候选人和我聊得特别投机——怎么避免「好感分」误判技术?
本文目录
先说结论
好感是面试官最大的隐性敌人。候选人技术分由你打,好感会让你的笔不自觉地下手温柔。
好感隔离三步:意识到 → 量化打分 → 抓硬指标。把感性评估改成结构化评估。
有意识地反问自己:「如果这个候选人我不喜欢,他这个回答我会给几分?」
先把这段讲顺;面试官追问时,再展开下面的原理和细节。
详细讲解
面试官最隐蔽的认知偏差不是「冤枉好人」,是「被好感迷惑」。候选人跟你聊得来、价值观一致、对同一个技术框架有共鸣、甚至跟你是同一所学校或者老乡——这些都会让你的判断悄悄上调一档。心理学叫这个「相似性偏差」(Similarity Bias)。这一篇聊我自己用了几年的「好感隔离三步法」,避免让聊得投机的候选人骗过技术评估。
先意识到「好感」是怎么产生的
人为什么会对某个候选人产生好感?心理学有几个机制:
| 机制 | 触发场景 | 影响 |
|---|---|---|
| 相似性偏差 | 同校、同乡、同技术栈偏好 | 无意识抬高评分 |
| 共鸣偏差 | 对某个观点强烈认同 | 把观点对错和能力混淆 |
| 镜像偏差 | 候选人讲话风格像你 | 感觉「这就是合适的人」 |
| 叙事偏差 | 候选人讲了一个动人的故事 | 被故事感动而非能力 |
| 容貌偏差 | 候选人长得好看或精神 | 整体印象自动加分 |
意识到这些偏差,是降低偏差影响的第一步。不可能完全消除,但能减少。一个不知道自己有偏差的面试官,是最危险的面试官。
第一步:每次面试前提醒自己「我可能会有好感」
我在每场面试开始前,会花30秒做一件事:在心里默念「这场面试可能会让我对某个候选人产生好感,我要警惕」。这是元认知(meta-cognition)操作,简单但有效。
特别是这几种场景,要主动警惕:
# 高好感风险场景清单
# 风险1: 候选人是同校/同地区/同前公司
# → 警惕:你会无意识把他当「自己人」
# 风险2: 候选人用了你熟悉/喜欢的技术栈
# → 警惕:你会把对技术的偏好转嫁到对人的评价
# 风险3: 候选人讲的项目恰好是你做过的方向
# → 警惕:你会用「我们当年也是这么干」的共鸣替代判断
# 风险4: 候选人讲话节奏很贴你
# → 警惕:聊得舒服 ≠ 能力强
# 风险5: 候选人讲了一个感人的奋斗故事
# → 警惕:故事不是能力,努力不是水平
# 风险6: 候选人对你表示赞同/夸奖
# → 警惕:被夸的人都会上钩,包括你
第二步:用「量化打分表」把感性判断结构化
意识到偏差还不够,得有工具对抗。我自己用了一份固定的打分表,把面试评估拆成几个维度,每个维度独立打分,最后加权。这样能避免「整体印象」覆盖具体分项。
| 评估维度 | 权重 | 评分依据 |
|---|---|---|
| 基础知识 | 20% | 看具体题目得分 |
| 项目深度 | 30% | 看追问能讲多深 |
| 问题解决 | 20% | 看场景题/写代码 |
| 沟通表达 | 10% | 看讲解清晰度 |
| 学习能力 | 10% | 看新技术掌握 |
| 协作品行 | 10% | 看红线挖掘 |
好感主要影响「沟通表达」和「协作品行」这两个软分项,但很难影响「基础知识」「项目深度」「问题解决」这三个硬分项。把权重压在硬分项上,能大幅降低好感的影响。
第三步:对硬分项做「反向校验」
最关键的一步——给候选人打高分前,必须反问自己:「这个分数的具体依据是什么?」如果给不出具体依据(只能说「他聊得来」「他思路清晰」「他懂得多」),那就降一档。
// 反向校验问题清单
// 给「项目深度」高分时反问:
// 他讲的最深的一个项目细节是什么?
// 他能讲出多少具体参数和数字?
// 他主动暴露过哪些方案局限?
// → 答不出具体的,分数自动降一档
// 给「问题解决」高分时反问:
// 他在写代码时用了几级引导(参考手册09)?
// 他答场景题时给了几种方案的权衡?
// 他遇到不会的时候怎么处理的?
// → 答不出具体的,分数自动降一档
// 给「学习能力」高分时反问:
// 他最近学的新技术能讲清楚几个细节?
// 他的学习方法有具体例子吗?
// 他学的东西有没有实际应用?
// → 答不出具体的,分数自动降一档
// 反向校验的本质是把「我觉得他强」
// 替换为「我有依据他强」
一个真实案例:差点因为好感招错
我面过一个候选人,跟我同一所学校毕业、用过同一套技术栈(Databricks)、聊到某个OOM问题时跟我有强烈共鸣(「对对对我们当年也是这么解决的」)。整场面试氛围特别好,我心里默默给了高分。
但面试结束我做反向校验:
项目深度:他能讲出哪些具体细节?我回顾发现——他讲的细节大部分是「我引导他讲出来的」,他主动提供的细节并不多。
问题解决:场景题他给了几种方案?我回顾发现——他给了一种,没主动对比其他方案,是我追问之后他才补的。
学习能力:最近学的新技术?他说「最近在看Iceberg」,但讲不出他怎么学的、学了什么具体内容。
反向校验完,我把感性的「高分」拉回到「中分」。最后我给了一个「可过可不过」的中性评估,让二面来判定。二面同事确认了我的中分判断——这个候选人不是坏,但不是我感觉的那么好。
怎么识别「自己有好感了」?
有几个身体和语言信号,可以提醒你「我现在有好感了」:
信号一:你在追问时手下留情。正常你会追问到底的问题,对这个候选人你只追问一两次就放过。这是好感在影响你。
信号二:你想跟他多聊几句。正常面试到时间就结束,你想拖个5-10分钟跟他聊。这是好感在影响你。
信号三:你倾向于解释他的错误。他答错了一个题,你心里想「他可能是没理解我的题」「他可能是紧张」,给他找借口。这是好感在影响你。
信号四:你已经在心里给了通过。面试还没结束你已经决定通过了,剩下的问题只是走流程。这是好感在影响你。
意识到这些信号就立刻提醒自己——慢一点,把硬分项再问一遍。
面试高频追问
追问一:是不是有时候「好感」就是正确判断?
有可能。一个能让你产生好感的候选人,往往沟通能力、情商、价值观和团队都更匹配。但好感容易让你忽略硬技术。所以处理方式不是「不信任好感」,而是「分开评估」——好感对应「软分」(沟通+协作),硬分项必须独立评估。两个分项都过的,是真好;只有软分高的,是好感党。
追问二:怎么应对那种「特别会聊」的候选人?
加倍警惕。特别会聊的候选人有两类:① 真技术好+情商高的,这是优秀;② 技术中等但情商高,靠聊得来通过面试。区分方法就是反向校验——把硬分项的依据问到具体。能讲出具体细节的是第一类,讲不出具体细节的是第二类。要识别得很清楚。
追问三:好感会不会反向起作用——对某些候选人有「负面好感」?
会,叫「相反相斥偏差」。比如候选人讲话风格跟你完全不一样、技术偏好跟你相反,你会无意识压低他的评分。这种偏差比正向好感更危险,因为它会让你错过和你不同类型但优秀的人。解决方法一样:用结构化打分表+反向校验,让感性判断让位给具体依据。
实战踩坑:被好感招进来的雷
我做面试官第二年,面过一个候选人,跟我背景非常像、技术品味也一致。我聊得很投机,给了高分通过。入职后才发现:他基础没那么扎实,很多东西「听过但不会」。当时面试我没追问到细节,被「我们价值观一致」骗了。
复盘时我意识到:当时我没问他基础概念的硬题(我觉得「他肯定会」),没让他写代码(我觉得「他肯定能写」)。这些「肯定」全是好感带来的预设。从那以后,我对「聊得投机」的候选人,反而要更严格地走完技术评估流程,不能跳任何一步。
候选人侧反向使用指南
如果你是求职者:
① 跟面试官聊得投机是好事,但不要全靠这个。主动给出具体的项目细节和数字,让面试官有「硬证据」支持他的好感。
② 不要刻意迎合面试官的观点。他说A好,你也说A好,能聊起来但容易被识破。诚实表达自己的观点反而显得真实。
③ 不要靠故事打动面试官。「奋斗故事」不能替代技术深度。讲故事可以,但要把故事跟技术能力挂钩。
总结
好感是面试官最隐蔽的偏差。三步隔离:意识到偏差存在 → 用量化打分把感性结构化 → 对硬分项做反向校验。问自己「这个分数的依据是什么」——给不出具体依据的高分要降一档。能识别并对抗自己好感偏差的面试官,才是真正成熟的面试官。
下一篇聊一个面试官最纠结的决策场景:两个候选人技术差不多,怎么决定要哪一个?
你做面试官时,被「好感」坑过吗?评论区聊聊~
关注「Wood聊大数据」| 9年大数据老兵,聊技术、聊职场、聊成长