人才选拔的标准不是永远一定的，随着企业发展越来越多元、新兴的商业模式如同雨后春笋出现，市场中“跨行业”、“跨职能”的趋势也越来越强烈。于是在HR的日常招聘中，或多或少地会遇到一些全新的业务、全新的职位，也许连用人部门对于招聘需求也没有很确切的概念。
那HR要如何在各个渠道检索，才能尽可能多地获得有可能匹配职位的候选人呢？
最大化包含所有搜索条件
在搜索的时候，关键词设置的好或者不好，直接决定了最终的搜索结果。使用同一个招聘网站搜索同一类候选人简历的时候，关键词的设定决定了HR所找到的候选人是否真正优秀、匹配。
关键词设置的基础在于HR对这个职位技能、业务的理解，是逻辑思维的一个体现。
虽然我们表面上讲搜索，但如果没有把这个职位吃透，了解简单的职位需求背后的本质，就只能通过字面的意思，片面地搜索直接关键词，那么找到的资源质量就会比较弱。
而需要通过剖析职责内容与职能找到的，这就是所谓的间接关键字。
想要更加准确地找到关键词，可以按照下面三个步骤：
-
职称穷尽：相同职责的员工可能会有不同的职称，包括英文与缩写；
-
罗列职责相关的关键词；
-
罗列工作业绩相关的关键词；
举一个简单的例子，当我们搜索市场/运营类的候选人时，以下关键词可以作为参考：
我们在实战的时候，需要将直接关键字与间接关键字结合。
再举一个例子，当我们在某职业社交平台搜索公司加职称的时候，如图我们可以看到有6996条结果，虽然说结果很多，但实际上大部分都是不精准的。但在加上了“拿地”这一个关键词之后，搜索出来的候选人就会与地产投资关联度更高，如果还要更加精准。你可以开发更多与其职责相关的词。
布尔搜索也就是逻辑搜索，可以通过以下一些指令与条件来拓展搜索的范围、提高搜索的精度。这里解释一下常用的布尔搜索指令的意思：
互动式搜索
但如何掌握更多的搜索条件呢？当遇到比较新的领域时，HR需要先去了解这个领域或者行业，这时候就可以通过搜索+互动来学习。
比方说需要找一个云计算行业的候选人，从字面上的意思来看，可以先尝试搜索“Cloud”。搜出来部分候选人，但他们可能不够全面也不够精准。接下来可以阅读他们的简历，会发现一些高频词，如：“SaaS”、“PaaS”、“Open Stack”、“Cloud Stack”、“EC2”等。可以猜测，这些词可能也与云计算有高度关联。于是第二个步骤是在百度、Google上搜一下这些词，做一个基本的了解，看看是否真的与云计算相关。
接着回到人才库中，将这些词结合起来再搜索一遍，我们又能找到更多的与云计算相关联的词语，更多的云计算行业术语、还有行业内的公司比如“Amazon Web Services”、“AWS”等等。
循环几次，我们对一个新的陌生的行业将有一个基础的了解，也积累了许多与这个行业相关的搜索词。
暗示型搜索
假如用人部门的需求是一位能够熟练使用SAP系统的会计。如果我们将搜索词定为“SAP”OR “Accountant”话，就会遗漏非常多的目标人群，因为大部分人候选人在填写职业经历的时候，都不会将日常工作使用的工具写出来。
如果要突破这个问题，就要善于观察。比如在上述两个词组合而来的搜索结果中，一些企业的名字多次出现，比如“JSK”、“PWC”等等，这给了我们讯息，这些企业可能就是使用SAP系统的。
于是我们就找到了需要搜索的目标企业，接下来这些企业也可以作为搜索条件。
自然语言搜索
自然语言搜索是未来的趋势，系统会按照用户输入的关键词，根据语义自动为用户拓展更多的关键信息。而随着未来自然语言处理技术的进一步发展与成熟，用户也许只需要输入一个关键词，系统就可以联想多个相关词语，为HR扩充搜索范围。
