新质客户全链路诉求 · 优先级排序

基于客户调研与痛点拆解 · 嵌入式/机械方向 · 按重要性分层
7
客户明确提出的诉求
8
合理推测诉求
5
核心级(高频刚需)
全链路拆解 · 痛点环节映射
需求定义4项
岗位发布1项
简历筛选3项
能力校验3项
Offer2项
入职1项
留存1项
需求定义
#2 HR听不懂技术需求
#3 需要人帮梳理需求
#6 预算与市场脱节
#7 JD质量差投递少
岗位发布
#8 新质岗位曝光不足
简历筛选
#1 同名不同工搜不准
#4 直接帮我把人找到
#9 沉默简历未激活
能力校验
#10 看不出技术深浅
#11 面试官不会面
#15 面试参考题目
Offer
#5 不知道市场价
#12 想知道对手给多少
入职
#13 招聘进展不可视
留存
#14 人才流失找不回
✓ 客户明确提出(7项) 合理推测(8项) 核心 重要 一般
核心 5 项 · 不解决就不合作的刚需 · 全部为客户明确提出
1简历搜不到、推不准 — "同名不同工"困境✓ 客户提出简历筛选
2HR听不懂技术需求、写不出JD✓ 客户提出需求定义
3需要有人帮忙把需求"问清楚、理明白"✓ 客户提出需求定义
4直接帮我把人找到推过来(RPO交付)✓ 客户提出简历筛选
5不知道市场价到底是多少(薪资信息真空)✓ 客户提出Offer
重要 9 项 · 解决后明显提升满意度 · 含2项客户明确提出
6预算与市场严重脱节,反复招不到人推测需求定义
7JD质量差导致投递量低推测需求定义
8新质岗位在通用列表中被淹没、曝光不足推测岗位发布
9平台上搜不到人(沉默简历未激活)推测简历筛选
10看简历看不出技术深浅✓ 客户提出能力校验
11面试官不知道怎么面新质岗位推测能力校验
12想知道竞争对手在抢谁、给多少✓ 客户提出Offer
13招聘进展不可视,要主动追才有反馈推测入职
14面过的人流失了想再找回来,找不到了推测留存
一般 1 项 · 有则更好 · 合理推测
15希望有面试参考题目能力校验
关键洞察 · 诉求来源与集中度
7项客户明确提出的诉求全部集中在3个环节:需求定义(2项)、简历筛选(2项)、Offer(2项)+ 能力校验(1项),印证了新质岗位的根本困境:"定义不清 + 找不到人 + 不知道价"。

值得注意的是,核心诉求#2(HR写不出JD)和#3(需要人帮忙梳理需求)指向同一个解法:需求校准服务——这正是我们当前切入方向的验证。

8项合理推测诉求分布在链路中后段(岗位发布、能力校验、入职、留存),优先级应低于客户已验证的7项,但其中"JD质量差""岗位曝光不足""竞争情报"等实现难度为"易",可作为增值服务快速补充。
快速落地象限 — 核心/重要 × 难度易
象限
对应项目
核心 + 易
需求诊断对话 (SOP化)
重要 + 易
JD优化服务 新质岗位专区 竞争情报同步 RPO跟踪进度反馈
核心 + 中
需求结构化拆解 [AI] 内部RPO交付 细分薪资数据
重要 + 中
需求合理性校验 简历扩容 面试题库+Rubric 企业自有人才库
核心 + 难
技能图谱匹配(长期投入)
可参考公司模式

小麦招聘 · TTC(北京才多对信息技术有限公司)

AI Agent 猎头产品 · A轮千万美元级(厚雪领投、百度战略投资)· 源码/创新工场早期投资

AI Agent 高端/科技人才 猎头AI化 B+C双端 结果交付
核心模式
  • 将顶尖猎头判断逻辑解码为结构化模型,赋能AI Agent
  • AI不完全替代猎头,而是"AI + 顾问混合协作"
  • 追求"结果交付"而非流量变现(用户越快成功越好)
  • 单岗招聘成本从十几万降至一两千,激活增量市场
产品六大功能
  • 岗位推荐 — 基于语义匹配而非关键词
  • 求职机会洞察 — 理解岗位背后的业务语境
  • 简历优化 — AI辅助提升通过率
  • 面试辅导 — 针对性面试准备
  • 职业规划 — 长期陪伴式服务
  • 行业信息洞察 — 薪资/竞争/趋势
技术路径
  • 未做专门模型微调,依赖工程架构
  • 核心:知识库 + 上下文工程 + User Memory + Agent Tooling
  • "User Memory"持续记住用户背景/目标/偏好
  • 数据闭环驱动系统演化(投递→面试→反馈→优化)
  • 自建"TalentBench"评测集支撑迭代
与传统平台差异
  • 传统 = 信息陈列 + 流量变现(多浏览多点击)
  • 小麦 = Agent重构求职链条 + 结果付费
  • 信息连续、上下文一致、持续理解
  • 双边智能撮合(B端需求 ↔ C端候选人)
  • 当前聚焦AI行业人才,首月过万C端用户
对我们的启发
相似点:都在解决"定义不清 + 找不到人"的问题,都强调AI不替代人而是增强;聚焦科技/新质人才细分市场。
差异点:小麦偏C端求职者视角(AI猎头顾问),我们偏B端企业视角(RPO交付 + 需求校准)。小麦做平台型产品,我们当前是运营+工具驱动。
可借鉴:① User Memory机制(记住企业招聘偏好减少重复沟通)② 数据闭环思路(交付结果反哺需求定义优化)③ "结果交付"定价模式而非按流量收费。