简而言之
- 结构能预测绩效。 2022 年的一项重新分析将结构化面试列为排名第一的甄选方法,其效度约为非结构化面试的两倍。
- 问题相同,源自岗位: 以岗位分析为基础,向每位候选人提出相同的问题,并预先设计追问。
- 按内容确定时长: 能预测绩效的是结构而非时长;初筛需要 20 到 40 分钟,技术面试最多一小时。
- 每个回答结束后, 立即对照锚定标准评分,并记录候选人说了什么、做了什么。
- 按公式汇总: 先取多名评分人的平均分,再进行讨论;公式胜过凭感觉综合判断。
- 结构能限制偏见, 包括第一印象、光环效应和相似性偏好,但无法消除;问题要与岗位相关,并提供便利安排。
结构为什么重要
结构化面试的最佳实践可以归结为一个简单的理念:向每位候选人提出相同的岗位相关问题,并按照事先写好的标准为回答评分。研究表明,这种方式比自由交谈更能预测工作绩效,也让偏见更难发挥作用。下面是相关证据、适用于任何形式的八项做法,以及一份清单。
什么是结构化面试
在结构化面试中,同一岗位的每位候选人都回答相同的岗位相关问题,每个回答都按照相同的标准评分,这些标准在第一场面试前就已写好。在非结构化面试中,面试官即兴发挥:对不同的人问不同的问题,凭整体印象做判断。
结构并非全有或全无。Campion, Palmer and Campion (1997) 描述了结构的 15 个组成部分。按照对这篇论文的常见概括,它们分为面试内容和评估方式两类:
| 内容 | 评估 |
|---|---|
| 基于岗位分析的问题 | 对每个回答评分,或使用多个评分量表 |
| 每位候选人问题相同 | 锚定评分量表 |
| 更好的问题类型(行为类、情境类) | 详细的笔记 |
| 有限的提示和追问 | 多名面试官 |
| 更长的面试或更多问题 | 每位候选人面对相同的面试官 |
| 面试中不参考额外信息(如简历) | 面试之间不进行讨论 |
| 候选人的提问留到最后 | 面试官培训 |
| 以统计方式而非讨论来汇总评分 |
你不需要做到全部 15 项。下面这些做法的证据最为明确。
结构化面试与非结构化面试:证据怎么说
这里的效度指面试评分与日后工作绩效之间的相关性(0 表示毫无关联,1 表示完全一致)。
| 估计来源 | 结构化 | 非结构化 |
|---|---|---|
| Schmidt and Hunter (1998) | .51 | .38 |
| Sackett, Zhang, Berry and Lievens (2022) | .42 | 约 .19 |
- 结构化面试名列第一。 2022 年的重新分析发现,早期研究存在过度校正,因此大多数效度值都下降了。结构化面试成为排名第一的甄选方法,效度为 .42(不同场景下范围较宽,为 .18 到 .66)。非结构化面试降至约 .19,大约是结构化面试的一半。
- 早期数据更高, 但排名没有变:在 Schmidt 和 Hunter 的综述中,结构化面试与能力测试持平,均为 .51。
- 结构让面试官意见更一致。 一项涵盖 111 项信度研究的元分析(Conway, Jako and Goodman, 1995)发现,标准化的问题、标准化的回答评估以及评分汇总都能提高信度。
提出正确的问题
1. 从岗位分析开始
在编写问题之前,先写下岗位的需求:主要工作任务和入职第一天就需要的技能。美国人事管理局把岗位分析称为“所有测评与甄选决策的基础”;它还能证明你的问题与岗位相关,这正是美国 Uniform Guidelines(修订中)所要求的。
简化版也可行:问用人经理,六个月后优秀的新员工与其他人有什么区别,再把答案整理成三到六个必备项和几个加分项。比如客服专员的一个必备项可以是“在升级 Bug 之前先收集截图和复现步骤”。参见根据职位描述生成面试问题和必备项与加分项。
2. 向每位候选人提出相同的问题
相同的问题、相同的顺序、相同的时间:只有这样,比较的才是回答,而不是对话。如果你采用多种面试形式,同一阶段的所有人应使用同一种形式:面试方式本身就会影响评分(参见 AI 面试与单向视频面试对比)。
3. 使用行为类和情境类问题
- 行为类: “请讲一次你需要向不懂技术的客户解释技术问题的经历。你是怎么说的?”候选人描述自己实际做了什么。
- 情境类: “一位客户说昨天更新后导出按钮失灵了,而他们一小时内就要拿到报表。你会怎么做?”候选人描述自己会怎么做。
两者都有效。在使用锚定评分量表的情况下,Taylor and Small (2002) 发现行为类问题的平均效度为 .63,情境类问题为 .47;Huffcutt 等人 (2004) 发现,对于高度复杂的岗位,情境类问题的效度会下降,而行为类问题不会。复杂岗位多用行为类问题,经验较少的人多用情境类问题。对于可以直接观察的技能,加一个任务:简短的编程练习、白板设计或角色扮演面试。
4. 预先设计追问
追问能突破含糊的第一轮回答(“你具体问了客户什么?”),但无限制的追问又会让面试重新变得非结构化。关于面试结构的研究将有限的、预先设计的追问视为结构的一部分(Levashina 等人, 2014),Google 的指南也为每个问题预先写好追问。每个问题写两到三个追问,并记录候选人何时需要提示。
结构化面试应该多长?
以问题所需为准,不多不少。Thorsteinson (2018) 的一项元分析发现,面试时长与信度和效度均无关:更长的面试并不更好,结构更好的面试才更好。所以请按内容确定时长:数一数要评分的问题和任务,给每项留足时间,其他一概不加。
时长对候选人造成的流失也比人们担心的要小。HireVue 分析了近 3,000 万名申请人完成的测评(2025 年白皮书),发现时长并不能预测完成率:大多数退出发生在最初 5 到 10 分钟,把 45 分钟的测评缩短到 30 分钟,预计完成率只会提高 1% 到 2%。Criteria Corp 基于数十万次测试的数据(2022)显示,在招聘流程早期,40 分钟以内的测试完成率较高,约为 80%,超过之后流失更多。更重要的是,每个部分都与岗位明显相关,并且候选人在开始前就知道时长。
让时长与轮次相匹配
| 轮次 | 常见时长 | 考察内容 |
|---|---|---|
| 首轮初筛 | 20–40 分钟 | 三到五个必备项:求职动机、核心经验、一两个工作情境。 |
| 技术或技能面试 | 45–60 分钟 | 一到两个任务,如编程练习、白板设计或书面案例,并就候选人的取舍提问。 |
| 角色扮演或案例面试 | 30–60 分钟 | 一段贴近真实的对话,如销售电话或客服升级处理,之后就过程提问。 |
| 最终的真人面谈 | 15–30 分钟 | 确认前几轮的发现,深入了解报告中的待定问题,解答候选人的疑问。 |
我们建议每场面试控制在一小时左右,让候选人保持精力充沛,也便于安排进一天的日程。如果岗位需要更多时间,请拆分成候选人分别参加的多轮面试,每轮各有主题,而不是一次坐很久。
多轮结构化面试,再加一场简短的真人面试
一个招聘流程可以把大部分轮次设为结构化 AI 面试,把团队的时间留到最后:例如先进行 30 分钟的初筛,再进行 60 分钟的技术面试,最后与用人经理面谈 20 分钟。结构化轮次让每位候选人回答相同的问题,并为团队提供依据;真人面试则核实这些依据,追问报告中标出的问题,并让候选人见到未来的同事。决定权始终在团队手中。
轮次也不是越多越好。Google 的人才分析团队发现,四场面试就足以以约 86% 的把握预测录用决定,每多加一场,增益都很小(据 Laszlo Bock 在《Work Rules!》中的描述)。给每一轮分配其他轮次不涉及的主题,避免重复。
实用建议
- 按问题分配时间: 一个对话问题连同追问约 4 到 6 分钟,编程或设计任务 15 到 30 分钟,角色扮演 10 到 20 分钟,测验题每题约一分钟。
- 删掉不评分的内容。 每个问题都应至少对应一个必备项或加分项;与其增加时间,不如删掉对应不上的问题。
- 提前告知候选人时长, 包括总时长和每个部分的时间。给出切实的估计,宁可略宽裕也不要偏短,这样能建立信任,也方便他们安排一段安静的时间。
- 同一轮中所有人的时间限制相同, 只有在候选人需要便利安排时才延长时间(参见公平的 AI 面试)。
- 检查实际用时。 如果大多数候选人在某个部分时间不够,说明这部分太长或问题太宽泛;如果大多数人提前完成,就缩短它。
面试评分:评的是回答,不是人
5. 对照锚定标准评分
锚定量表描述了每个等级的回答听起来是什么样子,让每位面试官对评分的理解一致。这一思路可追溯到 Smith and Kendall (1963);在 Taylor 和 Small 的综述中,使用锚定量表的面试官之间一致性很高(信度约为 .77 到 .79)。请在第一场面试前写好锚点。
| 评级 | “升级 Bug 前先弄清事实” |
|---|---|
| 优秀 | 索要截图、操作步骤以及设备或浏览器信息,尝试复现问题,然后附上清晰的说明进行升级。 |
| 合格 | 询问出了什么问题并进行升级,但遗漏了工程师需要的细节。 |
| 较弱 | 直接以“导出坏了”为由升级,或者让客户清除缓存后就关闭工单。 |
6. 每个回答结束后立即评分
每个回答一结束就评分,在和任何人交流之前完成。等到一天结束时再评分,整体印象就会覆盖细节。美国人事管理局要求面试小组成员先各自评分,再协调分歧。
7. 记下候选人说了什么
笔记对记忆的帮助大于对判断的帮助:Middendorf and Macan (2002) 发现,做笔记能改善回忆,但不能提高判断的准确性,而在评分前回顾笔记则有帮助。写什么也很重要:Burnett 等人 (1998) 发现,记录候选人说了什么、做了什么的笔记与更高的效度相关,而记录流程的笔记与更低的效度相关。要写“索要了报错截图和浏览器版本”,而不是“沟通能力强”。
8. 安排多名评分人,并按公式汇总
Conway 等人发现,多名评分人的评分按机械方式汇总时有帮助,而主观汇总则没有证据表明有益。Kuncel 等人 (2013) 在测评数据的汇总上普遍得出同样结论:固定公式对工作绩效的预测效度为 .44,而专家凭头脑综合同样数据的效度只有 .28。先求平均,再只讨论差距较大的地方。
面试偏见,以及结构如何加以限制
- 第一印象。 一项针对结构化面试的研究发现,对开场破冰(正式提问前的寒暄)的评分与最终面试评分相关(r = .42),也与是否发放录用通知相关(Barrick, Swider and Stewart, 2010)。其中部分原因是对能力的早期判断。尽快进入计分问题,并对每个回答单独评分。
- 光环效应。 整体印象会蔓延到对无关特质的评分上,而人们察觉不到这一点(Nisbett and Wilson, 1977,一项招聘领域之外的经典实验)。把标准分开,每项按各自的锚点评分,能压缩它的影响空间。
- 相似性偏好。 面试官可能偏爱和自己相似的人。在一项针对约 20,000 名管理岗申请人的高度结构化面试中,McCarthy, Van Iddekinge and Campion (2010) 未发现申请人性别或种族对评分有影响,也未发现申请人与面试官的相似性有影响。但这只是一家机构的数据:结构可以抑制这些影响,却不能保证在任何地方都消除它们。
- 群体差异。 Huffcutt and Roth (1998) 汇总 31 项研究发现,与低结构化面试相比,高结构化面试中黑人、西班牙裔和白人申请人之间的评分差异更小。
仅靠结构并不能让面试变得公平。绝不要询问健康、家庭、年龄、宗教或出身,并提供便利安排:参见面试便利安排。
结构化面试中的候选人体验
- 告诉候选人你考察什么。 两项研究表明,告知面试者所考察的维度能提升他们的表现,并能更准确地测量目标维度,同时不损害预测效度(Klehe and colleagues, 2008)。分享主题,而不是预期答案。
- 说明面试形式。 说明需要多长时间、所有人的问题都相同,以及何时会收到回复。Google 称,经历过结构化面试的落选候选人满意度高出 35%(re:Work;Google 内部数据)。
- 行动要快,并给出结果。 根据 CandE Benchmark 2025(该项目对 66,000 多份候选人调查的自行汇总),56% 的候选人被拒后没有收到任何反馈;如果没有面试准备说明或后续跟进,不满情绪会上升 70%。一条简短、坦诚的消息胜过沉默。
邀请措辞和准备建议,请参阅如何邀请候选人参加 AI 面试。
结构化面试清单
面试前、面试中、面试后
- 分析岗位。 列出主要工作任务,以及一名合格的新员工在六个月后应有的表现。
- 撰写必备项和加分项, 内容须与岗位相关,必备项最多三到六条。
- 编写问题: 行为类、情境类问题或实操任务,每个问题对应一项或多项标准,并预先设计两到三个追问。
- 编写锚点: 为每项标准写出优秀、合格和较弱回答的样例。
- 按内容确定每轮时长: 初筛约 20 到 40 分钟,技术面试最多一小时,每个部分设时间限制,所有人一致。
- 告知候选人 面试形式、时长和主题,并提供便利安排。
- 每个回答结束后立即评分, 并记录候选人说了什么、做了什么。
- 按公式汇总评分, 之后只讨论评分人之间差距较大的地方。
- 做出决定并记录理由, 附上依据,并把结果告知每一位候选人。
testee 如何落实这些做法
| 做法 | 在 testee 中 |
|---|---|
| 与岗位相关的问题 | 根据职位描述、职位名称、模板或题库生成草稿,由你的团队审核。 |
| 所有人问题相同 | 每位候选人的环节、问题和时间限制都相同。 |
| 预设标准 | 每个环节都有必备项和加分项考察要求,对候选人不可见。 |
| 有限的追问 | 面试官在环节时间内追问;如果给了提示,状态会显示“提示后覆盖”。 |
| 每项评分都有依据 | 每项考察要求都会标为已覆盖、提示后覆盖、部分覆盖、错误或未覆盖,并附上候选人的原话及其在录音中的时间点。 |
| 按公式汇总 | 覆盖度评分由代码根据各项状态计算,绝不由 AI 给出,对所有人方法一致。它供审阅参考,并非录用决定。 |
| 多名评分人 | 审阅人可以评论并修改任何状态;团队决定需要附上备注。 |
| 公平 | 不分析情绪、声音、面部或口音;支持文字模式;可按需延长时间。 |
最终始终由人来决定:AI 从不自行做出录用决定,也不会自行淘汰任何人。如需自动为某个职位的每位申请人发送同一场面试,请参阅 AI 面试与 ATS 集成。
总结
- 结构具有预测力。 在 2022 年的重新分析中,结构化面试是排名第一的甄选方法(.42),约为非结构化面试的两倍。
- 问题: 源自岗位分析,所有人相同,采用行为类或情境类问题,并预先设计追问。
- 评分: 使用锚定标准,每个回答结束后立即评分,记录所说内容,多名评分人的结果按公式汇总。
- 偏见: 当每个回答都对照预设锚点评分时,第一印象和光环效应的影响空间就更小。
- 候选人: 告诉他们你考察什么、流程如何进行,行动要快,并把结果告知每个人。
常见问题
结构化面试应该多长?
以问题所需为准:首轮初筛约 20 到 40 分钟,技术或技能面试 45 到 60 分钟,与团队的终面 15 到 30 分钟。研究发现,时长并不能预测面试的信度或效度,而且大多数中途退出的候选人都发生在最初几分钟,所以请根据要评分的内容确定时长,并提前告知候选人。
什么是结构化面试?
在这种面试中,同一岗位的每位候选人都回答相同的岗位相关问题,每个回答都按照相同的标准评分,这些标准在第一场面试前就已写好。
结构化面试问题有哪些例子?
行为类:“请讲一次你需要向不懂技术的客户解释技术问题的经历。你是怎么说的?”情境类:“一位客户说昨天更新后导出按钮失灵了,而他们一小时内就要拿到报表。你会怎么做?”每个问题都配有预先设计的追问和锚定评分量表。
结构化面试与非结构化面试相比有哪些优势?
结构化面试对工作绩效的预测更准确(在 Sackett 等人 2022 年的重新分析中为 .42,非结构化面试约为 .19),面试官之间的一致性更高,评分中的群体差异也更小。
什么是胜任力面试?
一种围绕胜任力(如客户导向或解决问题能力)设计的结构化面试,通常使用行为类问题(“请讲一次……”),并对照每项胜任力在各个等级上的表现来评分。这个说法在英国很常见。
首轮面试应该问候选人哪些问题?
针对岗位必备项问两到三个问题,每个问题对应预设标准;如果岗位需要,再加一个简短任务。薪资、入职日期等事务性问题留给申请表或简短的电话沟通。
来源
- Schmidt and Hunter (1998), The validity and utility of selection methods in personnel psychology
- Sackett, Zhang, Berry and Lievens (2022), Revisiting meta-analytic estimates of validity in personnel selection
- Sackett, Zhang, Berry and Lievens (2023), Revisiting the design of selection systems in light of new findings regarding the validity of widely used predictors
- Campion, Palmer and Campion (1997), A review of structure in the selection interview
- Conway, Jako and Goodman (1995), A meta-analysis of interrater and internal consistency reliability of selection interviews
- Levashina, Hartwell, Morgeson and Campion (2014), The structured employment interview
- Taylor and Small (2002), Asking applicants what they would do versus what they did do
- Huffcutt, Conway, Roth and Klehe (2004), The impact of job complexity and study design on situational and behavior description interview validity
- Smith and Kendall (1963), Retranslation of expectations
- Middendorf and Macan (2002), Note-taking in the employment interview
- Burnett, Fan, Motowidlo and DeGroot (1998), Interview notes and validity
- Kuncel, Klieger, Connelly and Ones (2013), Mechanical versus clinical data combination in selection and admissions decisions
- Barrick, Swider and Stewart (2010), Initial evaluations in the interview
- Nisbett and Wilson (1977), The halo effect
- McCarthy, Van Iddekinge and Campion (2010), Are highly structured job interviews resistant to demographic similarity effects?
- Huffcutt and Roth (1998), Racial group differences in employment interview evaluations
- Thorsteinson (2018), A meta-analysis of interview length on reliability and validity
- HireVue (2025), Applicant dropout: completion rate drivers and consequences
- Criteria Corp (2022), How much testing is OK?
- ERE (Dr. John Sullivan), As Google found out, it takes a lot of work to really hire smarter
- Klehe, König, Richter, Kleinmann and Melchers (2008), Transparency in structured interviews
- US Office of Personnel Management, Structured interviews
- US Office of Personnel Management, Job analysis
- Uniform Guidelines on Employee Selection Procedures, 29 CFR 1607.14
- Google re:Work, A guide to structured interviewing
- Survale, CandE Benchmark 2025 key statistics