在我做 career coaching 的过程中，我发现不少人觉得「如果进不了大厂的话，那就降低一点目标，总能进小厂吧」，然后他们发现小厂 offer 也拿不到，于是怀疑自己能力是不是如此之差。大家从升学考试的经验出发，「进不了这一档次的学校就尝试下一档次的学校吧」，把这种逻辑推广到「进不了大厂就尝试小厂吧」看起来很合理，但很不幸人才和公司的匹配并不适用这种模式。
我时常用这样一个比喻来描述大厂和小厂招聘的本质区别：
大厂招聘，就如同 Walmart（沃尔玛）去采购两吨苹果用来上架。作为一家超市，Walmart 肯定有一套经过长期优化的采购标准，一个苹果只要满足采购标准 Walmart 就愿意要。Walmart 不在乎这些满足标准的苹果之间有什么个体差异，因为绝大部分都会被顾客买走，一小部分会卖不掉然后烂掉，但这早已在营收当中考虑到，Walmart 并不会亏钱。
小厂招聘，就如同个人消费者去买两个苹果。无论你个人对挑选苹果有什么准则，你肯定会按照你的准则挑选两个最好的。每个人的挑选准则都不太一样，如果有足够多的消费者，绝大部分的苹果都会被买走。
应聘时你就如同是一个苹果。如果你想被 Walmart 采购，你就要满足 Walmart 的采购标准。但因为 Walmart 是一个非常成熟的超市，所以采购标准相对稳定和可预测，反而更容易有针对性地做优化。如果你想被个人消费者挑选，反而很难抓住具体的某一个消费者让他挑你。每一个个人消费者的挑选准则都不太一样，你猜不到当前在挑苹果的这一位消费者是怎么想的，如果他不挑你你也没有办法，再等下一位消费者吧。这个过程比较看缘分。
为什么大厂和小厂的招聘模式会截然不同？
小厂招聘往往是针对一个或几个很具体的职位做的。举个例子，公司创业一开始还没找到产品方向，想要招一两个什么都懂但不用太精通的全栈工程师，创始人想要尝试做什么产品，熬个夜第二天就把原型做出来了。尝试了多个产品方向后，公司终于找到了一个靠谱的方向，开始缓慢地有用户积累，顺便招个前端工程师来打磨用户体验。用户增长持续加速，当初熬夜写出来那个单体后端已经支撑不住了，于是要招个有 micro-service 经验的后端工程师来重新设计后端架构，把后端拆成多个服务，并且为将来 sharding 做准备。服务拆了之后，单体数据库通过 replica 还撑了一段时间，终于也要不行了，需要赶紧招一个精通数据库优化的程序员。小厂每时每刻面临的问题都不一样，用固定的标准招通才并不能有效解决问题。
大厂可以用固定的标准招通才，尤其是 Facebook 和 Google 这种全公司统一招聘的。虽然大厂内的每一个团队都好像小厂一样，拥有此时此刻特定的招聘需求，但因为团队数量足够多，所以在统计学上大厂可以无视这些差异按照一个标准来招人。由于大厂的招聘标准如此的稳定和可预测，针对大厂的招聘标准做准备反而更容易。你可以尝试搞清楚大厂的招聘标准，搞清楚后这套标准不会变来变去。一旦你满足了这套标准，你不需要太过关心个体差异。
如果你达不到大厂的标准，要参与小厂的招聘，那马上就会变成跟上述苹果比喻一样看缘分。你不知道具体哪个小厂正好需要你，你要明白到大部分的小厂当前的需求都跟你不匹配，从统计学的角度来说你必须通过大量的小厂去找一个匹配的。这时候你的体验会变得完全不一样，从只需要针对几个大厂做准备变成需要跟很多小厂打交道。
从升学考试经验推导而来的期望在这时候完全不成立。如果你高考差几分上不了北大清华，你很可能还是能去非常好的学校。但在找工作时，差一点进不了大厂并不意味着马上有小厂意识到你的价值把你招走，你需要在茫茫大海中搜索跟你匹配的小厂。这时候设置正确的期望很重要，大量小厂跟你擦肩而过，但这不代表你能力有问题，你需要坚持下去。
小厂的招聘流程并不像大厂那样标准化和可预测，那意味着他们扔掉你简历时并不一定是你简历有问题；他们面试时不像大厂一样按套路出题，他们会针对特定的招聘需求来出题，所以你答不上来不一定是你能力有问题；经验有限导致他们的面试并不一定能有效挑选人才，你觉得自己面得很好但他们不要你，同样不一定是你能力有问题。这个过程的负反馈可能比应聘大厂难受很多，你唯一能选择的就是坚持住继续尝试。