В этом посте я расскажу «на пальцах», как показать ценность рекомендательного рекрутинга бизнесу. В рублях. Т.е расскажу методику.
Хотя откровенно говоря, мне долгое время казалось, что то, что я опишу ниже — совершенно очевидно вытекает из моих предыдущих постов. Оказалось, что нет.
Даю методикой.
Идейные основания
Обоснование ценности рекомендательного рекрутинга сделал Raghav Singh (см. пост Рекомендательный рекрутинг – это вообще рекрутинг?)
Я показал значимость рекомендаций с учетом российских реалий — показал значимость различия в стаже работников двух групп: а) тех, кто имел хороших знакомых на момент трудоустройства и б) не имел таких знакомых (см пост Главный аргумент в пользу рекомендательного рекрутинга или как управлять текучестью персонала)
Методика
Состоит из следующих шагов
Сбор информации
Обработка результатов
Презентация бизнесу
Сбор информации
Сбор информации проводится либо в веб форме (см. в качестве примера запись вебинара Михаила Протасова Практический опыт автоматизации HR-процессов в компании Enter с помощью системы WebTutor), либо в excel. Например, такая форма.
| Работник | Источник подбора | Дата трудоустройства | Дата увольнения |
| Иванов | по рекомендации | ||
| Петров | работный сайт | ||
| Сидоров | кадровое агентство |
Понятно, что вы собираете больше информации, чтобы ответить на большее количество вопросов, но для ответа на заявленный вопрос в посте достаточно данных вопросов.
Обработка результатов
Количество респондентов зависит от уровня текучести персонала вашей компании, чтобы ускорить процесс обработки, собирайте информацию не только по вновь принимаемым, но и по увольняемым — через exit интервью, и информацию по тем, кто уже уволился.
Далее вы выбираете цель анализа.
Рекомендательный рекрутинг и адаптация персонала
Например, вы хотите проверить, влияет ли подбор через рекомендации на успешность прохождения испытательного срока. В этом случае ваш файл excel претерпевает такие изменения
| Работник | Источник подбора | Дата трудоустройства | Дата увольнения | Источник подбора ц | Прохождение Исп срока |
| Иванов | по рекомендации | 1 | 1 | ||
| Петров | работный сайт | 0 | 0 | ||
| Сидоров | кадровое агентство | 0 | 1 |
Добавляются две колонки
- Источник подбора ц — всех, кто пришел по рекомендации вы обозначаете через единицу, остальных — через ноль;
- Прохождение исп срока — единица для тех, кто прошел испытательный срок, ноль — для тех, кто не прошел.
Для анализа вам минимально нужно двадцать работников (при этом задумайтесь над тем, какие категории работников вы включаете в анализ: наверное стоит проводить по отдельным категориям, ибо смешивать бухгалтерию и операторов колл центра — не корректно). С помощью критерия Хи квадрат (см напр Как считать Хи квадрат в excel) отвечаете на вопрос о том, влияет ли позитивно рекомендательный рекрутинг на прохождение успешность прохождения испытательного срока. Есть более продвинутые способы, я даю самый простой статистический критерий. Если вы хотели бы освоить статистические критерии, рекомендую свой семинар Аналитика для HR
Рекомендательный рекрутинг и стаж работы
В этом случае вы получаете такую таблицу
| Работник | Источник подбора | Дата трудоустройства | Дата увольнения | Источник подбора ц | Стаж работы |
| Иванов | по рекомендации | 1 | 5 | ||
| Петров | работный сайт | 0 | 18 | ||
| Сидоров | кадровое агентство | 0 | 4 |
Добавляется колонка — стаж, который высчитывается в месяцах как разница между увольнением и трудоустройством.
Далее применяете критерий Т Стьюдента или Манн Уитни в зависимости от частот распределения стажа. В данном случае важно не столько количество респондентов, сколько срок сбора информации — три — шесть месяцев, причем хотелось бы застать смены сезонности.
Данный вид анализа не всегда корректен на первых порах, поскольку в него не включены те, кто работает по сю пору, поэтому данный анализ можно дополнить анализом тех, кто пришел в компанию одновременно (напр, в один месяц): через рекомендацию / нет : уволился / не уволился.
Но если вы будете вести аналитику от года и более, у вас картина будет вполне ясная по стажу работы.
Презентация бизнесу
Например, вы высчитываете, что пришедшие по рекомендациям работают в среднем 14 месяцев, по другим источникам трафика 10 месяцев (цифры произвольные) — Т стюдента показал значимость различий.
Общий средний срок работы — 10, 6 месяцев
По рекомендациям вы закрываете 15 % вакансий, другие источники трафика — 85 %.
Если вы поднимаете закрываемость через программы рекомендательного рекрутинга до 30 %, то средний стаж вырастает по компании до 11, 2 месяца.
Т.е. увеличение источника трафика кандидатов по рекомендациям с 15 до 30 % дает увеличение стажа на полгода.
Далее я рекомендую посчитать экономический эффект: помимо прямых затрат на рекрутинг рекомендую посчитать, если возможно, потери / выгоды от вклада в работу более опытных работников:
если у вас работаю продавцы, посчитайте зависимость продаж от стажа работы и высчитайте, сколько вы теряете, отпуская людей раньше, чем если бы они приходили по рекомендациям.
Бизнесу должны понравиться такие цифры
В завершение
Я дал не все возможные ходы даже в оценке эффективности рекомендательного рекрутинга, не говоря уже про многие другие возможности в аналитике. Я продолжу выдавать подобные методические посты, но надеюсь, что вы будете присылать мне ваши кейсы с возможностями аналитики.
Источник : edwvb.blogspot.com