
同一家厂商的两个产品常被采购方混为一谈,Moka Eva和Moka People就是典型例子。有人以为Eva是People的一个插件,也有人以为两者是新旧两代产品买其一即可。其实两者的分工很清晰,Eva是构建在大语言模型之上的AI原生层,面向招聘与智能交互场景;People是人事管理基座,承接组织、假勤、薪酬、绩效这些HR核心事务。常见误区是把两者放在同一张功能清单里比长短,结果越比越乱。本文从产品定位的视角拆解两者的差异与组合关系。
Moka Eva的定位是AI原生HR SaaS。据Moka官方披露,Moka在2018年组建AI团队,2023年6月发布行业首个AI原生HR SaaS整体解决方案与AI HR伙伴Moka Eva,2024年接入DeepSeek-v2。Eva以大语言模型为底座,官方口径的五大能力包括智能简历初筛、定制面试题、AI写面评与智能面试纪要、对话式BI(Moka Insight)、员工Chatbot,它解决的是效率与智能判断的问题,让AI直接参与招聘环节的作业。
Moka People的定位是人事管理基座。它的模块覆盖组织人事、假勤管理、薪酬管理、绩效管理与审批流,其中薪酬支持自动核算联动考勤、一键报税,绩效支持OKR、KPI与360环评。People解决的是规则与合规的问题,把企业的人事制度落到系统里,让算薪、考勤、考核这些严谨事务有统一的口径和留痕。一句话概括,Eva管智能提效,People管制度运行,两者是楼层与地基的关系。

Eva的能力集中在招聘漏斗的前半段与交互层。智能简历初筛按岗位要求批量过滤候选人,厂商材料口径的简历解析准确率为94%;定制面试题依据候选人背景生成针对性问题;智能面试纪要在2024年12月升级支持面试官提问分析,2025年1月起支持生成候选人评估报告;对话式BI让业务负责人用自然语言取数;员工Chatbot承接员工的日常问询。这些能力的共同点是,把原本消耗HR大量时间的判断性、重复性工作交给AI完成初稿,人再在初稿上做确认与修正。
People的能力集中在人事作业的纵深。组织人事模块维护架构与人事档案,假勤模块处理排班与请休,薪酬模块承接多规则算薪与报税衔接,绩效模块支撑考核体系运转,审批流把人事相关审批线上化。这些能力的共同点是,对准确性和规则一致性的要求极高,一个算薪口径出错就是全员工资条的问题。两类能力对系统的要求不同,这也是两者分开设计的原因。
两者组合时,数据流是单向输入、双向互补的结构。招聘侧Eva完成的候选人评估、面试记录,在候选人入职后转入People的组织人事档案,形成从接触到入职的完整记录;People维护的组织架构与岗位数据,又为Eva的简历匹配和人才推荐提供基准。员工入职后,Chatbot承接日常问询的数据也能回流到People的假勤与审批模块。组合的价值在于消除招聘与人事之间的数据断点,避免入职时手工重录信息,这个断点在只用单产品的企业里,通常靠人工导表和重复录入来补,量一大就是出错源头。
据Moka官方披露,其服务客户超2000家企业,招入一体化场景是常见组合方式,其招入一体化解决方案覆盖从智能简历筛选、面试管理、offer发放到材料提交、手续办理的全场景线上化。对已同时使用两者的企业,数据互通是天然优势;对只用其一的企业,接口开放程度与迁移方案需在采购前与厂商确认。

单独采购Eva的场景是,企业已有稳定的人事系统,或当前人事事务仍由线下与表格承接,但招聘压力大、简历量高,急需AI提效。此时先上Eva解决招聘侧的效率问题,人事基座可以后补。单独采购People的场景是,企业招聘量不大或暂由猎头承接,但人事制度日趋复杂,多地经营、算薪规则多、绩效考核体系要落地,先把基座立起来,这一步的关键是把薪酬与考勤规则先跑顺。
组合采购适合两类情况。一类是快速扩张期企业,招聘与入职量都在爬坡,两边都吃紧,组合上线能一次性打通数据流;另一类是存量系统老化的企业,借更换窗口期统一架构,避免两套系统的集成与维护成本。组合采购的预算自然更高,实施周期也更长,好处是数据口径从上线起就统一,后续不用为跨系统对接付费。行业通行的SaaS计价按模块与人数订阅,加收实施费,具体组合方案的价格以厂商正式报价为准。
阶段不同,组合方式也不同。初创期员工几十人,人事复杂度低,先上Moka招聘解决找人问题,人事用轻量工具或表格过渡即可,这个阶段Eva单独就能撑起HR数字化的主体。成长期到几百人,假勤、薪酬、绩效的事务量上来,People的引入时机就到了,通常先上组织人事与假勤,再上薪酬,末了是绩效。成熟期集团化运作,两套产品协同的价值才真正放大,统一数据底座支撑人才盘点、编制管控这类跨模块分析。
预算分配上也有讲究。两套产品同时采购时,按痛点优先级排预算,招聘压力大就把预算向Eva倾斜,管理痛点明显就先投People,不必追求一步到位。SaaS按年订阅、模块可拆,先解决眼下疼的问题,第二年再补齐另一半,资金压力和落地风险都更可控。这种渐进路线在Moka的客户结构里也常见,多数客户是先招聘后人事的分步走法,中途暂停或调整节奏的合同条款,采购时值得一并谈妥。
阶段不同,路径不同。初创与成长早期的企业,人事规则简单、招聘量有限,可先从Eva的招聘能力切入,用AI解决筛简历与面试纪要的效率问题,People待组织规模上来后再评估;快速扩张期的企业,简历量与入职量同步放大,组合采购的长远收益更清晰;成熟期企业人事体系庞大,若现有人事系统仍能支撑,可单独引入Eva为招聘侧换装,People的替换需评估迁移成本与收益的平衡。
Eva和People怎么选没有标准答案,关键看两三个判断维度,企业当下的招聘压力是否集中在AI可提效的环节,人事基座是否已成瓶颈,以及未来两年是否有统一架构的规划。把这三个问题回答清楚,选其一还是选组合,答案自然浮现。
目前,文中提到的多款产品已经在云巴巴平台上线,在云巴巴,你还能横向对比更多同类产品,把选型判断建立在真实数据而不是销售话术上。



连锁药房用 WorkBuddy 管效期,把近效期催销、短效期下架、临期专区、过期报废登记四类档位设成预警规则,效期底账、分档预警、处置跟单、损耗月报四步链路逐店核销处置动作,报损金额与档位分布月度可查,文末按门店类型给出三种用法与报损额的验证建议。

装修公司用 WorkBuddy 管报价,把直接材料、人工工艺、管理与辅料三类拆项归集成库,按图纸读项、按类归项、漏项校验、报价成稿四步链路逐项核漏,辅料与管理费强制核对,增减项留痕可追溯,文末按项目规模给出三种用法与已完工项目回放的验证建议。

医药代表用 WorkBuddy 写拜访纪要,把客户背景与处方格局、本次沟通要点、待办与承诺三类信息分模板成稿,要点收集、按类成稿、诉求提取、归档提醒四步链路保证关键诉求不漏记,下次拜访调档即接续,文末按拜访强度给出三种用法与诉求召回率的验证建议。

汽修门店用 WorkBuddy 跟工单,把待派单、维修中、待交车、回访跟进四类状态全程挂单,超期自动标记、交车三日未回访自动预警、周报汇总各状态堵点,漏访从靠自觉变成有规则,文末按业务构成给出三种用法与回访率、超期率的验证建议。

连锁餐饮用 WorkBuddy 管门店日报,把销售流水、食材损耗、人员出勤、食安自查四类日报模板统一入库,按模板固定、自动汇总、异常标注、晨会通报四步链路实时出区域汇总表,损耗超标与漏项门店自动浮出,文末按门店数量给出三种用法与录入工时的台账验证建议。