Adatvezérelt toborzás — Hogyan hozz jobb döntéseket számok alapján?
Ha valaha is érezted már, hogy a toborzási döntéseid inkább megérzésen, mint tényeken alapulnak, nem vagy egyedül. Az adatvezérelt toborzás fogalma sokak számára egyelőre csak a nagyok játékszere — holott a mögötte álló logika és az alapvető mérőszámok bármely 20-200 fős cégnél alkalmazhatók. Ehhez nincs szükség dedikált adatanalitikusra, drága BI szoftverre vagy hónapokig tartó implementációra. Elég, ha tudod, mit mérj, és mit kezdj az eredményekkel.
Ebben a cikkben végigmegyünk azon, hogyan hozz jobb, gyorsabb és megalapozottabb felvételi döntéseket — pusztán a toborzásod során keletkező adatok segítségével.
Miért hoznak a legtöbb HR-esek rossz döntéseket?
A megérzés-alapú toborzás veszélyei nemcsak az egyedi döntésekben rejlenek, hanem a rendszerszintű vakfoltokban.
Ha nem méred, hogy melyik álláshirdetési platform hozza a legjobb jelölteket, előfordulhat, hogy hónapok óta fizetsz egy olyan forrásért, amelyről a végül felvett kollégák töredéke sem érkezett. Ha nem követed, hogy a folyamat melyik lépésénél esnek ki a legjobb jelöltek, nem tudod, hol van a valódi probléma — a hirdetésben, az interjú felépítésében vagy az ajánlatban.
Discovery interjúink során visszatérő tapasztalat volt, hogy a HR-esek heteket töltöttek utólagos Excel-táblák összerakásával, amelyek végül sem adtak megbízható képet — egyszerűen azért, mert az adatokat nem szisztematikusan gyűjtötték.
A megérzés nem rossz dolog. De önmagában nem elegendő, ha versenykörnyezetben kell gyorsan és jól dönteni.
Az 5 legfontosabb toborzási metrika, amit minden KKV-nak mérnie kellene
Az alábbi öt mutató nem igényel komplex infrastruktúrát — egy jó ATS ezeket automatikusan gyűjti és megjeleníti.
| Mutató | Mit mér? | Miért fontos? | Mit tegyél, ha rossz? |
|---|---|---|---|
| Time-to-hire | Az álláshirdetés feladásától a szerződés aláírásáig eltelt napok száma | A hosszú felvételi idő drága, és elveszíted a legjobb jelölteket | Azonosítsd a folyamat szűk keresztmetszetét (pl. lassú interjúztatók) |
| Cost-per-hire | Az összes toborzási költség elosztva a felvett kollégák számával | Megmutatja, mennyibe kerül valójában egy felvétel | Csökkentsd a drága, alacsony megtérülésű csatornákat |
| Source of hire | Melyik platformról, csatornáról érkeztek a ténylegesen felvett jelöltek | Segít a hirdetési büdzsét oda allokálni, ahol valóban megtérül | Hagyd el vagy csökkentsd az alacsony konverziójú forrásokat |
| Offer acceptance rate | A küldött ajánlatok hány százalékát fogadták el | Ha alacsony, az ajánlat nem versenyképes, vagy a folyamat elveszíti a jelöltet | Vizsgáld meg a kompenzációt és a jelöltélményt |
| Pipeline conversion rate | A jelöltek hány százaléka lép tovább egyik fázisból a másikba | Megmutatja, hol “szivárog” a toborzási csatorna | Erősítsd meg a gyenge lépéseket: értékelési kritériumok, kommunikáció |
Magyar benchmarkok (2025-ös iparági adatok alapján):
- Átlagos time-to-hire Magyarországon: 28–35 nap (fizikai munkakörökben 18–22 nap, fehérgalléros pozíciókban 35–50 nap)
- Átlagos cost-per-hire KKV-knál: 120 000 – 280 000 Ft pozíciótól és szektortól függően
- Offer acceptance rate egészséges szinten: 80% felett
Ha ezek a számaid ennél rosszabbak, van hova fejlődni — és az adatok pontosan megmutatják, hol.
Hogyan olvasd el a toborzási adatokat? — A pipeline elemzés lépései
A toborzási pipeline elemzése nem rakettudomány. Íme a lépések, amelyeket minden toborzási ciklus végén vagy közben érdemes elvégezni:
1. Gyűjtsd össze a pipeline adatait fázisonként
Minden fázishoz (pl. beérkezett önéletrajz → telefon-szűrő → első interjú → második interjú → ajánlat → felvétel) nézd meg:
- Hány jelölt lépett be az adott fázisba?
- Hány lépett tovább?
- Mi volt a kiesés oka?
2. Számítsd ki a konverziós arányokat
Ha 100 önéletrajzból 30 megy el telefon-szűrőre, az 30%-os konverzió. Ha ebből 15 kerül első interjúra, az 50%. Ha végül 3 kap ajánlatot, az 20%. Ez a 100 → 3 arány megmutatja, mekkora “tölcséren” kell jelölteket átfuttatni egy felvételhez.
3. Hasonlítsd össze pozíciók és időszakok szerint
Egy marketinges toborzás konverziós arányai teljesen mások lehetnek, mint egy értékesítőé. Ha ugyanarra a pozícióra hat hónappal korábban 22 napot töltöttél, most pedig 45-öt, valami megváltozott — és ez az adat ad esélyt a beavatkozásra.
4. Keress kiugró értékeket
Nem minden lassulás egyforma. Ha a telefon-szűrőből való áttérés hirtelen leesett, lehet, hogy az interjúztató megváltozott. Ha az offer acceptance rate zuhant, talán a piac kompenzációs elvárásai mozdultak el.
Adatvezérelt döntések a toborzás 3 kulcsterületén
1. Platform kiválasztás — ne hirdess vakrepülésben
Az egyik leggyakoribb KKV-s toborzási hiba: hirdetnek mindenhol, de nem mérik, honnan jönnek a jó jelöltek.
Nézd meg a source of hire adataidat, és tedd fel ezeket a kérdéseket:
- Melyik platform hozta a legtöbb felvett kollégát (nem csak a legtöbb önéletrajzot)?
- Melyik platform jelöltjei jutottak el leggyakrabban az ajánlat fázisig?
- Melyik csatornán volt a legalacsonyabb a cost-per-hire?
Ha kiderül, hogy az egyik álláshirdetési oldal a beérkező önéletrajzok 60%-át adja, de a felvételek csak 15%-át, az nem hatékony befektetés. Azok a platformok érdekesek, ahol magas az önéletrajz-minőség és magas a konverzió.
2. Jelölt minőség mérése — túl az első benyomáson
A jelölt minőség egy elhanyagolt dimenzió az adatelemzésben — pedig mérhető.
Néhány bevált megközelítés:
- Post-hire performance tracking: 3 és 6 hónappal a felvétel után kérd meg a közvetlen vezetőt, hogy értékelje a felvett kollégát. Visszakapcsolva a toborzási adatokhoz, meglátod, melyik interjútechnika vagy értékelési módszer jósolta meg legjobban a teljesítményt.
- Retention rate forrás szerint: A hat hónapon belül kilépő kollégák melyik csatornáról érkeztek? Ha egy platform jelöltjei szisztematikusan hamarabb mennek el, érdemes felülvizsgálni.
- Interjú értékelési konzisztencia: Ha több interjúztató vesz részt a folyamatban, mennyire egyeznek az értékeléseik? Nagyon eltérő pontszámok esetén az értékelési szempontrendszer átgondolása indokolt.
3. Folyamat optimalizálás — ahol az idő és a pénz elúszik
A folyamat-szintű adatelemzés azt mutatja meg, hol veszítesz feleslegesen időt és pénzt.
Tipikus optimalizálási területek:
- Bottleneck azonosítás: Ha az első és a második interjú között átlagosan 12 nap telik el, de az iparági átlag 5 nap, ott van a szűk keresztmetszet. Valószínűleg a naptáregyeztetés a probléma — ezt automatizálással meg lehet szüntetni.
- Kiesési pontok: Ha a jelöltek 40%-a a tesztelési fázisban esik ki, de korábban alacsony volt a kiesési arány, a teszt talán túl nehéz, irreleváns, vagy egyszerűen nem jól kommunikált.
- Átfutási idő lépésenként: Hány nap telik el az önéletrajz beérkezése és az első visszajelzés között? Ha ez 5 napnál több, elveszítesz jelölteket — ma a legjobb emberek párhuzamosan 3-5 céggel tárgyalnak.
Hol kezdd el, ha most indulsz el az adatvezérelt toborzás felé?
Ha most hallasz először erről a megközelítésről, ne próbálj mindent egyszerre bevezetni. Íme egy egyszerű, lépcsőzetes indulási terv:
1. hét: Döntsd el, melyik 3 mutatót kezded el mérni (ajánlott: time-to-hire, source of hire, offer acceptance rate)
2–4. hét: Győződj meg róla, hogy ezeket az adatokat a rendszered automatikusan gyűjti. Ha Excel-alapú toborzásod van, eljött az idő egy ATS bevezetésére.
1. hónap végén: Nézd meg az első adatokat. Ne vonj le messzemenő következtetéseket — ez még csak az alapvonal.
3. hónap után: Most már láthatod a trendeket. Hol tart a legtovább a folyamat? Melyik csatorna teljesít jobban? Hol van kiesés a pipelineban?
6. hónap: Kezdj el döntéseket hozni az adatok alapján. Csökkentsd a drágán teljesítő csatornák büdzséjét, optimalizáld a lassú lépéseket, és mérd, javult-e a time-to-hire.
A legfontosabb: ne várd meg, amíg “tökéletes” az adatgyűjtési rendszered. Minden mért adat jobb a semminél. Az első hónap adatai is sokat elárulnak — és három hónap elteltével már tényleg látni fogod a különbséget.
Gyakran ismételt kérdések
Mi az adatvezérelt toborzás lényege?
Az adatvezérelt toborzás azt jelenti, hogy a felvételi döntéseket nem megérzés, hanem mért adatok alapján hozod. Például: melyik platform hozza a legjobb minőségű jelölteket, mekkora a time-to-hire, hol esnek ki a jelöltek a folyamatból.
Milyen adatokat kell mérnem toborzáskor?
A legfontosabb mutatók: time-to-hire (átlagos felvételi idő), cost-per-hire (felvétel költsége), offer acceptance rate (ajánlatelfogadási arány), source of hire (honnan jönnek a jelöltek), és pipeline conversion rate (áttérési arány lépésenként).
Kell-e ehhez drága szoftver vagy BI eszköz?
Nem. Egy modern ATS rendszer, mint az HRscale, automatikusan gyűjti és megjeleníti ezeket az adatokat. Nincs szükség külön BI eszközre vagy adatelemző csapatra — az alapvető toborzási analitika bármelyik KKV számára elérhető.
Összefoglalás
Az adatvezérelt toborzás nem arról szól, hogy minden döntéshez táblázatot kell nyitni. Arról szól, hogy a rendszered automatikusan gyűjti azt, amit amúgy is mérned kellene — és te ezeket az adatokat arra használod, hogy kevesebb idő alatt, alacsonyabb költséggel, jobb jelölteket vegyél fel.
A KKV-k számára ez nem luxus, hanem versenyelőny: miközben a konkurenseid a megérzéseikre hagyatkoznak, te pontosan tudod, melyik hirdetési csatorna hozza a legjobb megtérülést, és hol kell javítani a folyamaton.
Próbáld ki az HRscale analitikát ingyen — és nézd meg élőben, hogyan néz ki, amikor a toborzásod adatai egy helyen, érthetően jelennek meg.