CL · PB · 512
无情推荐人核查法
Ruthless Referencing · ruthless-referencing--keith-rabois
所属簇 招聘与识人
解决什么问题
面试难以准确评估陌生人才的真正能力，招聘失误率高，且常规面试无法识别顶尖人才（前10%或前5%）。
核心内容
- 背调数量与底线：像 DoorDash 的 Tony 一样对每个高级雇员做20次背调；借鉴 Greylock 的 David Sze 原则——持续背调直到你收到第一个负面评价为止。
- 精准提问框架：背调问题的框架比对象更重要。不要问“他是个好员工吗？”，而要问“他有潜力成为世界级创业者吗？”（Faire CEO Max 的例子）。
- 候选人面试提问：“如果你是上一家公司的CEO，你会采取哪些不同的做法？”以此测试其商业嗅觉与战略思维。若对方给出好回答，追问：“那你为什么没能说服当时的CEO去做？”
- 背调提问模型：1) “什么条件能让这个人最成功？” 2) “如果事情没做成功，你认为最可能的根本原因是什么？”
- 30天反馈循环：雇佣后30天，问招聘团队：“如果重来，还会做同样的决定吗？”该节点的判断准确度与1-2年后的评估一样高。
适用边界
对应届生或刚毕业的大学生可能不太适用，因为缺乏足够的背景数据支撑参考。
关键引述 · 原话
"You couldn't stop referencing a founder until you hit a negative reference." (Keith Rabois)
"If you ask yourself 30 days after any hire, 'Would you make the same decision?' That 30-day loop is pretty useful..." (Keith Rabois)
出处：Keith Rabois · 03-podcasts/keith-rabois.md
提炼自 Lenny Rachitsky 的 Lenny’s Newsletter & Podcast（2019–2026）。本站为个人学习用途的二次创作，与 Lenny’s Newsletter 无官方关联。
provenance · 已核验 · glm-5.2
提炼自 Lenny Rachitsky 的 Lenny’s Newsletter & Podcast（2019–2026）。本站为个人学习用途的二次创作，与 Lenny’s Newsletter 无官方关联。
provenance · 已核验 · glm-5.2