高校毕业生就业信息精准推送机制浅析

文/刘亮亮

高校毕业生就业是就业工作的重中之重，教育部要求建立健全精准推送就业服务机制，促进毕业生更加充分、更高质量地就业。就业信息服务是就业服务的重要内容，就业信息精准推送是就业服务精准化的重要体现，对促进高校毕业生科学充分就业具有重要意义[1]。

一、就业信息推送的现状分析

（一）就业信息的海量化

不管是用人单位主动发布，还是高校就业中心主动对外收集信息，目前毕业生需求信息的总量已达到相当庞大的水平。各高校就业中心每天都会收集和处理大量岗位需求信息。此外，高校组织的线上和线下招聘会也是就业信息获取的重要渠道，一场大型招聘会也将为成千上万人提供岗位需求。另外，政府就业主管部门、行业协会、人才网站的就业信息也是高校就业信息供给的重要渠道。如果不考虑就业信息与毕业生需求的匹配度，现有就业信息的供给是海量化的[2]。

（二）推送渠道的多元化

从PC端的就业信息网到手机端的就业微信公众号，从需要下载安装的手机APP到一键切入、轻量使用的小程序，从短信提醒、群留言到定制提醒和学校系统推送，毕业生就业信息的推送渠道日益多元化。不同单位发布的就业信息、不同来源获取的就业需求，其发布渠道和信息格式自然会有各种差异，为适应就业信息的多源性和异构性，为尽可能扩大就业信息推送渠道的覆盖范围，高校就业信息推送的渠道也日益多元，但这也造成了就业主管部门信息维护压力大、获取毕业生信息难度大等问题。

（三）匹配逻辑的简单化

毕业生能够利用的就业信息才是有效的信息，没有被有效利用的就业信息只是静态的就业数据。目前的毕业生就业信息推送，其匹配逻辑大多数仍停留在毕业生学历、专业、政治面貌、成绩排名等个人条件与用人单位招聘需求中单位性质、单位所在地、招聘岗位、薪酬待遇等的简单匹配。尽管毕业生可以对就业信息的推送条件做一定的个性化选择，如调整个人求职意向、编辑个人简历内容等获得新的就业信息推送，但其背后的匹配逻辑并未发生改变。在简单的需求匹配逻辑下，就业信息的推送必然会造成僵化的用户感受，使就业信息的精准推送处于看似精准又不太精准的尴尬位置。

（四）信息流动的单向化

目前就业信息的推送，大多数仍停留在就业信息经高校就业服务端的分类匹配给毕业生的单向流动模式，其推送的精准程度在其推送机制设定之初就已被固化。毕业生就业信息的单向流动仅把毕业生看成了一种被动的信息接受者，忽视了毕业生对就业信息的二次筛选和使用评估，忽视了其对推送机制的反馈作用。信息流动单向化的推送实现了“千人千面”，不能在毕业生和用人单位双向选择的过程中实现对用户行为大数据的机器学习。不能根据毕业生和用人单位潜在需求进行探索性的个性化推荐，其推荐的精准度并不能随着就业信息和求职行为大数据的积累和沉淀而逐步提升。

二、就业信息推送的优化方向

（一）毕业生求职需求用户画像的精准化

毕业生的求职需求，除了其在就业信息系统中对推送条件的设置和求职简历中关于求职意向的描述外，还将高校现有的职业规划测评软件系统和高校在推进毕业生就业工作的过程中开展的毕业生就业意向调查数据引入毕业生求职需求用户画像的形成机制，可以丰富毕业生求职需求的数据构成，从而形成更为贴近毕业生就业需求的用户画像，为就业信息精准推送提供更为精准的需求驱动。

（二）用人单位招聘需求的能力模型的精准化

传统的就业信息推送机制，往往只关注用人单位招聘信息中显性条件，如学历、专业、成绩、经历等，其推送机制中抽象提取的单位招聘需求是离散的。如毕业生或用人单位中任何一方需求条件较模糊，或双方需求条件均较为清晰而分类界定和度量标准不一致，就会导致就业信息推送的精准度急剧下降。针对海量招聘信息中的离散用人单位招聘需求，建立统一分类标准和度量标准的能力模型构建与优化，除了显性需求外，还可为就业信息的精准推送提供隐性需求驱动。

（三）机器学习下的精准匹配逻辑的精准化

精准推送就业信息，不仅要实现针对不同毕业生需求的“千人千面”，而且要满足同一毕业生不同时期“一人多面”的需求。就业信息的精准推送，不但要有对用户显性和隐性需求的匹配逻辑，还需要有基于大数据和用户行为的机器学习，形成就业信息与用户行为信息数据的双向流动，为就业信息的精准推送提供智能需求驱动。

三、就业信息精准推送机制的探索

在整合高校现有就业工作资源的基础上，探索构建更为精准的就业信息推送机制，对于提高高校就业服务整体水平，提高人才供需匹配的质量和效益具有重要意义，可从以下方面进行探索和实践。

（一）毕业生个体需求的显性化

目前就业信息推送多是根据毕业生在就业信息系统中预设的条件进行的，看似就业信息的推送是由毕业生个人需求激发的，但其筛选条件是系统程序设计者在开发初期就预设好的，是一种强加给毕业生的求职需求选项。这种预设的求职需求选项是在毕业生群体画像背景下的需求，忽视了毕业生个性化差异。看似个性化的就业信息推送变成了程序设计者给定框架下个性化，正是就业信息推送精准化在最底层的障碍所在。在就业信息推送系统中引入毕业生职业测评和就业意向调查数据，绕开预设范围的需求筛选逻辑，从而取得更丰富的毕业生个性化求职需求数据。目前，各大高校已普遍配置职业测评软件系统，将职业测评过程中产生的数据纳入就业信息推送系统，可将测评软件的职业倾向数据作为毕业生求职数据另一来源。另外，职业测评数据的引入，可缓解那些在求职过程中无法清晰描述个人求职需求的毕业生的困扰，从而将职业测评结果从职业倾向数据导向就业信息供给，促进求职行动的实现。高校在大学生进入毕业班前，经常会对毕业生开展就业意向调查，其调查结果多为高校开展就业指导和开拓就业市场工作提供参考依据。将就业意向调查数据引入就业信息推送系统，可以为就业信息推送提供更为贴近毕业生求职需求本源的状态数据。将毕业生职业测评和就业意向调查数据引入就业信息推送系统，把群体画像转化为毕业生个体画像背景下的求职需求，可以将毕业生个体画像从群体画像中抽离出来，从而实现毕业生个体需求的显性化，为就业信息的精准推送提供毕业生个体端的需求驱动。

（二）单位用人需求的模型化

实现就业信息的精准推送，不仅要使毕业生对所推送的信息感兴趣，又要实现毕业生个体有承接力的信息推送。就业信息推送的最终目的是促成供需双方签约就业的达成，单纯迎合毕业生个体期望但实际超出毕业生承接力的信息推送不能算精准。精准地推送就业信息，不仅要将就业信息收集起来分时、分类推送，而且要对就业信息进行再加工。高校在开展就业市场拓展工作时，不仅要对用人单位进行人员联络、收集招聘信息，更要对用人单位发布的招聘简章背后毕业生的能力素质需求进行量化分析。用人单位的招聘计划每年都会有调整，但其岗位设置的类别和不同岗位对人员能力素质的需求相对稳定。高校可以建立用人单位招聘需求岗位胜任力模型的数据收集机制，可以进行专门的问卷调查或现场访谈，并在用人单位发布就业信息时设置相应的岗位胜任力选项，通过对不同单位、不同岗位胜任力数据的收集和分析，构建相应的岗位胜任力模型，从而实现用人单位招聘需求的模型化，为就业信息的精准推送提供依据。

（三）供需信息匹配的智能化

就业信息的精准推送，是为了实现毕业生个体求职需求与用人单位岗位需求的精准匹配。目前，在就业信息推送机制中匹配逻辑的简单化和信息流动的单向化限制了供需信息匹配的智能化，从而降低了就业信息推送的精准度。毕业生和用人单位的需求都有显性和隐性两个方面，当前的就业信息推送机制重在对显性需求的提取，而信息双向流动和机器学习下的匹配逻辑优化，可以不断提高供需信息匹配的智能化水平，从而实现就业信息推送。毕业生学历、专业、政治面貌、成绩排名等个人条件和用人单位性质、所在地、招聘岗位、薪酬待遇等显性需求在智能化的匹配逻辑下仍占有一定位置，但其权重会有所下降，而毕业生个体求职画像、毕业生求职行为大数据、用人单位招聘需求岗位胜任力模型、用人单位招聘行为大数据等将在机器学习的技术支持下发挥更大作用。基于机器学习的精准匹配逻辑，可以根据毕业生求职画像和用人单位招聘需求岗位胜任力模型的不同维度进行数据匹配，向毕业生进行尝试信息推送的同时，也会记录毕业生对招聘信息的响应速度、阅读时长、阅读完成度、信息收藏、简历投递等求职行为，记录用人单位对已投简历的响应速度、阅读时长、阅读完成度，以及简历收藏、面试邀请、签约录用等行为，从而对推送逻辑进行迭代优化，形成更为智能的信息匹配逻辑，提高就业信息推送的精准度。

（四）信息推送渠道的轻量化

高校一般是通过不断扩大信息推送矩阵的方式来保障就业信息推送的覆盖面，但这一方面增加了高校重复性机械劳动的投入，另一方面也增加了毕业生精准获取就业信息的难度。信息推送渠道的轻量化也是保障就业信息推送精准度的重要措施。高校在构建就业信息精准推送机制时，应充分调查本校毕业生的用户习惯，选择毕业生使用率最高、使用难度最低的渠道作为就业信息推送的主渠道。在搭建相关信息平台时，尽可能地将聚合、分析、筛选、推送数据的工作设置在高校服务器端，在毕业生端尽可能不部署实体应用，仅设置相应的信息入口。与此同时，信息推送渠道的轻量化并不代表信息服务的低质化，要将更多的运算部署在后端，留给毕业生的只是资源占用少、系统切入快、信息推送准的轻量化、智慧化的就业服务应用。