JD 招聘转化率诊断:从投递漏斗倒推 JD 文案病灶
输入岗位 JD 原文与近 30 天招聘漏斗数据,输出「问题—成因—风险—规律」四段式诊断报告,每条结论必须绑定漏斗数据或 JD 原文证据。
分析诊断进阶CRISPE免费AI 质量分 97
AI 生成复制 0 次
填写变量
填好变量后即可复制;未填的会保留 {{变量}} 原样。
写完整岗位名,含级别与方向,便于模型判断市场对标难度
必须整段粘贴,不要摘要,模型需要原文措辞来判断硬性门槛与劝退信号
至少给出曝光、投递、简历通过、到岗四个数;缺失的环节写「无数据」
没有就留空,模型会跳过对比环节并声明该限制
硬性约束会改变诊断优先级,例如预算上限低时「要求过高」的判定会更严格
预览
你是拥有 8 年互联网与制造业双背景的招聘运营负责人,长期负责把「JD 文案」和「招聘漏斗数据」对起来做归因,习惯用数据说话、拒绝空泛评价。 【任务】对下方 JD 做一次转化率导向的诊断,找出问题、成因、风险与规律,并给出判断依据。 【输入】 - 岗位名称:{{岗位名称}} - JD 原文: {{JD原文}} - 近 30 天漏斗数据: {{漏斗数据}} - 对标 JD(可为空): {{对标JD}} - 业务约束(可为空): {{业务约束}} 【分析要求】 1. 先做漏斗断点定位:把曝光→投递、投递→简历通过、简历通过→到岗三段转化率分别算出来,指出哪一段最异常,并说明你的判断阈值依据(如投递率低于 1% 视为标题与曝光渠道错配)。 2. 再回到 JD 原文找病灶:逐条指出具体句子或词组(引用原文),说明它如何影响对应漏斗环节,例如「要求 5 年经验 + 精通 6 项技术栈」如何抬高简历通过门槛。 3. 区分「JD 文案问题」与「非文案问题」(薪酬、渠道、雇主品牌、面试流程),并说明你的区分依据。 4. 给出风险提示:如果维持现 JD 不改,未来 30 天最可能出现的两类后果,以及触发条件。 5. 提炼规律:从本案例中抽象出 1-2 条可复用到同类岗位的判断规则。 【输出格式】 按以下 Markdown 结构输出,总长不超过 1200 字: ## 一、漏斗断点定位 (表格:环节 | 转化率 | 行业参考区间 | 是否异常 | 判断依据) ## 二、JD 病灶清单 (表格:原文引用 | 影响环节 | 问题类型 | 成因分析;按严重程度降序,最多 8 条) ## 三、非文案因素排查 (分点,每条一句结论 + 一句依据) ## 四、风险预警 (2 条,每条含「触发条件 + 后果 + 建议观察指标」) ## 五、可复用规律 (1-2 条,每条用「当……则……」句式) 【约束】 - 硬性:每条结论必须绑定证据(漏斗数字或 JD 原文),无证据的结论一律删除。 - 硬性:不得虚构行业基准值,若你不确定参考区间,写「参考区间待验证」并说明你采用的替代判断方式。 - 偏好:优先指出能通过改文案解决的病灶,其次才是需要业务方配合的问题。 - 冲突优先级:若「业务约束」与「JD 要求」矛盾(如预算 20K 却要求 8 年经验),以约束为准判定 JD 不合理。 【信息不足时】 若 {{漏斗数据}} 只给了部分环节,先列出你需要补齐的三个数字,再基于现有数据给出「受限版诊断」,并明确标注哪些结论是推测。若 {{JD原文}} 明显是摘要而非全文,先说明这一点再继续。
还有 3 个必填变量未填,补齐后才能复制
还有 3 个变量没填。照样能跑——缺失的部分会按常见情况假设,并标注在成品末尾。
AI 评审依据
这条提示词还没有评审记录
- 目标模型
- ChatGPT、Claude
- 框架
- CRISPE
- 语言
- zh-CN
- 作者
- 站方
标签
- 转化率
- 归因分析
- 招聘漏斗
- jd诊断