{"id":13829,"url":"\/distributions\/13829\/click?bit=1&hash=1edae85784b435c55b439933942a29f952b7d6fe53a4d28dfea0cf564da666bf","title":"\u041f\u0440\u043e\u0434\u0430\u0436\u0438 \u043f\u043e \u0442\u0435\u043b\u0435\u0444\u043e\u043d\u0443 \u2014 \u043f\u0440\u043e\u0448\u043b\u044b\u0439 \u0432\u0435\u043a? ","buttonText":"\u0420\u0430\u0441\u0441\u0443\u0436\u0434\u0430\u0442\u044c","imageUuid":"2ed706c8-1b38-5e0f-bd8f-cbc977bad43d","isPaidAndBannersEnabled":false}

Наш опыт в улучшении отклика кандидатов при активном поиске

Меня зовут Игорь Поюров, я HR менеджер Евразия Консалтинг. Мы занимаемся предоставлением клиентам услуг back-office, по направлениям маркетинга, юридического и финансового сопровождения, IT, HR и др.

Я хочу поделиться опытом о том, как мы пробуем нестандартные подходы в рекрутинге и как это позволяет повысить отклик кандидатов на холодные письма при активном поиске.

Поюров Игорь

В марте этого года я участвовал в качестве ментора и эксперта в hr акселераторе ВШЭ. Евразия вместе с ВШЭ организовали совместную акселерационную программу для стартапов в области HR. Это позволило найти разные живые идеи и продукты для индустрии. Там мы познакомились с командой CandyJar. Ребята заинтересовали меня тем, что предлагали довольно нестандартный подход к процессу сорсинга разработчиков. Мы решили в рамках акселератора сделать с ними пилот и попробовать закрыть одну из наших вакансий.

Что за вакансия?

На тот момент мы уже месяц искали к себе в команду python разработчика. Мы создаем у себя новое направление по разработке data science решений, в рамках которого планируем разработать HR бота. Поэтому искали человека, у которого уже был бы опыт создания чат-ботов. Ну и дополнительный плюс, если у кандидата есть опыт в ML проектах + понимает специфику hr-процессов. Также стоит отметить, что позиция это удаленная.

Итак, в чем заключался наш подход?

Обычно при стандартном подходе мы ищем сначала на работных сайтах подходящие резюме, а потом выходим с кандидатами на контакт, узнаем их опыт участия в проектах, смотрим примеры работ. Сейчас же мы решили пойти от обратного. Сначала на таких площадках, как github / bitbucket / gitlab найти проекты, связанные с чат ботами. И уже потом пообщаться с ребятами, которые создали эти проекты. Работу разделили на несколько этапов:

Этап 1. Найти проекты, связанные с разработкой чат-ботов.

Этап 2. Изучить ребят, которые делали эти проекты

Этап 3. Отобрать релевантных кандидатов и выйти с ними на контакт.

Шаг 1. Поиск проектов.

На гитхабе есть система там называемых топиков. Это ключевые слова, с помощью которых разработчики могут описать свои проекты. Вот к примеру список наиболее популярных топиков, связанных с чат-ботами

Гитхаб выдал нам более 4000 проектов, связанных с чат-ботами. Но это по всему миру. Нас, в первую очередь, интересуют проекты python разработчиков из России. Поэтому мы ввели два дополнительных фильтра: Страна - Россия, Основной язык - python. Также нам нужны ребята, которые занимаются этим сейчас, а не 5 лет назад. Поэтому полученные проекты мы отсортировали по актуальности (чтобы сначала увидеть самые свежие проекты). Итого осталось около 250 проектов.

Шаг 2. Анализ проектов.

На этом этапе мы вместе с техническим директором просматривали проекты и изучали ребят, которые сделали эти проекты. Мы искали человека, который недавно делал что то похожее на то, что мы хотим делать сейчас. Найти и познакомиться с такими ребятами это всегда плюс. Во-первых, мы понимаем, что у него есть опыт в этой области. А во-вторых, что более важно, ему интересно этим заниматься.

Мы отобрали 20 человек. Для каждого разработчика, которого мы смотрели, мы коротко отмечали, что именно нам в нем показалось релевантным и интересным для того чтобы составить индивидуальное первое письмо. Получались примерно такие данные:

Кандидат 1. Денис

1 - Stepic-Vacancies - приложение для получения списка вакансий для разработчиков с сайта. Работает над ним прямо сейчас. Стэк: Python / Django / Javascript

2 - SupportingBot - чат бот для распознавания речи через Google DialogFlow. Делал это приложение в 2019 году. Написан на python.

3 - PizzaBot - чат бот для заказа пиццы. Работает над ним прямо сейчас. Написан на Python

4 - QuizBot - чат бот для проведения викторины. Работал над приложением в 2019 году. Python

Кандидат 2. Даниил

1 - В 2017 году делал проект 2chai - сбор диалогов общения людей из тематических форумов + нейронка для обучения. Проект написан на Go

2 - В 2017 году делал telepyth - телеграмм бот для отправки уведомлений, интегрирован с IPython. Написан на Python

3 - В этом году делает проект Noesis - Набор библиотек для вычислительной лингвистики, работы со словарями и словами. Написан на с++

Кандидат 3

Андрей

1 - Буквально месяц назад сделал jess_robot - бот для общения. Анализирует сообщения и отвечает на них. Работает на базе Google Dialog Flow. Написан на Python

2 - Сейчас работает над еще одним чат ботом.

Кандидат 4. Валерий

Раньше занимался разработкой и администрирование сайтов, создание платформ для чат-ботов.

Среди текущих проектов есть телеграм клиент для терминала на Python.

Также активный контрибьютер в проект botov-net - это vk bot engine на Python

Кандидат 5.

Антон

botal - микрофреймворк для создания ботов в вк + telegram

text-similarity - анализ схожести текста с использованием Word2Vec

gallowsbot - vk bot - игра виселица

bot4likes - vk лайкбот

Jessy - vk чат бот.

В итоге, после детального изучения этих ребят, мы получили: 4 кандидата показались overskill для нас, им мы решили не писать. Еще по 3 кандидатам мы увидели, что они развиваются немного в другой области, поэтому наше предложение для них будет не очень актуальным. Остальные 13 человек были достаточно релевантны для нас. С ними мы решили выйти на контакт.

Тут кстати важно заметить, что при анализе мы близко работаем с техническим директором и анализируем интересных кандидатов вместе. Он говорит чем заинтересовал тот или иной профиль и этот фидбек дает понять какие детали включить в письмо кандидату и дать понять чем он нас заинтересовал.

Шаг 3 выход на контакт с кандидатом.

После того как ты находишь кандидата через холодный поиск, у тебя возникает новая задача: как правильно выйти с ним на контакт ? Если написать письмо на почту, то большая вероятность , что его даже не откроют. Мессенджеры в этом плане работают лучше. Там разработчики отвечают охотнее. Но ответ ещё не предполагает, что кандидат заинтересуется. Поэтому важный вопрос: как именно с ним выйти на контакт. И тут нам на помощь приходит работа, которую мы выполнили на прошлом этапе: таблица с информацией о каждом кандидате.

Благодаря таблице мы знаем точки пересечения с каждым кандидатом, а это именно то, на базе чего можно выстроить коммуникацию.

Вот пример сообщения, которое мы отправляли кандидатам:

Денис, добрый день!

Меня зовут Игорь, я из компании Евразия.

Увидел ваши проекты на гитхабе, решил написать. Хотел узнать, нет ли желания присоединиться к ML проекту на удаленке? Мы сейчас делаем HR чат бота с использованием ML. Видел, что в прошлом году Вы как раз делали несколько чат ботов, в том числе для распознавания речи через DialogFlow. Также заметил, что сейчас делаете приложение для получения ИТ вакансий.

Вижу, что Вам интересны проекты подобного рода, поэтому был бы рад пообщаться!

Такое первое письмо послужило хорошим ключом к кандидатам. Оно давало понять кандидату, что мы хорошо изучили его еще до того как ему написать. В первом письме мы не ставили ссылок на вакансии и просто написали узнать, интересны ли человеку новые возможности и готов ли он пообщаться дальше, и дальше если интересно то вторым письмом мы направляли ссылку на вакансию и продолжали общение.

Такой подход воспринимается кандидатам как индивидуальный и не расценивался как рассылка, что помогла нам поднять количество отвечаемости на письма и в целом писать меньше писем.

Итого:

Из 13 кандидатов, которым мы написали сообщения, на контакт вышли 10, остальные 3 проигнорировали. Среди ответивших 2 человека сказали, что им не интересно. Но остальные 8 ребят заинтересовались проектом и выходили на собеседования.

В мире, средняя статистика отвечаемости кандидатов на холодные письма примерно равна 10%, то есть в среднем из 10 человек ответит на письмо только один. В нашем случае это оказалось 61%, то есть в 6 раз выше.

0
Комментарии
Читать все 0 комментариев
null