• Textio
    “隐身”两年后,谷歌前前HRVP公布其新的创业公司 文/Simone Stolzoff Laszlo Bock是HR世界里的摇滚明星。 在谷歌——一家在“最佳工作场所”名单上常年受到追捧的公司,他管理人力资源达十年 之久;之后他写下了《重新定义团队:谷歌如何工作》成为《纽约时报》(New York Times)打造企业文化的畅销书;然后,他创办了自己的公司Humu。 在两年的大部分时间里,Humu 以隐身模式运作。尽管该公司很少错过讨论其使命的机会——“推动人们每天都做最好的自己”——但它几乎没有提供公司实际行动的细节,甚至在5月份宣布已筹集4000万美元风险投资后也是如此。 近日,秘密终于揭晓了。 在一篇博客文章中,Bock描述了Humu的旗舰产品——Nudge Engine。这是一款使用行为科学和机器学习的应用程序,可以在整个工作日为员工提供个性化的“轻推”服务。“轻推”可以简单地提醒您要感谢一位做得很好的同事,或者在会议期间征求一位比较安静的团队成员的意见。 虽然“轻推”这个词可能有一种柔和的含义,但是Humu技术的基础理论来自于硬科学。去年,Richard Thaler教授因其对“ 轻推理论 ”(nudge theory)的研究获得了诺贝尔经济学奖,他的研究证明了小的提示对人们的行为有很大的影响。 “员工之间每天要进行数百万次的交流,从开会到评估,再到开门,不一而足,”Bock说。“在Humu,我们相信每个人都可以尽自己的努力来改变每一个人。” 一个温暖而模糊的推送通知平台可能看起来不像是强大商业模式的基础,但员工敬业度是一门难以追踪和衡量的黑暗艺术之一。工作效率、员工留存和员工士气都与员工在工作中的感受直接相关。 Humu适合更大的教练网络趋势,在这个趋势中,公司实施人工智能工具来指导员工的整个工作日。 Chorus为销售人员提供实时反馈。Textio 让招聘经理知道在他们的岗位上使用的最佳语言。 虽然技术肯定可以帮助人力资源,销售经理和文案编辑的工作,但办公室文化最终都是由人类塑造的。员工们是否会感到被迫遵守机器驱动的建议,最终取决于他们。     以上为AI翻译,观点仅供参考。 原文链接:After two years in stealth mode, the former head of HR at Google reveals his new startup
    Textio
    2018年10月10日
  • Textio
    今年应该关注的6项最具破坏性的招聘技术 招聘工具和技术是大多数招聘团队的第三大预算项目。而且,45%的大公司和51%的中型企业正在增加在这一领域的支出。 这当然不是巧合。根据Deloitte在Bersin发布的2018年HR技术中断报告,我们正处于人力资源技术正在看到史无前例的资本投资和用户采用的时代。大多数公司都将新技术视为帮助招聘团队提高效率和战略性的一种方式。 该报告的作者Josh Bersin说:“大规模的升级和更换浪潮正在席卷整个行业。“许多公司正在用基于云技术的核心系统替代他们的核心系统,或者为人力资源部门构建面向团队的,以应用程序和数据为中心的,基于网络的应用程序的全新基础架构。” 具体来说,对于人才收购,Bersin认为,一些最大的技术创新者是由AI和数据驱动的。最具破坏性的公司正在设法利用这两种趋势,以适应候选人参与,筛选和面试的产品,同时关注多样性。 以下是Bersin认为你应该牢记的六个最令人兴奋的新的人才招聘产品干扰者:   1. HackerRank:为工程和软件候选人提供实时技能评估 HackerRank是一个致力于帮助您聘请工程师和软件候选人的平台,使用下一代智能评估。 该平台允许您使用超过35种编程语言向候选人发送模板或自定义编码评估,使客观评估他们的技能变得非常容易。 或者实时观看他们的代码,您可以使用他们的在线编码采访工具。这为他们创造了一个编码环境,同时支持视频聊天,并在您谈话的同一浏览器中进行聊天。   2. Pymetrics:使用有趣的游戏评估考生的软技能 虽然测试技术技能非常简单,但筛选软技能却不是。然而,越来越多的公司将  优先考虑软技能作为找工作的重要区别。 像Pymetrics  这样的公司  正在帮助提供软技能评估 - 快速的互动游戏,旨在确定候选人的最大优势和弱点,并根据您当前表现最佳的人员的个人资料进行基准测试,而这一切都是在他们玩得很开心并且了解他们自己的同时。 虽然这些游戏可能听起来很轻松,但它们植根于多年的神经科学研究并由AI加强。它们是一个很好的筛选大量候选人的方法,同时使用客观和无偏倚的算法。 3. HireVue:使用AI精简和分析视频放映   HireVue  提供  单向或点播视频采访,让候选人可以在方便时自行回答几个基本问​​题。这意味着您可以在创纪录的时间内筛选数十名候选人 - 而且没有任何组织电话的麻烦。 HireVue与类似平台的区别在于其内置的评估系统,该系统使用人工智能(AI)和神经科学技术来  分析每个视频采访。候选人讲话时,软件会收集25,000个关于他们的数据点,包括他们的口头反应,肢体语言和他们的声音的语调。然后,HireVue的机器学习算法可以评估这些数据点,以预测诸如软技能,他们的答案的诚实程度以及他们未来工作绩效等事情。 这些见解可以提供一种有效的方式来找到潜力巨大的候选人。此外,该工具本身可以通过简化筛选流程来改善候选人体验。 4. Wade&Wendy和Mya Systems:让候选人了解情况,投入和高兴 智能聊天机器人  在这里 - 他们已经准备好处理无聊,重复,但超级必要的工作部分。Chatbots可以回答候选人的所有基本问题,如果他们沉默了一段时间,他们会友好地微调,节省招聘者时间并加快进程。通过机器学习,随着时间的推移,他们可以变得更聪明,甚至可以有幽默感。 德勤在互联网领域中指出的两家chatbot公司是  Wade&Wendy  和  Mya Systems。Mya已经可用: Wendy,Wade&Wendy的“AI招聘助理”部分目前有一个Beta列表,您可以加入。 如果你感觉更加雄心勃勃,那么你也可以追随像萨瑟兰这样的公司的脚步,这些公司  建立了自己的聊天机器人以改善候选人体验并提高退款率。   5. Textio:帮助改善你的工作描述与数据 德勤预测,数据增强写作平台  Textio  将导致您编写职位描述的方式发生重大变化 -  帮助消除来自帖子的意外性别歧视。 你可能已经有一些技巧来制作招聘广告了,从绘制引人注目的图片到避免奇怪的职位(想象“编码忍者”)。但即使是一份出色的工作描述也可以包含微妙的  性别编码词 -让女性远离应用。 Textio每个月都会查看超过1000万个职位的招聘结果,并利用这些数据预测您的广告将如何根据您使用的语言进行。然后,它会提供有关如何改进它的建议,例如删除面向男性的单词(如“积极”)。Textio表示,这一数据帮助其用户平均招收了23%以上的女性。   6.琥珀:为校园招聘创造沉浸式体验   传统的  校园招聘  并没有死,但它肯定是在不断发展。一家试图革新早期职业招聘的公司是  安柏杰克(Amberjack),该公司提供各种工具和技术来帮助公司大规模招聘毕业生和学徒。 德勤报告指出Amberjack是一个破坏性的球员,因为它“管理招聘活动和团队评估,以便在社交场合进行大规模招聘。”Amberjack旨在帮助公司更准确地评估候选人并提供更好的候选人体验,其解决方案包括物理“沉浸式评估中心“复制角色的各个方面。 保持领先的中断 尽管这份名单并不是确定性的,但它显然显示出公司有很大的愿望,以改善他们筛选和聘用候选人的方式。值得考虑一下贵公司如何  适应这些影响行业的趋势,  以及哪些创新对您的预算和目标最有意义。 要查看德勤的颠覆性技术的完整列表,请阅读此处的完整报告  。
    Textio
    2018年03月30日
  • Textio
    利用AI让招聘更高效,文本分析公司Textio获2000万美元B轮融资 致力于帮企业提升招聘质量和效率的创业公司 Textio近日宣布,已获得2000万美元B轮融资,由SCAle Venture Partners领投, Bloomberg Beta、Cowboy Ventures、EmerGEnce Capital以及Upside Partnership跟投。 2004年,Textio 在西雅图创立,多年来一直被应用于人才招募。服务模式是:用户将起草好的招聘启事递交给Textio,Textio通过机器学习平台和AI识别这则招聘的语言模式,对其作出评级(百分制,超过90分算合格),从而判断这则招聘的效果。 根据分析结果,Textio还会提供相应建议,即告诉用户使用哪些相似的词或句子能吸引更多人的注意,从而提高合格应征者的比例,加快招聘进度。 Textio 的强大之处在于:拥有强大的自然语言处理能力,除了能分析语言模式外,还能理解手写笔迹的细微差异。 经过几年发展,Textio现已帮助像思科和强生这样的世界500强企业招募更多更好的人才。目前,它每月完成1000万个新工作岗位的文本分析,并利用这些数据来不断改进其分析模型。 经过此轮融资, Textio希望将自己的这项技术运用到其它商业写作领域,譬如销售抵押品、商务谈判、营销策划等。对此,Textio的CEO Kieran Snyder 表示“有太多丰富的可能性”。 在改进自身服务方面,Textio也做了一些努力。“它最困难的部分是将数据中的模式转化为切实可行的指导,并让真正的人采纳。”Snyder认为,“虽然得分是很重要的,但分数为什么会改变这点更重要”,因为系统不一定能以一种人类可理解的自然的方式去表达这些技巧。 为了确定这一点,Textio实际上会对用户提出不同的建议,试图找出哪些技巧与分数的改进有关联,从而不断地更新系统。 此外,作为融资的其中一项条件,Stacey Bishop——领投者SCAle Venture Partners的合作伙伴——将加入Textio的董事会。作为营销自动化公司Hubspot,Scale和Bishop的投资人,他或许能为Textio在应对销售和营销沟通方面的业务时提供一些专业指导。 值得一提的是,AI除了能改善招聘启事,还能识别最佳求职者和为求职者提供模拟面试。Riminder 便是一家帮助 HR 更高效地处理简历、更精准地找到人才的法国创企;而日前刚刚成立的 “有职”则是一家基于AI技术提供模拟面试的人才举荐平台,36氪曾对它们做过专门报道。 『本文图片来自:Yestone 邑石网正版图库』 本文参考了多个信息来源:venturebeat.com,如若转载,请注明出处:http://36kr.com/p/5080794.html
    Textio
    2017年06月23日
  • Textio
    招聘文本分析创企Textio,获800万美元A轮融资 来源:猎云网(编译:竹子) Textio,一家分析特定情景中的词汇和语言的创企,今天宣布完成了由Emergence Capital领投的800万美元A轮融资。Cowboy Ventures、Bloomberg Beta和Upside Partnership也参与了此次融资。 Textio的第一款工具瞄准的是人才并购领域如招聘。创始人Snyder发现,某些特定的词汇和设计对应聘者更有吸引力,于是这些预测分析就被吸纳进了Textio的服务里。Textio可以分析一个公司的职务说明、绩效考核与其它备案,并判断这些文案是否可以为公司取得最佳效果。 该软件利用人工智能技术扫描招聘文本信息,然后向公司建议进行调整,以提高该公司吸引能力强的应聘者的机会。比如,有重点句的职位招聘总是比没有的更吸引求职者。Textio的软件还会建议各公司引进更多样化的应聘者。例如女性职场人士通常不会参与办公室内斗,或通常不会从事代码类的工作。 Textio成立于去年秋天,它的两位创始人 Kieran Snyder 和 Jensen Harris 分别是微软和亚马逊的前员工,Kieran Snyder之前致力于科技公司中性别歧视的研究,同时曾在微软、亚马逊任职语言学家,Jensen Harris曾在微软工作过16年。Textio创办后不到5个月,就在今年2月份拿到了150万美元的融资。 Textio主要以三个方面来衡量相关的科技短语:一是申请包含该短语岗位的应聘者人数;二是满足该词语要求技能的应聘者在全部应聘者中的百分比;第三是工作招聘发出后多久能够招到相关的人才。 虽然目前它的用处在于职位招聘,但很明显,这些技术可以被用到其他很多方面,比如邮件、简历以及其他各类信息。如果技术运行良好,理论上它可以为各类文档搭建分数库,这或许也是吸引投资人的地方。 Textio还有其他有价值的过人之处吗?大概就是它的客户了吧。目前使用Textio服务的企业有Twitter、Atlassian、Starbucks、Square和Microsoft等等。自然语言处理技术有广阔的应用领域,这又是对投资人的另一大强烈吸引。 Snyder表示,Textio目前可以识别出超过6万句短语词组,而这一数据还在持续增长。它会研究词汇是以何种方式组合在一起,比如词组中动词的密度和其他语法相关的特性。基于以上种种,最后给出评定分数。 当然,Textio也有不少潜在的竞争对手,诸如IBM Watson理论上也能分析文本并给出类似的结果。不过Snyder表示他们的优势在于专注的内容领域更具体。 Textio, A Startup That Analyzes Text Performance, Raises $8M Textio CEO Kieran Snyder took a quantitative approach to how language worked in her linguistics studies. And when she and her co-founder Jensen Harris were leaving Microsoft to start a new company, it was only natural that it would be centered around language in some way.   That’s how Textio, a startup that analyzes text for how well words and phrases perform in certain scenarios, was born. The company today said it raised $8 million in a financing round led by Emergence Capital. Cowboy Ventures, Bloomberg Beta, and Upside Partnership also participated in the financing round.   “We had this premise that word processing in text hadn’t been disrupted in a while, from command line to GUI,” CEO Kieran Snyder said. “We had the internet come along, it was about social and sharing, and we think that AI and the set of related technologies is the next big disruptor of text. If you know the performance of a document before it’s ever published then you can fix it before it’s published.”   Textio’s first tool looks at talent acquisition documents — like job postings — to determine how well they will perform among candidates. Certain words and layouts attract more candidates than others, Snyder found, and those predictive analytics are baked into the service. For example, Textio shows that job postings with bullet points tend to perform better than job postings without them.   Right now it’s used for talent acquisition documents, but it’s pretty easy to see that the technology can be applied to documents that include common phrases — such as email, resumes, or other kinds of messages. If the technology works, it can theoretically begin building up scores for those kinds of documents, which is likely what attracted investors to the product and the team. Another reason it might be so valuable to investors? Its customers. Already Textio is being used by companies like Twitter, Atlassian, Starbucks, Square and Microsoft. Natural Language Processing technology has very broad applications if done right, which makes it an attractive bet for many investors.   Textio recognizes more than 60,000 phrases with its predictive technology, Snyder said, and that data set is changing constantly as it continues to operate. It looks at how words are put together — such as how verb dense a phrase is — and at other syntax-related properties the document may have. All that put together results in a score for the document, based on how likely it is to succeed in whatever the writer set out to do.   Given who’s likely using Textio, it’s important that it feels easy to use — hence the highlighting and dropdown boxes rather than readouts. Snyder said, at its core, Textio can’t feel like a statistics tool, and that’s probably because the kinds of people using it might not always be NLP experts.   Of course, there are potential competitors in the space when it comes to natural language processing. There are tools like IBM Watson that can analyze text and, in theory, pull off a similar result. But Snyder says Textio’s results will be better because they are content-specific — like in the case of talent-acquisition documents.   Source:TC
    Textio
    2015年12月24日