A kiértékeléshez hat kulcsfontosságú mutatót használunk fel, amelyek két dimenzió mentén csoportosíthatók: a felmérés minőségének pontszáma (azt mutatja meg, mennyire jól tervezték meg a teszteket); illetve a jelöltek válaszadási pontszáma (azt méri, mennyire sikeres a jelöltek elérése).
Hogyan kapjuk meg a felmérés minőségének a pontszámát?
A teszt befejezési aránya
Ebből az adatpontból egyrészt felmérhetjük, mennyire sikerült releváns kérdéseket megadni a tesztben. Például, ha a fejlesztőket arra kérjük, hogy készítsenek el egy időjárás-applikációt, holott banki alkalmazások készítésére interjúztatjuk őket, nyilvánvalóan irreleváns a kérésünk. A teszt befejezési arányaiból azt is láthatjuk, mennyire sikerült megfelelő nehézségű tesztet összeállítanunk – a junior fejlesztők nem képesek befejezni a tapasztaltabb fejlesztők számára készült teszteket, míg a több tapasztalattal rendelkező fejlesztők idővesztegetésnek érezhetik az egyszerűbb tesztek megoldását.
A teszt pontszámának eloszlása
A mutató segítségével láthatóvá válik, hogy a megfelelő fejlesztők a megfelelő teszteket kapják-e meg. Ha mindenki túl jól, esetleg túl rosszul teljesít, az azt jelenti, hogy a teszt vagy túl könnyű, vagy túl bonyolult. Ha mindenki hasonló pontszámokat ér el a felmérésen, a teszt nincs elég jól megtervezve ahhoz, hogy a jelöltek közül a feladatra legmegfelelőbbeket tudjuk kiválasztani.
A jelöltek visszajelzése
A jelöltek értékelik a teszttel kapcsolatos általános benyomásaikat, de konkrét kérdésekre is választ kell adniuk.
Hogyan számoljuk ki a jelöltek válaszadási pontszámát?
A meghívó e-mail megnyitásának aránya
Ha a jelöltek meg sem nyitják a számukra elküldött e-mailt, valószínűleg nem a megfelelő jelentkezőknek küldtek üzenetet a toborzók, és/vagy nincs a vállalatnak elég erős elismertsége.
Tesztre kattintási arány
Ez a mutató betekintést nyújt abba, hogy a toborzók mennyire jól kommunikálnak a felkeresettekkel. Amennyiben az e-mailben található üzenet nem illeszkedik eléggé a várakozásaikhoz, kevésbé valószínű, hogy megnyitják a tesztet.
Teszt-kitöltési arány
A jelöltek sokkal hajlamosabbak a tesztet félbehagyni, ha a toborzó kollégák nem megfelelően kommunikálták, milyen a felmérés.
A gépi tanulás segítségével többmillió adatpont vált áttekinthetővé, valamint sikerült felismerni a kiváló tech-toborzási teljesítmény legfontosabb mutatóit, a teljesítmény javítását. A gépi tanulásnak ugyanakkor emberi értékelésre is szüksége van: a modell szigorúan lett értékelve, valamint ügyfelekkel is kellett beszélni, hogy biztos legyen: az eredményeknek valóban van értelme.
