在獵頭行業越久，就會發現獵頭的收費真的不高，花費眾多的人力、物力、再加上的豐富的資源才能達到效果。

當我聽說有一家獵頭公司以候選人年薪1%的服務費招攬業務時，我的第一反應是這絕對不可能。

獵頭產業最大的成本是人力成本。整個產業的每一個環節都是由人推動完成的，簡歷收集、電話溝通、候選人推薦、雙方的約見和聯絡，談判中拉鋸往復，所有這些都是人工完成的，由此帶來了相當可觀的人力成本。

外面的人看來，獵頭每筆業務輕輕松松收著年薪20%甚至30%的高額傭金，但我們自己很清楚，這些傭金有多少是真正的利潤，又有多少消耗在日常運營的人力成本中了。

不要說價格低至年薪的1%，即便是10%年薪的傭金，也是一般獵頭公司難以承受的低價了。我們不可能便宜，也沒辦法便宜。

“我在用硅谷的方式做獵頭”

這是深圳卓眾獵頭給我的解釋。“在硅谷，一切能用機器完成的事情就決不用人來做。”

在望京SOHO新裝修完的辦公室里，candi告訴我在公司正式運營之前的一個月里，他們的數據庫已經閱讀并分析了超過5000萬份簡歷。而我們的經驗是，一個普通的獵頭行業從業者一年瀏覽的簡歷也很難超過5000份。

一個人一年5000份，一臺機器一個月5000萬份。人和機器在效率上的差距。

但接下來要面對的質疑也很明確：同樣是看，但效果可不同。人雖然在速度上遜于機器，然而通過簡歷來形成對候選人的認識，這種判斷力機器是否同樣擁有？

答案是在人的大腦中，對一份簡歷或是一家公司進行分析時，結論是相對孤立的，所能調用的對比數據和信息都是基于經驗的，最終的結論往往是直覺化的。

而算法則完全不同。在收集了5000萬份簡歷的信息之后，算法得知了這5000萬人的職業履歷，把履歷倒推回去，就可以像拼圖一樣，拼出一家公司詳盡的人才結構。算法知道一個產業中人才在不同公司間的流動規律，知道一家公司真正內在的用人偏好，甚至比公司自己還了解自己。

對候選人的簡歷分析，也能夠把大量候選人的職場表現和簡歷中的某些指標，通過大數據對應起來。比如有某種相近經歷的候選人，會在職場中會呈現出某些一致性。這種對應讓我們看到簡歷背后的真實一面。而這些，是人在閱讀簡歷時無法獲知的。

獵頭做的事，其實就是撮合。核心價值是讓候選人和客戶對彼此達成信任。但實際上，過去這些年我們一直靠資歷積累的行業威信來為雙方背書，卻始終沒有客觀的標準。也許從歷史數據中提煉標準，是個靠譜的方向。

“撮合重在情報，我們就是要用機器做數據分析，掌握的更多，分析的更徹底，把情報學做到極致。我在用硅谷的方式在做獵頭。”

有關數據收集和分析的能力，不止體現在候選人身上。

基于高效的機器能力和明確的分析算法，cand說他未來不需要龐大的銷售團隊，只需要一個標準化的獵頭服務團隊，輔以少量的運營和品質管理人員，所有中間環節都交給機器來做。

把大數據和人工智能作為武器，讓專業的獵頭人員武裝起來，通過機器的輔助，讓效率和產能成倍提升。由于招聘是個容錯率很高的產業，對匹配程度的要求并不嚴苛，這就給只挖掘相關性的大數據留下的操作空間。

我們必須承認這個事實：在招聘渠道已經徹底互聯網化的今天，獵頭產業前進的步伐比價緩慢。中國目前有活躍著大約10萬家獵頭公司，大部分公司都是極小的工作室，注冊資本10萬-50萬之間，公司規模5-10人，沒有形成大的獵頭品牌和相對集中的獵頭集團，即使是科銳這樣的龍頭公司，也只掌握全國市場的1%。

在互聯網的浪潮席卷整個經濟結構時，每一個尚未被網絡和數據改造的產業，就充滿著機會。但真正能讓一個行業完成改造的，一定不是互聯網產業的人，而是在傳統產業中互聯網意識最先覺醒的人。