不差钱的招聘行业在国内的融资喜报就不一一赘述，在国外也出现了融资的高潮，美国在2014年所有的投资案例，三分之一投向了 HR服务这个领域，机器学习优化招聘流程的RUMAROCKET获得千万美金；通过算法为中小企业推荐合适人选的ZipRecruiter获得的6300万美金。

依托智能化、移动化、系统化连接招聘领域人与服务的e成招聘 3.0 ，也在产品未上线时获得多家资本方关注，最终于2014年5月获得光速的A轮千万元A轮投资。

在采访e成创始人ken，他坦言自己在过去18个月的时间，他带着20号纯技术员工就做出一个词：match。从百度凤巢团队挖数据分析人才做语义分析，ken从自己10年猎头公司业务团队调派有3年以上猎头从业经验的猎头参与match前期的人工标注工作，对职位、简历等样本进行机器和人工的双重分析。

在做好match的基础工作后，e成采取了一框式的人才和职位搜索体验，利用语义分析去力求精准，如HR在输入框输入“北大 硕士 腾讯 HR”，最终搜到的人才是在北京大学硕士毕业的，并且曾在腾讯工作过HR岗位的人才，这里肯定不会出现东北大学、西北大学等单纯关键词匹配的结果。

如果把高效招聘比作一个拥有智慧大脑的机器人的话，那么match机制等于这个机器人的记忆芯片，就相当于你教会了这个大脑最初的识别和语言的能力，而且还不停用人工干预方式让大脑记住并学习招聘智慧。

Ken一直强调e成是一个工具，可以给任何一家公司招聘部门免费使用的工具。未来e成的盈利模式将在增值服务上，e成根据海量数据的分析实现人力资本分析，分析企业在职员工、离职员工组成和稳定性，为企业人力资源管理做前期预测和分析。