Как ускорить коммуникацию с кандидатом на каждом этапе воронки

10 апреля 2025 года прошел вебинар «Как ускорить коммуникацию с кандидатом на каждом этапе воронки». Спикером выступил Иван Останин, коммерческий директор компании «Поток», рассказавший о том, как технологии автоматизации помогают ускорять ключевые этапы общения с кандидатами.

Этот вебинар — практическое руководство для рекрутеров и руководителей подбора о том, как выстроить быструю и системную коммуникацию с кандидатом на каждом этапе воронки, не теряя при этом персонального подхода.

Спикер опирался на собственный опыт подбора IT-специалистов для крупных федеральных проектов и показал, как изменились инструменты рекрутера за последнее десятилетие — от ручного скрининга резюме и звонков до автоматизированной оценки релевантности, чат-ботов первичного отбора, персонализированных писем на основе искусственного интеллекта и встроенных видеоинтервью.

Отдельное внимание было уделено тому, что автоматизация не должна оставлять кандидата в информационном вакууме между этапами воронки, а также тому, как обратная связь от самих кандидатов помогает находить точки роста в процессе подбора, которые незаметны изнутри компании.

1. При большом потоке откликов рекрутер физически не может одновременно и без потери качества оценивать всех кандидатов, ранжировать их и определять порядок коммуникации, из-за чего скорость и внимательность падают, а сильные кандидаты успевают трудоустроиться в другом месте, пока проходят воронку. → Решение: использовать автоматическую фоновую оценку релевантности кандидатов на основе сопоставления смыслового содержания вакансии и резюме, которая исключает субъективность ручной оценки и позволяет мгновенно обрабатывать сотни резюме, выстраивая приоритетный порядок общения.

2. Бытует мнение, что автоматизированная коммуникация с кандидатами работает только в массовом подборе, а для более квалифицированных и топовых позиций общение через бота выглядит неуместно и может вызвать раздражение или негатив, как это уже случалось на рынке с прошлыми решениями. → Решение: использовать персонализированные сообщения на основе языковой модели, которые формируются индивидуально под опыт и мотивирующие факторы, указанные в резюме конкретного кандидата, а не рассылаются по шаблону, — это делает автоматизированную коммуникацию уместной и эффективной даже при профессиональном подборе.

3. Между этапами воронки — ожиданием обратной связи от заказчика, результатов проверки службы безопасности или другими паузами — кандидат нередко остается без какой-либо информации о своем статусе, из-за чего теряет интерес или уходит к другому работодателю, у которого коммуникация была более системной. → Решение: подключать чат-бота на любом этапе и в любой паузе воронки, чтобы информировать кандидата о текущем статусе, поддерживать интерес к компании и не оставлять его один на один с неотвеченными вопросами.

Иван Останин, опираясь на собственный опыт подбора персонала для крупного федерального проекта, рассказал, что при большом объеме откликов рекрутер физически не способен одновременно оценивать всех кандидатов и определять, кому и в какой последовательности звонить. По его словам, из-за постоянной перегрузки падают скорость реакции и внимательность, а коллеги по цеху дополнительно перехватывают перспективных кандидатов, пока рекрутер физически не успевает связаться с ними первым.

Спикер отметил, что чем ниже грейд позиции, тем менее подробным обычно оказывается резюме кандидата, а некоторые важные для базового отбора параметры — например, наличие гражданства или специализированных допусков — часто вообще отсутствуют в резюме или не предусмотрены полями на конкретной площадке, из-за чего рекрутеру приходится собирать эту информацию вручную в разговоре.

Он также подчеркнул, что при ручной оценке резюме по одним и тем же критериям оценка одного и того же рекрутера неизбежно колеблется от кандидата к кандидату из-за естественной усталости и субъективности восприятия, даже если рекрутер сознательно старается быть последовательным.

Спикер подчеркнул, что кандидату, как правило, безразличны внутренние сложности воронки компании — согласования с заказчиком, внутренние узкие места процесса, — и если компания интересна кандидату, он будет стремиться как можно быстрее пройти отбор и трудоустроиться, а хорошего кандидата тем временем разбирают конкуренты.

Он привел пример массового подбора, где разница в 500 рублях зарплаты может стать решающим фактором выбора между работодателями.

Отдельно спикер отметил, что регулярная обратная связь о ходе рассмотрения — важный сигнал для кандидата о заинтересованности работодателя, но из-за постоянной перегрузки рекрутера системность такой коммуникации часто страдает, и кандидаты остаются без фоллоу-апов и информации о дальнейших шагах.

Спикер отметил, что компании часто недооценивают качество ведения собственной базы кандидатов, а сами базы со временем теряют актуальность: если разрыв в коммуникации с кандидатом составляет год или два, за это время многое могло измениться.

Отдельно он обратил внимание на недостаточное использование практики обратного найма — повторного привлечения бывших сотрудников, которые ранее показывали хорошие результаты, — при том что компания уже потратила значительные ресурсы на сбор знаний об этих кандидатах через рекрутеров и заказчиков, и было бы нерационально не использовать эти данные повторно, особенно с учетом того, что каждое открытие контакта на профильных платформах для поиска сотрудников стоит компании денег.

Спикер отдельно упомянул известный на рынке кейс, когда автоматизированный подбор с помощью бота показал отличные результаты на массовых позициях, но при попытке применить тот же подход к подбору IT-специалистов вызвал заметное недовольство кандидатов. По его словам, именно этот опыт закрепил на рынке представление, что автоматизированная коммуникация категорически не подходит для более квалифицированных и топовых позиций.

Спикер представил инструмент фоновой автоматической оценки кандидатов, который сопоставляет смысловое содержание вакансии и резюме и присваивает каждому кандидату консолидированный балл соответствия. По его словам, в отличие от ручного чтения резюме, которое может занимать неделю на несколько сотен документов и неизбежно содержит элемент субъективности, автоматическая оценка происходит практически мгновенно и с одинаковыми критериями для всех кандидатов, что позволяет выстраивать приоритетный порядок коммуникации, начиная с наиболее подходящих кандидатов.

Эксперт также анонсировал готовящуюся функцию расшифровки оценки, которая покажет, на какие конкретно части резюме опиралась система при выставлении баллов — это особенно полезно, когда у двух кандидатов близкие итоговые оценки и нужно понять, кому стоит писать в первую очередь.

Спикер показал, как чат-бот может проводить первичное общение с кандидатами на массовых и начальных позициях: в отличие от человека, бот способен параллельно вести неограниченное количество диалогов без потери качества и путаницы, задавать квалификационные вопросы, дособирать информацию, отсутствующую в резюме, и возвращать в систему подбора структурированный результат — статус «рекомендован» или «не рекомендован» вместе с расшифровкой диалога.

Иван посоветовал не перегружать такие сценарии сложными скриптами, а фокусироваться на квалификационных вопросах, которые помогают быстро понять, стоит ли продвигать кандидата дальше по воронке или лучше сразу корректно отказать, не тратя время обеих сторон, при этом соблюдая нормы недискриминационной коммуникации.

Спикер подробно показал, как интеграция с языковой моделью позволяет формировать персонализированные письма кандидатам, опираясь на конкретный опыт и достижения, указанные в их резюме, вместо стандартного шаблона с одинаковым текстом для всех. По его словам, такой подход демонстрирует кандидату, что его резюме действительно прочитали и проанализировали, что заметно повышает готовность ответить по сравнению с массовой шаблонной рассылкой.

Система позволяет настраивать тональность и стиль общения, включая более деловой формат, поддерживает многоязычность без потери качества и может адаптироваться под терминологию, характерную для конкретной профессиональной области. Именно эта персонализация, по словам спикера, снимает прежние ограничения на использование автоматизированной коммуникации в подборе квалифицированных и топовых специалистов.

Спикер описал функцию видеоинтервью, встроенную непосредственно в систему подбора без необходимости интеграции со сторонними сервисами и отдельных договоров.

Видеоинтервью можно разместить на любом этапе воронки, что позволяет кандидату и заказчику пройти этот этап в удобное для каждого время, не тратя время на согласование общего слота для звонка, а заказчику — оставить комментарии в системе в удобный момент, не задерживая продвижение кандидата по воронке.

Спикер подчеркнул, что чат-бота можно подключать на любом этапе и в любой паузе взаимодействия — например, во время ожидания результатов проверки службы безопасности или обратной связи от заказчика, — чтобы информировать кандидата о текущем статусе, собирать обратную связь по итогам интервью, уточнять, остались ли у кандидата вопросы, отправлять сгенерированные тестовые задания или проводить экзит-интервью с возвратом результатов в карточку кандидата. Главный принцип, который он сформулировал, — не оставлять кандидата один на один с неотвеченными вопросами, даже если компания объективно ожидает ответа от третьей стороны.

Спикер предложил готовить автоматизированную коммуникацию так же тщательно, как рекрутер готовится к личному интервью, выстраивая ее в виде каскада через разные каналы: например, первое сообщение в WhatsApp как наиболее конверсионный и доступный по стоимости канал, затем SMS-уведомление о предстоящем звонке, которое может послужить как триггером ответа в мессенджере, так и резервным каналом, если WhatsApp не сработал, а после звонка или взаимодействия с голосовым ботом — итоговое сообщение с кратким резюме разговора.

По его словам, исследования на сопоставимых базах кандидатов показывают, что ручная и автоматизированная обработка дают сопоставимую конверсию, но автоматизированная коммуникация обеспечивает значительно больший охват кандидатов при том же уровне затрат на канал взаимодействия.

Спикер порекомендовал вести базовую систему тегов для кандидатов, чтобы при открытии новой вакансии можно было быстро находить подходящих резервистов, включая бывших сотрудников компании.

Он посоветовал опытным рекрутерам мысленно достраивать вероятную траекторию развития кандидата за прошедшее время — например, предполагать, до какого грейда или должности мог дорасти специалист за пару лет, — чтобы обоснованно предлагать ему более серьезные позиции даже без формально подтвержденного опыта.

При рассмотрении бывших сотрудников для обратного найма он рекомендовал в первую очередь проверять, действительно ли изменились причины, по которым человек в свое время принял решение уйти.

В завершение спикер поделился идеей, к которой команда «Потока» пришла в своей собственной практике: вместо того чтобы пытаться в одиночку угадывать, что можно улучшить в воронке подбора, стоит напрямую спрашивать об этом самих кандидатов — в формате живого диалога через чат-бота, а не формального опросника, — что было полезно, что оттолкнуло на определенных этапах.

По словам спикера, в компании сейчас прорабатывается возможность анализировать такие ответы с помощью искусственного интеллекта по аналогии с тем, как это уже реализовано в продукте для анализа открытых комментариев в опросах вовлеченности, чтобы получать консолидированные инсайты о воронке подбора именно с точки зрения кандидата, а не только с точки зрения компании.

Отвечая на вопрос о целесообразности формирования кадрового резерва, спикер отметил, что чем ниже грейд позиции, тем выше вероятность, что кандидат из резерва уже трудоустроится в другом месте, а чем выше грейд — тем дольше принимается решение о переходе, но в любом случае резерв требует постоянной системной коммуникации, чтобы оставаться «теплым», а не просто накапливаться без дальнейшей работы с ним.

По вопросу источников для автоматической оценки кандидатов он уточнил, что на момент вебинара система анализирует резюме с HeadHunter, и команда дорабатывает подключение к Авито. Он также посоветовал не увлекаться избыточно сложными сценариями чат-ботов на старте взаимодействия с кандидатами, а использовать их прежде всего для квалификационных вопросов, которые дают ясное понимание, продвигать кандидата дальше по воронке или сразу корректно завершить коммуникацию.

В завершение вебинара стало очевидно, что скорость коммуникации с кандидатом на каждом этапе воронки — это не единичный технический прием, а последовательная цепочка решений, начиная с автоматической оценки резюме и заканчивая сбором обратной связи от уже нанятых или отказавшихся кандидатов.

Иван Останин показал, что современные инструменты автоматизации, в отличие от более ранних и грубых решений, способны сохранять персональный подход даже при масштабировании коммуникации — будь то персонализированные письма на основе языковой модели или продуманные каскады через разные каналы связи, — и что ключевой принцип на всех этапах остается одним: не оставлять кандидата без информации и внимания, пока он продвигается по воронке компании.

Отдельным выводом стало то, что улучшать процесс подбора эффективнее не только изнутри, опираясь на внутреннюю экспертизу рекрутеров и заказчиков, но и напрямую спрашивая мнение самих кандидатов о том, что в процессе взаимодействия работает хорошо, а что стоит изменить.

Этот вебинар также можно посмотреть на нашем канале в Rutube