Boss直聘正在用AI重新定义劳动力市场的定价权。它掌握着求职者与招聘方的实时交易数据，通过AI算法精准锚定每个人的市场价值。这篇文章揭示了平台如何利用信息不对称重塑薪资谈判，以及这种定价机制对求职者、招聘方和产品经理的深远影响。
你以为Boss直聘是招聘平台，但它其实是一台定价机器
——AI时代，一个产品人必须看懂的劳动力市场重构
你有没有在Boss直聘上填过「期望薪资」这一栏，然后停顿了一下？
填高了，怕吓跑HR。填低了，觉得委屈自己。填一个区间，又感觉在给对方讨价还价的空间。
这个停顿，藏着一个你可能从来没意识到的处境：在你思考填什么数字的那一刻，Boss直聘的系统里，其实已经有了一个关于你的答案。
它知道和你背景相似的人，过去三个月在这个城市、这个行业、这个岗位级别上，最终成交的薪资是多少。它知道你投递的这家公司，过去招募同类岗位时，实际给出的薪资范围在哪个区间。它知道你已经和多少家公司在聊，你的活跃度意味着你的议价紧迫程度是高还是低。
你在估价，它在定价。
这不是同一件事。
这篇文章想把这件事讲清楚：Boss直聘的本质是什么，AI介入之后发生了什么，以及这件事对你——无论你是做产品的、正在求职的、还是在招聘的——意味着什么。
Boss直聘是招聘平台——这是大多数人对它的完整认知，包括很多做产品的人。
这个认知描述了它在做什么，但没有说清楚它是什么。
一个更准确的问题是：Boss直聘在这个过程里，积累了什么？
它积累的，不只是简历数量和职位数量，而是海量真实的劳动力交易数据：什么背景的人，在什么时间节点，在什么城市，以什么薪资，进入了什么公司。这些数据，加总起来，就是一张持续更新的劳动力市场定价地图。
这张地图，才是Boss直聘最核心的资产。
往深想一层： 任何一个「撮合」类的平台，在做撮合这件事的过程中，都在生产一样东西——价格信息。滴滴撮合司机和乘客，副产品是实时的出行定价数据。美团撮合餐厅和用户，副产品是餐饮消费的区域价格数据。Boss直聘撮合求职者和招聘方，副产品是劳动力的市场定价数据。
平台做的是撮合，但它沉淀的是定价权。
在AI介入之前，这张定价地图的分辨率是低的。平台能大概知道「Java工程师在北京的薪资范围在20-40K之间」，但做不到「这个有5年经验、在两家中型互联网公司待过、目前正在主动求职的Java工程师，此刻的市场价格精确到什么位置」。
AI介入之后，这张地图的分辨率，变得前所未有地高。
先说一个你可能没想过的问题：在一次求职谈判里，谁掌握的信息最多？
你可能会说求职者——我知道自己的经历和能力。或者招聘方——他们知道岗位的预算和要求。
都不对。
信息最完整的，是平台。
Boss直聘同时看得到两侧的全部行为：求职者投了多少家公司、和哪些公司在聊、停留在哪个谈薪阶段；招聘方在这个岗位上已经谈了多少候选人、最终给出了什么薪资、候选人接受率是多少。
这些信息，求职者不知道招聘方侧的，招聘方不知道求职者侧的。但平台全都知道。
AI介入之前，平台虽然有这些数据，但处理能力有限，这些数据大部分沉睡在数据库里，没有被充分利用。
AI介入之后，这些数据开始被实时处理，生产出一个个具体的、有行动指导价值的定价信号。
这里有三件事正在同时发生：
第一件事：「薪资透明化」功能，改变了谈判起点。
Boss直聘现在会在职位页面标注「该岗位薪资范围」，在求职者页面提示「您的背景，同类岗位平均薪资为X」。
这个设计看起来是在帮求职者——让他们知道市场行情，不会报价太低。
但它同时做了另一件事：它把谈判的起点锚定在了平台给出的参考值上。
在你填写期望薪资之前，你的心里已经有了一个「平台说我值多少」的数字。这个数字成了你的锚点，你的期望薪资大概率不会偏离这个数字太远——不管这个数字准不准确，不管它对你这个具体的人是否合理。
这是行为经济学里「锚定效应」的经典案例，只不过这次锚点不是随机的，是平台用数据精心算出来的。
第二件事：「活跃度」成了可见的议价信号。
Boss直聘会展示求职者「最近活跃」的状态——今天活跃、三天内活跃、本周活跃……
这个功能的本意，可能是让招聘方知道求职者是否在认真找工作。
但它泄露了一个对求职者极其不利的信息：你的紧迫程度。
一个「今天活跃」的求职者和一个「本周活跃」的求职者，在招聘方眼里的议价心理完全不同。前者可能正在积极找工作，意味着他可能更愿意接受当前的offer条件；后者可能处于被动求职状态，议价空间可能更大。
你的活跃度，在你还没开口谈薪资之前，已经给对方提供了一个判断你议价底线的信号。
第三件事：AI简历分析，让「差异化」越来越难。
Boss直聘的AI会对简历进行结构化分析，把候选人的经历转化为可量化的标签：行业经验年限、公司规模、技术栈覆盖度、岗位层级……
这个功能提升了招聘效率，让招聘方能更快速地筛选候选人。
但它同时做了一件对求职者不那么友好的事：它把你压缩成了一组标签。
你简历里那些微妙的差异化——你在某个项目里承担的独特角色、你解决过的一个特别棘手的问题、你身上那些不容易被标签化的能力——在AI的结构化分析里，权重很低。
AI优化的是「快速判断候选人是否符合基本条件」的效率，不是「识别候选人真正独特价值」的能力。这两件事，是不一样的。
说了这么多，可能有人会觉得：Boss直聘在用数据优势压榨求职者，这是不道德的。
这个判断过于简单，也不准确。
Boss直聘做的事，和所有双边平台做的事，在本质上是一样的——它站在两侧之间，同时服务两侧，并且从这个位置里获取它的商业价值。
这个结构里，平台永远比任何一侧掌握更完整的信息，这不是道德问题，是双边平台的结构性必然。
滴滴知道乘客愿意等多久，也知道司机当前的接单效率，所以它能在动态定价里找到让双方都不离开的平衡点。美团知道用户的价格敏感度，也知道商家的利润空间，所以它能在佣金谈判里找到商家的底线。
平台掌握双侧信息，然后用这个信息维持双侧的留存，从中获取价值——这是双边平台商业模式的底层逻辑。
Boss直聘做的是同样的事，只不过它的双侧是求职者和招聘方，它撮合的是劳动力交易，它的核心资产是劳动力的定价数据。
AI介入之后，唯一变化的是这件事的规模和精度——平台掌握的定价信息变得更精准，利用这个信息的能力变得更强，两侧之间的信息不对称也因此变得更显著。
这里有一个对产品人非常重要的判断：
双边平台的护城河，不是它连接了多少供给和需求，而是它积累了多少关于「这个市场上真实成交价格」的数据。供给和需求可以被新平台重新积累，但成交价格数据——尤其是细颗粒度的、实时的、覆盖足够广的成交价格数据——是极难被复制的。这才是Boss直聘真正的护城河，不是用户数量，是定价数据的质量和密度。
分析一个平台的竞争格局，最容易犯的错误是：只看同类竞品。
Boss直聘的直接竞品是智联招聘、猎聘、拉勾。但这些竞品都在做同样的事——积累简历、积累职位、撮合双方。在这个维度上竞争，大家都是招聘平台，拼的是规模和用户习惯。
真正值得关注的威胁，来自另外几个方向。
第一个方向：AI原生的能力评估工具正在绕开简历。
传统招聘的信息载体是简历——你用简历描述你的经历，招聘方用简历判断你的能力。Boss直聘的AI，本质上是在对这个信息载体做更高效的处理。
但有一类新工具，正在试图绕开简历这个载体本身：直接用编程测试、案例分析、AI对话评估，来判断候选人的真实能力。
如果这类工具成熟了，简历的作用会被大幅削弱，候选人在平台上积累的「简历数据」的价值也会跟着下降。
Boss直聘的定价模型，是建立在结构化简历数据上的。如果简历这个载体本身开始瓦解，这个模型的基础就开始松动。
第二个方向：头部企业在用AI建设自己的人才库，减少对第三方平台的依赖。
平台的价值，在于它积累了供给侧（求职者）和需求侧（招聘方）双边的数据。但如果需求侧的头部玩家开始自建数据库，情况就不一样了。
一家每年招聘几千人的大型互联网公司，完全有动机和能力建立自己的候选人数据库、自己的AI筛选模型、自己的薪资定价系统。它不需要通过Boss直聘来感知市场行情，因为它自己就是市场行情的重要组成部分。
当头部招聘方开始「去平台化」，Boss直聘失去的不只是这些客户的广告收入，而是需求侧数据的完整性——而需求侧数据的完整性，直接影响定价模型的准确度。
第三个方向，是最容易被忽视的：监管。
劳动力数据，是极其敏感的数据类别。平台用算法影响薪资谈判的走向，用活跃度信号帮助招聘方判断求职者的议价底线，用历史成交数据为候选人定价——这些做法，在「提升匹配效率」的外衣下，实际上是在用算法介入劳动关系的核心议价环节。
随着算法透明度和数据使用边界的监管要求越来越严格，「平台用数据优势服务双侧」这件事，有可能在某一天被要求做出实质性的改变。
前面五章，是在讲Boss直聘正在发生什么。这一章，讲对你有什么用。
不是每个人都做招聘产品，但Boss直聘的案例里，有一个适用于所有双边平台产品的底层逻辑，值得认真想一想。
双边平台，本质上都在做一件事：用平台掌握的信息，同时服务两侧，从中获取价值。
这个模式的健康程度，取决于一个问题：平台获取价值的方式，和两侧用户获取价值的方式，是不是足够一致？
在这件事上，有一个极其容易踩的陷阱，叫做**「效率提升掩盖信息不对称加剧」**。
平台用AI让撮合更高效了，用户体验变好了，这是真实的。但同时，平台利用信息优势干预了两侧的议价过程，让自己的商业价值最大化——这件事也是真实的。两件事同时发生，前者遮住了后者。
这个模式短期是可持续的，因为用户感受到的是效率提升。但长期有一个隐患：一旦用户意识到「平台在用我的数据做对我不那么有利的事」，信任会断崖式下跌。
Boss直聘现在面临的，其实是所有双边平台迟早都会面临的那个时刻：平台的信息优势已经强到让两侧用户开始感到不舒服的程度。
这个时刻到来之前，平台能做的，是主动设计边界——哪些信息用来帮助撮合，哪些信息不能用来干预议价，哪些功能需要对用户透明，哪些行为需要明确告知用户——而不是等到用户反弹或者监管来临，才被动做出调整。
对你负责的产品来说，今天就可以做的一个练习：
把你产品里所有的AI功能列出来，逐一问：这个功能用的数据，用户知道你在用吗？这个功能对平台的价值和对用户的价值，方向是一致的吗？如果放大十倍，用户还会觉得这是在帮他们吗？
能清楚回答这三个问题的产品团队，不多。
回到最开始那个场景：你打开Boss直聘，准备填写期望薪资，停顿了一下。
这个停顿，现在你可能有了一个不同的解读。
你在想填多少的时候，平台的模型已经有了一个关于你的答案。你不知道这个答案是什么，但它会通过「参考薪资」「市场行情」这类功能，以一种你感觉不到强迫的方式，影响你最终填下的数字。
这不是阴谋，这是双边平台在掌握信息优势之后的自然延伸。
理解了这件事，你会有两种反应：要么作为求职者，你知道怎么和这个系统博弈——填写期望薪资之前，不要先看平台给的参考值，先形成自己的判断，再用参考值验证；要么作为产品人，你开始思考你负责的产品里，有没有同样的结构——平台掌握双侧信息，但两侧用户对自己被如何使用的信息并不清楚。
这两种反应，都比「Boss直聘真是越来越不好用了」这个判断，要有价值得多。
作者按：本文分析基于公开产品功能及作者从业判断，不构成对任何平台的投资或商业评价。如有不同看法，欢迎评论区讨论。
本文由 @吴知 原创发布于人人都是产品经理。未经作者许可，禁止转载
题图来自Unsplash，基于CC0协议
此内容由惯性聚合(RSS阅读器)自动聚合整理，仅供阅读参考。 原文来自 — 版权归原作者所有。