Анализ источников трафика (каналов привлечения) кандидатов

Даю сводные результаты сразу по двум моим исследования Ключевые факторы удержания и текучести персонала и Исследование времени поиска работы. Напоминаю, что опросы постоянно действующие, вы можете поучаствовать в исследовании.
Тему эту можно назвать моей любимой, она началась для меня в 2012 году, когда я познакомился с исследованием рекомендательного рекрутинга от Raghav Singh Рекомендательный рекрутинг – это вообще рекрутинг? С тех пор я несколько раз показывал различные бенчмарки по разных источникам трафика кандидатов, сегодня даю наиболее полный отчет, но не самый полный, поскольку я решил дать базовые вещи, не перегружая вас информацией. Дальше буду показывать более детальные и глубокие вещи.
Результаты данного поста основы на базовом вопросе исследования "Через какой источник вы нашли работу". И варианты ответа (поскольку на сегодня не все варианты ответов дают репрезентативную выборку, я показываю только базовые источники трафика (каналы привлечения) 

• "Вы обратились непосредственно в саму компанию (узнав из рекламы, зная бренд компании и т.п..)" - дальше для краткости буду обозначать источник трафика как "реклама";
• "Вы обратились непосредственно в саму компанию по рекомендации вашего знакомого - работника данной компании" - "реферал"; 
• "Вы откликнулись на вакансию на джоб сайте" - "Кандидат js"; 
• "Кадровое агентство вывело вас на работодателя"- "КА";
• "Работодатель вышел на Вас по рекомендации человека, знающего вас" - "рекомендация";
• "Работодатель вышел на Вас через Ваше резюме на джоб сайте" - "Работодатель js".

В каждом срезе свои цифры по источникам трафика кандидатов и буду приводить их в конкретном разделе

Текучесть персонала

Начну с базовой идеи - сравнение источников трафика (каналов привлечения) кандидатов с т.з. текучести персонала. Количество респондентов

• реклама - 47 респондент; 
• Кандидат js  -  285;     
• реферал - 98;
• Работодатель js - 224;
• рекомендация -  245;
• КА - 67.

График 1. Текучесть персонала по различным источникам трафика

Как читать такой тип диаграммы - Анализ и визуализация дожития: чем HR похож на медиков.

• По оси X - число месяцев стажа
• По оси Y - вероятность доработать до такого стажа.

Если коротко, то самый массовый источник трафика кандидатов (это мое мнение, не подтвержденное данными, но для многих компаний это именно так) - отклики кандидатов на вакансии на джоб сайтах - является самым неэффективным с т.з. текучести персонала. Интересно, джоб сайты догадываются про это? Причем, а) этот источник проигрывает источнику трафика, когда работодатель сам выходит на кандидата и б) остальные источники трафика (каналы привлечения) кандидатов при имеющихся данных не различаются значимо с т.з. текучести персонала.
И обратите внимание: у нас вырисовывается три кластера источников по типу стажа, красиво, правда?

Стартовые зарплаты

Идея проста - посмотреть, какие стартовые зарплаты получают кандидаты в зависимости от источника трафка (канала привлечения). Это фактически про ценовые сегменты кандидатов.

• реклама - 48 респондент; 
• Кандидат js  -  266;     
• реферал - 88;
• Работодатель js - 269;
• рекомендация -  236;
• КА - 63.

График 2. Стартовые зарплаты по различным источникам трафика

Здесь и далее дается статистика в тысячах рублей, и выборка, соотвественно, только по России

Описательные статистики 

$реклама
   Min. 1st Qu.  Median    Mean  3rd Qu.    Max.  
   5.00   15.00   37.50       53.75   61.25     240.00  
$`Кандидат js`
   Min. 1st Qu.  Median    Mean    3rd Qu.    Max.  
  10.00   30.00   50.00       62.67     73.75    350.00  
$реферал
   Min. 1st Qu.  Median    Mean   3rd Qu.    Max.  
    5.0    30.0       50.0        71.7      100.0     350.0    
$`Работодатель js`
   Min. 1st Qu.  Median    Mean   3rd Qu.    Max.  
   5.00   35.00   50.00       66.15   85.00     310.00  
$рекомендация
   Min. 1st Qu.  Median    Mean   3rd Qu.    Max.
   5.00   33.75   60.00       79.60     100.00  450.00  
$КА
   Min. 1st Qu.  Median    Mean   3rd Qu.    Max.  
   10.0    60.0   120.0        129.0      167.5     450.0       
без комментариев, думаю, вы все сами видите

Изменение зарплаты на новом месте работы в сравнении с предыдущим

Здесь речь не про стартовые, хотя эти два вопросы связаны, а про то, какой источник трафика (канала привлечения) наиболее выгоден кандидату с т.з. прибавки зарплаты.

График 3. Изменение зарплаты на новом месте работы в сравнении с предыдущем по различным источникам трафика

По оси Y - у нас прирост / падение зарплаты на новом месте работы в сравнении с предыдущим. Описательные не буду давать, дам комментарий. Кадровые агенства и здесь лидируют, в среднем кандидат, который нашел работу через кадровое агентство выигрывает 30 000 рублей, кандидат, который пришел в компанию через друга, остается при своих.
Здесь возникает вопрос: кадровые агентства работают на как бы на премиум рынке (хотя это условное деление, поскольку четверть респондентов, пришедших через кадровые агентства, в ценовом диапазоне менее 62,5 тыс рублей), у них прирост нужно смотреть относительный, а не абсолютный. Ну т.е. специалист, который получает 50 000 рублей согласится на прибавку в 5 000 р, а тот, кто получает 150 000 рублей, уже не пойдет на такие деньги.
Однако и при такой логике кадровые агенства выигрывают. Если взять прошлую зарплату как медиану стартовой зарплаты (см. График 2) минус прирост на новом, а это у нас получается 125 000 - 30 000 = 95 000, то прирост 30 000 рублей составляет более 30 %, в то время как, например, у источника трафика "рекомендации" (когда рекомендует НЕ работник компании) аналогичный показатель составляет 20 %. А у рефералов еще все грустнее, посольку как не считай, % прироста составляет 0 %.

Зарплатный рост на новом месте работы

Сразу предупреждаю, что ввожу спорный показатель, ни разу не работал с таким ранее, есть у самого мысли, как его видоизменять, но пока оставляю в том виде, что вам покажу.
Хочу показать, как растет новоиспеченный работник компании в зарплатном отношении в зависимости от источника трафика. Я взял прирост зарплаты (разница между зарплатой при увольнении или на сегодняшний день у тех, кто еще работает и отнял зарплату при приеме на работу) и затем разделил на стаж работы в компании. Т.е. я взял не сам прирост, а крутизну подъема зарплаты: прирост деленное на стаж. Заранее согласен с тем, что у этого показателя есть несколько уязвимых мест. Но и тем не менее, смотрим

• реклама - 26 респондентов; 
• Кандидат js  -  100;     
• реферал - 42;
• Работодатель js - 91;
• рекомендация -  101;
• КА - 25.

Обратите внимание, что в данном срезе меньше всего данных для анализа, поэтому могу только предложить пройти опрос и пригласить своих коллег и знакомых пройти.

График 4. Изменение зарплаты на новом месте работы по различным источникам трафика

На данном графике ось Y показывает прирост зарплаты на каждый месяц работы. Т.е. 0 обозначает, что работник не получал прибавки. Среднее же общее значение не превышает 1 000 рублей прибавки на 1 месяц работы в компании. 

Тест Краскела Уоллиса показал p-value = 0.02988, и понятно, какой источник трафика кандидатов обеспечил эту значимость

Ну и можно вот такую картинку показать в эту же тему, хот она тоже не очевидна

По оси X - стаж работы в месяцах;

По оси Y - прирост зарплаты.

Линии показывают связь между стажем и ростом заработной платы. Линейную связь показывать не совсем корректно, но уж очень показательно: у кандидатов, кто сам откликнулся на вакнсию на джоб сайте, зарплата в среднем как бы и не растет.... 

Ну все, можно пинать)))

Выводы я не делаю, они, на мой взгляд, достаточно очевидны, как для работодателя, так и для кандидата. И даже для джобсайтов. Есть еще огромное поле для анализа в этом месте, но я исхожу из простой мысли, что материал должен быть читабелен по объему. 

Скажу, наверное, одну только философскую вещь: источники трафика кандидатов (каналы привлечения) - это первая корпоративная компетенция, которой надо управлять.

ПыСы

Все результаты собираю здесь Результаты опроса Ключевые факторы удержания и текучести персонала

Коллеги, опрос проводится на некоммерческой основе, у меня нет спонсоров, я трачу много своего времени, поэтому, если Вы захотите выразить мне благодарность за интересные результаты, вы можете перевести небольшую сумму мне на Яндекс кошелек (кликните по кнопке Перевести) 

или сделать перевод на карту Сбербанка,

Номер карты 676 280 38 921 538 46 57 - укажите "за результаты исследования". 
Или просто покликайте на директ рекламу ниже на странице - у вас это отнимет несколько секунд, а мне принесет немного денег. 

спасибо!