智能化总体方案1.0.2

单一的指标不能满足多种方案的优劣。比如有的算法注重短期利益，有的算法能满足长期利益，但短期指标却并不好看。我们app不但要让更多的用户进来，同时也要维护app的美誉度，让所有的企业和用户都信赖我们，愿意放心的在我们平台上招人或找工作。所以需要从宽到严，从短到长的多个衡量指指标。这些指标也要随着业务发展，以及认识的深化，不断调整和优化。

求职者和用人企业来回互动1次，2次，。。。都可以作为参考指标，一般互动次数越多，成交可能性越大。如果只取第一次互动，有可能比较不同算法不太准确

求职者和用人企业，交换微信，手机。一般交换通信方式，用户和企业就己经有很高概率成交了。所以这也是比较重要的指标。

虚拟电话的聊天记录可以转为文本，文本信息中我们可以提取有关的信息，可以知道用户是否喜欢这个岗位。企业对求职者是否满意等其他信息。这些互相满意的信息我们可以提取出来，作为转化率的一个指标。这个数据比交换电话和微信更加准确。

比如公司对人满意，一般会说：

面试者满意对岗位满意，一般会说:

系统的宏观图片，主要是认识系统总的架构，概貌，可以清晰的看到每个环节的重要组成模块，数据流动的路径。。。

所有算法有关的系统都要尽量有个详情示意图。比如系统经过哪些流程，每个流程计算平均时间是多少，计算需要多少cpu资源和存储空间。每个流程的主要计算思路？是否可以改进？痛点是什么？这样，每个公司员工都通过这个图，快速的，可以宏观微观的了解我们的系统。

理想的形式是，一张大的图片，用户可以放大缩小，可以看到每个环节的详细信息，也可以全貌的浏览。也就是任何开发人员或产品设计人员，看这些图即可对我们系统深入浅出的全方面理解。当然这样做要很多工作量，类似一个地图绘制软件。在力量有限的情况下，我们可以用全局图，局部图，多张图片来表达。

描述文本中提取信息,当我们提取程序足够强大的时候，就可以直接使用机器人的方式来发布岗位信息。

岗位描述信息中提取，工作时长，劳动负荷，休闲时间长短，分布。。。是否要上夜班，周六是否加班，是否有加班费，工资是月结，日结。。。要求是外地户籍的，要求小孩年龄的，。。。

岗位的一些要求，比如:无明显纹身，有健康证，普通话，英语或其他语言要求，身高，年龄，外貌要求，招聘的人数。店铺的几个位置

岗位的一些能力要求，比如:刀工要好，需要c1驾照，会骑电动车，会拉面。。。会xxx的菜系。

电脑和手机的使用水平: 是否会用导航，是否会用饿了么接单，四回复会用收银电脑， ...会excel，ppt。。。

福利待遇的价值估算。比如，包吃，包住，。。。，加起来总共价值多少钱

一个岗位信息描述了多个职位，这些可以拆成多个岗位。也有一些招聘企业，只是分店位置不同。发布了多条信息。这些可以合并在一起。。。。。。。

经纬度加上地铁站信息，计算交通距离。把地图分块，地铁，道路等信息导入其中，这样可以快速取出用户附近的岗位，几乎不用计算（事先都算好）。按交通距离进行过滤。每个岗位和用户的交通距离都可以计算清楚。

一些特征的统计

机器学习中引入更多用户行为数据

用户在每个岗位的停留时间。查看岗位信息的时候，用户是否上下划动，仔细的看。。。

个性化的排序算法，根据用户的偏好排序，比如，收入，地理位置，劳动负荷，。。。

一些统计的算法性价比会更高，可以让这些算法和神经网络的算法进行融合，降低系统的消耗，同时又不影响系统的性能

已点击数据的处理

认真体验求职者和用人单位的app体验

体验数据不记录系统中，不要影响系统数据

开发测试app或页面

体验数据不记录系统中，不要影响系统数据

投入计算的cpu和存储空间大小。效果差不多的算法我们就可以选择更经济的算法

机器人的高级阶段是，没有软件，所有人都和机器人聊天，就可以找工作，找员工。就像委托给秘书一样，你告诉你的秘书一件事，其他都由这个秘书自动完成。

你是想找家附近的工作吗？离家远一点工作你会考虑吗？

智能回访，收集用户的信息。而且我们还可以收集，是否愿意加班？是否愿意找更远工作？是否和好友合租？是否家里有小孩上学吗？是否家里有老人需要照顾

描述信息提取方面的程序如果已经比较成熟了，就可以把我们app做成一个聊天软件。企业招人只需要把岗位信息文本发给机器人即可，也可以把机器人整合到微信公众号，飞书，钉钉。企业招人，用户求职，和机器人互动即可。

比如， co.:我们公司要招一个收银员 ai:好的，这个岗位地址在哪里 co.:在八佰伴三楼 ...... ai:信息己经发布 ai:如果你要查看管理发布信息可以直接说:管理岗位

比如， user:我想找一个收银员的工作 ai:好的，你平时都住在哪里 user:在南京东路。。。号 ai:下面是一些岗位的信息 ai:你可以点链接查看更多。。。

工资范围的智能估算

自动统计影响工资范围的因素，自动预测每个岗位的合理薪资范围，凡事超出范围的岗位就会提示风险，要求用人单位补填信息。

这个岗位为什么工资高？

是要加班吗？是更危险吗？用机器客服回访形式收集这些信息或者app强制填写收集的信息也作为岗位的信息

每个求职者都有一个期望工资估算，如果用户超出范围，系统会自动要求用户填写信息，比如

为什么要求更高期望工资？是身体特别强壮，能负担更重活吗？是否不怕辛苦，愿意加班吗？是有什么特别才能，技能吗？。。。

这往往是用户的住房限制造成的。如果我们能找第三方提供廉价的类似公寓一样的居住服务，这样大部分求职者就可以在整个上海市自由流动。这种居住服务要价格合适，支持按月按日结算。同时根据不同的需求，提供不同档次功能的房型，比如，可以做饭的，有独立卫生间的。可以带小孩入住的。。。

吃饭问题，反应了很多人不愿意自己做饭，外面点餐，吃得又不够健康，营养单一；许多租用的房间狭小，没有独立厨房，等等因素造成的。如果我们能在用人单位多的地方提供一些简化的自助餐服务，保证用餐在一天的营养健康，自助厨房或者其他创新的三餐解决机制。让求职者无吃饭和营养健康的烦恼。这样以后用人企业和求职者就不需要纠结包吃包住的问题了。

如果时间货币系统对教育工作者的度量准确性达到一定程度，那么就可以组建很多虚拟的临时教室。家长可以预约这种教室，给孩子不足的地方进行更好的培训。

企业和工作环境的介绍。这些有利于企业吸引员工，比如，企业办公环境的照片和视频。企业的员工福利介绍。。。

企业衡量员工成绩的标准，好的衡量标准可以鼓励员工的成长，有利于员工的长期利益

信用等级在所有企业有关信息中突出显示，建立用户的风险观念，而不是一味追求高薪

信用等级低的企业限制措施岗位发布数量限制爆光和撮合数量限制

一些热门岗位我们可以主动调查，收集用户的现场照片，反馈信息，重要作用的信息可以提供奖励，或者不同中奖率的抽奖活动。比如这家是中介或骗子公司，第一个真实反馈的，我们根据信息价值给他相应价值一些奖励。企业风险检查员，上门了解企业需求，发现是虚假信息，没收押金

优秀的人才定义

最终的形式是给用户的每一种能力一个等级。比如用户是一个软件工程师。那么我们就要给他开发有关的各种能力一个等级。比如，java一级，mysql二级，数据建模1级，。。。每个能力的每个等级都要仔细的评估和不断的更新迭代，和市场用人的状况相匹配。优秀的人才自然是市场需求较多，各项能力指标都刚好匹配的人

优秀的人才更多曝光以及和优秀企业的撮合机会

优秀的人才和优秀企业的都有更多的配对机会，这样可以保证他们找到最合适的工作，找到最合适的人。同时也是鼓励其他企业和求职者，提供更多信息，创造更好的工作环境，努力学习更多的技能。

比如是否收押金，是否有体检费，。。。这些明示可以给求职者一个提醒，同时也是判断企业是否不诚信的一个参考。

风险押金制度，招聘企业，要有一定的押金

收费项目明示，凡是要向求职者收费的项目必须明示，否则认为是欺骗，第一个有证据的举报者可以获得奖励，被举报企业信息封杀，通知所有去面试的人。

招聘单位如果是中介，就认为是欺骗(或者必须明示是中介)

用户面试建议用户登记。因为我们会收集所有的面试者的反馈信息。如果有风险，用户可以及时收到提醒

智能系统会估算每个公司的风险

系统会估计每个公司行骗的概率，一旦发概率较高，就会给出警示信息。实时监控企业和用户的聊天信息和发布信息，一旦发现可能出现风险的行为，也会自动通知有关的用户。并且要求招聘企业给出更多信息，配合调查，回访。