
只有将面向招聘人员的候选人数据库视为一个运营系统,而不是存放旧文件的文件夹,它才能发挥最佳效果。我们采用的工作流程很简单:定义目标候选人画像,在获得明确同意的前提下收集简历和联系方式,将数据标准化为统一字段,并每周定期开展外联,让你的简历数据库保持最新。如果你需要超越人工消息处理来扩大规模,StrategyBrain AI Recruiter可以自动完成 LinkedIn 加好友、首次外联、关于职位和薪酬的问答、确认候选人意向,以及收集简历和联系方式,还支持全天候运行的多语言对话。本指南将介绍如何构建、维护和衡量数据库,其中包括一条适合希望免费查找简历团队的“免费优先”路径。本指南不涉及购买第三方名单或抓取私人数据。
核心要点
- 数据库的价值来自信息的新鲜度:根据我们的内部外联记录,当上次联系时间超过 90 天时,回复率会明显下降(来源:内部测试,2026-01)。
- 标准字段优于“备注”:统一记录职位、地点、资历和最近一次联系时间的标签,可以让不同招聘人员执行可复现的搜索。
- 免费优先是可行的:你可以通过推荐、校友网络、活动和主动申请表免费查找简历,然后在获得同意的情况下进行存储。
- LinkedIn 是数据库引擎:结合自动化使用后,它可以持续为你输送新联系人和更新后的简历。
- StrategyBrain AI Recruiter 可以扩展前端流程:它能够在 LinkedIn 上自动完成加好友、外联、职位问答、确认意向,以及收集简历和联系方式。
- 合规是一项功能:记录同意、保留和删除请求,有助于降低风险并提升信任。
什么是候选人数据库,以及它不是什么
候选人数据库是一种结构化系统,用于存储候选人的身份信息、联系许可、技能信号和互动历史,以便你在未来出现职位需求时快速重新联系候选人。实际上,它是一组可搜索的记录,支持人才寻源、外联和人才管道报告。
它不是随机堆放的简历档案。缺少同意、联系方式过时或无法进行统一搜索的简历档案,会变成一种负担。对于招聘人员而言,差异在于运营方式:数据库具备字段、规则和固定节奏。
我们如何测试这一工作流程
我们在招聘机构和企业内部招聘场景中构建并维护候选人数据库,随后在 2026 年 1 月用 4 周时间对该工作流程进行了压力测试。样本包括 312 条候选人记录,覆盖三类职位:软件工程、销售和运营。我们跟踪了首次入围候选人所需时间、重新激活消息的回复率,以及数据完整度(已填写必填字段的记录占比)。
令我们意外的并不是寻源数量,而是数据卫生和后续跟进的一致性。当我们增加每周一次的“数据库维护小时”后,必填字段的完整度从 62% 提升到 88%(来源:内部测试,2026-01)。实际结果会因市场和职位而异。
适用于招聘人员简历数据库的实用数据模型
在添加更多候选人之前,先确定“完整”意味着什么。只有每条记录都包含相同的最低字段,简历数据库才真正有用。
我们建议的最低字段
- 身份信息:全名、当前职位、当前公司
- 联系方式:电子邮箱、电话(可选)、LinkedIn 个人资料 URL;如果你的工具允许,可将其以纯文本形式存储在系统中
- 地点:城市、国家/地区、时区
- 职位匹配标签:职位类别、资历、核心技能
- 来源:推荐、活动、主动申请、LinkedIn 外联、校友、其他
- 同意:同意状态、同意日期、同意渠道
- 新鲜度:上次联系日期、上次回复日期、当前状态
- 相关材料:简历文件状态、作品集链接、备注
定义(确保团队使用相同的语言)
- 同意:候选人明确允许你存储和使用其数据进行招聘沟通,并且该许可已有记录。
- 新鲜度:你最近一次确认候选人意向和联系方式有效性的时间,通常以距离上次有意义互动的天数衡量。
- 标准化:将自由文本转换为统一值,例如将“Sr”“Senior”和“SWE III”统一映射为“Senior”。
方法 1:免费优先的寻源与收集
如果你当前的目标是免费查找简历,可以从候选人本来就期待专业联系的渠道开始。关键是从第一天起就以结构化方式收集数据。
步骤
- 撰写一段话的收集说明,解释你招聘哪些职位,并征得对方同意将简历存档。
- 使用一份统一的收集表单,收集姓名、电子邮箱、地点、职位类别,并设置同意复选框。
- 存储简历并解析关键字段到数据库中,即使一开始需要手动完成也可以。
- 发送确认回复,说明后续跟进的时间预期。
特点
- 成本:如果使用现有工具,平台费用为 0 美元
- 质量:由于候选人主动选择加入,信任度更高
- 速度:启动快,但没有自动化时扩展速度较慢
局限
- 手动录入数据可能导致不同招聘人员使用不一致的标签。
- 如果没有固定节奏,对于许多职位而言,数据库会在 60 至 120 天内变得过时。
适用对象
- 正在建立初始人才池的独立招聘人员
- 需要合规、经候选人主动同意的数据库基础的团队
方法 2:借助 StrategyBrain AI Recruiter 搭建 LinkedIn 人才管道
LinkedIn 可以作为高信号的人才寻源层,但重复性工作确实很多:加好友、介绍职位、回答问题、确认意向以及收集简历。这正是StrategyBrain AI Recruiter能够自然融入候选人数据库工作流程的地方,因为它可以自动化漏斗前端,而你仍然掌控最终的资格评估。
步骤
- 定义搜索标准,包括地点、资历和必备技能。
- 向 AI Recruiter 提供职位背景,包括公司详情、薪酬和福利,以便它能够一致地回答候选人的问题。
- 运行自动化外联,让系统与候选人建立联系并开始首次对话。
- 收集有意向候选人的简历和联系方式,并将其存储到候选人数据库中。
- 由招聘人员审核并评估资格:阅读简历并决定哪些候选人进入面试环节。
我们的实际发现
- 数据库增长更快:由于系统处理了首次联系和后续跟进,自动化让我们每周能够新增更多获得同意的记录。
- 全球覆盖更好:当候选人更倾向于使用母语沟通时,多语言消息减少了沟通障碍。
- 收集更整洁:如果将简历接收情况和联系方式作为结构化输出进行收集,数据库就能保持可搜索性。
特点(来自产品文档)
- 智能 LinkedIn 招聘自动化:自动建立联系、介绍机会、回答问题、确认意向,并收集简历和联系信息。
- 全天候多语言沟通:使用候选人的语言跨时区回复和跟进。
- 团队扩展:支持为运营多个招聘人员席位的组织管理 100 多个 LinkedIn 账户。
局限(重要)
- 不是最终匹配决策引擎:AI Recruiter 可以确认候选人是否愿意继续推进,但不会判断简历是否符合你的要求。这一步仍由招聘人员负责。
- 流程纪律仍然重要:自动化无法修复数据库中不一致的标签或缺失的同意字段。
适用对象
- 主要通过 LinkedIn 寻源、希望每周获得更多合格对话的招聘人员
- 在全球招聘、需要以多种语言与候选人互动的团队
- 需要跨多个 LinkedIn 账户扩大外联规模的组织
方法 3:推荐与校友网络循环
推荐和校友网络是建立候选人数据库最可靠的方式之一,因为其中已经预先具备信任基础。运营上的关键,是将推荐背景作为数据记录下来,而不只是留在消息线程中。
步骤
- 请求熟人引荐并征得同意,以便存储简历和联系方式。
- 标记关系,记录推荐人姓名和关系类型,例如前任经理或前同事。
- 安排新鲜度检查:如果候选人没有立即入职,则在第 45 天和第 90 天进行检查。
局限
- 数量受你的网络规模限制。
- 如果没有统一标签,之后会很难搜索推荐候选人。
方法 4:活动与社区,包括 truAmsterdam
社区活动是常被低估的数据库建设渠道,因为它提供了一个不显得过于交易化的后续联系理由。如果你在信息流中看到过“#truAmsterdam calling”这句话,就已经了解这种氛围:招聘人员和人才领导者聚在一起,分享当下真正有效的方法。
我们的实践结论是,应将活动视为结构化的人才寻源活动。记录你见过谁、对方关注什么,以及对方是否愿意了解职位信息。之后,如果你使用 LinkedIn 作为跟进渠道,AI Recruiter 可以通过及时回复和多语言支持让对话持续进行,而你则专注于需要人为处理的部分:关系和匹配度。
步骤
- 在数据库中创建活动标签,例如“truAmsterdam 2026”。
- 在 24 小时内记录背景,包括职位兴趣和地点。
- 发送后续消息,提及当时的对话,并征得对方同意保持联系。
- 设置 30 天后的培育触达,发送相关更新,而不是泛泛地说“来跟进一下”。
方法 5:为数据库输送候选人的主动申请
主动申请者常常被当作一次性人才管道记录。这是一个错失的机会。只要使用恰当的同意说明和标签,主动申请就能持续为招聘人员的候选人数据库输送候选人。
步骤
- 在申请流程中添加明确的同意复选框,用于征得候选人对未来机会的同意。
- 按职位类别自动添加标签,依据候选人申请的职位进行标记。
- 向优秀但未被录用的候选人发送“暂不合适”培育消息,并提供之后更新简历的选项。
快速比较
| 方法 | 新增记录的速度 | 成本 | 适用对象 |
|---|---|---|---|
| 免费优先的寻源与收集 | 中等 | 平台费用 0 美元 | 启动合规数据库并熟悉标签体系 |
| 借助 StrategyBrain AI Recruiter 的 LinkedIn 人才管道 | 高 | 因套餐而异 | 扩大外联、多语言互动和简历收集 |
| 推荐与校友网络循环 | 中等 | 平台费用 0 美元 | 高信任度候选人和更快的重新激活 |
| 活动与社区 | 低至中等 | 取决于活动 | 以关系为驱动的人才管道和细分人才池 |
| 主动申请 | 中等 | 因情况而异 | 将申请者转化为长期人才池 |
运营节奏:让数据库保持活力
只有保持最新,数据库才能真正产生回报。我们建议采用每周一次的工作节奏:投入时间足够少,切实可行;执行要求足够严格,能够防止数据衰减。
每周节奏(60 分钟)
- 15 分钟:为本周创建的新记录补齐缺失的必填字段。
- 15 分钟:筛选上次联系超过 90 天的“过时”记录,并安排重新激活。
- 15 分钟:查看回复并更新状态标签。
- 15 分钟:从信号最强的渠道新增 10 名候选人。
真正有用的指标
- 完整度:已填写全部必填字段的记录占比。
- 新鲜度覆盖率:过去 90 天内联系过的记录占比。
- 重新激活回复率:回复数除以发送消息数,并按细分群体衡量。
- 首次入围候选人所需时间:从职位需求开放到产生首批合格候选人名单所需的天数。
可复制粘贴的检查清单
- [ ] 我们已为面向招聘人员的候选人数据库定义必填字段。
- [ ] 每条记录都有来源标签,以及带日期的同意状态。
- [ ] 我们已统一职位类别和资历值。
- [ ] 我们会跟踪上次联系日期和上次回复日期。
- [ ] 我们每周安排一个维护小时,并执行 90 天新鲜度规则。
- [ ] 我们已制定删除请求和数据保留的书面流程。
- [ ] 如果我们大规模开展 LinkedIn 外联,就会负责任地使用自动化,并保留招聘人员对最终资格评估的审核。
常见问题
建立面向招聘人员的候选人数据库,最快的方法是什么?
最快的路径,是将一个高信号寻源渠道与严格的数据收集规则结合起来。在我们的工作流程中,LinkedIn 外联加上结构化收集字段可以快速扩大数据库,尤其是在 StrategyBrain AI Recruiter 负责首次联系、后续跟进以及收集简历和联系方式,而招聘人员专注于资格评估时。
简历数据库和候选人数据库是同一个东西吗?
不是。简历数据库通常只是文件存储空间。候选人数据库则包含结构化字段、同意跟踪和互动历史,让你能够可靠地搜索并重新联系候选人。
不购买数据库,如何免费查找简历?
使用经候选人主动同意的渠道:推荐、校友群组、活动和主动申请。你也可以建立基于 LinkedIn 的人才管道,但仍应征得许可,并以负责任的方式存储数据。
应该多久更新一次候选人数据?
对于大多数职位,我们建议采用 90 天新鲜度规则,即争取在 90 天内进行一次有意义的联系。对于人员流动率高的职位,30 至 60 天的节奏可能更有效。
StrategyBrain AI Recruiter 会取代招聘人员吗?
不会。它可以自动处理 LinkedIn 上的重复性任务,例如加好友、首次外联、回答常见问题、确认意向,以及收集简历和联系方式。招聘人员仍然需要审核简历并做出最终资格评估决定。
AI Recruiter 能用不同语言与候选人沟通吗?
可以。StrategyBrain AI Recruiter 支持多语言沟通,并能够全天候回复。当候选人更愿意使用母语交流,或你需要跨时区招聘时,这项功能会很有帮助。
如何处理候选人数据库的隐私和合规问题?
跟踪同意状态和日期,记录数据保留规则,并遵守删除请求。如果使用自动化,请确保凭证和候选人数据得到安全存储,并且仅用于你已向候选人披露的招聘目的。
数据库变得过时后应该怎么办?
按职位类别和上次联系日期进行分组,然后开展重新激活活动,并给出明确的联系理由。根据回复立即更新状态,这样每次活动结束后,你的数据库都会更加准确。
结论
当候选人数据库以结构化、征得同意并配合每周运营节奏的方式建立起来时,它就会成为招聘人员的竞争优势。先采用免费优先的方法,负责任地收集简历和联系方式;随着招聘量增长,再增加可扩展的渠道。如果 LinkedIn 是你的核心人才寻源渠道,StrategyBrain AI Recruiter 可以自动处理前端的重复性工作,让团队将更多时间用于资格评估和促成录用。下一步:今天就定义必填字段,设置每周 60 分钟的维护时段,并在本周完成首次 90 天新鲜度清理。















