亚马逊智能人才招聘利用 AWS 节省 90% 的劳动力招聘成本

Amazon WFS 团队帮助运营机构雇用小时工，包括在多个国家/地区进行营销、分析、沟通、人员配备和供应商管理。Amazon WFS 拥有数百万个客户，每周在世界各地的数千个地点招聘小时工。在给定的任意一周内，这些地点或许只需要几名队友，也可能需要数百名员工，这些需求会根据客户的需求而随时变化。

该团队需要简化招聘并优化招聘营销，以便提高有效性和成本效益。“为了扩大规模并继续满足业务需求，Amazon WFS 一直将提高数千个亚马逊站点的填补率作为优先事项，并以可持续的方式降低全球的招聘成本，”亚马逊全球劳动力配备副总裁 Troy Winters 表示。

Amazon WFS 与 Amazon ITA 合作，将营销活动的重心放在最有可能招聘的潜在客户上，并提高营销活动的效率。这样一来，该组织在两年内将劳动力营销支出减少了 90% 以上，节省的资金超过 10 亿美元。他们采取的关键做法包括集中数据、创建由系统驱动的检查，以及使用机器学习模型进行优化。该团队实施了一些自动化的系统，它们只在需要时才会启动和停止营销活动，这样不但吸引了极有可能成功转化的候选人，还及早排除了不太合适的潜在客户。这些系统现在可以高效地管理 Amazon WFS 招聘渠道，并且始终稳定地输送合格的候选人，而不会产生无谓的支出。

Amazon ITA 解决方案由三个部分组成：该解决方案利用高级分析来评估招聘机会，分析历史数据以便预测未来趋势并确定满足需求所需的最佳求职申请数量，以及将来自多个来源的数据存储在 Amazon Simple Storage Service（Amazon S3）上，这项对象存储服务旨在从任何地方检索任意数量的数据。

为了衡量该团队的营销投资产生的增量影响，将来自多个来源（包括营销建议优化器）的数据关联在一起，并在 Amazon SageMaker 上运行适用于专有营销组合的机器学习模型。Amazon SageMaker 是一项完全托管式机器学习服务，可提供用于大规模构建、训练和部署机器学习模型的工具和基础设施。

最后，应用程序质量控制器会根据机器学习模型的调查结果，持续监控和动态调整招聘发布活动。“机器学习模型考虑了预期订单量、轮班时间表和天气影响等因素，为 Amazon WFS 提供了可靠、最新的人员配备计划，”亚马逊数据科学总监兼智能人才招聘全球总监 Ashish Parulekar 说道。

总体而言，这一战略增强了征聘过程的影响和效率。该团队可以查看通过职位公告板和社交媒体等各种渠道向潜在候选人进行营销的有效性。借助来自机器学习模型的洞察以及统一的商业智能服务 Amazon QuickSight，Amazon WFS 可以专注于最有效的来源。“从用于执行高级分析的 Amazon SageMaker 到用于进行集中报告的 Amazon QuickSight，各项 AWS 服务之间的无缝连接使 Amazon WFS 团队能够做出数据驱动型决策，”ITA Global 产品总监 Sandeep Arora 表示。

总体来说，该系统会分析候选人的申请率、预测招聘需求，并根据多种因素来生成洞察，以满足对人员的需求并保持良好的候选人体验。“使用这些由 AWS 提供支持的解决方案，我们获得了适当的工具和洞察，可以根据我们的实际情况优化劳动力规划和人才招聘策略，”Arora 说道。“从评估营销机会到衡量投资影响以及保持最佳的劳动力供需平衡，Amazon ITA 解决方案有助于做出有效的决策和提高运营效率。”

Amazon ITA 团队正在推广他们的解决方案，以便帮助满足该公司在其他地区的招聘需求，首先要推广到欧洲。在 2025 年，该团队计划向另外的至少三个国家/地区推出这些工具。

“Amazon ITA 平台取得的成功让该团队更加确信，在未来的几年里，数据和技术会继续推动最具创新性和影响力的解决方案，”Parulekar 表示。“使用 AWS，Amazon ITA 团队很高兴能够突破智能人才招聘的界限。”