Paystream 的 Staff PM 岗位（B 轮金融科技公司，支付基础设施）。必须条件：6 年以上支付/结账领域 PM 经验，带过 3 人以上 PM 团队，有 B2B 规模化经验。加分项：技术背景，卡组织经验，创业公司经验。生成：LinkedIn 职位发布、筛选评分表（1-5 分制）、红旗清单、5 个电话筛选问题。

高效筛选简历

自动解析简历并提取关键信息。根据你的标准进行筛选。

规模化不牺牲质量

更全面地审阅更多候选人。自动解析确保你不会在大量申请中遗漏合格候选人。

Staff PM 岗位共收到 156 份简历（附件）。分为三层：(1) 立即面试——满足所有必须条件，(2) 待定——值得进一步了解，(3) 不通过。对第一层：注明当前职位、构建过的支付产品、可能的求职动机、薪资预期。标记来自 Stripe/Square/Checkout.com 的候选人为优先。

准备面试

生成岗位专属的面试问题、评估量表和候选人专属的谈话要点。

结构化面试

对所有候选人使用一致的问题，才能进行公平对比。岗位专属的问题能揭示相关能力。

为 Staff PM - 支付方向创建 4 轮面试方案：(1) 招聘官筛选——背景、支付经验验证、薪酬/时间线，(2) 用人经理——产品思维、领导力情景题，(3) 技术面——"设计一个支付重试系统"、API 思维，(4) 与风控负责人的跨部门面试——反欺诈/合规情景。每轮包含 1-4 分的评分量表。

整理面试反馈

从面试笔记或录音中提取关键信息。为面试委员会创建统一的总结。

记录一切

面试总结帮助招聘团队做出知情决策。客观的记录减少对记忆和印象的依赖。

汇总 Jennifer Walsh（Staff PM 决赛候选人）的反馈。4 轮面试已完成 + 背景调查结果（附件）。创建：面试委员会用的一页总结、优势/顾虑及具体案例、与另一位决赛候选人 David Kim 的对比、薪资建议（她目前年薪 24.5 万美元）。

对比候选人

根据统一标准进行候选人并排对比。

同一把尺子

结构化对比帮助在最终决策时做出艰难选择。清晰地看到候选人在每个关键标准上的表现。

最终抉择：Jennifer Walsh（8 年经验，Affirm/PayPal，深厚支付背景，期望薪资 26 万美元，大公司节奏顾虑）vs David Kim（6 年经验，2 家创业公司，结账领域经验，更有创业精神，推荐信一般）。创建对比矩阵和建议。CEO 倾向 Jennifer，VP Product 倾向 David。

记录决策

创建招聘文档，解释决策依据并支持合规的招聘实践。

可追溯的决策

好的文档表明招聘决策基于与岗位相关的标准。保护组织并确保公平性。

常见问题

用 AI 辅助更快做出更好的招聘决策。以下是关于使用 Raccoon AI 进行招聘的常见问题解答。

有更多问题或寻找不同的解决方案？联系销售

可以。从任何格式的简历中提取教育背景、工作经验、技能等关键信息。快速且一致地处理数百份简历。

可以。创建有吸引力的、包容性的职位描述来吸引合格候选人。确保描述聚焦于实际需求，避免有偏见的用语。

上传面试录音进行转录和摘要。提取讨论到的关键资质、提出的顾虑，并创建统一的面试记录。

可以。求职者可以用来优化简历、撰写求职信和准备面试。这个工具同时服务于招聘双方。

支持导出兼容 ATS（招聘管理系统）的数据格式。结构化提取使数据能在你的各种招聘工具之间无缝流转。