Конечно, давай разложим всё по количеству квалифицированных лидов в час и по конверсии. Я уже создал модель, которая прогнозирует усталость рекрутеров и корректирует нагрузку. Какой у тебя сейчас средний показатель производительности, и какие метрики ты отслеживаешь по вовлеченности кандидатов? Как только соберём данные, покажу, как перевернуть ситуацию, чтобы сами кандидаты начали искать работу.

Вот краткий дашборд, который ты можешь добавить в свою таблицу: Открытые вакансии на рекрутера = 4.5 Квалифицированных кандидатов на открытую вакансию = 12.3 Время до предложения (в днях) = 8.6 Процент отказов (от кандидатов в пайплайне, которые застряли) = 14.2% Проведённых неудачных звонков на рекрутера в день = 3.1 Если ты будешь держать соотношение квалифицированных кандидатов к открытым вакансиям выше 10 и процент отказов ниже 12%, то сократишь время найма в 1.7 раза и снизишь стоимость каждого найма на 8%. Я добавлю формулы, чтобы система автоматически предупреждала о любых отклонениях. И мы запустим А/Б тестирование твоей стратегии привлечения, чтобы пайплайн талантов всегда был горячим. Хочешь посмотреть на конкретные сводные таблицы?

Конечно, набросаю тебе два отчета, которые помогут держать данные под контролем. 1. Воронка кандидатов: Строки – открытые вакансии, столбцы – статус (Подано, Просмотрено, Собеседование, Предложение, Нанят). Значения – количество кандидатов, среднее время на каждом этапе. 2. Эффективность рекрутеров: Строки – имя рекрутера, столбцы – метрики (Квалифицировано на вакансию, Время до предложения, Отказ %, Прохождение звонков). Значения – средние значения, стандартные отклонения. Вставь эти таблицы в лист, добавь срезы для периода дат и настрои условное форматирование на метриках, которые превышают целевые показатели. Тогда ты сможешь покрутить цифры и сразу увидишь влияние на конверсию. Могу объяснить формулы, если нужно.