『』3年连融4轮:他用AI筛选人才 帮企业降一半招聘成本( 二 )


同样是三年 , 与其转型 , Bello选择了专注 。通过海量的机器训练 , 在数据的底盘上 , 借助AI专家的经验模型和天使客户的反馈 , 终于在2019年初迭代出了足够商用的成熟产品 。
回忆起Bello成立三年多的发展 , 李松毅总结:技术的研发可以说没走过弯路 , 但商业模式的选择的确遇到了挫折 。
起初 , 李松毅把目光放在中小企业用户身上 。中国中小企业突破了3000万家 , 它们业务简单 , 且多为通用化需求 , 容易复制 , 让公司尽快形成规模 , 提高声望 。
没过半年 , 李松毅就发现 , 中小企业老板年轻有活力 , 但实际上招聘量不大 , 付费能力较弱 , 生命周期短(影响复购) 。除此之外 , 产品触达和线下销售成本并不低 。这部分市场虽然潜力诱人但是一定会被资金庞大 , 流量有优势的互联网大厂收割 。Bello或许应该把视野放得更远一点 。
当时Bello的主打产品是简历解析和精准匹配 , 可以让流通的人才信息变成结构化数据 , 录入到人才库中 , 并在需要时 , HR可以直接精准搜索 。为了更好的理解大企业的产品需求 , 获得更多资源 , Bello加入了腾讯/百度/微软加速器 。
『』3年连融4轮:他用AI筛选人才 帮企业降一半招聘成本
文章图片

文章图片

大型企业招聘系统智能化升级的AI工具库服务流程
正是利用好了这些机会 , Bello打磨出一套辅助大企业完成HR数字化转型的解决方案 。整合内外部人力资源产品和服务 , 并从底层打通信息的人才中台 , 可灵活实现包括招聘/转岗/培训等多场景动态人岗匹配 。
年收入超千万元
如今 , 许多企业在进行数字化转型 , 人力资源是重要的部分 。
不少行业头部企业先后耗资数千万自建EHR管理系统;为了实现“人适其岗”提升人均效益 , 就要引入画像系统 , 匹配模型 , 人力资源知识图谱等能力;如果自研需要额外成本不说 , 还得投入人力 , 花几年去建设非自身核心业务的技术 。
通过合作 , Bello提供的服务让客户节省至少一千万不必要的研发投入 , 控制了研发风险 , 做到了开箱即用 。从业务上还能帮助企业降低近一半的招聘成本 。
除了大企业之外 , 对于人力资源服务公司来说 , 招聘业务是利润中心 , 他们非常重视员工招聘的效率 。Bello通过招聘过程智能化(需求分析/信息增强/自动寻才/精准匹配)等能力帮助人力资源公司极大程度的减少了零碎、重复、低价值的任务 , 提升了效率 。
2019年 , Bello进入了发展的快车道——解决方案产品推出不到一年 , 就实现了超千万元的营收 。
李松毅透露 , 实际上Bello的客户在2019年均实现了收入增长 , 今年的目标是帮助招聘服务企业提升人效 , 并降低一半以上的招聘成本 。
创业近4年 , 李松毅一直没有忘记Bello刚起步时的那种感觉 。由于行业缺乏技术基础设施的建设 , 做产品时深感荒凉而无力 。现在 , Bello已经成为了AI+ HR行业的基础设施 , 有能力为相关行业从业者提供基础上游服务 。
【『』3年连融4轮:他用AI筛选人才 帮企业降一半招聘成本】“技术创新是Bello的基因 , 通过提供稳定可靠的技术产品来服务好企业和人力服务公司是我们的第一目标 。无论什么行业 , 只要客户需要提高人均效益 , Bello就可以帮到你 。”李松毅说 , 我们的愿景就是尽可能地帮助企业提高人效、降低成本 。


推荐阅读