Рекрутинг — игра чисел с проблемой персонализации. Нужно достучаться до сотен кандидатов, но шаблонный InMail игнорируется. Выигрывают рекрутеры, делающие каждое сообщение персональным, — но реальное исследование каждого кандидата не масштабируется. До сих пор.

Вот как рекрутеры используют Save, чтобы тратить 2 минуты на исследование вместо 20.

Рабочий процесс 1: Профиль LinkedIn → Персонализированный аутрич

Вы нашли перспективного кандидата. В профиле 15 лет опыта, 3 интересные роли, посты о текущей работе. Нужно написать выделяющееся сообщение.

Процесс:

Сохраните профиль LinkedIn как Markdown — карьера, навыки, посты, рекомендации
Сгенерируйте персональный аутрич:

“Вот профиль LinkedIn senior-инженера. Я рекрутирую на [роль] в [компании]. Напишите персонализированное сообщение, ссылающееся на конкретное из карьеры, объясняющее, почему эта роль — естественный следующий шаг, до 100 слов.”

“Что в его бэкграунде уникально квалифицирует на эту роль? Дайте 2-3 talking points для ответа.”

Отправляйте и отслеживайте — Каждое сообщение ссылается на реальный опыт, а не шаблон

Рабочий процесс 2: Описания вакансий → Конкурентный бенчмаркинг

Хайринг-менеджер хочет знать, конкурентна ли ваша вакансия. Правильная компенсация? Правильные навыки? Правильный язык?

Процесс:

Сохраните 5-10 похожих вакансий у конкурентов
Бенчмаркните роль:

“Вот 10 описаний похожих позиций [роль] в сопоставимых компаниях. Сравните с нашим JD. Мы просим слишком много? Наша компенсация конкурентна? Какие бенефиты у конкурентов, о которых мы не упоминаем? Какой язык в лучших листингах?”

“Перепишите наш JD конкурентнее по лучшим практикам.”

Публикуйте сильнее — Улучшения JD на данных, а не догадках

Рабочий процесс 3: Портфолио кандидата → Хайринг-бриф

У кандидата есть личный сайт, GitHub-репозитории и блог. Хайринг-менеджер хочет саммари перед интервью.

Процесс:

Сохраните портфолио-сайт, ключевые GitHub-README и последние посты блога
Сгенерируйте бриф кандидата:

“Вот сайт-портфолио, 3 последних GitHub-репо и 2 поста блога. Создайте бриф кандидата: технические сильные стороны, стиль коммуникации (по текстам), заметные проекты, потенциальные пробелы для позиции [роль].”

“Какие 3 лучших вопроса интервью задать именно этому кандидату на основе его работ?”

Поделитесь с панелью — Все заходят на интервью, зная, кто этот человек

Рабочий процесс 4: Отчёты о зарплатах → Стратегия оффера

Нужно сделать оффер. Какая рыночная ставка? Правильный ли comp band?

Процесс:

Сохраните страницы salary survey и компенсационные отчёты с Levels.fyi, Glassdoor, Blind
Постройте стратегию:

“Вот 4 источника данных о компенсации для [роль] в [локации/remote]. Какая рыночная ставка на P25, P50, P75? Где наш оффер [сумма]? Какие корректировки сделают оффер конкурентным без перерасхода?”

“По уровню опыта кандидата и этим данным составьте обоснование оффера для комитета компенсаций.”

Делайте конкурентные офферы — На текущих рыночных данных, а не прошлогодних

Почему Save побеждает ручное исследование в рекрутинге

Ручное исследование	С Save + ИИ
Просмотр профиля, ментальные заметки	Весь профиль как searchable текст
Шаблонные сообщения	ИИ ссылается на карьерные детали
15-20 мин на кандидата	2-3 мин на кандидата
Бенчмаркинг JD = «вроде ок»	Сравнение с 10 конкурентами на данных
Бриф кандидата = «вроде хорош»	Структурированная оценка с вопросами

Начать

Установите Save (бесплатно, 3 сохранения в месяц)
Перед сорсинг-сессией сохраняйте профиль каждого кандидата
Передавайте профили в Claude или ChatGPT с целями аутрича
Отправляйте сообщения, на которые реально отвечают

Лучшие рекрутеры не просто находят кандидатов. Они заставляют кандидатов чувствовать, что их нашли.

Вопросы или обратная связь? Пишите на [email protected]