Карта поиска кандидатов: как расширить поиск в глубину на hh.ru

Представьте, что вы несколько лет нанимаете специалистов одного профиля.

Вы уже просмотрели сотни резюме на hh.ru, сохранили подходящих кандидатов и регулярно проверяете новые анкеты. По текущему запросу доступно 500 релевантных специалистов. Это неплохой результат — пока компании срочно не потребовались ещё несколько сильных экспертов.

Новые опытные кандидаты появляются на рынке не так быстро, как растёт потребность бизнеса. Знакомые резюме уже просмотрены, а очередной запуск прежнего запроса возвращает тех же людей.

Что делать, когда кандидаты заканчиваются?

Можно решить, что hh.ru исчерпан, и подключить новые площадки: LinkedIn, Авито Работу, профессиональные сообщества, социальные сети и специализированные базы.

Но сначала стоит задать другой вопрос:

Мы действительно посмотрели весь доступный рынок внутри текущего источника — или только всех кандидатов, которых показывает один привычный словарь?

Возможно, кандидаты не закончились. Закончился только поисковый запрос.

Изменив названия должностей, технологические термины, варианты написания, продукты, компоненты и профессиональные задачи, можно открыть дополнительный слой резюме. Источник останется прежним, но видимая выборка, например, вырастет с 500 до 700 кандидатов.

Это и есть расширение карты поиска в глубину.

Методы поиска кандидатов: расширять карту в ширину или в глубину

Карту поиска часто представляют как список ресурсов. Чем больше источников подключено, тем шире охват рынка.

Но у карты есть два измерения.

Ширина — количество источников, на которых ведётся работа.

Глубина — количество разных способов найти подходящих людей внутри каждого источника.

Подключение новой площадки может быть правильным решением. Некоторые специалисты действительно отсутствуют на hh.ru, давно не используют его или активнее представлены в других каналах.

Однако каждый новый источник создаёт новый рабочий цикл:

1. получить доступ;
2. разобраться в интерфейсе и логике поиска;
3. адаптировать или заново собрать запрос;
4. просмотреть выдачу;
5. сохранить интересные профили;
6. удалить дубли с уже просмотренными кандидатами;
7. оценить уникальный релевантный прирост.

На второй площадке рекрутер нередко встречает тех же специалистов, которых уже видел на первой. Объём работы растёт, а количество действительно новых подходящих людей может увеличиться незначительно.

Расширение в ширину отвечает на вопрос:

Где ещё могут находиться нужные специалисты?

Расширение в глубину — на другой:

Какими ещё словами, признаками и профессиональными контекстами кандидаты в уже используемой базе могли описать подходящий опыт?

Глубина поиска растёт за счёт:

• альтернативных названий должностей;
• русских и английских вариантов;
• аббревиатур и профессионального сленга;
• старых названий;
• продуктов, реализаций и компонентов;
• профессиональных задач;
• архитектурных признаков;
• доменов и компаний-доноров.

Так карта поиска перестаёт быть простым перечнем сайтов и становится моделью рынка:

источники × названия ролей × технологии × задачи × контексты

Поэтому перед подключением очередной площадки полезно проверить:

Проблема действительно в количестве источников — или в недостаточной глубине работы с основным источником?

Что показало исследование The Find 2024 года

В исследовании The Find 2024 года участвовали 356 человек, найденных через LinkedIn, VK и Telegram.

Главный результат для этой статьи: 91% респондентов так или иначе имели резюме на hh.ru. У 9% резюме на площадке не было.

Это не означает, что hh.ru содержит 91% всего рынка труда. Результат относится к конкретной выборке; способ привлечения респондентов и определения категорий ограничивает обобщение.

Но он показывает важную практическую проблему: человек, найденный в LinkedIn, VK или Telegram, может уже иметь резюме на hh.ru — скрытое, давно не обновлявшееся или просто не попавшее в привычную выдачу.

Следовательно, новая площадка не всегда равна новому кандидату.

Иногда команда тратит ресурсы на расширение карты в ширину, хотя значимая часть потенциального прироста находится внутри уже используемой базы. Чтобы увидеть её, нужно изменить не источник, а способ поиска.

Новый источник и новый словарь решают разные задачи:

• источник открывает дополнительный канал;
• словарь открывает дополнительные сегменты внутри канала.

Оба подхода нужны. Но сравнивать их полезно не по размеру выдачи, а по тому, сколько уникальных релевантных кандидатов добавляет каждый следующий шаг.

Поиск резюме на hh.ru: почему один запрос не показывает всю базу

Поисковая система не понимает профессиональный опыт так, как его понимает технический эксперт или опытный рекрутер.

Она работает с:

• текстом и полями резюме;
• внутренним индексом;
• морфологией и словарями;
• правилами совпадения;
• фильтрами;
• логикой конкретной площадки.

Поэтому между вакансией и найденным профилем существуют как минимум три словаря.

Словарь вакансии — формулировки заказчика и нанимающего менеджера.

Словарь кандидата — названия должностей, технологий, продуктов и задач, которыми специалист описывает опыт.

Словарь поисковой площадки — то, как система связывает запрос с текстом и полями резюме.

Эти словари пересекаются, но не совпадают полностью.

Один специалист использует полное название технологии, другой — сокращение, третий перечисляет продукты и компоненты, а четвёртый описывает характерные задачи, не называя основное слово вообще.

Поэтому фраза «мы просмотрели весь hh.ru» чаще означает:

Мы просмотрели всю выдачу, которую вернули конкретные запросы, фильтры и текущая логика поиска.

Это не то же самое, что увидеть всех потенциально релевантных кандидатов в базе.

У разных площадок свои правила. Запрос, который работает на hh.ru, нельзя автоматически переносить в LinkedIn, Google, Яндекс или другую систему. Нужно отдельно понимать синтаксис, поля, морфологию и ограничения каждого ресурса.

Но даже идеальное знание поискового движка не решает вторую часть задачи — выбор слов.

Boolean Search в рекрутинге: операторы — только половина метода

Когда говорят о Boolean Search, обычно вспоминают AND, OR, NOT, кавычки, скобки и дополнительные операторы конкретной системы.

Это действительно важно. Без понимания логики операторов рекрутер может случайно сузить запрос, объединить несовместимые условия, исключить релевантные профили или получить лишний шум.

Но операторы — только одна половина Boolean Search.

Вторая половина — слова, которые рекрутер соединяет этими операторами.

Можно идеально понимать синтаксис и при этом находить меньше кандидатов, если использовать:

• одно название должности;
• только главное слово технологии;
• только современное написание;
• только язык вакансии;
• только терминологию своей компании.

OR расширяет выбор между словами. Но сначала нужно понять, какие слова поставить по обе стороны оператора.

Поэтому полноценный Boolean Search требует двух компетенций:

1. понимания логики поискового движка и операторов;
2. понимания живого профессионального языка кандидатов.

Первая определяет, как соединить слова.

Вторая — какие слова соединять.

Без первой запрос построен неправильно. Без второй он может быть синтаксически безупречным, но семантически бедным.

Именно вторая часть постоянно усложняется: профессиональный язык меняется даже тогда, когда сама потребность компании кажется прежней.

Почему язык кандидатов меняется, а поисковый запрос стареет

Профессиональный язык не является зафиксированным справочником. Он развивается вместе с рынком, технологиями и разделением труда.

Поэтому два специалиста с похожим опытом могут описывать себя совершенно разными словами. Один использует привычное русское название должности, второй — англоязычное, третий — внутреннее название роли из своей компании, а четвёртый не указывает нужный термин в заголовке резюме, но подробно описывает соответствующие задачи и технологии.

У этого изменения есть два крупных механизма.

1. Язык обогащается новыми и заимствованными обозначениями

Новое слово не всегда означает принципиально новую профессию. Иногда меняется способ назвать уже существующую работу.

Когда-то человека, который продавал товары или услуги, могли назвать продавцом, торговым представителем или специалистом по продажам. Затем распространилось название «менеджер по продажам». Позже в профессиональном языке закрепились:

• sales manager;
• account manager;
• key account manager;
• business development manager и BDM;
• sales development representative и SDR;
• business development representative и BDR;
• account executive;
• customer success manager;
• client partner;
• partnership manager;
• менеджер по работе с клиентами.

Часть этих ролей действительно различается по функциям и месту в воронке продаж. Но в вакансиях и резюме границы могут быть размыты: разные компании по-разному называют близкую работу, а одинаковое название используют для разных задач.

Похожая трансформация произошла в работе с персоналом.

Рядом с кадровиком, инспектором отдела кадров, специалистом отдела кадров и менеджером по персоналу появились:

• рекрутер и IT-рекрутер;
• сорсер и talent sourcer;
• talent acquisition specialist;
• recruitment researcher;
• HR generalist;
• HR business partner и HRBP;
• people partner;
• people operations specialist;
• L&D manager;
• менеджер по адаптации;
• employer brand manager;
• специалист по внутренним коммуникациям.

Не все эти должности являются синонимами. Но они показывают, как широкая область получает новые названия и более точные обозначения отдельных функций.

2. Область усложняется и распадается на специализации

Иногда меняется не только название — сама работа становится сложнее.

Раньше значительная часть задач, связанных с серверами, сетями, развёртыванием и поддержкой систем, могла находиться внутри роли системного администратора.

По мере развития облачной инфраструктуры, автоматизации, контейнеризации, безопасности и требований к надёжности заметными стали:

• DevOps engineer;
• DevSecOps engineer;
• SRE и site reliability engineer;
• platform engineer;
• cloud engineer;
• infrastructure engineer;
• release engineer;
• build engineer;
• CI/CD engineer;
• Kubernetes engineer;
• observability engineer;
• production engineer;
• cloud security engineer;
• FinOps engineer.

Это не взаимозаменяемые названия. Но при поиске конкретного опыта они образуют общее семантическое пространство. Специалист с подходящим опытом Kubernetes, автоматизации инфраструктуры или эксплуатации распределённых систем может находиться в нескольких соседних профессиональных категориях.

То же происходит с технологическим стеком. Появляются новые продукты, облачные сервисы, управляемые версии технологий, библиотеки, фреймворки, форки, сокращения и профессиональный сленг. Одни термины входят в употребление, другие исчезают, третьи продолжают жить в старых резюме.

Кандидат может указать:

• полное название технологии;
• аббревиатуру;
• облачный сервис;
• реализацию или дистрибутив;
• компонент экосистемы;
• решённую задачу;
• название внутренней платформы.

Поэтому словарь поиска нельзя составить один раз и использовать без изменений годами.

Даже если вакансия кажется прежней, вокруг неё меняются названия должностей, структура команд, продукты, версии технологий и способы описания опыта. Запрос, который хорошо показывал рынок несколько лет назад, постепенно начинает видеть меньшую его часть.

Не обязательно потому, что специалистов стало меньше. Возможно, рынок теперь говорит о том же опыте другими словами.

Сегодня устаревший запрос пропускает несколько новых формулировок. Через год — новые роли, продукты и сокращения. Через несколько лет команда продолжает искать рынок языком, который описывает его прошлую версию.

Поэтому развитие словаря — регулярная работа с живым языком рынка.

Чем дольше команда не обновляет его, тем больше подходящих профилей остаётся за пределами привычной выдачи. Следующий шаг — превратить наблюдения о языке в проверяемое семантическое ядро вакансии.

Семантическое ядро вакансии и поисковые гипотезы

В SEO семантическое ядро описывает набор запросов и формулировок вокруг темы.

В сорсинге похожую роль выполняет набор слов, которыми кандидаты могут описать нужную должность, опыт, задачи и технологии.

Такое ядро включает не только синонимы:

• прямые и исторические названия роли;
• русские и английские формы;
• сокращения;
• продукты, реализации и дистрибутивы;
• компоненты;
• профессиональные задачи;
• архитектурные паттерны;
• домены;
• компании-доноры;
• сильные косвенные признаки опыта.

Но сам по себе длинный список ещё не является рабочим инструментом.

Поисковая гипотеза — это отдельное предположение о том, каким словом, признаком или контекстом кандидат мог описать нужный опыт.

Например:

• альтернативным названием должности;
• сокращением или разговорной формой технологии;
• названием реализации или форка;
• конкретным компонентом;
• профессиональной задачей;
• архитектурным паттерном;
• продуктом или отраслевым контекстом;
• компанией, где нужный опыт встречается с повышенной вероятностью.

Гипотеза становится полезной только после проверки:

найденный термин
→ отдельный запрос
→ оценка релевантности и шума
→ удаление дублей
→ измерение уникального прироста
→ сохранение результата
→ повторная проверка при изменении рынка

Именно этот цикл отделяет рабочее знание от красивой идеи. До проверки термин остаётся гипотезой; после проверки он становится частью карты поиска.

Какие ключевые слова расширяют поиск

1. Альтернативные названия роли

Одна и та же работа может называться по-разному:

• Java программист;
• Java Backend;
• Java Инженер;
• Java Разработчик;
• Java Developer;
• Java Engineer.

Не все названия равнозначны, но каждое может открыть профили, которых нет в выдаче по основному названию вакансии.

2. Варианты написания и сокращения

Кандидаты используют:

• полные названия;
• аббревиатуры;
• транслитерацию;
• сленг;
• написание через дефис или без него;
• старые варианты;
• распространённые ошибки.

Даже близкие формы могут возвращать пересекающиеся, но не одинаковые множества профилей.

3. Реализации, дистрибутивы и форки

Специалист может не назвать основную технологию, но указать продукт или реализацию, работа с которой предполагает нужный опыт.

Для Kubernetes это могут быть, например, OpenShift, Minikube или k3d.

Такие слова часто становятся сильными косвенными признаками. Но техническая близость ещё не гарантирует релевантность: каждый термин нужно проверять на реальных профилях.

4. Компоненты и профессиональные термины

Опыт нередко описывают через конкретные объекты и инструменты, а не через название всей системы.

Чем глубже термин связан с практической работой, тем выше шанс найти специалиста, который не попал в очевидный запрос.

5. Задачи и архитектурные паттерны

Кандидат может не указать технологию напрямую, но описать характерные задачи:

• миграцию;
• масштабирование;
• отказоустойчивость;
• высокую нагрузку;
• автоматизацию развёртывания;
• эксплуатацию распределённых систем;
• оптимизацию производительности;
• интеграцию сложных компонентов.

Такие гипотезы особенно полезны для senior-, lead- и architect-ролей.

6. Домены, продукты и компании-доноры

Иногда нужный опыт проще искать через контекст:

• отрасль;
• тип продукта;
• масштаб системы;
• характерную архитектуру;
• продуктовые задачи;
• компании с похожим технологическим контуром.

Компания-донор не доказывает соответствие каждого сотрудника. Это способ сформировать отдельный сегмент для проверки.

Прямой признак, связанный термин или шум

Не все найденные слова одинаково полезны. Для работы их удобно разделить на четыре группы.

A. Прямой сильный признак

Слово с высокой вероятностью указывает на непосредственный опыт с нужной технологией или задачей.

B. Сильный косвенный признак

Термин часто связан с целевым опытом, но требует просмотра профиля или сочетания с другими словами.

C. Контекстный признак

Слово помогает понять домен, продукт или тип задач, но само по себе не подтверждает нужную компетенцию.

D. Шум

Слишком широкое, многозначное или соседнее слово, которое создаёт много нерелевантных результатов.

Например, Docker находится рядом с Kubernetes во многих технологических стеках. Но наличие Docker само по себе не доказывает опыт работы с Kubernetes.

Задача сорсера — не собрать максимально длинный список, а определить роль каждого термина и способ его безопасного использования.

Исторический пример: разные названия Java-роли

В одном из поисковых экспериментов The Find разные формулировки Java-роли дали выдачи от 7 507 до 24 370 кандидатов.

Эти числа нельзя складывать: множества профилей пересекаются. Они также не являются текущей оценкой рынка — это результаты конкретного исторического поиска.

Но пример показывает главное: выбранное название роли существенно влияет на видимую часть базы. Один запрос может быть корректным и при этом показывать только один сегмент кандидатов.

Почему не стоит объединять все слова в один огромный запрос

Технически можно собрать десятки терминов через OR. Проблема в том, что после этого сложно понять:

• какое слово добавило нового кандидата;
• какая часть запроса создаёт шум;
• сколько уникальных профилей дала отдельная гипотеза;
• какие термины стоит сохранить;
• что перестало работать после изменения площадки.

Поэтому смысловые группы полезно запускать отдельно.

Например:

1. основные названия роли;
2. альтернативные названия;
3. сокращения и варианты написания;
4. реализации и компоненты;
5. задачи и архитектурные признаки;
6. компании-доноры.

После этого результаты можно объединить и дедуплицировать.

Так поиск превращается в последовательный эксперимент. Сорсер видит не только общий объём выдачи, но и вклад каждой гипотезы.

Исторический пример: ещё 2 050 кандидатов через расширенный Kubernetes-словарь

В одном из исторических поисков The Find запрос с популярными Kubernetes-терминами дал:

• 6 700 резюме;
• 5 997 кандидатов.

Расширенный словарь дал:

• 9 057 резюме;
• 8 047 кандидатов.

Разница составила:

• 2 357 резюме;
• 2 050 кандидатов.

Это около 35% к первоначальной видимой выдаче в конкретном поиске.

Эти данные не означают, что любая Kubernetes-вакансия получит такой же прирост. Они показывают сам механизм: дополнительный словарь способен открыть профили, которых не было в очевидном запросе.

Почему за очевидных кандидатов конкурируют чаще

Представьте 100 рекрутеров. Девяносто ищут по словам Kubernetes и K8s, а десять — по Minikube и k3d.

За чьё внимание будет выше конкуренция: за кандидата с самым очевидным словом в резюме или за специалиста, которого нашли через редкий, но релевантный термин?

Числа 90 и 10 здесь — мысленный эксперимент, а не статистика рынка. Он объясняет принцип: очевидные профили чаще оказываются в одинаковых списках разных рекрутеров.

Специалисты, найденные через менее распространённое описание опыта, могут получать меньше однотипных обращений. Но редкость слова сама по себе не делает кандидата подходящим — релевантность всё равно нужно проверять.

Что мы наблюдали дальше по воронке

По внутренним наблюдениям The Find, кандидаты, найденные через редкие, но проверенные слова, в отдельных проектах показывали более сильные результаты и после первичного поиска:

• средняя конверсия на каждом из отслеживаемых этапов воронки была выше на 15%;
• кандидаты на 23% реже переставали выходить на связь;
• отказы от оффера из-за принятия предложения другой компании встречались на 41% реже.

Это результаты внутренней выборки The Find, а не гарантия для другой вакансии.

Показатели зависят от роли, рынка, условий предложения, периода, коммуникации, состава выборки и всего процесса подбора. Они также не доказывают, что результат вызван только редким ключевым словом.

Корректный вывод уже: расширенные гипотезы могут открыть другой сегмент кандидатов, а его качество нужно оценивать по дальнейшему движению воронки.

Где брать поисковые гипотезы

Из вакансии и брифа

Выпишите не только обязательные технологии, но и:

• реальные задачи;
• архитектурный контекст;
• продукты;
• ограничения;
• тип нагрузки;
• смежные роли;
• терминологию нанимающего менеджера.

Затем отделите язык вакансии от формулировок, которыми кандидаты могут описывать тот же опыт.

Из сильных профилей

Резюме подходящих специалистов показывают реальный язык рынка лучше абстрактного списка синонимов.

Из них можно извлекать:

• названия должностей;
• сокращения;
• компоненты;
• продукты;
• задачи;
• архитектурные термины;
• старые названия технологий;
• повторяющиеся профессиональные формулировки.

Из документации и профессиональных обсуждений

Документация помогает найти:

• реализации;
• дистрибутивы;
• форки;
• компоненты;
• команды;
• старые и новые названия.

Но техническая связь ещё не означает, что слово подходит для самостоятельного поиска кандидатов.

Из интервью с инженерами

В 2019 году при развитии DevOps-направления ведущий DevOps-специалист подсказал мне OpenShift как неочевидный поисковый термин.

После этого слово около семи лет переходило между рабочими словарями и проектами The Find.

Ценность такого знания появляется не только в момент разговора. Она накапливается, если сохранить термин вместе с контекстом, запросом и результатами проверки.

Из предыдущих проектов

После закрытия вакансии полезно сохранять:

• для какой роли проверялось слово;
• на какой площадке;
• в какую дату;
• какой запрос использовался;
• сколько уникальных кандидатов добавилось;
• насколько релевантной была выборка;
• какие исключения понадобились;
• требуется ли повторная проверка.

С помощью нейросетей

Нейросеть может быстро расширить исходный список:

• предложить варианты названия роли;
• найти сокращения;
• перечислить реализации и форки;
• подсказать старую терминологию;
• предложить компоненты и профессиональные термины.

Но результат модели — это набор гипотез, а не готовый поисковый запрос.

Ниже — два авторских промпта. Первый стремится ограничить результат сильными признаками. Второй специально расширяет поле поиска и поэтому чаще добавляет шум.

Строгий промпт для поиска ключевых слов

Ты — профессиональный технический sourcer с глубоким пониманием IT-технологий, терминологии и принципов подбора по ключевым словам.

Твоя задача:

На основе заданной технологии, библиотеки или фреймворка составь максимально полный список ключевых слов и синонимов, которые кандидаты могли бы использовать в своих резюме, если у них действительно есть практический опыт с указанной технологией.

Формат ответа:

- Каждое ключевое слово или словосочетание — с новой строки;
- Без кавычек, запятых или нумерации;
- Включай все возможные формы, включая аббревиатуры, прозвища, сокращения, альтернативные обозначения;
- Учитывай даже устаревшие названия и форки технологии, если они указывают на релевантный опыт.

Фильтрация:

- НЕ включай термины, которые могут быть упомянуты без прямого опыта с технологией (например, инструменты, которые часто используются рядом, но не требуют ее знания);
- Если по слову нельзя однозначно сказать, что человек работал с заданной технологией, исключи его.

Если синонимов и аналогов не существует — так и напиши.

Теперь прими ключевое слово: Kubernetes. Составь список слов, по которым можно найти кандидатов, действительно работавших с этой технологией.

Даже строгий промпт не гарантирует точность. Каждый термин всё равно нужно проверить на реальной выдаче.

Широкий промпт для максимального расширения словаря

Ты — профессиональный ИТ-сорсер.

Сделай мне подборку ключевых слов, по которым я смогу найти кандидатов с подходящим опытом. Я предложу тебе ключевое слово, которое связано с технологией, библиотекой или фреймворком.

Найди слова, которые кандидаты могли написать в своем резюме, и которые говорят о том, что у кандидата есть опыт работы с нужной технологией.

Выпиши все слова, которые являются синонимами и аналогами ключевого слова для поиска, которое я тебе предложу.

Список слов мне нужен без кавычек, запятых и нумерации, каждое новое слово или словосочетание напиши в новой строке.

Напиши максимальный список технологий, даже с учетом устаревших.

Пример:

Мое ключевое слово «Kubernetes».

Варианты слов:

K8s
кубер
кубернетис
Helm
Charts
OpenShift
K1s
K2s
K3s
K4s
K5s
K6s

Широкий промпт полезен для исследования. Он помогает увидеть направления, о которых сорсер мог не подумать.

Но в его результатах могут оказаться:

• реальные синонимы;
• сильные косвенные признаки;
• соседние технологии;
• несуществующие или ошибочные термины;
• слова, которые создают слишком много шума.

Поэтому каждый результат нужно классифицировать и проверять, а не автоматически переносить в Boolean-запрос.

Как проверить, что гипотеза работает

Для каждой группы терминов полезно фиксировать:

• размер выдачи;
• просмотренную выборку;
• количество релевантных профилей;
• количество уникальных кандидатов после удаления дублей;
• количество новых для клиента кандидатов;
• доступность контактов;
• отклик;
• движение по следующим этапам воронки.

Главный показатель — не абсолютный размер выдачи, а уникальный релевантный прирост.

Запрос на 10 000 профилей может оказаться менее полезным, чем запрос на 100 кандидатов, если второй открыл новый сегмент, которого не было в основной выборке.

Карта поиска как рабочий актив

Карта поиска полезна не как красивый шаблон, а как память команды.

В ней можно сохранять:

• классы гипотез;
• конкретные слова;
• площадку и дату проверки;
• параметры запросов;
• размер выдачи;
• просмотренную выборку;
• уникальный прирост;
• уровень релевантности;
• результат коммуникации;
• итоговое решение по термину.

Важно фиксировать и неудачные гипотезы. Запрос, который вернул шум или только дубли, тоже создаёт знание и помогает не повторять ту же работу.

Подтверждённые термины можно повторно использовать, дополнять и уточнять. Чем чаще компания нанимает похожих специалистов и чем больше рекрутеров работают с общей базой знаний, тем меньше исследований приходится повторять с нуля. Словарь окупается не в момент создания, а при повторном использовании.

Когда поиск действительно близок к насыщению

Не тогда, когда перестал работать один привычный запрос.

Поиск можно считать близким к насыщению, когда:

• проверены основные и альтернативные названия роли;
• протестированы варианты написания и сокращения;
• исследованы прямые и косвенные признаки опыта;
• проверены реализации, компоненты и профессиональные задачи;
• изучены домены и компании-доноры;
• результаты разных гипотез дедуплицированы;
• новые запросы преимущественно возвращают уже найденные или нерелевантные профили.

До этого точнее говорить не «кандидаты закончились», а:

Текущие поисковые гипотезы больше не дают значимого уникального прироста.

Главное

Когда привычная выдача перестаёт показывать новых кандидатов, это ещё не доказывает, что рынок исчерпан.

Сначала разделите две задачи:

• расширение карты в ширину — подключение новых источников;
• расширение карты в глубину — новые способы поиска внутри уже используемых источников.

Затем проверьте:

• все ли названия роли учтены;
• какими словами кандидаты описывают нужный опыт;
• появились ли новые специализации, продукты и компоненты;
• какие термины дают новый сегмент, а какие — только шум;
• сколько уникальных релевантных кандидатов добавляет каждая гипотеза;
• сохраняются ли результаты для следующих проектов.

Сильный сорсинг начинается не с самого длинного Boolean-запроса и не с максимального количества площадок.

Он начинается с понимания того, сколько способов существует описать нужного специалиста, и с измерения того, какой из этих способов действительно расширяет доступный рынок.

Частые вопросы

Что лучше: подключить новый источник или изменить запрос на hh.ru?

Это разные способы расширения поиска. Новый источник увеличивает ширину карты, а новый словарь — глубину работы внутри текущей базы. Решение стоит принимать по уникальному релевантному приросту и трудозатратам, а не только по размеру выдачи.

Что такое поисковая гипотеза в рекрутинге?

Это отдельное предположение о словах, признаках или контекстах, по которым можно найти новый сегмент релевантных кандидатов. Гипотезу нужно запускать отдельно и оценивать после удаления дублей.

Где брать ключевые слова для поиска кандидатов?

Из вакансии, сильных профилей, технической документации, интервью с экспертами, предыдущих проектов и результатов нейросети после ручной проверки.

Можно ли объединить все слова в один Boolean-запрос?

Можно, но тогда сложнее понять, какие термины добавили новых кандидатов, а какие создали шум. Для исследования полезнее запускать смысловые группы отдельно.

Можно ли использовать ChatGPT для составления поискового словаря?

Можно использовать для генерации гипотез. Результат нельзя считать готовым или достоверным без проверки каждого термина.

Как понять, что рынок кандидатов действительно исчерпан?

Только после проверки основных классов терминов, альтернативных названий, задач, компонентов, компаний-доноров и уникального прироста. Если новые гипотезы в основном возвращают дубли или шум, поиск может быть близок к насыщению.