招聘漏斗数据分析

上周帮一家做SaaS的招聘朋友看招聘数据，他们月均收简历1200份，漏斗最后只发了3个offer。数据老板拍桌子说HR没干活。分析我把漏斗拉出来一看——简历初筛通过率68%，招聘看着挺高对吧？漏斗但初筛到一面直接掉到12%。问题根本不在简历量，数据在初筛标准太松，分析把一堆明显不匹配的招聘人放进了面试池。

招聘漏斗这东西，漏斗说白了就是数据把"收简历→筛简历→初面→复面→发offer→入职"每个环节的转化率算清楚。但很多人算错了。分析常见错误是招聘把所有渠道的简历混在一起算总转化率。拉勾来的漏斗和内部推荐来的，能是数据一回事吗？内推简历初筛通过率通常能到80%以上，招聘网站可能只有30%。混在一起算，等于把牛奶和豆浆倒一个杯子里，然后说这杯东西蛋白质含量还行。

先看两个核心指标

第一个是环节转化率。比如一面到二面，正常范围在40%-60%。如果低于30%，要么是面试官标准太严，要么是初筛放进来的人本身就不对。我见过一个团队，一面通过率只有8%，查下来发现是技术面试官用了套算法竞赛题，把做业务开发的候选人全筛掉了。这不是漏斗问题，是面试官和岗位需求脱节。

第二个是时间漏斗。从简历投递到发offer，超过15天，候选人流失率会陡增。有个数据我印象很深：某公司把面试流程从4轮压缩到3轮，平均招聘周期从22天降到14天，offer接受率从53%涨到71%。候选人不是没耐心，是手里同时握着两三个机会，谁先给offer就去谁那。

渠道质量比数量重要得多

我习惯把渠道分成三类：主动投递、被动搜索、内推。主动投递量大但精准度低，适合基础岗位。被动搜索——就是HR主动去人才库捞人——转化率中等，但耗时。内推转化率最高，可量少。有个做电商的客户，内推只占简历总量的9%，却贡献了42%的入职人数。他们后来把内推奖金从2000提到5000，内推占比涨到18%，整体招聘成本反而降了。

还有个容易忽略的点：不同岗位的漏斗形状完全不同。销售岗简历多、面试快、决策快，漏斗像个倒三角，宽进宽出。算法岗简历少、面试轮次多、决策慢，漏斗像根管子，窄进窄出。拿同一套漏斗指标去考核所有岗位的HR，等于让短跑运动员和马拉松选手比百米成绩。

别只看转化率，看绝对值

转化率是比率，但招聘是看绝对人数的。一个岗位收50份简历，初筛通过率50%，剩25人。另一个岗位收200份，通过率20%，剩40人。后者转化率低，但可用人数更多。只看比率会误判。我一般建议HR同时盯两个数：每个环节的通过率和通过人数。人数低于某个阈值——比如一面候选人少于5个——就得回头补简历，而不是继续往下推流程。

最后说个真实案例。有个做企业服务的公司，复面到offer转化率一直只有25%。HR以为是薪资没谈拢，后来把复面记录翻出来看，发现80%的候选人在复面时问"团队规模"和"汇报对象"，面试官回答含糊。问题出在岗位JD写的是"独立负责"，实际是"向总监汇报、带2个实习生"。候选人预期错位，自然不接offer。改完JD后，这个环节转化率提到47%。

漏斗数据不会说谎，但前提是你得把每一层拆开看，而不是盯着最上面那个总数拍脑袋。