MemoryLake
Reclutamiento y RRHHmemoria del canal de origen para equipos de reclutamiento

Proporcione a los Equipos de Reclutamiento Memoria del Canal de Origen que Revela lo que Realmente Funciona

Los canales de origen de reclutamiento — LinkedIn, referencias, bolsas de trabajo, comunidades nicho — tienen un rendimiento diferente según el rol y el tiempo. Las herramientas de búsqueda de IA ven una búsqueda a la vez. MemoryLake proporciona a los equipos de reclutamiento memoria del canal de origen a través de roles, años y resultados.

Day 1“Las herramientas de búsqueda de IA ven una búsqueda a la vez.”✓ Got it, I will remember.Day 7 — new session“Same task again — can you keep the context?”× Sure — what was the context again?(forgot every detail you taught it)+ MEMORYLAKE LAYERMemory auto-loadedMemoria de reflexión por canalEfectividad de origen por tipo de rolMemoria de eventos de resultados de origenSESSION OUTPUT✓ Same prompt, on-brand answerNo re-briefing required.

Proporcione a los Equipos de Reclutamiento Memoria del Canal de Origen que Revela lo que Realmente Funciona

Empezar gratis

Gratis para siempre · Sin tarjeta de crédito

El problema: la opacidad del rendimiento del canal de origen cuesta al equipo

Estás contratando a un ingeniero backend senior. Hace tres meses contrataste un rol similar. ¿Qué canal produjo la contratación? ¿Cuál produjo conversaciones de calidad? ¿Cuál desperdició tiempo? Los datos viven en columnas de ATS que nadie analiza entre contrataciones.

Cómo MemoryLake captura la memoria del canal de origen

Memoria de reflexión por canal

Memoria de reflexión por canal

Patrones de rendimiento a través de roles.

MEMORYEfectividad de origen por…

Efectividad de origen por tipo de rol

Lo que funcionó para búsquedas similares.

MEMORYMemoria de eventos de resultados de origen

Memoria de eventos de resultados de origen

Conversaciones, entrevistas, contrataciones por canal.

Recuperación entre herramientas

Recuperación entre herramientas

ATS, LinkedIn, herramientas de búsqueda unificadas.

Empezar gratis

Gratis para siempre · Sin tarjeta de crédito

Cómo funciona para la memoria del canal de origen

  1. Conectar — Autorizar ATS y herramientas de búsqueda.
  2. Estructurar — El rendimiento por canal se convierte en memoria tipificada.
  3. Reutilizar — Nuevas búsquedas recuperan orientación del canal de origen.

Antes vs. después: memoria del canal de origen en reclutamiento

Without MemoryLakeWith MemoryLake
Source channel ROI clarityOpaqueMemory-driven
Cross-role channel learningNoneReflection memory
New role kickoffGeneric channel mixMemory-recommended
Audit channel decisionsLimitedMemory provenance

Para quién es esto

Equipos de reclutamiento internos y de agencias donde la optimización del canal de origen se supone que se acumula, pero los datos no son accionables hoy.

Demo ejecutableunos 2 minutos

Prueba este caso de uso en tu propia cuenta

La memoria de canales de reclutamiento acaba en notas como "Ferrous Guild es nuestra mejor fuente: 5 contrataciones desde junio y las 5 siguen aquí". Es literalmente cierto, pero esas personas llevan entre 37 y 136 días, y los canales antiguos perdieron gente en los días 143 y 158. La nota compara a quien ha tenido dos años para irse con quien ha tenido dos meses. Si cada canal se cuenta con el mismo tiempo de seguimiento, el canal más nuevo todavía no se puede evaluar, y dos de tres vacantes cambian de canal.

Lo que verás

  • Un proyecto guarda 22 contrataciones del ATS (canal, familia de puesto, fecha de inicio), 18 resultados del HRIS (evaluación de los 6 meses, día de salida) y 2 notas sobre canales, todo fijado literalmente con fact add y fact update --metadata
  • La lectura rápida busca la vacante, toma la nota de canal más cercana de su familia de puesto (n.º 1 todas las veces) y la sigue: las vacantes de backend empiezan por Ferrous Guild y se elimina la licencia de LinkedIn
  • La lectura con memoria toma todas las contrataciones y resultados con fact list y cuenta cada canal a los 90, 120 y 180 días, solo sobre quienes han llegado a ese día. A los 120 días, LinkedIn también había retenido 6 de 6. En la evaluación de los 6 meses, las referencias aprueban 5 de 5 y Ferrous Guild está en 0/0: no se puede evaluar hasta el 2027-01-09. La nota de puestos de datos es el control: todas sus contrataciones han pasado la evaluación y ambas lecturas coinciden
  • La nota se reescribe con su fecha de revisión mediante fact update --text (el texto anterior queda en metadata, ambas versiones en fact trace), y el mismo código de lectura rápida coincide luego en tres vacantes más formuladas de otra manera, 3 de 3. Incluye una interfaz web local

Necesitas: una clave de API de MemoryLake · la CLI memorylake · Python 3.9+

Ejecútalo

git clone https://github.com/memorylake-ai/memorylake-usecases.git
cd memorylake-usecases/source-channel-memory
export MEMORYLAKE_API_KEY=sk-…
python3 demo.py          # or: python3 web/server.py

Míralo en marcha · grabaciones reales, sin editar

Casos de uso relacionados

Preguntas frecuentes

¿Integraciones de ATS?

Greenhouse, Lever, Workday, Ashby — soportados.

¿Privacidad?

AES-256 E2E.

¿Nivel gratuito?

Sí — para equipos pequeños.