Конкурентный анализ источников трафика кандидатов

Пост не показывает никакой практической пользы, которую можно было бы извлечь для компании из этого анализа, по крайней мере я этого пока не вижу, поэтому практики могут спокойно заниматься своими делами.

Но я все-таки надеюсь, что пользу мы рано или поздно извлечем (Чтобы не оскорблять христиан ненароком, процитирую не их учителей, а Дао: "настоящее путешествие - когда не знаешь, куда плывешь, настоящий поиск - когда не знаешь, что ищешь")

Задача

На каждую вакансию у нас претендует N количество кандидатов, за каждым кандидатом стоит определенный источник трафика. Захотелось посмотреть, есть ли преимущества у определенных источников трафика перед другими.

Анализ

Ничего сверхестественного я не придумал, показываю обычные статистики. Всего в данной компании 5 761 вакансия.

Вероятность выигрыша кандидата

Диаграмма показывает вероятность попадания конкретного кандидата на вакансию. Считается вероятность просто: если у вас 10 кандидатов на вакансию, то вероятность равно 0, 1. Если у вас один кандидат на вакансию, то вероятность, очевидно, равна 1.
Поэтому, кстати, понятно, почему пустая область от 0, 5 до 1. Достаточно много вакансий с одним кандидатом, когда два кандидата, то вероятность уже 0, 5. И не может быть вероятности 0, 75, потому что не может на вакансию претендовать 0, 25 кандидата.
Ну в любом случае компании имеет смысл задуматься, хорошо ли, что столько вакансий с одни кандидатом.

Вероятность выигрыша источника трафика

Но мы смотрим не просто кандидатов, а источники трафика, и у нас на одну вакансию может претендовать 10 кандидатов, но, например, всего два источника трафика. В таком случае, если из 10 кандидатов 8 пришли через ХХ.ру, то вероятность выигрыша ХХ будет равна 0, 8.

И здесь подавляющее число вакансий имеет один источник трафика. Какой же.

Тоже самое в разрезе источников трафика

По смыслу эта диаграмма схожа с предыдущей, только эта диаграмма в разрезе источников трафика + даются не абсолютные значения как выше, а относительные - проценты.
И здесь уже приоткрывается завеса: результаты как на парламентских выборах в России, когда все партии имеют схожие результаты, а Единая Россия выбивается из этого ряда. Также и здесь: бОльшая часть вакансий, где был один источник трафика, относится к ХХ.ру - и он не конкурентен. ХХ.ру закрывают чаще те вакансии, где нет других источников трафика.
И это, к сожалению, говорит о монополии ХХ

Конкурентный анализ источников трафика кандидатов 

	Источник	количество закрытых вакансий	в каком количестве вакансий участвовал источник трафика	% закрытых вакансий	прогнозный % закрытия вакансий
1	hh.ru	3184	4603	0.69172	0.830091
2	superjob.ru	178	951	0.18717	0.222804
3	zarplata.ru	61	207	0.29468	0.29228
4	Внутренние кандидаты	714	847	0.84297	0.502052
5	ВУЗы	18	38	0.47368	0.306756
6	КА	19	48	0.39583	0.408867
7	реклама	0	22	0	0.095989
8	рекомендации	1160	1952	0.59426	0.382896
9	собственный сайт	163	774	0.21059	0.252427
10	соц. сети	46	498	0.09236	0.14201

Это, наверное, самый интересный результат. Колонки означают:

1. Источник - источник трафика кандидата;
2. количество закрытых вакансий - сколько вакансий всего было закрыто через данный источник (сумма 5 543 не "бьется" с озвученной мной цифрой 5 761, поскольку я не все источники трафика здесь указал - из конфиденциальных соображений, чтобы не выдавать компанию);
3. в каком количестве вакансий участвовал   источник трафика - понятно, что конкретный источник трафика не участвовал во всех вакансиях, и я показываю популярность источников. 
4. % закрытых вакансий - я просто делю "количество закрытых вакансий" на  "в каком количестве вакансий участвовал   источник трафика" - по сути дела это KPI нашего источника трафика.И мы видим, что лучший показатель у Внутренних кандидатов - они закрыли собой 84 % вакансий, где участвовали. 
5. прогнозный % закрытия вакансий - а этот показатель я взял из диаграммы выше. Если у нас на вакансию 10 кандидатов, 8 через ХХ, то вероятность закрытия вакансии через ХХ будет 0, 8 - верно? Я посчитал эту вероятность по всем вакансиям в разрезе трафиков и взял среднее значение. Т.е. если бы у нас вакансии закрывались равномерно по всем источникам трафика, то ХХ должен был бы закрыть не 69 % вакансий, где он присутствовал как источник трафика, а 83. Но у ХХ этот показатель 0, 69, и значит он, ХХ, менее конкурентный источник трафика кандидатов, чем другие. Лучший показатель у Внутренних кандидатов, при прогнозе 0, 5 они закрывают 0, 85 - т.е Внутренним кандидатам чаще отдают предпочтение в сравнении с другими источниками трафика - ну и это логично, согласитесь. По ВУЗам сложно судить, поскольку мало данных, но вызывает некоторое удивление положение с собственным сайтом - тем более, что кандидаты там по качеству в среднем лучше, чем через ХХ (см. Зачем нужна воронка подбора кандидатов или оценка эффективности подбора).

Граф взаимодействия

Ну вишенку на торт. У нас в каждой вакансии пересекаются разные источники трафика кандидатов. Частота пересечений разная. И я показываю эту частоту.

Заметно, что

1. Внутренние кандидаты часто пересекаются в вакансиях с зарплатой.ру (почему бы это?), чаще, чем с ХХ и тем более суперджобом;
2. ХХ не любит другие джоб сайты, чаще пересекается с карьерным сайтом компании;
3. И рефералы чаще пересекаются с карьерным сайтом.

Ну вот как-то так, рад буду услышать от вас рекомендации, какую пользу можно извлечь из этого анализа. Или если хотите сделать у себя такой же анализ, пишите edvb()yandex.ru

__________________________________________________________

мы в телеграмме и вконтакте

Аудитория джоб сайтов, или через источник трафика стоит искать работу лично вам

И снова к результатам нашего исследования факторов текучести персонала. В нашем исследовании был вопрос про источник, через который респондент нашел работу. Раньше я смотрел с позиции работодателя, какие плюсы несет тот или иной источник трафика, сейчас я показываю, как можно подойти к решению двух задач:

1. Джоб сайты предлагают обзоры заработных плат для компаний на основе публикуемых вакансий и резюме, и я хочу показать, что аудитория джоб сайтов не описывает всю генеральную совокупность рынка зарплат, а через наше исследование можно показать отклонение;
2. Этот пост может стать идеей для сервиса по рекомендациям кандидатам, как им искать работу.

Задача

Я хочу решить следующую задачу: на основе данных о кандидате предсказать, через какой источник трафика он найдет работу. Понимая, какой фактор влияет на выбор того или иного источника трафика, мы поймем аудиторию каждого источника трафика.

Источники трафика

В нашем исследовании много вариантов ответа на вопрос об источниках трафика, я взял только самые характерные:

1. "Вы откликнулись на вакансию на джоб сайте" и 'Работодатель вышел на Вас через Ваше резюме на джоб сайте" я обозначил как группу "0", или "Jobsite", всего таких респондентов 929;
2. "Вы обратились непосредственно в саму компанию по рекомендации вашего знакомого - работника данной компании" как группа '1' или "Реферал" - 212 респондентов;  
3. "Кадровое агентство вывело вас на работодателя" - группа '2' или "КА" и 130 респондентов;
4. "Работодатель вышел на Вас по рекомендации человека, знающего вас" - '3' или "Знакомый" - 357 респондентов.

Итого 1628 респондентов. В % отношении выборка выглядит так

Факторы

В уравнение я взял следующие факторы:

• 'Стартовая зарплата',
• 'Возраст при приеме на работу',
• 'В какой социальной сети вы проявляете максимальную активность',
• 'Ваш пол',
• 'Знание иностранного языка на момент трудоустройства',
• 'Какой основной браузер установлен на вашем личном ноутбуке / компьютере',
• 'Масштаб населенного пункта',
• 'Образование на момент трудоустройства',
• 'Размер компании (число работников)',
• 'Регион',
• 'Сведения о компании. Отрасль',
• 'Сфера Вашей деятельности',
• 'Уровень Вашей позиции'

Результаты

Теперь немного для профи инфо. О точности модели

ROC кривая

Обратите внимание, лучше всего прогноз для группы 2, а группа 2 у нас кадровые агенства, т.е. по данным о кандидате проще всего предсказать, найдет он работу через кадровое агентство или нет.

Precision-recall curve

Скажем прямо: а никто и не обещал идеального попадания.

Важность факторов

Дальше будет жесткая картинка.

Длина столбика обозначает важность фактора, на первом месте Зарплата, на втором - возраст.
Дальше я покажу различия аудиторий по зарплате и возрасту

Зарплата

Возраст

Обратите внимание, Джоб сайты - самый молодой источник трафика, через него чаще находят работу более молодые кандидаты с медианой в 28 лет, рефералы старше джлб сайтовцев, но (!) они чуть ниже с т.з. зарплаты. А кадровые агенства дают самый большой разброс по зарплате (так что не надо говорить, что кадровые агентства только для богатых), но самая тесная группа по возрасту.
Айтишники: как вам идея стартапа - предсказывать источник трафика кандидата? Кандидат вводит свои данные, а ему в ответ рекомендации, как искать работу?
Пишите! И участвуйте в исследовании

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?