网站猎头的行为分析

    本篇论文目录导航：

　　【题目】中高端人才招聘网站中猎头行为探析
　　【第一章】网络中猎头人群现状调查研究引言
　　【第二章】Z招聘网站的成立与发展
　　【第三章】网站猎头的行为分析
　　【第四章】招聘网站猎头活跃度
　　【结论/参考文献】招聘网站注册猎头的特点研究结论与参考文献
　　
　　3  网站猎头的行为分析
　　
　　网站从建立至 2014 年 9 月，共有注册猎头 14063 位。其中审核通过猎头 11368位，猎头的审核包括猎头资质审核以及照片审核，审核保证了网站信息的正确性，是网站对求职者负责的态度，同时也保护了网站的声誉。网站共审核通过 11368 位猎头用户，以下我们将以审核通过的 11368 位猎头为对象进行分析。
　　
　　3.1网站猎头的基本信息
　　
　　猎头的基本信息是猎头注册时期填写的基本信息表格，主要包括猎头的注册时间、区域分布、从业经验、擅长行业以及擅长职位等。
　　
　　3.1.1   注册时间
　　
　　网站猎头用户的注册时间可以反映该网站的发展，猎头注册时间的分布可以看出网站吸收新用户的能力，也即网站可持续发展的动力。
　　
　　网站 11368 位猎头的注册时间顺序如图 3.1 展示，网站成立初期，吸引了大批的猎头用户注册，仅 2013 年 11 月一个月网站就增加了 2308 位猎头用户。形成了猎头注册的一个高峰。另一个高峰形成于六月大规模宣传之后的一个月。在其他时间网站每个月新用户增加的数量几乎是固定的。
　　
　　3.1.2   区域分布
　　
　　根据网站注册的猎头工作地点，得到结果如图 3.2 所示。北京的猎头分布最多，共 3171 位，占猎头总数的 26%.北上广深四个城市的猎头数量列居前四位，这四个城市的猎头数量占了全部猎头的 58%.可以说，四个城市的猎头撑起了猎头行业的大片天。其次，猎头逐步占据类似成都、杭州和武汉等这类二线经济城市。
　　
　　猎头的集聚从侧面反映了我国经济发展的分布。猎头是为高端人才服务的，即猎头的分布主要与我国市场经济的发展对于人力资源的优化配置有关。人力资源的配置应该与市场经济的发展相一致。实际上，区域经济发展的不平衡就决定了猎头行业发展的不平衡，两者在区域的倾斜上一致。对于经济发展好的地区，猎头行业的发展也会很高，而经济发展较低的城市，猎头行业的发展也会很低。北上广深的猎头数量占六成之多，进一步说明我国经济资源以及人力资源的分布倾斜的严重性。
　　
　　3.1.3   从业经验
　　
　　根据网站注册猎头的工作年限，可以得到以下结果。从图 3.3 可以明显看出，工作经验少的猎头越来越多，从业经验在 5 年及以下的猎头占 75%,资深猎头需从业五年以上，仅占 1/4.从业 10 年及以下的猎头占 95%.也就是越来越多的新人加入猎头行业，近几年猎头行业发展迅猛，另一方面也说明该行业的入门门槛较低。
　　
　　这与我国猎头行业的发展是有关的。猎头虽然是产生于二战时期的比较老的行业，但在中国的发展还是比较落后的。猎头行业在国内的曲折经历造就了猎头行业依然是新生的一般。从 1993 年中国内地的第一家猎头公司在北京成立，标志着我国猎头行业的诞生。期间经历了亚洲经济危机和国内互联网行业的兴起，还有中国进入 WTO等这些波折与契机直至 2005 年外资猎头公司纷纷进军中国市场。在这样的大环境下，中国猎头行业曲折发展。另一方面，网络猎头的便利使得更多的人踏入猎头的行业。
　　
　　3.1.4   擅长行业以及擅长职位
　　
　　图 3.4 猎头是为企业物色合适的人才，所以猎头会有自身擅长的领域，包括擅长行业以及擅长职位。占总数的 38%的猎头擅长行业集中分布在房地产、金融、IT 服务等行业。其中，有 2715 位猎头擅长房地产类的职业，占总数的 22%.猎头分布的不均说明我国的人力资源的不均，近些年发展较好的行业都充斥着猎头的身影。
　　
　　图 3.5 显示猎头擅长的职位主要分布在高级管理、销售管理、计算机以及人力资源方面，约占总数的六成，共 8027 位猎头擅长此四类职位，其中，有近四成共 3762位猎头擅长高级管理的类职位。高级管理类职位主要包括首席执行官、副总裁以及合伙人等。但是，按照中国猎头行业的发展来看，网站猎头从业经验的分布来看，我国猎头行业发展并没有这么可观，猎头这样的资料不排除虚假的情况。
　　
　　3.1.5   小结
　　
　　通过对网站猎头基本信息分析，得到网站的活跃用户的地区分布明显，北上广深占据国内大部分资源，同时类似青岛、成都等起步较晚但发展速度很快的区域中心城市，由于人才需求量爆发性增长，因而猎头的活跃程度高。可以看出，网络猎头的发展依赖于当地经济的发展状况。从经验分布情况来看，网络猎头的经验偏少，这样的结构可以使网站充满活力，但是难免出现难当大任的观点。
　　
　　最后，行业集中分布明显。以互联网为代表的新兴行业因其庞大的人才储备量和需求量，使得这些行业聚集着更多的猎头。
　　
　　3.2网站猎头的行为
　　
　　猎头在网站的行为是衡量猎头的活跃度的重要依据。猎头在网站的行为主要有发布职位、向求职者推荐职位、下载求职者简历等。
　　
　　3.2.1   发布职位
　　
　　猎头在网站的第一步就是发布职位，发布职位信息是猎头使用网站的首要形式。在网站 11368 位猎头中，占总数 15%共 1725 位猎头，从来没有发布过职位。共有 2193位占总数的 19%的猎头，发布的职位数量多于 20 个。发布职位超过 45 个的猎头有 560人，占总数的 5%,发布了网站 29%的职位。根据下图的趋势可以看出来，多数的猎头发布较少职位，甚至不发职位。这不利于网站的良性循环，网站还需更多的职位才能吸引求职者。
　　
　　3.2.2   发布职位的相关性
　　
　　上文列出网站猎头基本信息的分布，为了更进一步的刻画网站猎头的情况，本文使用两变量的列联分析方法对发布职位的数量同猎头的基本信息的关联程度进行考量。
　　
　　3.2.2.1    方法介绍
　　
　　列联表是用来描述属性变量的各种状态或相关关系的方法。一般，假设两个特性对事物进行研究，特性A有n类，特性B有p类，属于Ai和Bj的个体数目为nij（i=1,2,…，n;j=1,2,…，p），则可以得到表示频数之间关系的列联表，通常用频率来代替频数，即将列联表中的每一个元素都除以元素的总和 n,令 pij=nij/n,于是得到如表 3.1 所示的频率意义上列联表。
　　 　　
　　对于研究对象的总体，表 1 中的元素有概率的含义，pij是特性 A 第 i 状态与特性 B 第 j 状态出现的概率，而 p.j与 pi.则表示边缘概率。考察各种特性之间的相关关系，可以通过研究各种状态出现的概率入手。如果特性 A 与 B 之间是相互独立的，则对任意的 i 和 j,有
　　
　　Pij=pi.×p.j
　　
　　我们可以根据以上理论用来判断特性 A 与特性 B 是否独立。当 A 与 B 的取值较少时，把所得到的数据放到一张列联表中，就可以很直观的对 A 与 B 之间及它们的各种取值之间的相关性做出判断。当 pij比较大时，说明属性变量 A 的第 i 状态与 B 的第 j 状态之间有较强的依赖关系。
　　
　　统计学中可以通过列联表的独立性检验对两个变量是否存在关联进行分析，该方法的基本思想与假设检验的基本思想是一样的，根据是小概率事件在一次实验中不可能发生的原则。首先建立一个原假设，假设两个变量之间是独立的，没有关联。在假设成立的前提下，建立一个 X2统计量，并计算其发生的概率，判断建立的原假设是否成立。若拒绝原假设，则判断两个变量是存在关联的。因此，列联表的独立性检验也称为是列联表的 X2检验。
　　
　　X2统计量的公式是
　　
　　
　　
　　式中，A 是实际频数，T 是期望频数。
　　
　　3.2.2.2相关性分析结果
　　
　　使用 SPSS 软件对“发布职位”和“工作地区”两个变量进行列联表分析。
　　
　　一个猎头最多发布了 362 个职位，同时有 1725 位猎头发布的职位数量是 0,发布职位的数量差异太大，因此，本文根据猎头的贡献度将发布职位数量分为 3 个等级，第一个等级是发布职位数量为 0,第二个等级是发布的职位数量在 1 到 45 个之间，第三个等级是发布职位的数量超过 45 个。此三个等级的分布主要是考虑猎头的贡献度，发布职位较多的 5%的猎头对网站的贡献度较大，为网站主要关注对象，因此将这部分猎头划分为一类。因此，将猎头发布职位按以下等级分类。
　　 　　
　　猎头注册包括了 83 个城市，由于篇幅原因，仅截取了以下城市结果展示，得到表 3.3 和表 3.4:
　　
　　表 3.3 显示，检验的 p 值<0.05,拒绝两个变量是独立的假设，说明发布职位数量和城市之间是存在关系的。经济发达的城市，猎头的数量较多，同样发布较多的职位。其中，武汉、苏州和青岛这三个城市发布较多职位的猎头比重大，尤其是武汉。武汉的猎头数量占全部的 2.1%,在发布了超过 45 个职位的猎头中占比高达 4.1%.由此可以看出，在发布职位的行为方面，武汉猎头的活跃度较高。南京的猎头发布职位多的猎头占比小，活跃度较低。
　　
　　相同的方法可以得到“发布职位”和“行业”之间的相关性，结果显示，互联网、IT 服务和计算机软件三大新兴行业的猎头，发布超过 45 个职位的猎头更多，市场提供更多的职位空缺。尤其是 IT 服务和计算机软件两个行业，从来没有发布过职位的猎头数量也较少。与其对应，快消品和耐消品行业中，从来没有发布过职位的猎头明显多，发布职位超过 45 个的猎头数量少。
　　
　　同样，在工作经验方面，较少新人不发布职位，有 5 年和 6 年经验的猎头发布职位的更多。
　　
　　3.2.3   推荐职位
　　
　　猎头推荐职位是通过搜寻方式找到符合职位需求的求职者，并发出邀请的行为，可以让求职者直接关注到该职位。猎头可以充分的利用招聘网站平台庞大的简历库，更加便捷的开展工作。对网站而言，推荐职位可以达到猎头和求职者的互动的目的，刺激用户登录，因此，网站为了鼓励猎头推荐职位，会给与一定的积分奖励，并且推荐职位是猎头换取积分的重要途径。从图中可以看出，推荐职位多于 1000 次的猎头共有 675 位，仅占猎头总数的 5%,但推荐职位数量占全部的比例高达 49%.网站运营数据显示，平均每天会有 4500 位左右的猎头登录网站，约 2200 位的猎头有推荐职位的行为，平均每位猎头每天推荐 15 次。但是从猎头总体看来，占总数 27%的猎头推荐职位次数是 0 ,仅有 11%的猎头推荐职位超过 500 次，5%的猎头推荐职位达 1000次，说明并没有大量的猎头使用推荐职位这一功能。一方面，推荐职位可以更加有效率的完成猎头搜寻人才的过程，代表着猎头自身的积极性；另一方面，推荐职位行为可以促进猎头与求职者之间的相互交流，从而提升网站的流量，使网站更好的运行。基于以上两种原因，网站需要一定的方式刺激猎头向求职者推荐职位。
　　
　　根据数据的列联表显示，成都和青岛两地，互联网、IT 行业等新兴行业以及加工制造业，推荐较多职位的猎头占比较高； 只有一年和两年从业经验的猎头推荐职位更加积极。
　　
　　3.2.4   下载简历
　　
　　猎头在网站上查找求职者信息，下载适合的求职者人选目标简历，是猎头在网站的重要环节。只有下载简历才能取得求职者的信息，也就是猎头认为此求职者适合职位，只有双方信息交换了，网站的桥梁价值才能得到最终体现。由于猎头下载网站简历库的信息是使用了网站的资源，猎头需支付一定的积分才能下载简历。下表是网站猎头下载简历的分布，由表中数据可以看出，下载简历的分布呈现两极分化的趋势。大约有 4000 位猎头，占总数的 30%,从来没有下载过简历，33%的猎头下载简历少于20 份，六成的猎头下载了网站 5%的简历。下载简历多于 100 的猎头共 1944 位，仅占总数的 14%,仅有 5%的猎头下载简历多于 200 份。根据以上现象可以看出，一方面，猎头疏于直接下载求职者的简历，另一方面，可能猎头没有足够的积分。网站已成立11 个月，猎头下载的简历数量却整体偏少。
　　
　　运用列联分析的方法得到的结果是这样的。成都和青岛两地区下载简历较多的猎头占比高，这与职位推荐行为的结果类似。 IT 行业、软件业和加工制造业依然在列，物业管理的高下载占比也很高。拥有 2 年和 3 年经验的猎头，下载简历更积极。
　　
　　3.2.5   回应次数
　　
　　在猎头推荐职位或者求职者对猎头投递简历之后，对方均可做出同意或者不同意两种回应。与回应对应的是不理睬，即用户对看到的新动态没有理会。
　　
　　回应率反应的是一位用户被吸引的概率，同样是网站吸引用户的体现。猎头在网站的回应次数分布如表 3.6 展示。依然有高达 35%的猎头从来没有收到过回应。以下，为方便，将指标简称为回应次数。从回应指标的数据看，猎头的回应次数特别少。占70%的猎头回应次数少于 20 次。
　　
　　3.2.6   积分
　　
　　网站向猎头用户提供了查找合适人才的平台，并没有向猎头收取费用。因此，猎头用户的积极性则是网站需要重点关注的。网站为了促进猎头的积极性，衡量猎头用户在网站的行为，创造了积分的概念。首先，猎头在注册并审核通过时可以获得 50个积分。之后，用户可以通过在网站的行为获得相应的积分，主要有邀请注册、发送推荐职位、回应求职者等途径获得积分。相对应，猎头下载简历是要花费积分的。网站的运营数据显示，工作日积分的收入支出比大概是 1.3:1,从最初的每天积分收入一万左右，到 9 月份时，工作日平均每天有 20 万以上的积分收入。积分的变化可以看出网站的近一年的发展是很迅速的。网站猎头个人用户获得的最高积分是 91634分。该猎头的工作地点在上海，擅长行业是互联网。
　　
　　3.3小结
　　
　　从地域分布来看，活跃的网络猎头集中分布在正在快速发展，类似青岛、成都、武汉等区域中心城市；从行业分布来看，IT 行业、互联网等新兴行业的猎头活跃度较高；从从业经验来看，经验较少的网络猎头热衷于发送职位推荐和下载简历。经验比较丰富的猎头发布较多的职位。
　　
　　总体来讲，网站现在仍属于健康的发展，但是发展速度并不快，主要原因在于猎头的积极性并不算高，只有极少数猎头真正参与到网站中来。在猎头的各项行为中，占比 5%的猎头就可以撑起网站的半边天。这样不合理的资源分配结果会导致网站的数据虚高，却没有实际的效用。网站需要采取一定途径的激励政策来刺激猎头的活跃程度。这样对网站和谐的发展具有重要的意义。