對于獵頭顧問而言，首要關注的事情是：如何在自己的能力范圍之內(nèi)實現(xiàn)最高業(yè)績回款。
初級顧問的高業(yè)績回款
初級顧問想要業(yè)績回款達到80-100萬/年，必須做到下面三個方面的可控性。
1：情緒的可控性
情緒不穩(wěn)定是初級顧問最大的敵人，很多獵頭顧問因為無法承受“一會天堂一會地獄”的訂單跌宕起伏，導致情緒劇烈變動，最終在相當長時間內(nèi)一蹶不振，甚至退出獵頭行業(yè)。
新人進入獵頭行業(yè)的第一課就應該是：如何保持穩(wěn)定的情緒。
獵頭成交是一個很長的鏈條，尋訪-溝通-推薦-一面-二面-終面-談薪-offer-入職-回款，任何一個環(huán)節(jié)出問題，都會導致訂單終止，作為初級顧問而言，去提前預防候選人拒offer是一件很高難度的事情，初級顧問基本不具備該技能，初級顧問需要做的是“謀事在人，成事在天”，要保證自己的情緒始終處于平坦狀態(tài)，一直到過質(zhì)保期回款了，才可以大肆慶祝一下。初級顧問保持情緒穩(wěn)定的關鍵在于
充分認識到從尋訪-回款過程中的變動性，不管候選人多么匹配，不管訂單進行到哪一個環(huán)節(jié)，只要候選人沒有入職（甚至沒有回款），就當這個訂單只有30%的可能性。一定一定要減少對成交的預期。
2：訂單的可控性
訂單可控性，包含三層含義
（1）：不要輕易做自己未涉足的行業(yè)、崗位，除非行業(yè)斷崖式下跌，如今年的互聯(lián)網(wǎng)行業(yè)。
（2）：深度做某個行業(yè)的2-3個領域崗位（如智能駕駛的嵌入式C/C++、算法、系統(tǒng)工程師）
（3）：一定要確保在一個周期內(nèi)（一個星期），同時在做的崗位在3-5個之間，這3-5個崗位最好屬于同一領域，不能大于3個領域。
（4）：要學會自己判斷什么樣的訂單是優(yōu)質(zhì)訂單，應該把70%-100%的精力放在優(yōu)質(zhì)訂單上（備注說明，不是好的公司就一定是優(yōu)質(zhì)訂單，優(yōu)質(zhì)訂單有非常復雜的判斷標準）
國內(nèi)目前大部分獵頭公司都是采用KA模式，對獵頭公司而言，KA模式有利于其保持和甲方的深度合作，但對獵頭顧問做單而言，除少數(shù)行業(yè)，KA模式弊端遠大于好處。
（1）：不利于候選人深度認知崗位，對崗位進行深度挖掘，部分完全不熟悉崗位效率極低。
（2）：不利于人才的深度積累，以及多次利用。
以新能源
鋰電池行業(yè)的寧德時代
為例，寧德時代的崗位分為11大類。
1.電池材料研究崗位
2.鋰電池電芯研發(fā)崗位
3.鋰電池工廠（生產(chǎn)、采購、計劃、質(zhì)量、工藝、物流）
4.PACK工廠（結(jié)構(gòu)、電氣）
5.電池包系統(tǒng)（BMS軟件、BMS硬件）
6.儲能系統(tǒng)（BMS軟件、BMS硬件、EMS軟件、電力電子變流器、電氣、結(jié)構(gòu)）
7.各種銷售崗位
8.各類算法崗位（產(chǎn)線領域算法、電池領域算法、數(shù)據(jù)領域算法、其他領域算法）
9.各類技術開發(fā)崗位（各種監(jiān)控軟件開發(fā)、云計算類開發(fā)、互聯(lián)網(wǎng)開發(fā)等）
10.投資的電站電樁相關領域崗位
11.各種HR、行政、財務、法務等職能崗位
初級顧問在寧德時代這樣的長產(chǎn)業(yè)鏈公司做KA模式，基本等于“慢性自殺”。
3：做單流程的可控性
做單流程的可控性的核心在于制定嚴格的標準流程，涉及下面領域
（1）：每天工作時間安排的標準流程一定要可控，無特殊原因，嚴格執(zhí)行。
（2）：某渠道（如獵聘）候選人搜索頻次、搜索模式標準化流程
根據(jù)我們過去的經(jīng)驗，95%的初級顧問，其每天80%以上的工作時間屬于“無效工作時間”，而“無效工作時間”的大部分又浪費在“渠道候選人搜索”這一環(huán)節(jié)，很多初級顧問，每天看她/他忙忙碌碌，但因為缺乏引領性的“搜索標準解決方案”，導致其效率極其低下。
（3）：訂單拆解為可搜索的關鍵字組合標準流程
（4）：和候選人交流的標準化流程及話術。
只要情緒可控+訂單可控+做單流程可控，在訂單還算充足的情況下，初級顧問可以做到年回款80-100萬/年。特別勤奮的初級顧問甚至可以做到120-150萬/年。
高級顧問的高業(yè)績回款
高級顧問想要業(yè)績回款達到150-200萬/年，必須對行業(yè)、崗位、人才、訂單進行深度分析、深度挖掘，包括如下5個方面
1：行業(yè)深度分析
行業(yè)深度分析包括行業(yè)未來趨勢分析、行業(yè)內(nèi)不同公司未來發(fā)展?jié)摿Ψ治?、行業(yè)內(nèi)不同公司招聘難易度分析三個方面。
行業(yè)深度分析能力是一個高級獵頭顧問走向合伙人甚至是高級合伙人的基礎
行業(yè)深度分析能力對部分行業(yè)的崗位交付起到?jīng)Q定性作用，如智能駕駛的算法崗位。
智能駕駛算法
崗位是一個典型的，搜索候選人很容易，聯(lián)系候選人很難，讓候選人接受推薦更難，讓候選人接受自己訂單offer是難上加難
為什么？
因為智能駕駛算法領域?qū)儆诘湫偷膷徫粩?shù)量大于高質(zhì)量候選人數(shù)量的行業(yè)，其關鍵字組合極其容易（感知、多傳感器融合、slam、決策規(guī)劃、運動控制、高精地圖、定位），一個剛?cè)胄械墨C頭顧問也能把所有候選人搜索出來，又因為高潛候選人找工作極其容易，只要找工作，拿個8-10個offer很容易，所以候選人不愿交流，即使到offer環(huán)節(jié)，也特別容易放棄offer。
那說法候選人接受交流、接受推薦、接受offer入職的關鍵在哪呢？
候選人擔心一個核心問題：你推薦的智能駕駛公司未來能不能活下來？我入職這家公司會不會導致我未來職業(yè)生涯發(fā)展受限？我能不能持續(xù)高薪？
明確的告知候選人你推薦的這家智能駕駛公司為什么一定最后能活下來，并不斷發(fā)展壯大，并提供你判斷的基本依據(jù)（有時候候選人自己都拿不準，需要獵頭顧問斬釘截鐵的給出結(jié)論并提供結(jié)論依據(jù)）。
這就需要獵頭顧問具備行業(yè)深度分析的能力。
行業(yè)深度分析能力
其他行業(yè)深度分析
2：崗位深度分析
崗位深度分析包括以下三個方面
（1）：崗位對應候選人能力要求的本質(zhì)
不同公司對候選人的能力要求是有系統(tǒng)邏輯的，必須快速掌握這家公司的背后的潛臺詞邏輯，而不是根據(jù)JD去找人
以阿里云的大部分崗位招聘邏輯如下
阿里云將候選人分為三檔
第一檔：年輕高潛+平臺匹配+業(yè)務（技術）匹配，這種候選人面試速度特別快，HRG面走過場，基本不卡人。
第二檔：上面三個領域有一個領域稍有欠缺，大部分也能過，但要很小心準備HRG面。
第三檔：上面三個領域有一個領域有明顯欠缺，屬于備胎檔，但面試準備得當，還是有30%概率的，如果兩個領域有明顯欠缺，那就不用推薦了，浪費時間。
阿里云對平臺對標的邏輯如下：
1：大廠平臺對標公司，屬于大部分崗位對標公司，華為云、騰訊云、亞馬遜云、微軟云、谷歌云。上面5家企業(yè)95%崗位平臺對標，只要符合年齡候選人即可推薦。
2：非5家公司大廠平臺對標，屬于部分崗位對標，如大部分基礎架構(gòu)崗位、PaaS層崗位、云原生相關崗位等。
3：行業(yè)第二梯隊平臺對標，屬于部分崗位對標，特別是銷售、解決方案、產(chǎn)品領域，如浪潮云、新華三、金山云等。第二梯隊平臺對標企業(yè)候選人，一般在業(yè)績和業(yè)務匹配度上要高度匹配，對應的是華為云等只要業(yè)務還算匹配但候選人高潛，即可推薦。
4：特殊領域平臺對標公司，如金融領域業(yè)務架構(gòu)、應用架構(gòu)、技術架構(gòu)、數(shù)據(jù)架構(gòu)師，大廠一般看不上金融行業(yè)的技術開發(fā)，但上述領域卻要求一定有金融領域技術開發(fā)經(jīng)驗，就是因為金融行業(yè)的特殊行業(yè)屬性。
5：非主流行業(yè)/賽道平臺對標，如醫(yī)療、教育等領域，大廠會喜歡一些細分賽道的前三名公司，也會接受小公司候選人，但一定要求候選人在該行業(yè)連續(xù)工作時間很長，屬于行業(yè)專家，業(yè)績/業(yè)務領域要特別匹配，屬于某個公司關鍵人才。
6：百度云獨一檔，技術歸于一線大廠，其他歸于二線公司。
（2）：崗位交付的核心本質(zhì)
（3）：技術門檻崗位深度分析
后面在知識星球會精選20個有技術門檻的崗位，如嵌入式C/C++崗位、高性能計算崗位、云原生相關崗位、虛擬化相關崗位、AutoSar開發(fā)相關崗位、芯片設計相關崗位、FPGA相關崗位、投資經(jīng)理相關崗位、業(yè)務/應用/技術架構(gòu)師相關崗位等，就相關崗位進行系統(tǒng)分析。
這些崗位有一定的門檻，能夠深度理解崗位的獵頭顧問，其候選人來源起碼擴大1倍以上，有的領域甚至能將候選人擴大5倍以上，能夠極大的提高自己的做單成功率。
3：人才深度挖掘
行業(yè)深度分析能力是高級顧問高業(yè)績的基礎。
人才深度挖掘能力是高級顧問高業(yè)績的核心。
人才深度挖掘包括下面幾個方面
（1）：圍繞崗位深度分析理解帶來的候選人擴大1-5倍
（2）：深度搜索模式（逐漸放款條件，進行沉浸式搜索）帶來的全部“隱藏”候選人。
（3）：其他渠道候選人尋訪模式
后續(xù)章節(jié)：脈脈、知乎、領英、專業(yè)論壇、展會、行業(yè)交流會等渠道候選人尋訪
（4）：候選人社交轉(zhuǎn)推薦模式
（5）：人才mapping定向挖掘模式