当前位置: 首页 > news >正文

Shopee:抓住Z世代,校招破局的三重路径

在“AI招聘 潮头之上”2025NFuture最佳雇主颁奖盛典深圳站,Shopee校招负责人刘宝吉分享了题为《Z时代校招的思考与洞察》的演讲。

图 东南亚及巴西领航电商平台Shopee(源自其官网)

面对宏观环境剧变,以及新生代求职者价值观的深刻变迁,他系统阐述了以数据、品牌和AI为核心的三重破局之道。

01.

时代之变:校招为何越来越难

刘宝吉援引管理学概念指出,校招越来越困难的原因,不仅是因为外部环境从易变、不确定、复杂、模糊的“乌卡”(VUCA)时代,转向了脆弱、焦虑、非线性、难以理解的‘班尼’(BANI) 时代,更深层的原因是求职主体的代际变化。

过去的十年,是从95后到05后逐渐步入职场的十年,他总结这一代际的典型特征为:经济基础更优渥、成长诉求更强烈、信息获取更充分、习惯为热爱驱动,但同时更焦虑、更希望获取情绪价值。

这些特征直接冲击着传统的校招逻辑:高薪不再是万能解药,导致部分岗位的招聘压力不减反增;单向的广告灌输效果式微;学生为追求安全感而广撒网,导致企业offer接受率不断下滑。“曾经追求招聘效率,现在更在乎招聘体验。”刘宝吉总结道。

02.

破局之思:数据为指南、品牌是体验、AI是杠杆

面对全新的挑战,刘宝吉提出了三条清晰的破局路径:用数据向场景要增长、用雇主品牌向体验要价值、用AI向项目要效能。

图:Shopee校招负责人刘宝吉发表主题演讲

1. 数据驱动:从“经验主义”到“精准导航”

他指出,在快速变化的今天,数据与经验至少同等重要。在Shopee,实践分为“向内看”与“向外看”:对内建立全流程数据看板,进行健康度预警;对外则长期追踪如牛客等平台的年度人才报告,通过对比历年数据,洞察学生对于薪酬、工作内容、稳定性等偏好权重的迁移,让决策摆脱感性猜测。

2. 雇主品牌:经营每一次接触的“化学反应”

刘宝吉对雇主品牌有着独特的理解:“它是学生和企业每一次接触时的化学反应。”他强调这远不止于宣传物料,而是贯穿于每次面试互动、社交媒体印象中。为此,Shopee在校招季调整策略,通过设计一系列互动性强、参与门槛低、反馈即时且形式丰富的活动,致力于为Z世代候选人提供持续的情绪价值与正向体验。

3. 拥抱AI:一场“攻守兼备”的效率革命

对于AI,他将其定义为一个“攻守循环”的无限游戏。

攻(提效):AI是提升招聘效率的利器。他分享了Shopee在招聘中引入AI面试的实践,数据显示,AI认为不合适的候选人,与面试官判断不合适的重合度在80%以上。这一数据已能有效辅助面试官完成初步筛选。目前,Shopee在已使用牛客AI面试等工具进行探索,并计划在未来的全职校招中扩大应用范围。

守(保质):AI是一把“双刃剑”。学生端利用AI进行面试辅助甚至代答已很普遍。为此,企业需要通过技术手段(如双机位)来守住招聘质量的底线。随着AI技术的不断发展,招聘者必须跟上变化。

03.

未来之态:以变应变,是唯一的不变

“以变应变,可能是这个时代下最固定、最不变的东西。”在分享的最后,刘宝吉总结道,校招工作从未如此充满挑战,但也正因如此,拥抱数据、深耕体验、善用AI,从粗放走向精准,从单点走向系统,才显得尤为迫切。

他的思考为所有校招从业者提供了一个清晰的行动框架:用数据找到发力点,用品牌构建吸引力,用AI筑牢效率与质量的防线。在这个确定性与方法论都日益模糊的时代,持续进化本身,就是最确定的方法论。

点击下方:

  • AI 面试系统免费试用
  • 招聘效率提升方案 PPT
  • 2025 行业人才评估报告

牛客https://hr.nowcoder.com/product/interview/?utm_channel=360(CSDN)

【关于牛客】

牛客作为更懂人才的AI招聘平台,新一代AI面试引领者,创新牛客AI面试、AI简历筛选、笔试AI智能监考等产品,为面试官与候选人带来“智能、友好、精准”的全新招聘体验,获得美团、海信、飞鹤、国泰君安、英科医疗、申通快递等20+行业领军企业的高度认可。

http://www.cnnetsun.cn/news/597001.html

相关文章:

  • 公司3D年会抽奖神器来了最新年会抽奖软件,无需安装,免部署,一键解压即可使用
  • 动画云渲染平台怎么选?同样是云渲染,如何用更低价格实现更高效率!
  • 怎么实现AI的多轮对话功能?
  • 北大团队首次揭露AI多模态模型的“理解-生成“鸿沟
  • 基于贝叶斯算法优化BP神经网络(BO-BP/Bayes-BP)的数据分类预测 Matlab代码
  • 寒假第一次作业
  • JS 隐式转换和显示转换
  • 深度学习毕设项目推荐-基于python_CNN深度学习卷积神经网络识别苹果品质
  • 大数据领域 OLAP 在餐饮行业的应用案例分析
  • WebForms 实例
  • 别再只做“发帖机器人”了:生成式 AI 真正为社交媒体创作打开了什么?
  • 数据分析师专属Prompt设计指南:引导DeepSeek精准生成分析报告的指令框架
  • 【课程设计/毕业设计】基于python机器学习卷积网络训练识别核桃好坏基于python深度学习卷积网络训练识别核桃好坏
  • 如何用5S现场管理系统,让每一次检查都落地
  • 力扣hot100_链表(3)_python版本
  • Python爬虫(54)Python数据治理全攻略:从爬虫清洗到NLP情感分析的实战演进
  • 夫妻间忌讳的9句话,烂在肚子也不要说
  • 国内首例 AI 伴侣聊天提供者涉黄获刑,二审将开庭;OpenAI :大模型能力过剩,未来重心将转向系统层与应用层丨日报
  • LLDB:现代化的开源调试器(LLVM Debugger)
  • 【开题答辩全过程】以 基于Web技术的知识付费平台为例,包含答辩的问题和答案
  • [大模型架构] LangGraph AI 工作流编排(15)
  • 【大数据毕设推荐】基于Spark的大学排名数据可视化系统,Python+Hadoop技术栈详解 毕业设计 选题推荐 毕设选题 数据分析 机器学习
  • 结合AI高效完成科研论文写作,这7个网站支持自定义格式与LaTeX模板导出
  • 基于 OpenCV 的模板匹配技术实例
  • 基于微信小程序的博物馆文创系统的设计与实现PHP_nodejs_vue+uniapp
  • 赋能智能制造!交流状态采集模块解锁工业自动化新可能
  • 深度测评8个AI论文软件,助研究生轻松搞定论文写作!
  • [大模型架构] LangGraph AI 工作流编排(13)
  • 基于RAG的企业智能客服项目,已拿70万offer!
  • 深度学习毕设选题推荐:基于python-CNN深度学习卷神经网络识别混凝土是否有裂缝基于python-CNN深度学习识别混凝土是否有裂缝