【這個只比台灣大一點點的國家，為什麼能養出大企業？】
飛利浦、殼牌石油、聯合利華、甚至人人都以為來自美國的「海尼根」，都來自荷蘭。荷蘭籍的公司憑著跨國公司，將影響力帶到世界各個角落，但是看看台灣，第一大企業台塑集團的營收還不到殼牌石油的十分之一。

為什麼同樣是地理小國，荷蘭的企業卻能在國際市場上扮演舉足輕重的角色？
https://bit.ly/3i04tkj
　
📨週週發送，立即訂閱進步的軌跡電子報：https://bit.ly/3qiujmh
　
#天下40 #打開天下 #進步的軌跡

想當軟體產品行銷經理？請三思！

近年軟體科技業快速成長，大家一窩蜂想進谷歌、臉書等公司，行銷人也從傳統賣洗髮精等的快消產品公司，想擠進軟體科技業，但一看網站，裡頭最多跟行銷有關的就是軟體「產品行銷經理」（PMM; Product Marketing Manager），很多讀者履歷屢投不上，我一聊，才發現大部分的人不了解PMM的工作內容，也不知道這樣的工作其實非常少。

行銷市場調查、進入市場計畫、測試行銷活動

我曾在臉書、eBay、Target等美國科技和零售業帶領軟體產品行銷經理的團隊。軟體PMM負責三件事：行銷市場調查（Inbound Marketing Research）、進入市場（Go-To-Market）計畫、測試性質的廣告活動與行銷只能（Outbound Marketing Test & Playbook）。

行銷市場調查
比如說，你的App要推出一個重大的功能前，像是「臉書約會」、「谷歌地圖」、「IG購物」，在這之前，PMM會跟行銷市場調查員（Marketing Researcher）做一些研究，了解什麼樣的行銷定位比較適合哪個市場，比如說，應該說「認識你朋友的朋友」、「最安全的約會環境」、「最便宜的約會工具」、「找到跟你興趣相投的人」等，並且把這些回饋給產品經理（PM）。

進入市場計畫
當App功能已經做好了，PMM就會做「進入市場計畫」（Go-To-Market），也就是說產品要行銷給誰用。通常Alpha階段會先人工選非常少數的用戶，可能幾十、幾百位，給這些人特殊的軟體版本使用，這階段的的目的是深入訪談了解用戶的回饋、做產品的改進，這時候，PMM會跟PM討論一個「離開條件」（Exit Criteria），比如說「七成以上的用戶表示會繼續使用產品」，那產品就會進入Beta階段。

Beta階段通常表示不再只針對特別選定的用戶，而是用A/B測試的方式，比如說，全美國百分之一、單身的成年用戶可以看得到這個功能。同時，PMM會根據之前做的研究調查，測試什麼樣的定位和訊息比較有效。

測試行銷活動
同一時間，PMM會做一些非常小型的行銷活動，通常這些活動的預算都非常低，因為活動的目的不是讓更多人使用產品、提高業績等，而只是測試什麼樣的行銷通路（Channel）、行銷訊息（Message）和行銷對象（Audience）比較適合。一但測試過後，PMM會把這些紀錄變成產品行銷指南（Product Marketing Playbook），其中包括產品解說，讓各國家的行銷經理（Marketing Manager）做參考。

軟體產品行銷經理工作機會少
軟體PMM工作機會非常少，因為，你想想，多常有「大型的新軟體功能在一個地區上市」？不常發生！

大企業才有
還有，中小型的科技公司根本沒有產品行銷經理工作，而是由行銷經理和產品經理分攤這些任務。

預算少
而且很多PMM不做日常的行銷工作，除了一次性的測試行銷活動，沒有廣告公司支援、不買廣告、不辦行銷活動。對很多有經驗的行銷人來說，不過癮！

難量化貢獻度
不像一般行銷經理，行銷可能肩負業績目標；產品行銷經理的貢獻，雖然扮演幫助產品經理成功的策略性夥伴角色，但通常難以量化，也因此當老闆開重要會議，產品行銷經理較難坐上圓桌。

非核心角色
以前優秀的行銷人都進像是寶僑、聯合利華這種民生快消用品公司，這些人轉戰到快速成長的軟體科技公司服務，但很多人進來後才驚訝，以前在民生用品公司，行銷是公司的核心角色，資源豐富、走路有風。沒想到進了科技公司，發現大部分的行銷就是App裡面有分享的功能、發公關新聞稿，行銷成了邊緣功能。

當然，世界這麼大，PMM職缺還是不少，每家公司PMM職務也不盡相同，加上PMM的工作與PM緊密合作，有很多接觸產品策略的機會。

不過，如果過去沒有PMM經驗，想轉戰美國行銷圈，不妨考慮廣告公司。美國許多廣告公司都相當專精，學習扎實的最新知識和實戰，機會也相對比較多。想想你最擅長是哪個產業？最擅長哪個通路（電子報、社群媒體、關鍵字廣告、搜尋引擎優化、結盟廣告、網路顯示廣告、店頭廣告、戶外廣告、傳統媒體）？從相關的工作下手搜尋，機會可能多一些！
__

❤️ Medium 好讀版 https://bit.ly/2ISCMIQ (鼓掌長按可以拍多下喔！)
❤️ 阿雅履歷範本借你用 https://bit.ly/2T6FX5S
❤️ 需要職涯建議，粉專傳訊息給阿雅！
❤️ 追蹤阿雅IG @AnyaCheng0908
❤️ 加阿雅linkedin https://www.linkedin.com/in/anyacheng/ (幫阿雅按讚技能喔！）
❤️ 更多工作和實習機會在「慌世代拓荒時代」臉書群組
❤️ 五分鐘讓矽谷獵頭找到你（上）https://bit.ly/2vuP5Is
（下）https://bit.ly/3afc5d2 (鼓掌長按可以拍多下喔！)
❤️ 履歷上該不該寫推薦人？ https://bit.ly/2Wegv0g

履歷 OUT！聯合利華用 AI 找人才優選率增 6 成

作者：王茜穎 / 若水 Flow AI Blog 編輯團隊

本文重點：
1. AI 可加快人才篩選的速度和規模，節省成本，並改善求職者的經驗。
2. 根據職位量身打造演算法，僅納入被證明可預測工作績效的數據點，並考量文化差異。
3. 垃圾進垃圾出。需靠嚴謹的審查過程，消除演算法中的偏見，讓人才招募更公平。

人對了，事就對了。說的簡單，但對全球最大的雇主之一，聯合利華 Unilever 要如何從每年180萬份的履歷汪洋中，挑出那萬中選一的員工呢？

「我們去大學招募人才的方式，就跟我 20 年前被招募時一樣，這感覺有點不太對勁，」聯合利華北美人力資源副總裁 Mike Clementi 接受美國商業新聞網站《商業內幕》(Business Insider)訪問時說。

負責中亞市場的聯合利華人資副總裁瑪莉莎‧ 芝‧基（Melissa Gee Kee）則公開自嘲自家系統過時又冗長：「在 34 個國家，當我們要開始選人時，第一輪就有50％的申請人退出，連申請表都沒寫完。過時的技術耗了他們45分鐘，還不能在手機上填。」

她接著說：「所以我們化危機為轉機。 這轉機，不是翻新，而是真正具有破壞性的創新。」

與其派招募人員去菁英大學收集履歷，人工篩選，再一一安排電話面試，聯合利華和Pymetrics 與 HireVue 兩家科技新創攜手，用 AI 人工智慧來選員工！前三關由 AI 把關，過了才有機會跟真人面試。

結合社群活動，巧妙收集最佳 AI 訓練數據

第一步，履歷出局，演算法上場！

年輕人是網路的動物，與其進入校園，聯合利華改在臉書，LinkedIn 領英，與熱門人才招募網站 The Muse、WayUp 上進行精準行銷，申請人只需上傳其 LinkedIn 領英個人檔案的連結，時間最多不超過10分鐘。這個階段，演算法約刷掉一半，只留下符合職缺要求的求職者。

下一關，玩線上遊戲！

申請人將在20分鐘內玩12款Pymetrics開發的腦神經科學遊戲。這些小遊戲考驗受試者在高壓下專注力、短期記憶力、風險的評估能力、以及對情緒和情境脈絡的解讀能力。

「（答案的）光譜沒有對錯，這可不是為了讓你感覺良好而編出來的，光譜兩端可能適合非常不同的職缺，」Pymetrics 執行長芙烈達·波莉（Frida Polli）說。

至於適合什麼工作，聯合利華讓公司內各種職缺的優秀員工玩這些小遊戲，他們的結果就是衡量求職者的基準。每場遊戲結束，求職者就會得到立即的回饋，若結果符合基準，就晉級至下一關：透過HireVue系統線上面試。

HireVue的科技長羅倫‧拉森（Loren Larsen）稱之為「隨選面試」（On demand interview）。求職者可以用手機、平板電腦或裝有攝影機的桌機，在他們方便的時間，錄下對一系列問題的回應並上傳。

「觀看」這些影片的，不是真人，而是HireVue的AI。AI用自然語言處理(Natural Language Processing)和臉部辨識技術等，分析求職者的反應時間、用詞、聲調、說話速度、陳述方式、肢體語言和整體表達能力，並從聲音和表情分辨情緒，如對該主題的熱情程度。而這些訓練數據（AI Training Data Sets）成為讓 AI 變精準的最佳教材。

「機器會看 25,000 個不同的特徵和它們彼此間複雜的關係，」拉森說，但因為各職缺所需的條件殊異，「我們僅納入被證明可預測工作績效的數據點，而忽視無關緊要的特徵。 這消除了許多可能無意間影響人類招募者決策的特徵。」

此外，由於表達方式和情緒表現具有文化差異，拉森強調：「我們採用同一文化的人的數據來訓練模型。」

總言之，「我們分析面試（影片），並預測他們的未來表現。我們分析該職缺重視的特徵，並產生一個洞察分數（Insight Score），基本上那就是他在我們所見過的求職者中的排名。」

建立龐大對照 AI 數據庫，消除演算法的偏見

讓看不透的機器決定一個人的聘任與否，招致不少黑箱批評，然而不論是Pymetrics或HireVue都強調他們致力於消除機器的偏見。Pymetrics有一套嚴謹的方法，能找出並移除演算法中隱藏的偏見，「並非所有的演算法皆平等，它們不是一開始就客觀公平。 若你用存在偏見的訓練數據去訓練機器，它只是直接複製人類的偏見，並往往讓偏見更加惡化。」

他們建立了一套擁有上萬人資料的對照數據庫，用來檢證潛在的偏見，一旦發現問題，即降低其權重，直到消除演算法的偏見，服膺5分之4法則（註：根據美國公平就業機會委員會的《員工篩選程序統一指南》，任一群體的選擇率若低於選擇率最高的族群的80％，即顯示該族群受到不當歧視），「我們相信任何獨厚單一族群的演算法，只是反映噪音，不是反映信號，」Pymetrics官網說。

HireVue也反駁，人類面試官的判斷常會不自覺的受到性別、種族、美醜、身材等跟工作成功無關的因素左右，對勝任工作的定義也相對模糊，還往往靠「直覺」來做判斷，無視於偏見常躲在直覺的背後。

他們認為嚴格檢視機器產生的結果，反而能讓人才招募更公平。拉森舉例，機器可能會發現公司裡最優秀的技術客服工程師說話的速度比其他人慢。

而男性說話的速度可能也普遍比女性慢。這可能導致演算法認為男性優於女性。一旦在測試中發現這點，可忽略說話速度，以免性別導致結果偏差，並重新訓練和測試。

在這兩關，機器分別刷掉6至8成的人。通過AI這三關後，該是讓「人類面試官」上場了！求職者會受邀至聯合利華的辦公室進行一日生活體驗，當天面試官就會做出決斷。

從數據開始 AI 革命，讓企業運作更有人性

目前，AI已接手聯合利華在全球68個國家的基層人員招聘，精通15種語言，分析超過27萬份求職申請，節省75％的招聘人力，求職者5萬個小時的寶貴生命，並把招聘作業時間從4至6個月縮至2週，幫公司每省1百萬英鎊（約4千萬台幣）。

進到最後一關的求職者，有80％拿到工作，82％接受工作，皆高於過去63～64％的水平。不僅如此，員工的多樣性前所未有，非白人的比例提高，大學的來源從原本的840所增加到2600所。

「（在我們所有的客戶中，）聯合利華是唯一從零到百分百投入的公司，」波莉說。聯合利華在不到一年內，未先進行小規模測試，就直接運用在所有基層職缺的招募上。

任何的改變，當然並非一帆風順，「那把我們的招募人員和某些招聘經理嚇壞了，」領導這場AI革命的瑪莉莎說，「我向你保證，他們的心目中，他們當初經歷的招募過程顯然是最好的，所以只須照舊複製就好了，」

她調皮的豎起大拇指。這些不安和不信任，讓計畫延誤了5個月，「有人跟我們說這太荒唐了，幸好現在那些人已經不在了。」

其中最大的迷思，就是機器怎能取代人性？

瑪莉莎的回應很簡單：今天，68％的求職申請根本石沉大海。但透過AI，聯合利華所有的求職者在每個階段，都會獲得寶貴的回饋，「至少有一頁A4，詳述你為什麼適合與否，需要加強什麼能力，有何強項……Pymetrics也會幫忙找到他們在公司裡找到更適合的職位。」

「這是AI讓我們更有人性的例子，」聯合利華首席人資長琳娜·拿爾（Leena Nair）說。

附圖：圖說：聯合利華的基層人員招募流程。AI 為前三關關主，最後一關才真人面試。
Pymetrics的小遊戲，求職者每打一次氣，就會獲得0.5美元，但氣球破掉則歸零。測試受試者的風險評估能力。 來源：Pymetrics
HireVue的AI會分析求職者影片中的25000個特徵，並依此預測其未來的工作表現。來源：HireVue

資料來源：https://ai-blog.flow.tw/how-unilever-uses-artificial-intelligence-to-recruit-train-thousands-of-employees