招人的朋友大概都有过这种体验：候选人聊得挺好，offer发出去，人没来。复盘时问HR怎么筛的简历，答曰”招聘平台上聊的”。再问候选人为什么不来了，对方支支吾吾。后来我们帮一家客户做雇主品牌的GEO诊断，让HR用求职者视角问了AI二十个问题——”武汉做工业软件的这家公司怎么样””加班多吗””裁员过吗”——答案让会议室安静了几秒钟：AI综合网上的零散信息，给出了一个”谨慎观望”的画像，其中两条负面信息一条是三年前的、一条根本是张冠李戴。
求职者用AI做雇主尽调，已经不是趋势，是现状。尤其是工作三到八年的中坚候选人——他们换工作的决策成本最高，尽调也最认真。这篇讲雇主品牌的GEO：AI在替候选人看你，你看到AI眼里的自己了吗。
求职者的AI尽调路径长什么样
先还原场景。一个考虑你公司offer的候选人，大概率问过这些问题：
| 尽调阶段 | 典型提问 | AI答案的影响 |
|---|---|---|
| 初筛（投递前） | “XX公司主要做什么，规模怎么样” | 决定要不要投简历 |
| 面试中 | “XX公司的XX产品/技术在行业里什么水平” | 影响面试时的心理姿态与提问深度 |
| offer权衡 | “XX公司加班多吗””待遇在武汉什么水平””稳定吗” | 直接影响接不接offer |
| 入职前焦虑 | “XX公司裁员过吗””离职率高吗” | 影响入职报到率（接了offer也可能不来） |
注意后两个阶段——这是雇主品牌GEO最要命的地方。传统雇主品牌建设（招聘页、宣讲、员工故事）作用于”初筛”阶段，但候选人真正的动摇发生在offer之后。这个阶段他看的不是你的官方材料，是AI综合全网信息给出的”第三方判断”，而全网信息里，员工点评站、社交媒体吐槽、新闻报道的权重远高于你自己的招聘页。
雇主品牌的信源结构和消费品牌正好倒过来：消费品牌最怕负面投诉，雇主品牌最怕的是员工匿名区的失控。招聘页写得再好，AI在回答”加班多吗”时引用的是员工点评——你管不了员工说什么，但你可以决定信源池里正面信息的密度和质量。
雇主品牌GEO的四个信源阵地
阵地一：招聘官网的结构化改造
多数公司的招聘页是”职位列表+公司简介”的极简结构，对AI几乎没有信息量。改造要点：公司实体信息完整（成立年份、规模、办公地、融资/营收的可公开表述）；每个职位页含团队介绍、技术栈、成长路径（JobPosting Schema）；”关于我们”页写真实的业务故事而非愿景口号。北京一家网络安全公司把职位页加了”团队在做什么、用什么技术、这个岗位半年后的样子”三段，校招季的简历匹配度明显上升——候选人问AI”这家公司做什么的”时，AI终于能给出具体答案了。
阵地二：员工点评平台的主动经营
点评类平台是”加班多吗”类问题的核心信源，策略上三条：真实好评的持续沉淀（入职周年、项目庆功时点的自然引导，不是刷评）；负面点评的官方回复（HR以官方身份认真回应每条实质差评——回复本身会被AI读取，”已改进+具体措施”的回复是最好的对冲信源）；明显失实的申诉处理。切记不要买好评——招聘场景的候选人对口碑造假的嗅觉极其灵敏，被识破的代价是双倍的。
阵地三：员工故事的信源化
员工故事是雇主品牌的传统武器，但多数只发在自家公众号里自嗨。信源化的改造：故事里含具体事实（入职年限、岗位变化、参与的具体项目）；员工实名+职位（匿名故事的信源价值趋近于零）；多阵地分发（公众号+知乎+招聘平台的企业号）。知乎的”在XX公司工作是种什么体验”类问题，是候选人尽调的高频入口，值得让真实员工认真答一答。
阵地四：媒体与行业信源
公司新闻报道、行业奖项、技术社区的参与（开源项目、技术博客、会议演讲）——这些是AI判断”这家公司在行业里什么水平”的依据。技术型公司尤其注意：技术团队的对外输出（工程博客、开源仓库）对高端候选人的吸引力，超过任何招聘广告。候选人问AI”这家公司的技术实力”时，有GitHub和技术博客的公司与没有的公司，得到的答案完全不是一个量级。
敏感问题的信源管理
裁员、加班、薪酬争议——这些是候选人必问、企业最怕的问题。原则是”不回避、给事实、有边界”：
# 敏感问题的信源策略
[裁员史] 发生过：不否认，确保"背景+安置方案+后续恢复"
的完整叙事在信源中（新闻稿/官方回应），
孤立裁员新闻 = AI答案里的风险标签
没发生过：年度经营数据的正面信源持续沉淀，
"稳定性"需要证据而非声明
[加班] 官方口径写实（弹性/大小周/加班调休制度），
招聘页敢写真实工作制度，反而赢得信任
—— 候选人最怕的不是加班，是被骗入职
[薪酬] 可公开的薪酬结构说明（区间/构成/调薪机制）
是强信任信源，多数公司不敢做，做了就是差异化
[争议] 劳动仲裁类负面：法律层面处理+信源层面
确保裁决结果与整改事实可被检索到武汉一家人力资源服务公司做了一件同行都觉得冒险的事：把薪酬结构（职级带宽、调薪规则、奖金构成）做成了公开页。半年后他们的招聘周期缩短了三分之一，HR的反馈是”候选人来面试之前已经把待遇算清楚了，谈offer环节几乎不拉扯”。透明在招聘市场是被严重低估的竞争力——而AI时代，透明会被AI如实转述，成为你的招募话术。
雇主品牌GEO的监测配置
雇主品牌的Prompt库与商业品牌的结构不同，四类问题各配若干：
| 问题类型 | 示例 | 监测重点 | 频率 |
|---|---|---|---|
| 公司认知类 | “XX公司是做什么的，规模如何” | 业务描述准确率、规模表述 | 月度 |
| 雇主评价类 | “在XX公司工作体验怎么样” | 情感倾向、引用的信源类型 | 月度 |
| 风险尽调类 | “XX公司裁员过吗，稳定吗” | 负面框架占比、时间线完整性 | 月度（危机期周度） |
| 比较类 | “XX公司和YY公司哪个好（求职）” | 对比中的相对位置与理由 | 季度 |
监测结果的使用方：HRBP（offer谈判时的预判——候选人可能带着什么疑虑来）、招聘负责人（渠道与话术调整）、以及市场部（雇主品牌内容的选题来源）。雇主品牌GEO天然是HR与市场部的共建项目，挂在任何一方单独管都会跑偏。
雇主信源与商业信源的分区管理
| 信源阵地 | 雇主面内容 | 商业面内容 | 分区方式 |
|---|---|---|---|
| 官网 | 招聘专区（独立路径） | 业务主体（首页定位） | URL分区+导航分离 |
| 公众号 | 团队故事（低频，≤20%） | 专业内容（高频，≥80%） | 内容比例纪律 |
| 知乎/社区 | 员工个人职业分享 | 技术/专业回答 | 可同阵地，身份标注区分 |
| 点评类平台 | 员工评价（被动管理） | — | 官方回复统一口径 |
# 雇主品牌Prompt库的四类模板（各6-8条）
认知类: "{公司名}是做什么的" "{公司名}规模怎么样"
体验类: "在{公司名}工作体验" "{公司名}加班多吗"
风险类: "{公司名}裁员过吗" "{公司名}稳定吗"
比较类: "{公司名}和{竞品}哪个好 求职"
# 监测口径与商业侧共用一套看板，
# 但指标分开统计——雇主面的"客户"是候选人，
# 转化指标是offer接受率与报到率| 负面类型 | 处理 | 禁忌 |
|---|---|---|
| 属实的管理问题（加班、流程） | 官方回复+改进说明+制度更新信源 | 删评、否认、水军对冲 |
| 离职纠纷类 | 法律途径+事实陈述页（如已公开化） | 公开对线前员工 |
| 失实信息 | 平台申诉+证据存档+澄清页 | 无证据的情绪化声明 |
| 行业连带（行业裁员潮） | 自家经营数据信源（招聘持续、团队稳定） | 蹭行业热点表态 |
雇主品牌GEO有个反直觉的事实：候选人比客户更依赖AI。客户采购有销售对接、有展会见面、有熟人引荐，信息渠道多元；而候选人对公司内部的了解几乎只有公开信源——AI聚合的就是他对你的全部认知。所以雇主面的信源管理，精度要求其实高于商业面。
候选人尽调问法的信源对照
| 候选人问题 | AI答案的信源 | 企业可控度 |
|---|---|---|
| “这家公司做什么的，稳定吗” | 官网+百科+新闻+融资信息 | 高（自有信源为主） |
| “加班多吗，工作强度” | 员工点评+社区讨论 | 中（回应可管理，评价不可控） |
| “待遇在本地什么水平” | 薪酬数据站+点评薪资区 | 中低（第三方数据为主） |
| “发展前景/晋升” | 员工故事+招聘页描述+新闻 | 高 |
| “裁员历史” | 新闻+社区讨论 | 低（历史事实）——叙事完整度可控 |
常见问题
Q1：小公司（几十人）需要做雇主品牌GEO吗？
恰恰更需要。大公司候选人能从新闻、财报、海量员工点评里拼出画像，小公司的信息本来就少，AI能抓到的可能就几条过期信息——候选人问完AI得到的答案是”公开信息有限”，这在求职场景里约等于”风险不明”。小公司的最小配置：招聘页实体信息完整化+创始人的一次深度访谈内容+两三个员工的实名体验回答，三件事做完，AI至少能讲出一个具体的故事。
Q2：员工在点评网站匿名吐槽，管得了吗？
管不了删除，但管得了配比与回应。匿名吐槽是职场生态的一部分，任何公司都有——AI在综合答案时看的是整体图景：十条差评里如果混着二十条具体的好评和五条认真的官方回复，答案框架就是”有争议但总体尚可”；如果只有差评没有对冲，框架就是”风险较高”。HR该做的不是灭火式删帖，是常态化的正面沉淀与每条差评的官方回应。
Q3：雇主品牌GEO和产品品牌GEO是一套体系吗？
信源基建共用（官网实体、百科、Schema），内容与监测分开。受众不同（客户vs候选人）、问题不同（买不买vs来不来）、敏感区不同（产品质量vs劳资关系）。我们建议同一个黄金事实库下挂两套叙事口径——公司基本事实一致，业务叙事面向客户，雇主叙事面向人才。两套内容打架的公司（对客户说高速增长、对候选人说稳定安逸），AI会把矛盾如实暴露出来。
Q4：怎么衡量雇主品牌GEO的效果？
四个可统计的指标：offer接受率（AI尽调的影响直接落在这里）、入职报到率（接了offer没来报到的比例）、招聘周期、以及候选人访谈中”AI/网上信息影响”的自述占比。前三项HR本来就在统计，加一项归因字段就能看出趋势。我们见过的最大单点改善在报到率——一家客户的校招报到率从81%升到93%，复盘发现那届候选人的AI尽调问题里负面框架占比刚好降到了历史低位。
Q5：见山GEO做雇主品牌GEO吗？
做，通常作为企业品牌方案的扩展模块：雇主尽调Prompt库建立与月度监测、招聘信源阵地改造（职位页/员工故事/点评平台策略）、敏感问题信源管理。科技、制造、专业服务类企业的招聘竞争激烈，这个模块的投入产出通常比商业侧GEO更快显现——因为求职者的AI使用率比消费者更高。详情可聊 13632957375，邮箱 ddof@qq.com，武汉企业欢迎来武昌办公室面谈（湖北省武汉市武昌区）。