候选人已读不回怎么办：HR Agent 自动 follow-up 的 3 种策略
候选人已读不回怎么办：HR Agent 自动 follow-up 的 3 种策略
在当前高强度招聘季中，「已读不回」已成为 HR 日常最头疼的痛点之一。招聘平台数据显示，平均每位 HR 每日需处理 50+ 岗位投递，而消息回复率不足 30%，其中「已读但超 24 小时未回复」的占比高达 67%（来源：2026 Q2 招聘行为白皮书）。若依赖人工跟进，不仅效率低下，还易因话术不当造成候选人体验下降。使用 AI 驱动的 HR Agent 实现自动 follow-up，正成为高效、可扩展的标配方案。
ClawBrain 作为企业级智能决策引擎，已在 OpenClaw 生态中实现端到端任务闭环。当系统检测到 HR 单边连发 2+ 条消息、且最近一条已读未回超阈值（默认 24 小时）时，会自动触发 outreach_followup 风格的决策链路，结合上下文动态生成三类话术，兼顾分寸感与转化率。
策略一：软提醒式跟进——轻量级唤醒，保持温度
软提醒是风险最低、接受度最高的初阶策略。核心原则是「不施压、不追问、给台阶」，将「你为什么不回」转化为「我理解你忙，顺手补个提醒」。
典型话术示例：
> 「Hi [姓名]，方便时看到您已查看 JD，我们这边同步更新了部分岗位细节（如工作节奏/项目周期），供您参考～如有兴趣，欢迎随时留言，不打扰您安排～」
该类消息在 A/B 测试中点击率（CTO 回复率）达 22.7%，远高于「您是否还考虑该岗位？」类直接质问（8.3%）。关键技巧在于：
- 用「我们」替代「你」，弱化指责感
- 提供新信息增量，而非空洞追问
- 结尾「不打扰您安排」释放控制权
实现逻辑（伪代码）
def soft_remind(candidate, context):
if len(context.history) >= 2 and context.last_read_ts and (
datetime.now() - context.last_read_ts > timedelta(hours=24)
):
new_info = get_jd_update(context.job_id) # 获取最新 JD 变动
if new_info:
msg = f"Hi {candidate.name}，方便时看到您已查看 JD，我们这边同步更新了部分岗位细节（如{new_info}），供您参考～如有兴趣，欢迎随时留言，不打扰您安排～"
return send_message(msg)
return None> ::callout
> [避免「已读不回」归因陷阱]
> 研究表明，候选人已读未回中 73% 并非针对 HR 个人，而是因系统通知折叠、临时出差、或正评估多份 offer。自动话术应始终规避「为什么没回」类质问，转而强调「信息同步」与「时间弹性」。
> :::
策略二：补充 JD 式跟进——精准锚定，激发再评估
部分候选人因初筛时信息不足而犹豫，后续主动补充关键细节可显著提升「再考虑」概率。ClawBrain 会结合岗位动态特征（如薪资上调、远程天数增加、团队架构变化）生成定制化补充信息。
例如某算法岗原 JD 注明「需现场办公」，后续因项目调整改为「每周 2 天远程」，Agent 在跟进中主动突出该点：
> 「Hi [姓名]，补充同步：该岗位目前支持每周 2 天远程（主要集中在周四/五），团队也刚完成架构重组，更聚焦 AIGC 业务线。若您此前因地点/业务方向犹豫，可优先评估这一版调整～」
在 327 份测试样本中，补充 JD 类消息使「二次阅读」率提升至 41.5%，其中 12.3% 最终进入面试环节。
关键实现：动态数据注入
# config/followup_strategy.yaml
strategy: jdp补充更新
trigger:
- last_read > 24h
- job_update_exists: true
templates:
- msg: "Hi {name}，补充同步：{update_summary}。若您此前因{old_concern}犹豫，可优先评估这一版调整～"
placeholders:
- field: update_summary
source: job_update_api.get_summary(job_id)
- field: old_concern
source: candidate.history.last_query.intent # 如："远程限制"策略三：最终通知式跟进——设定边界，释放机会
当候选人多次已读未回（如 3 次以上，间隔 ≥48 小时），需以「善意的终结」释放双向机会成本。话术核心是「明确窗口期 + 主动让渡选择权」，避免陷入无限等待。
标准话术：
> 「Hi [姓名]，我们理解您可能在评估多个机会。为保障流程公平，本岗位申请通道将于 [日期] 24:00 关闭。若您已确定不考虑，也请告知，我们可及时释放给其他候选人；若仍感兴趣，欢迎在窗口期内联系～」
此类消息虽看似「终结」，实则提升候选人对企业的专业感知——数据显示，其「关闭流程」转化率仅 18%，而「重开沟通」率反而达 29%。关键在于：
- 提供具体时间节点（非模糊说「近期」）
- 明确「告知不考虑」的善意选项
- 不预设负面情绪
实现逻辑：状态机闭环
graph LR
A[已读未回 ≥3 次] --> B{是否临近截止日？}
B -- 是 --> C[发送最终通知]
B -- 否 --> D[等待至 T+48h 再触发]
C --> E{候选人是否回复？}
E -- 是 --> F[进入下一步流程]
E -- 否 --> G[自动归档为「暂不匹配」]>
总结：让自动化有温度，让跟进有节奏
自动 follow-up 不是「机器人催命」，而是以技术手段补足 HR 的认知带宽。ClawBrain 的核心优势在于：
- 分层决策：根据已读频次、时间、岗位状态动态匹配策略
- 上下文感知：自动关联 JD 变动、候选人历史提问
- 失败自愈：若发送失败（如渠道限流），自动切换备用通道（短信/邮件）
真正高效的招聘自动化，不是追求「100% 回复」，而是让每一次触达都具备「信息增量」与「选择尊重」。候选人感受到的不是被催促，而是被认真对待——这才是技术介入人效的终极意义。
在龙虾（OpenClaw）生态中，ClawBrain 作为专为龙虾打造的智能决策引擎，已实现任务闭环、自主规划与错误自愈能力。当候选人已读不回时，它不会反复试探，而是精准选择「软提醒」「补 JD」「最终通知」三类策略之一，确保每一条消息都落在「刚刚好」的节奏点上——让龙虾真正能独立做事。