Как голосовой робот помог ритейлу получить 297 кандидатов из холодной базы

Покажем пошагово, как помогли крупному федеральному ритейлеру не только эффективно закрыть линейную вакансию, но и реанимировать старую базу кандидатов.

С какой задачей к нам пришел клиент

Заказчик передал нам для обработки базу, которая не активировалась более 3‑х лет, и по большинству соискателей внутри нее ранее был зафиксирован отказ. Это поставило перед нами амбициозную цель — вернуть к диалогу кандидатов, которые ранее не прошли отбор.

Таким образом, перед нами стояли следующие задачи:

• оживить «старую» базу кандидатов с помощью нового инструмента;
• найти кандидатов, готовых к трудоустройству;
• автоматизировать сбор обратной связи;
• снизить стоимость лида;
• сократить нагрузку на рекрутеров.

Как мы работали над проектом

До начала прозвона базы мы провели с заказчиком подготовительный блок работ: попросили заполнить бриф и максимально подробно описать требования к проекту, а также запросили текущие данные по обзвонам и логику внутренних бизнес‑процессов.

Ключевой момент в каждом проекте, где используются голосовые роботы для подбора персонала, — выбор технологии работы. Существует два основных подхода к созданию голосовых ассистентов:

1. Генеративные роботы на базе LLM (больших языковых моделей). Здесь используется искусственный интеллект для генерации ответов в реальном времени с последующим синтезом речи. Пока что эта технология находится на стадии активного развития и пилотных проектов.
2. Скриптовые роботы. Они работают по жесткому сценарию на основе предзаписанных аудиофайлов. Это надежная и проверенная технология, которую мы активно используем и которая не первый год показывает отличные результаты.

В рамках проекта с заказчиком мы использовали исключительно предзаписанные голосовые сообщения. Робот распознавал речь кандидата (например, ответы «да», «нет» или другие ключевые фразы) и, в зависимости от сценария, вел диалог по заранее подготовленной ветке, отрабатывал возражения и считывал триггерные фразы.

После этого мы:

• создали ряд текстовок для будущих прозвонов на выбор;
• выбрали диктора и записали с ним несколько вариантов звонков;
• согласовали формат, в котором будет выгружаться база;
• согласовали способ передачи готовых к беседе кандидатов (лидов).

По итогу промежуточных этапов согласования была выбрана следующая входящая текстовка, озвученная женским голосом.

Далее в зависимости от ответа пользователя робот выполнял тот или иной сценарий, например:

• в случае интереса к вакансии рассказывал о ней подробнее и предлагал передать контактные данные кандидата рекрутеру;
• перезванивал, если абонент сам просил перезвонить, молчал или сбрасывал звонок;
• завершал вызов, если узнавал, что кандидат уже нашел работу/работает в компании заказчика на других позициях и т. д.

Затем начался этап тестирования. Мы дали возможность клиенту оценить готовую аудиозапись как на входящих, так и на исходящих звонках. После согласования озвучки протестировали аудиодорожку на несколько десятков контактов из предоставленной базы, чтобы понять, как будет вести себя робот и при необходимости внести правки в его логику.

Завершив все приготовления, собрали прототип робота, который начал прозванивать кандидатов из базы клиента, собранную в excel‑файлах. Как только кандидат согласился рассмотреть предложение о вакансии, его данные оперативно передавались в чат рекрутерам заказчика.

В работе с каждым кандидатом мы придерживались следующей схемы: совершали максимум 3 звонка. Если звонок оставался без ответа, был сброшен или кандидат просил перезвонить позже, мы оставляли контакт в промежуточном статусе. В случае категорического отказа кандидату в зависимости от ситуации присваивался статус «не заинтересован», «нашёл работу» или «требует не звонить». При этом мы старались выяснить причины отказа и тщательно отрабатывали возражения, консультируя по условиям и заработной плате. После получения окончательного отказа кандидат получал соответствующий статус и исключался из базы обзвона.

Важно отметить, что для обзвона кандидатов использовался пул чистых мобильных номеров, которые ротировались каждый час. Такой подход позволил обходить блокировки и спам‑фильтры: если кандидат блокировал один номер, следующая попытка звонка совершалась с нового, чистого номера.

Цифры, которые говорят за себя

Обзвон кандидатов с помощью голосовых роботов занял 8 дней (без учёта подготовительного этапа). По итогам проекта были достигнуты следующие результаты:

• конверсия в согласие: 5,63% (факт) при плане 2%. Это 297 кандидатов;
• стоимость лида (CPL): ~400 рублей (на 60% дешевле, чем в среднем по рынку);
• охват базы: совершено свыше 5200 дозвонов (82% от предоставленной базы);
• качество данных: корректность распознавания речи — 97%;
• общее количество времени разговора с роботом — 1959 минут;
• срок окупаемости проекта составил 3 месяца.

Найм с помощью голосовых роботов: рекомендации для предпринимателей

Что важно учесть компаниям, чтобы автоматизация звонков принесла максимальный эффект? Точно не подойдут для поиска узкоспециализированных специалистов или под небольшой объем подбора. В таких случаях дешевле и эффективнее будет обратиться к помощи рекрутеров или кадровых агентств.

Голосовые роботы — оптимальное решение для компаний с регулярным массовым наймом, где объем входящего потока кандидатов превышает 100 человек. Они также хорошо показывают себя в периоды активного роста компании, когда нужно срочно найти новых сотрудников.

Сколько стоит внедрение голосовых роботов в проект по подбору персонала? Как правило, стоимость внедрения зависит от выбранного уровня технической поддержки и объема звонков. При этом оплата считается не по минутам, а по секундам разговора. Чем больше объём — тем выгоднее тариф. Такой подход обеспечивает максимальную прозрачность и гибкость для бизнеса.

Как снизить количество сбросов звонков при контакте человека с роботом? Здесь важно учитывать два фактора: используемую технологию голосовых роботов и качество ее реализации. Если на другом конце провода человек услышит монотонный механический голос, вероятность сброса звонка стремится к 100%.

Для проектов, использующих предзапись голоса, стоит привлекать профессиональных дикторов. Они умеют записывать максимально «живые» и естественные аудиосообщения: где‑то меняют интонацию, могут специально запнуться, что‑то переспросить. Таким образом, их речь ничем не отличается от речи живого человека, и это кратно повышает лояльность собеседников и эффективность коммуникации.

Какой голос робота — мужской или женский — обладает наибольшей конверсией? Для исходящих звонков в рамках продаж, клиенты, как правило, чаще выбирают женские голоса. А для входящих линий, связанных с консультациями, обработкой жалоб и решением сложных вопросов, — мужские. Тем не менее, практика показывает, что эффективность звонков примерно одинакова независимо от того, мужской или женский голос используется.

Заключение

Несмотря на то, что современные пользователи всё чаще предпочитают текстовую коммуникацию, голосовая связь сохраняет свои преимущества. Если абонент сбросил звонок, вероятность повторного успешного дозвона остается выше, чем при попытке связаться с ним через текст. Это значит, что голосовые коммуникации по‑прежнему эффективны для взаимодействия с кандидатами и повышения конверсии в найме.