
对于招聘人员而言,在线招聘要想发挥最佳效果,应在优化工具、人才搜寻或招聘速度之前,先筛选候选人的可培养性、情商、动机和性情。Leadership IQ 的一项研究发现,46%的新员工会在入职18个月内失败,其中只有11%是因为技术技能不足,这意味着通过更好地评估软技能并收紧面试流程,大多数失败都是可以预防的。在本指南中,我们将这些研究结果转化为一套可在 LinkedIn 及其他渠道执行的在线招聘工作流程,其中包括结构化问题、危险信号处理和实用评分卡。我们还将介绍 StrategyBrain AI Recruiter 如何融入这一流程:自动执行 LinkedIn 外联和后续跟进,收集简历及联系方式,并以任何语言全天候推动候选人沟通,让招聘人员有更多时间评估真正能够预测成功的因素。
要点总结
- 失败很常见,而且可以量化:Leadership IQ 的研究显示,46%的新员工会在入职18个月内失败,因此预防工作需要从入职第一天之前就开始。
- 技术技能很少是根本原因:只有11%的失败源于技术技能,而大多数失败都与可培养性、情商、动机和性情有关。
- 在线招聘速度会增加风险:82%的管理者承认曾在面试中看到危险信号,但许多人仍然选择录用;当招聘周期被压缩时,这一问题会更加严重。
- 使用重视软技能的评分卡:结构化评分标准能够统一在线面试小组的评估方式,并减少“凭感觉”造成的偏差。
- 自动化外联,而不是自动化判断:StrategyBrain AI Recruiter 可以处理 LinkedIn 建联、消息发送、后续跟进和简历收集,让招聘人员专注于更高价值的评估。
- 全球招聘需要全天候沟通:全天候多语言候选人消息能够减少候选人流失,并让跨时区的人才管道持续保持活跃。
数据说明了招聘失败的原因
当团队讨论招聘失败时,话题往往会默认归结为技能差距。源材料引用的 Leadership IQ 研究指出,现实情况有所不同:46%的新员工会在入职18个月内失败,而只有11%是因为技术技能不足。其余失败与人际交往和动机因素有关,这些因素会体现在日常工作中,而不是简历关键词匹配上。
在同一来源中,Leadership IQ 对失败原因的拆分具体且具有可操作性:可培养性占26%,情商占23%,动机占17%,性情占15%,技术能力占11%。如果你正在开展面向招聘人员的在线招聘,这是个好消息,因为即使在远程流程中,也可以通过结构化问题和一致的证据记录来评估这些特质。
招聘人员可执行的实用在线招聘工作流程
我们将原始叙述重新构建为一套在线优先的工作流程,在保留核心事实的同时,让流程更易于复现。2026年1月,我们还使用同一份评分卡和固定问题集,在内部对12名会计和财务候选人进行了筛选测试。我们看到的最大改进是决策清晰度:由于每位候选人的证据都以相同格式记录,招聘经理能够更快达成一致。痛点在于时间:结构化评估需要在每位最终候选人身上投入更多时间,这正是我们建议自动化外联和后续跟进等低判断步骤的原因。
工作流程概览
- 在职位描述中定义成功特质:除了技术要求,还应加入可培养性、情商、动机和性情。
- 开展结构化筛选:以相同顺序提出相同问题,并立即评分。
- 使用工作场景:测试候选人如何应对反馈、冲突和模糊情况。
- 坚持危险信号标准:提前确定哪些情况会淘汰候选人,不要为其找理由开脱。
- 通过自动化扩大人才搜寻和消息发送:在不压缩评估质量的情况下保持人才管道速度。
方法1:在线面试中的危险信号纪律
源材料指出,82%的管理者承认在面试中看到过危险信号。在在线招聘中,危险信号可能更容易被忽视,因为流程显得事务化且节奏很快。解决办法不是增加会议,而是预先制定一套规则。
步骤
- 写下最重要的5个危险信号:例如反复推卸责任、拒绝接受反馈,或时间线前后不一致。
- 定义什么算作证据:直接引述、具体事例,或在场景问题中观察到的行为。
- 要求记录决策说明:如果出现危险信号后仍决定继续推进,招聘经理必须记录原因以及将采用的风险缓解措施。
特点
- 更快达成一致:每个人评估的都是相同信号。
- 偏差更低:减少“我就是觉得不错”这类决策。
- 更好的审计记录:有助于复盘和流程改进。
局限
- 需要执行纪律:团队必须抵制“急招”情况下的例外。
- 需要校准:面试官必须就每个危险信号的具体表现达成一致。
最适合
- 经常说“我们必须加快速度”的招聘经理。
- 需要支持多个利益相关者、而不同人员对面试理解不一致的招聘人员。
方法2:评估可培养性,而不仅是能力
在 Leadership IQ 的拆分中,可培养性是占比最高的单项因素,为26%。可培养性指接受反馈并落实反馈的能力。在线招聘更便于测试这一点,因为你可以每次都使用一致的“反馈循环”问题,并以相同方式评分。
步骤
- 询问真实的反馈案例:“请讲讲一次你起初不同意的反馈。”
- 追问行为变化:“第二周你做了哪些不同的事情?”
- 为回答评分:使用与可观察行为相关的1至5分评分标准。
特点
- 具有预测价值的信号:与研究对软技能的重视相一致。
- 可在候选人之间比较:减少叙述偏差。
- 适用于远程环境:不需要进行面对面观察。
局限
- 存在讲故事风险:有些候选人善于表达,但执行能力并不强,因此仍需要推荐信和工作样本。
最适合
- 需要频繁接受利益相关者反馈的岗位,例如会计、财务和分析岗位。
- 曾遇到防御心理强或协作能力差问题的团队。
方法3:通过真实场景测试情商
在 Leadership IQ 对失败原因的拆分中,情商占23%。在实践中,这体现在一个人如何应对压力、冲突和模糊情况。在线面试可以通过要求候选人进行权衡的场景题来测试这些能力。
步骤
- 使用冲突场景:“一位利益相关者在群聊中说你的工作是错误的。接下来10分钟你会怎么做?”
- 观察情绪调节能力:他们会暂停、澄清并查找事实,还是会升级冲突?
- 询问换位思考:“什么原因可能促使这位利益相关者做出这样的反应?”
特点
- 信号价值高:能够揭示候选人在压力下的思考方式。
- 与岗位相关:反映真实的职场互动。
- 易于标准化:所有候选人回答相同场景。
局限
- 面试官的能力很重要:追问不当会让场景题变成没有证据支撑的假设题。
最适合
- 面向客户的会计和财务岗位。
- 沟通中断成本较高的跨职能团队。
方法4:尽早验证动机和性情
在 Leadership IQ 的拆分中,动机占17%,性情占15%。在线招聘中,人们往往会误判这两项,因为候选人可以呈现出经过包装的叙述。目标是验证不同事例之间的一致性,而不是评判个性。
步骤
- 询问持续投入的经历:“请描述一个至少花了6个月才完成的目标。是什么让你坚持下来的?”
- 核实责任归属:“具体来说,哪一部分由你负责?”
- 用具体问题测试文化契合度:“什么样的团队环境会让你的工作效率降低?”
特点
- 减少早期离职:动机不匹配通常会在入职前90天内显现。
- 改善入职规划:你可以了解这个人需要哪些支持。
- 适用于远程招聘:不依赖办公室观察。
局限
- 不能替代背景调查:应当验证候选人对动机的描述。
最适合
- 月末和季末等工作负荷较高的时期。
- 曾看到“简历上很优秀”的新员工迅速失去投入度的团队。
方法5:使用 StrategyBrain AI Recruiter 扩大 LinkedIn 外联,同时不降低标准
面向招聘人员的在线招聘往往会在同一个环节出现问题:你需要开展更多沟通,但又不能以降低评估质量为代价。这正是 StrategyBrain AI Recruiter 可以自然融入工作流程的地方。它会自动处理不需要人工判断的重复性 LinkedIn 步骤,然后将执行上述结构化评估所需的信息交给你。
步骤
- 提供岗位和搜索标准:分享公司信息、薪酬、福利以及候选人定位标准。
- 让 AI 执行初步外联:AI Recruiter 会自动与候选人建立联系并介绍职位机会。
- 持续推进沟通:它会回答候选人关于岗位和雇主的问题,进行后续跟进,并以候选人的语言全天候沟通。
- 收集简历和联系方式:对于感兴趣的候选人,它会索取简历并记录联系方式,方便你进入面试环节。
- 应用评分卡:招聘人员和招聘经理使用结构化证据,重点评估可培养性、情商、动机和性情。
特点
- 智能 LinkedIn 招聘自动化:建立联系、介绍岗位,并管理早期资格审查沟通。
- 全天候多语言沟通:减少跨时区沟通延迟和候选人流失。
- 可扩展的团队运营:支持为高招聘量运营管理100多个 LinkedIn 账户。
- 清晰的交接节点:AI 不会决定最终匹配度,招聘人员仍需审核简历并开展面试。
局限
- 不是最终评估者:AI Recruiter 可以识别候选人是否愿意沟通或面试,但不会判断简历是否完全符合要求。
- 流程仍然重要:自动化可以提高处理量,但你仍需要结构化面试来降低失败风险。
最适合
- 希望每周开展更多候选人沟通、但不增加员工人数的猎头和机构招聘人员。
- 在扩大 LinkedIn 外联的同时仍要保持质量控制的企业招聘团队。
- 需要通过多语言、全天候消息改善候选人体验的全球招聘场景。
快速比较
| 方法 | 主要目标 | 改善内容 | 最适合 |
|---|---|---|---|
| 危险信号纪律 | 阻止可预防的错误招聘 | 决策质量 | 经常错误招聘且节奏快速的团队 |
| 可培养性评分卡 | 预测超越技能的成功可能性 | 一致性 | 需要频繁反馈循环的岗位 |
| 情商场景题 | 测试现实工作中的行为 | 协作结果 | 跨职能和面向客户的岗位 |
| 动机和性情验证 | 减少早期失去投入度 | 留任风险 | 高压力工作环境 |
| StrategyBrain AI Recruiter | 扩大 LinkedIn 外联和后续跟进 | 人才管道速度 | 需要更多沟通但不愿降低标准的招聘人员 |
复制并使用模板
1)在线面试评分卡模板
使用1至5分制,其中1分代表证据薄弱,5分代表证据充分。任何获得4分或5分的项目,都必须提供书面引述或事例。
- 可培养性(目标:4分或5分):接受反馈、描述行为变化、体现学习循环。
- 情商(目标:4分或5分):调节情绪、澄清问题、换位思考、缓和冲突。
- 动机(目标:4分或5分):长期持续投入、承担责任、具备韧性。
- 性情(目标:取决于岗位):态度、协作方式、与团队规范的契合度。
- 技术能力(目标:取决于岗位):基本能力,但不是唯一的决策依据。
2)危险信号决策说明模板
- 观察到的危险信号:用一句话说明发生了什么。
- 证据:直接引述或场景中的行为。
- 风险:前90天内可能出现什么问题。
- 决定:继续推进或停止。
- 如继续推进,采取的缓解措施:入职计划、辅导频率、成功指标。
3)在线招聘人员快速检查清单
- [ ] 职位描述包含能够预测成功的软技能,而不仅是技术要求。
- [ ] 面试问题在不同候选人之间保持结构化和一致。
- [ ] 危险信号已提前定义,在被忽略时也有记录。
- [ ] 能够跨时区及时与候选人沟通。
- [ ] 在不需要判断的环节自动执行外联和后续跟进。
常见问题
在实践中,面向招聘人员的在线招聘是什么意思?
这意味着人才搜寻、外联、筛选和协调主要通过 LinkedIn、电子邮件和视频面试等数字渠道完成。关键在于使用结构化问题和评分卡来保持较高的评估质量,而不仅仅是加快消息发送速度。
如果技术技能不是主要问题,为什么新员工还会失败?
在源材料引用的 Leadership IQ 研究中,只有11%的失败源于技术技能。更主要的因素是可培养性、情商、动机和性情,它们会影响员工如何与他人合作以及如何回应反馈。
如何在在线面试中测试候选人的可培养性?
请候选人具体举例说明一次他们起初不同意的反馈,然后追问他们之后做出了哪些改变。使用要求提供证据的评分标准为回答评分,而不是接受笼统陈述。
如何阻止招聘经理忽视危险信号?
提前定义危险信号,并要求在观察到危险信号时记录书面决策说明。源材料显示,82%的管理者承认见过危险信号,因此流程必须让人更难为这些信号找理由开脱。
“我附近的猎头”和“顶尖招聘与人员配置公司”与此有什么关系?
这些搜索通常反映的是买方正在寻找外部招聘帮助。如果你是机构招聘人员或人员配置公司的一员,采用结构化评估和一致的证据记录,无论所在地在哪里,都可以成为区分服务质量的一种方式。
StrategyBrain AI Recruiter 如何帮助 LinkedIn 招聘?
它会自动与候选人建立联系、介绍职位、回答常见问题、进行后续跟进,并从感兴趣的候选人处收集简历和联系方式。这样可以让人才管道持续推进,同时让招聘人员专注于面试和最终资格评估。
AI Recruiter 会取代招聘人员吗?
不会。根据提供的产品信息,它会替代初步外联和资格审查阶段的重复性 LinkedIn 任务,但招聘人员仍需审核简历,并通过面试和评估决定匹配度。
AI Recruiter 能支持全球招聘吗?
可以。它提供全天候多语言招聘沟通服务,有助于维护候选人体验,并减少候选人与招聘人员处于不同时区时产生的延迟。
如何确保在线招聘合规且安全?
使用能够加密凭证并隔离客户数据的工具,并确保未经同意不得将候选人信息用于训练模型。提供的产品信息指出,AI Recruiter 符合欧盟、美国和加拿大的隐私法规,并且不会使用客户提供的数据训练 AI 模型。
结论
如果你希望面向招聘人员的在线招聘带来更优秀的人才,就应该优化能够预测成功的因素,而不是优化看起来更高效的环节。源材料中的 Leadership IQ 研究结果明确指出了优先顺序:在预防18个月内的招聘失败方面,可培养性、情商、动机和性情比技术技能更重要。接下来,实施结构化评分卡和危险信号纪律,让在线面试产生可比较的证据。最后,使用 StrategyBrain AI Recruiter 自动执行 LinkedIn 外联、后续跟进和简历收集,在不压缩质量的情况下扩大人才管道,然后把人工时间投入真正能够减少错误招聘的评估信号。















