招聘渠道异常诊断

解决的问题

招聘渠道的简历量或转化率突然下降时，HR往往面对一堆零散数据：后端显示某个渠道转化率掉到0，业务方反馈“最近没人来面试”，但没人能快速说清是统计口径错了、归因规则变了，还是流量真的断崖式下跌。这类异常排查要翻看不同系统的导出表，核对时间节点和字段定义，手工拼凑结论不仅耗时，还容易遗漏关键变量，导致后续动作跑偏。

核心能力与执行步骤

该技能聚焦“现象→原因→动作”的诊断链路，不需要用户提供复杂模板。首先从自然语言或上传文件中提取已确认信息，例如：“BOSS直聘渠道本周简历量环比下降60%”“转化率统计从点击职位到投递”。若缺少关键信息，仅追问最少必要项，不会要求填写内部JSON。

接着执行结构化检查：

• 核验字段定义与统计口径是否一致，比如区分“有效简历”与“所有投递”
• 排查时间范围是否跨过渠道规则调整节点，如平台推荐算法更新
• 检查重复值与异常值，定位是否因数据同步失败导致量级异常

完成检查后，输出可复核的明细，保留原始表行号或用户可识别字段，标记每行异常原因与复核状态。最终交付包含：

• 故障树与最可能原因排序（如归因参数错误>渠道流量下滑）
• 逐步核验动作（如“检查2024-03-15后归因规则是否变更”）
• 处理建议、升级条件及证据清单

需要确定性计算时，技能会将确认信息写入内部临时JSON，通过python scripts/run.py --input <临时文件> --output <结果文件>运行脚本，该JSON仅用于脚本调用，用户无需手填或查看。涉及外部基准时会标注来源、样本时间及适用范围，无法核验的内容会明确写出假设。

适用边界与注意点

• 不要求蚂蚁HR账号、内部员工编号或手写JSON，仅处理任务所需的最少个人信息
• 未实际调用业务系统接口时，不会声称已完成发送、申报、审批等操作
• 输入不足时输出待补充清单，不会用猜测数据替代未知事实
• 严格限制敏感信息处理，不会基于性别、年龄等属性作出人员决策

结果生成后，先在对话中展示结论与关键明细，再支持下载Markdown、CSV、XLSX等格式的报告。