》的演讲,以下为演讲内容:

 我最开始的时候也是在中关村创业,爱思益是创业公司,从创业至今有三年半的时间了,最开始是在中关村穿着一件体恤从早到晚996开始踏上创业的旅途。先简单自我介绍一下,这个版本可能是面向2C学生去做的介绍,我自己本身在美国读的书,毕业西雅图做了一年咨询师的公司,当时去高盛工作,后来回国做大学生创业,涉足大学生就业领域。

先简单介绍一下为什么做这件事,我们是教大学生去面对市场怎么去找工作的一家公司。当时为什么做这样的一件事?现在学生毕业以后都开始愁怎么去找到适合自己的工作。我自身也经历过这样的一段迷茫期,所以觉得这是一个痛点。第二个是工作的时候没怎么干别的事,临近毕业的时候没怎么干别的事,天天找工作,大概面过100多家公司,也拿到中国、美国两边大概20多家的录取,就觉得自己这么一趟走过来有很多成功的经验,失败的教训可以复制下来,总结成方法论,然后传递给现在的大学生们。

创业的三年里,我们也做出了小有成绩,比起前面的几位业界大咖们,以及独角兽的公司们,我们还在路上。但是这三年的时间里,首先我们大概积累了30多万线上微信的粉丝群体,全部都是精准的985211高校的用户,以及海外知名学校的留学生。第二也是获得了数轮的融资,包括像中国基金徐老师等等投资的背书。与此同时自己的产品其实是面向C端的客户去提供职业规划、面试技巧、行业技能、行业特训这一类的服务和课程,同时面向企业输送候选人,大概是这样的一个商业模式。

今天想说的是,咱们的主题是大数据。坦诚来讲,我们公司没有海量的数据,毕竟还是一家初创的企业。但是我想说的是,哪怕是初创的企业,通过少量的样本数据去做精细化的分析和挖掘,也能产生比较不错的商业价值,同时去辅助可能很多的公司去做商业的决策。今天我想用几个在创业过程当中做调研的案例,然后来去跟大家讲一讲怎么用数据分析做商业的决策。

通过数据分析达到三个目的:

第一个去了解市场的需求和动态。

第二个去对产品和课程开发提供知识性的决策。

第三个,因为我们是去做类似于招聘的事情,现在都讲究人岗匹配,冷冰冰的工作职位描述和冷冰冰的简历,实际上不能很好地把一个人和一个岗位匹配在一起,因为人是复杂的,单纯的文本信息是很难进行匹配的,所以说深度挖掘信息可能会对我们做精准智能的人岗匹配提供深度的支持。

先说第一个,如何通过对数据的一些分析和判断去了解市场的需求和动态。首先,当我最开始选择做这件事情的时候,会看很多的数据报告和数据分析,行业的一些宏观内容。最后发现做这件事情首先所处的大市场是职业教育,在线职业教育市场规模是800亿,盘子很大,所谓在风口上猪会飞起来,也许是不错的市场。在职业教育大的市场下细分出来很新兴的市场叫大学生的之前教育,通过测算大概是800亿到1200亿,并且是以每年年符合增长率30%在快速迭代,这只是宏观表面上的数据。

再去看整个就业市场的情况,比如说每年在校的学生加起来总共是有280万,790万的应届毕业生,同时有五六十万留学生归国,这是很大的人群。在当今的竞争下面对各种各样的岗位都会来诉苦就业很难,并且国家也在做政策性的支持。这些可能是说从宏观另外一个角度去做市场需求的佐证。但真正想说的是,只靠宏观数据并不能去支撑创业和做产品的决策,很多时候要去看微观,你的用户个体他的需求是什么样的,要深入到个人。于是我们也做大量的用户访谈,当时大概访谈了700多位在校生和职场工作的新人。

这是访谈上海交通大学大三的一名学生,当问及她对于找实习、找工作的这种就业培训市场怎么看的时候,她从她个体的这种感受来告诉我们,现在就业很难,并且她发现身边的同学以前都是大三、大四开始实习,现在大一、大二就开始实习了,并且很多的国际公司开始在大陆,比如说香港高盛、摩根士丹利都在内地开展了分公司,竞争非常的激烈,所以我们需要很早的去准备。其实用户微观的信息会给到你更多宏观数据给不了的信息和市场敏感度。

实际上,通过宏观和微观的这些调查,会给到我一个相应的信息就是用户的需求在2016年左右上升着基本层面的变化。在2016年之前,市场以90后就业者为主,整体的就业意识比较偏后,大家一开始毕业才开始找工作,并且求职渠道单一,通过招聘网站和找老师。通过这次大规模发现,2016年以后整个用户需求产生了基本面的变化,当然这也是在逐步的迭代。大家去参培的意识更强了,为找工作付费的意识强了。

回想一下当年找工作的时候,很难想象愿意为求职这件事情付费,为求职去参加一家教育培训机构。我花一两万块钱你再坑我。但是现在也深入分析了其本质原因是因为面向的群体是95后,95后从小可能是在家长的屁股下长大,从小就参加各种各样的培训班,为了达到一系列的目的。其实整个的市场参培意识要强很多,这些是通过我们的调查发现到的一系列痛点。

今天想说的第二件事情是在产品研发的层面上,其实数据调研能提供很大的决策。比如说首先先面向C端用户去做了相应的调研,先做一个最宏观的,看一下我们现在这30万的粉丝群体里面各自的分布是什么样子的,从两个维度。一是专业的,我们发现原来管理学和经济学加起来能占有50%的人群。然后第二是学生所在的院校,会发现985211大概占据了40%的样子,然后海外前100的学校,包括英国的学校加起来能占据35%的样子,这是宏观的一个改变。

深度一步,我们专门做了一次基于95后求职意向的调研,这个调研报告也比较有意思,把这些数据拿过来给大家分享。这次报告调研里边调研了268095后的小鲜肉们,这些人跨步在15个省份,63%来自北上广深,30来自于二三线城市。我们发现了什么有意思的现象呢?当问到应届毕业生期待就业行业给了一系列的选项,得出来的结论是这个样子的,最开始看到也非常的吃惊,我知道咨询、金融,四大或者说是保洁联合利华快消品公司很火,但是没有想到居然火到这样的程度。然后再看制造业、地产、律师事务所等等这一系列也不错的行业,当问及学生的时候,他们的意向可能一百个里面不到四个人想进入这样的领域,行业的两极划分在学生的心里面非常的明显,这是通过宏观的数据看到的现象。

发现这个事很有意思,我想知道具体为什么?天然的好奇心想知道为什么会产生这么大的两极分化。因为管理、咨询、金融岗位必须是有限的,都想去肯定进不去,但为什么想去?比较有意思的现象,大概10月份左右去北大办了金融性相关的讲座,在座有300号人。然后问在座的学生说有多少来到金融讲座的学生有金融专业科班出身的,举手的人不到1/4,剩下3/4是各个专业的,就问大家不是学金融的为什么跑来干金融?所有人的回答非常一致,因为给的钱多。

于是乎,我们深度的再去挖掘一层数据。我们去问这些学生们,哪个因素对于你职业发展是最具有吸引力的?然后我们发现受访的群体里面前三大因素,第一个是发展空间,第二个是薪酬,第三个是培训机制。当时我就有一个假设,是不是表面上看起来想进入咨询、想进入投行等等,实际上你想要的是咨询投行背后的东西。比如说发展空间、薪资、培训机制,是不是只要有其他的企业符合这几天点的需求你也想去?只不过因为其他的企业在学校里宣传不到位,奔着这样的实践假设又基于微观的调研分析。

我们做了一个试验,对40位选择想要进入管理咨询的名校学生做了一次宣导。我们选的是地产行业,为什么选地产行业?因为像龙湖、碧桂园、万科、万达的企业给的钱不少。像现在二梯类的管理咨询公司像贝恩、麦肯锡给的应届毕业生一年20万到35万的薪资水平,在学生里面一直被PL公关不得了。但其实地产行业给的薪资也不低,像刚刚提到的一线地产公司基本上给应届毕业生也可以15万到25万的区间。拿这样的一个标的去做试验,大概40位里边19位学生在我们对地产行业进行了宣导和洗脑以后,他选择把地产行业当成了自己的求职目标范围了。

这里边后续会有一个简历,英国的毕业生,本来拿到了波士顿咨询的录取,给他的薪水是一年20万到25万的样子,在我们这次宣导了碧桂园之后,然后他发现其实去地产行业也非常好,碧桂园给的他薪水也不低,最后去了碧桂园。通过这两个佐证得出来的试验目的,其实是很多的公司在学校里边PR宣传不到位,导致这些公司不受欢迎,学生基本上在学校里也是一个蒙的状态。这是这个事例给到我们的一个数据看法。

还有一些这次调研发生的事情,比如说应届毕业生对薪资的期待一般是6K10K61%的人相对处于比较低的范围。最长关注的求职渠道,排名第一的,当今高校生基本上65%的人群再去找工作已经不借助智联、前程无忧传统招聘取代,而是关注像我们这样清新的求职类自媒体微信公众账号,其实可以去佐证这类机构的出现也是在颠覆整个求职者的使用习惯,求职过程中的使用场景。大概是这样的一个意思。

这个数据比较有意思,问到大家对于第一次跳槽时机预判的时候,这有颠覆我们传统对于95后的一个概念。为什么这么说?一般95后给到的印象是干的爽多干两天,干不爽马上辞职走人,包括身边很多做HR的朋友们,现在11月,经常有人跟我去诉苦说,今年刚刚毕业的孩子,正好是大四毕业95年,7月份毕业到他们公司里,干到现在三四个月就开始辞职走人不干了,经常听HR这么说。

但是数据却告诉我们一个相反的事情,其实现在的大学生还是挺理性的,尤其是我们调研的样本数据里边,以985211、海外名校学生居多,75%的人都会考虑在第一份工作上沉淀、历练两三年积累经验再去跳槽,这其实跟生活中所谓的个体偏见是正好相左的一个现象。这个给我们一个参考是说,可能有时候身边觉得的现象只是个体的现象,它被放大了。95后可能在媒体的观点里被放大了,但实际上当我把数据的样本提高到2680人的时候,你就可以看到这个现象是属于一个长尾的现象。

话说回来,说到怎么样去开发课程。刚刚的调研只是调研C端样本众多试验中的一个环节,但有C端还没有太大的用处,还需要去调研B端企业的需求,才能开发我的课程。通常来讲,对于我所处的赛道来讲,最难的点,无论是说面向资本还是说自己在做商业模型,最难的点是怎么把课程内容做到标准化。大家可以设想一下,说到求职,职前教育能想到的有什么样的课?往往会想到教改简历、教怎么去面试,顶多教一些这个行业是干什么的知识,而且在我们行业里边像做金融、四大,五百强为主。最难的点是之前从来都没有数据和教材类的积累,所有的东西都是重新去做,有点像十年前的新东方和K12市场。

前一阵跟学大创始人去聊,他们在十年前怎么去做销售,那个时候简单来讲,其实在销售的过程中,学生的家长过来他也很难知道我上你这课程会有什么结果和效果。后来大家统一的一个玩法,其实是以华尔街英语最先出来的,他们是把学生放到小黑屋给一套试卷,做一系列的测评,测评出来的结果是你这项是60分,你这项是70分,那经过我这一套课你可以到80分,加入这种测评的结果,就让销售结果的维度更加的可视化。话说回来,我们在做求职这件事情来讲,面临着同样的困难就是你的内容怎么样标准化,通过这些数据调研就可以让我们达到这类产品打磨的迭代。

比如说最新开发出来的这套课是有访谈过600多位各大主流领域商,主流公司的HR和用人的部门,通过对他们的访谈梳理出各套公司的用人标准,这套标准是高于平时在招聘网站看到的描述。比如说和彭博社去做访谈的时候,可以看到很多对于人才诉求和公司痛点的地方,比如说招了的新人第二年一半流失了,往往在学生的简历里边看不到流失性这一点的。通过反弹可以把这个诉求给出来,经过这600多位反弹,我们又梳理一套非常标准化的标准,在反向落地推导出来我们要上什么样的课,从而更加贴近这些人的需求。

举例来讲,这是我们访谈问卷,很简单粗暴,也没有太多的很高科技的东西。我们去问这些高管和HR们,哪个环节看重这个人的什么能力,并且做相应的打分,然后你会希望大概他是什么样背景的人,以及像对说明的软实力、逻辑分析能力、语言沟通、仪表仪态、建立关系,过往现在在公司的员工大概属于这里面的哪一个维度的哪一个程度。这是我们试验抽样数据的过程。

这样我们再做出来的东西不是拍脑袋定的,不是一个学生来问我,我说这个东西好,是我过往求职经验得来的,那是不信的。这是过往访问HR得来的结果就不一样了,这是呈现出来的结果,比如说会把采集出来的数据提炼出几项核心的维度,做出人才模型的维图。在雷达图里边标绿的这部分是咨询公司,希望的人才模型和相应的打分程度。通常调研一般985高校毕业学生是标红的,211高校毕业的是标红的,不同阴影的长度代表能力的得分。

然后我们再看这是四大会计事务所对于不同人才的一个诉求,跟刚才的咨询公司是不一样的雷达形式,这个是通过我们数据调研得到的产品形态。最终落地的结果,以及最后做出来的几百名课程,这些只是课程的一级目录,后面会有二级目录和三级目录,会像学校的课程一样拆分知识点,每个视频会分别进行讲解。这是从无到有构建了一套非常标准化的课程体系,说这个可能对于新东方和好未来大机构像小儿科一样几年前就有,但对于我们新型的领域真的是从无到有很艰辛的过程。

这是我们把课程的内容放到App里面,然后加上可视化的数据,比如说加上测评的习题。上课之前是59分,上完课再做是90分,你觉得课有用吗?他觉得有用。

刚刚说的第二件事,第三件事,通过过往的数据调研,能够让我们更好地实现所谓的智能人才匹配。比如说现在一个市场上最大的问题是说,我们所使用的像智联、招聘、前程无忧、猎聘还是机器对人的过程,文本对文本的过程。实际上招聘过程当中双方有很大的试错成本,对于HR来讲,候选人的简历以及短短面试的一两个小时当中,你是很难了解这个人到底是什么样子的,因为往往在面试过程当中双方都会包装自己,然后你把这个人招进来,面试的时候特别好,用了三个月会发现他怎么是这样的。

对于候选人来讲,求职者来讲也有很高的试错成本,公司也在包装自己。你通过简单地公司照片,以及一两个小时公司给你画大饼的时候,你很难知道这个岗位到底是什么样子的,是什么环境的,然后你觉得挺好,满怀欣喜的加入这家公司,干了三个月,原来实际情况是这样的,双方都有很大的试错成本在里面。所以我们在这过程当中怎么通过数据去尝试解决问题?就是在刚刚访谈的过程当中,抽炼出不同的维度,甚至到你的员工为什么离职,让你最头疼的问题是什么,去挖掘HR的潜能需求,同时挖掘学生们的底层需求。拿我刚刚做的报告来说,学生的底层需求是进入一家让他有所成长,同时薪资还可以的工资,这只是举一个例子来讲,我们会深度挖掘一纸简历和一纸职位描述背后的很多维度,真正做到人才和企业之间的衡量。现在我们也把很多的这种数据提炼出来,比如说在我的数据库里面,基本上这30多万的粉丝群体需求都有进行调研,然后以及企业的一些标准都有进行录用。

很简单,我们基本上通过一些编程和算法,可以达到把符合企业需求的信息一旦录入,然后从数据库里可以调出来符合企业需求的简历,然后向企业打包推荐,附上我们对每一个学生认知和了解。这是为什么当我们给企业去推荐候选人的时候,不用像智联一个岗位会收几千封简历,但真正合适的有可能就那么几封简历,我可能一个岗位就给他推20个人,但确保203人里有十三四个都会是让你心动的人。

简单来讲,数据就是增强我们在做爱思益求职的事情,然后怎么样辅助优化,希望能够帮助在座的有些创业者,也许在座有些是企业内部推动新项目的决策者,希望能够帮助到大家。