如何使用 Raccoon AI 改善招募流程
定義需求
清楚指定角色、必要資格和評估標準。
清楚的需求，公平的評估
定義良好的標準確保候選人之間一致的評估，減少招募流程中的偏見。
Paystream 的 Staff PM 職位（B 輪金融科技，支付基礎建設）。必要：6 年以上支付/結帳 PM 經驗、帶過 3+ PM、B2B 規模化。加分：技術背景、卡片網路、新創經驗。 產出：LinkedIn 職位貼文、篩選評分表（1-5 分）、紅旗清單、5 個電話篩選問題。
高效篩選申請
自動解析履歷並萃取關鍵資訊。根據標準篩選。
規模化不犧牲品質
更徹底地審閱更多候選人。自動解析確保在大量申請中不漏掉合格的候選人。
附上 156 份 Staff PM 的履歷。分為：(1) 立即面試——滿足所有必要條件，(2) 也許——值得再看，(3) 淘汰。Tier 1 的：備註目前角色、做過的支付產品、可能動機、薪資期望。標記 Stripe/Square/Checkout.com 的候選人為優先。
準備面試
產出角色專屬的面試問題、評分準則和候選人專屬的談話要點。
結構化面試
各候選人一致的問題使公平比較成為可能。角色專屬問題揭示相關能力。
建立 Staff PM——支付的 4 輪面試計畫：(1) 招募者篩選——背景、支付驗證、薪資/時間線，(2) 用人主管——產品思維、領導情境，(3) 技術——「設計支付重試系統」、API 思維，(4) 風險主管跨職能——詐騙/合規情境。每輪 1-4 分評分準則。
摘要面試
從面試筆記或錄音萃取關鍵資訊。為招募團隊建立一致的摘要。
記錄一切
面試摘要幫助招募團隊做出知情的決定。客觀的文件記錄降低對記憶和印象的依賴。
整合 Jennifer Walsh（Staff PM 最終候選人）的回饋。4 輪面試完成+推薦查核附上。建立：招募委員會用的一頁摘要、附範例的優勢/疑慮、與另一位最終候選人 David Kim 的比較、薪資建議（目前 $245K base）。
比較候選人
根據一致標準建立最終候選人的並排比較。
公平比較
結構化的比較幫助做出困難的最終決定。看到候選人在每個重要標準上的對比。
最終決定：Jennifer Walsh（8 年、Affirm/PayPal、深度支付經驗、要求 $260K、擔心大公司節奏）vs David Kim（6 年、2 個新創、結帳經驗、更有衝勁、推薦普通）。建立比較矩陣和建議。CEO 傾向 Jennifer，VP Product 偏好 David。
記錄決定
建立說明決定並支持合規招募做法的文件。
可辯護的決定
好的文件記錄顯示招募決定基於工作相關標準。保護組織並確保公平。
可以自動解析履歷嗎？
可以。從任何格式的履歷中萃取學歷、經歷、技能和其他關鍵資訊。用一致的萃取方式快速處理數百份申請。
可以撰寫職位描述嗎？
可以。建立吸引合格候選人的有力且包容的職位描述。確保描述聚焦在實際需求並避免偏見用語。
面試逐字稿呢？
上傳面試錄音做逐字稿和摘要。萃取討論的關鍵資格、提出的疑慮，建立一致的文件記錄。
求職者可以用來投遞嗎？
可以。求職者可以撰寫履歷、自傳和準備面試。工具幫助招募流程的雙方。
可以跟 ATS 系統整合嗎？
匯出與應徵者追蹤系統相容的格式。結構化萃取讓資料在招募工具間可攜。
