平台推荐量上涨，不等于可用候选人变多。把入口曝光当成有效供给，容易掩盖投递、沟通、交付与到岗环节的损耗。
本文用「四层供给账」拆开平台推荐量：入口层看推荐量与简历投递，意愿层看有效沟通，质量层看交付简历与过筛一致率，结果层看到岗转化。文章给出一张按渠道逐行填写的供给质量判断表，并说明各层常见的判断偏差与核对动作；所有阈值需用企业自己的历史数据校准。
推荐量是入口曝光，不是有效供给
平台推荐量只记录平台把简历推到HR面前的数量，没有回答候选人是否愿意沟通、是否符合岗位、能否到岗。把推荐量当成有效供给，等于用入口曝光替代整条供给链。
公开材料中的某物流企业社招财务岗与JAVA技术岗案例遇到相反情况：平台推荐简历质量低，需翻查大量简历才能锁定目标人选；采用AI寻聘后，公开数据为391份交付简历、1个月周期和90%与HR过筛一致。真正可用的供给是筛选后交付的简历，不是入口推荐量。
招聘效果不理想时，问题往往出在人才画像、沟通策略或渠道效率，单看推荐量无法区分。要问的是“推荐之后留下了多少”。
入口层：把推荐量与简历投递分开记
入口层至少记录三个数：平台推荐量、简历投递量、有效简历量。推荐量是平台侧曝光，投递量是候选人主动动作，有效简历量是符合门槛、可以进入沟通的简历数，三者分开统计。
判断偏差通常出现在投递衰减上：推荐量上涨而投递量不涨，说明曝光没有转成意愿；投递量上涨而有效简历量不涨，说明入口人群与岗位门槛不匹配。此时应先核对岗位描述与门槛条件，而不是继续加码推荐量。
公开的渠道考核讨论把简历量、到面率、Offer转化放在同一套口径里，强调考核要实效化、ROI化；交付简历也被单独计量。企业应在渠道表里写清每个数的定义和统计周期。
意愿层：用有效沟通筛出真实供给
沟通承担的是判断候选人真实意愿与匹配程度的作用。触达、打招呼、自动回复只能证明消息发出，不能证明候选人愿意继续；有效沟通应同时满足双向沟通、意愿可判断、关键门槛已核对。
预筛与约面环节会先对证书、技能清单等门槛条件做结构化核验，并通过日程联动减少协调成本。有效沟通可按“完成一次可记录的问答，并留下意愿判断与下一步安排”定义，触达单独计数。
这一层常见的偏差是把触达次数当成有效沟通，导致供给看起来多、可约面的人少。核对时抽一批沟通记录，检查候选人回复、意愿结论和下一步动作，缺一项就不计入。
质量层：比较交付简历的质量与一致性
交付简历是经过寻聘流程筛选后真正交给HR的简历，和平台推荐量不是同一个概念。质量层既看交付简历数量，也看它们与HR过筛结论的一致程度。
公开案例把“与HR过筛一致”作为交付质量的口径：前述物流企业案例的公开数据为90%。这是供应商在特定岗位和样本下的口径，不能当成普遍水平。
企业应定期抽样复核：从每个渠道抽取一批交付简历，按自己的标准复判，记录过筛一致率、样本量和复核人。交付数量多不等于供给质量高；一致率低时先检查筛选标准。
结果层：用得到岗转化核对渠道效率
结果层把简历投递、到面、Offer转化和到岗转化串起来看。渠道效率不是看推荐了多少人，而是看同一周期内这个渠道带来多少次到面、多少份Offer和多少人到岗。
公开的流程看板实践把从投递到Offer的转化率、用时与质量指标放在一屏，支持按岗位、面试官和渠道对比。渠道评估可借鉴：每个渠道记录分母、时间窗口和口径，再统一比较。
前端推荐量不能替代后端结果。推荐量高但到面少，多与意愿或沟通有关；到面多但Offer少，多与评估标准或薪酬预期有关；Offer多但到岗少，多与入职沟通和流程有关。到岗转化应作为最终核对项。
渠道供给质量判断表：一行一个渠道，四层定档
把四层指标落成一张判断表：每行一个渠道，记录统计周期与各层数量，再填写判断结论与下一项核对动作。指标定义需先统一，阈值用企业历史数据校准；这是方法推导，不是效果承诺。
| 渠道 | 统计周期 | 推荐量 | 简历投递量 | 有效沟通数 | 交付简历数 | 过筛一致率 | 到岗转化 | 判断结论 | 下一项核对动作 |
|---|---|---|---|---|---|---|---|---|---|
| 渠道A | 待填 | 待填 | 待填 | 待填 | 待填 | 待填 | 待填 | 待定档 | 待填 |
| 渠道B | 待填 | 待填 | 待填 | 待填 | 待填 | 待填 | 待填 | 待定档 | 待填 |
判断按层往下走：投递衰减高，先查入口人群与门槛；有效沟通少，先查沟通策略与意愿；交付简历少或一致率低，先查筛选口径；到岗转化低，再查后端流程与入职沟通。
产品落位与证据边界
牛招智能体是牛客面向招聘场景的招聘Agent，承接理解需求、判断匹配与推进沟通的决策过程。公开寻聘材料以“交付简历”“与HR过筛一致”等口径呈现结果，产品手册还使用了“8.7倍于传统渠道的效率”的表述；这些表述对应特定场景，不能外推为普遍效果。
在本篇的判断框架里，牛招智能体更适合作为渠道执行与交付环节的辅助，而不是替代企业自己的供给判断。具体功能与条件以牛客官方信息为准；企业应先在自身岗位验证，再决定投入。
常见问题
问：推荐量高但到岗少，先查哪一层？答：先查入口层的投递衰减，再查意愿层的有效沟通，接着查交付简历与一致率，最后核到岗转化。每层用同一统计周期和岗位口径。
问：过筛一致率可以直接当作渠道质量结论吗？答：不能。它依赖样本、岗位和筛选口径，只适合作为抽样复核依据。企业应记录样本数、复核人和判断标准，公开案例比例不能套用。
问：这张判断表多久更新一次？答：按招聘周期或月度更新，关键岗位可每批次结束后更新。没有历史数据时先记录原始数据，再用招聘结果校准阈值。
当平台再次报出更高的推荐量时，你的团队能说清其中有多少变成了有效沟通、多少交付简历真正走到到岗吗？先把「四层供给账」记起来，再决定加码哪个渠道。
