Кейс KFC: Как нанять 20 000 сотрудников роботом

Три стадии диджитализации массового найма и собственный виртуальный помощник для верификации заявок.

Восемь лет назад международный бренд ресторанов быстрого обслуживания KFC вышел на российский рынок. На тот момент в России работало 195 ресторанов, а темпы роста составляли 15-20 новых точек в год. В KFC была поставлена задача открыть 500 ресторанов за 5 лет, а значит, перед HR-департаментом появилась цель – нанять необходимое для этого количество сотрудников. Тогда бренд KFC в России не знали: от необходимых 5 000 ежемесячных заявок работодатель получал только 10%. Анализ целевой аудитории привел к однозначному выводу: искать потенциальных сотрудников нужно в интернете, адаптируя инструменты для мобильного формата.

Поток входящих заявок стали увеличивать за счет рекламы: контекст и таргет, баннеры, промо-посты в социальных сетях. Наблюдение: замена стандартных баннеров на популярные мемы снижает затраты на каждую анкету на 50%, кроме того, ситуативные публикации набирают в десять раз больше лайков, а это – внимание целевой аудитории.

Были также доработаны анкеты для соискателей. В своем первоначальном виде они были удобны рекрутеру, а не кандидату, который должен был включить в анкету подробную информацию о себе, предпочитаемом графике, знании бренда. Исследование показало, что каждое лишнее поле снижает конверсию, особенно когда опросник заполняется с телефона. Сокращение числа вопросов и упрощение описания вакансии (абстрактные ценности были заменены указанием зарплаты, компенсаций, условий работы) повысили конверсию в наем кандидата на 40%.

С увеличением потока соискателей появилась необходимость автоматизации продвижения заявки из базы откликов к директорам ресторанов. Это также упростило сбор данных для аналитики: какие сотрудники устраиваются, кто из них проходит испытательный срок и обучение, каких результатов они достигают. Выводы позволяют в дальнейшем привлекать соискателей с определенными характеристиками.

Сначала был введен HR-модуль M.A.R.S., распределяющий все входящие заявки по ресторанам: каждый директор видел отклик соискателя в личном кабинете, а затем самостоятельно связывался с ним для проведения интервью. Таким образом наниматели получили инструмент для работы с кандидатами, однако не всегда применяли его эффективно. Статистика, в которой нуждался отдел маркетинга для прицельной настройки рекламы, отслеживалась нерегулярно в силу большого числа собеседований — количество присылаемых в месяц резюме достигло 20 тысяч — директора нe успевали заполнять статусы с указанием причин отказа или приема на работу.

Для решения этой проблемы был организован колл-центр, занявший место между M.A.R.S. и директорами в цепочке HR-процессов. Так, операторы связывались с каждым кандидатом, назначая интервью в его городе и фиксируя необходимые для аналитики данные. Работа на местах была минимизирована, а конверсия из заявки в интервью увеличилась на 50%.

У откликов есть две особенности: часть из них приходит с ошибкой, часть теряет свою актуальность в течение нескольких часов. В итоге компания тратит силы на обработку «пустых» заявок, а это время менеджеры колл-центра могли бы использовать для назначения интервью заинтересованным кандидатам.

Поэтому, было добавлено еще одно звено — виртуальный помощник, производящий предварительный отсев нерелевантных заявок. Как он работает?

• Как только анкета появляется в системе, робот связывается с соискателем, делая несколько попыток дозвониться.

• В случае ответа помощник спрашивает, актуальна ли для соискателя вакансия, используя технологию синтеза речи.
• Если кандидат ответил утвердительно (используется технология распознавания речи), робот переводит звонок на сотрудника кол-центра, который ведёт диалог дальше, назначая время и место собеседования.

В результате колл-центр стал общаться только с заинтересованными соискателями, что повысило конверсию в интервью еще на 8%, а конверсию в прием сотрудника на работу – на 11%.

Виртуальный ассистент был создан на базе платформы Voximplant, позволяющей интегрировать голосовых ботов в HRM и CRM-системы. Отчеты по запущенным кампаниям формируются в реальном времени: администратор проекта видит, сколько кандидатов успел обработать робот за заданный промежуток времени, кто из них записался на собеседование, кто не поднял трубку, кто перезвонил, было ли повторное подтверждение записи на собеседование.

• Количество операторов колл-центра сократилось в 1,5 раза: робот обрабатывает поступающие заявки, обзванивая кандидатов в 10 раз быстрее человека.
• Компания не платит за чужие ошибки: 37% нерелевантных заявок отсеиваются самостоятельно.
• Время обработки одной заявки сократилось в 1,5 раза: операторы работают только с качественными заявками, обрабатывая 80 кандидатов за час.
• Конверсия в устройство сотрудника выросла на 11%: сейчас в штат принимается 15-20% соискателей от общего числа заявок.