❓ Как повысить удержание сотрудников

Удержание — это способность компании сохранять сотрудников.

Зачем это вам:
⚪️Меньше трат на найм (новый сотрудник — это дорого);
⚪️Выше продуктивность (меньше времени на обучение новичков);
⚪️Меньше выгорания (никто не «тащит за троих»);
⚪️Лучше атмосфера в команде.

Спойлер: 100% удержание — не цель. Иногда расставаться — нормально.

6 вещей, которые реально работают на удержание (рекомендует Джейми Тиу):
🤍Нанимайте правильно с самого начала
Если человек «не тот» — он уйдёт. Или хуже: останется и будет страдать (и команда вместе с ним).

Что делать:
⚪Честные вакансии (без «динамичной среды» вместо переработок);
⚪Чёткие ожидания;
⚪Проверка не только навыков, но и соответствия культуре.

🤍Деньги важны
Не только зарплата, но и прозрачные вилки, справедливость, отсутствие странных перекосов «у него больше, потому что... ну так вышло».

🤍Культура — это не плакат на стене
Люди остаются там, где их слышат, с ними нормально общаются, нет токсичности.

🤍Хвалите
Это самый недооценённый инструмент. Если сотрудник слышит только "надо улучшить" он быстро "улучшает" резюме.

Что делать:
⚪Регулярная обратная связь;
⚪Признание результатов;
⚪Иногда — бонусы (да, они тоже радуют).

🤍Покажите, куда можно расти
Если роста нет — человек начинает искать его снаружи. Простые шаги: обсуждать карьеру (регулярно, а не раз в год), предлагать обучение, продвигать внутри компании. Люди остаются там, где видят перспективы.

🤍Общайтесь открыто
Тишина от руководства — главный генератор слухов и тревоги. Работают: регулярные встречи, честные апдейты, возможность высказывать свое мнение без страха.

📎 Наша подборка статей про работу с командой

🚩Дублируем наш канал в Мах🤝

❓ Пребординг: как не потерять сотрудника ещё до первого рабочего дня

Пребординг — это время между «вы нам подходите» и первым рабочим днём. Пара недель, но именно они решают: человек придёт вдохновлённый или уже мысленно смотрит вакансии в других компаниях.

Преимущества пребординга:
🔵Человек меньше нервничает;
🔵Быстрее включается в работу;
🔵Реже «сливается» до старта.

👉 По сути, вы показываете: «Мы про тебя помним, не переживай!»

Правила эффективного пребординга (советует Шарлин Лоби):
1️⃣Определите цель
Не стоит пытаться «впихнуть всё». Решите: что человек должен понять до выхода, что должен почувствовать (спокойствие, интерес, уверенность.
👉 Пребординг — это не курс молодого бойца, а лёгкий разогрев.

2️⃣Сразу договоритесь о коммуникации
После оффера не исчезайте. Скажите кандидату, что вы остаетесь на связи и будете периодически ему писать/звонить, объясните, для чего это нужно и как это поможет ему в адаптации.

3️⃣Создайте эффект «хочу поскорее выйти на эту работу»
✔️ Приветственное письмо от команды;
✔️ Короткое видео от верхнеуровнего руководителя;
✔️ Быстрый созвон с непосредственным руководителем.

👉 Люди приходят не в компанию, а к людям. Помните об этом.

4️⃣Давайте информацию дозированно, без перегруза
У человека в этот момент: завершение старой работы, стресс, личные дела.
Поэтому присылайте ему короткие видео, чек-листы и простые формы. А не 20 документов за раз с просьбой посмотреть их "быстренько".

5️⃣Ответьте на вопросы будущего новичка
Самые частые вопросы:
🟣Когда зарплата?
🟣Как получить бенефиты?
🟣Что будет в первый день?

Если вы это не объяснили — человек придумает сам. Часто негативнее, чем есть на самом деле.

📌 Наша подборка статей про адаптацию новых сотрудников

🚩Дублируем наш канал в Мах🤝

🤨 Почему стало сложнее нанимать сотрудников — и ИИ тут не главный виновник

Сейчас модно объяснять проблемы с наймом одной фразой: «Это всё ИИ». Звучит эффектно, но данные говорят другое.

😜 BambooHR проанализировали миллионы откликов и наймов за последние пять лет и выяснили интересную вещь: кандидатов стало больше, а нанимать проще не стало. То есть проблема не в том, что людей нет. Проблема в самом процессе.

Мишель Макговерн раскрывает, что происходит на рынке труда
За последние годы:
🔴Откликов на вакансии стало почти в 2 раза больше;
🔴Количество наймов падает;
🔴Процент успешного найма снизился.

Проще говоря: резюме летят, а вакансии закрываются медленнее. Парадокс? Не совсем.

Компании стали осторожнее:
🟣Дольше принимают решения;
🟣Чаще продвигают внутренних сотрудников;
🟣Реже готовы рисковать с внешними кандидатами.

Так в чём тогда проблема?
1️⃣Раздувание обязанностей
Это когда в вакансию незаметно добавляют всё подряд. Например, изначально нужен был маркетолог. Потом добавили: аналитику, внедрение CRM, дизайн баннеров, немного продаж и «желательно опыт в AI».

При этом зарплата часто остаётся на уровне «ну это же просто middle». Неудивительно, что поиск затягивается.

2️⃣Должность уже изменилась, а описание — нет
Ещё одна частая история: роль давно изменилась, а вакансия живёт в прошлом. Получается разрыв: компания ищет одного человека, по факту нужен совсем другой.

Как это исправить? Перед тем как снова запускать найм, полезно сделать короткий аудит вакансии.

Спросите себя:
🔵Какие задачи реально важны;
🔵Что можно убрать;
🔵Где обязанности накопились "по-старинке", а на самом деле уже неактуальны;
🔵Соответствует ли зарплата ожиданиям.

Иногда проблема решается не новым наймом, а перераспределением задач внутри команды.

❗️Порой лучший способ улучшить найм — не новая технология, а честный вопрос: «Мы вообще понимаем, кого ищем?» 😄

🚩 Наша подборка статей про трансформацию рекрутинга

🚩Дублируем наш канал в Мах🤝

❗️От админа. Коллеги, еще один запасной аэродром на случай сложностей с Telegram - наш канал в ВК «Вебинары для HR».

Присоединяйтесь, если вам удобнее читать нас там -
https://vk.ru/im/channels/-231798892

❔ Почему правило 70-20-10 часто работает не так, как думают в HR

Модель 70-20-10 в обучении расшифровывается так:
🔴70% — учимся на практике,
🔴20% — у коллег,
🔴10% — на курсах.

Звучит красиво, и частично это правда. Но есть нюанс, о котором часто забывают. Главная ошибка: считать, что это подходит всем

Изначально эта модель описывала, как развиваются опытные специалисты, т.е. люди уже с базой. А теперь представьте новичка без знаний. Сказать ему «учись на практике» — это как: выдать ключи от машины человеку, который не знает, что такое руль. Опыт не учит, если ты не понимаешь, что происходит.

Как учить эффективно (советует Джеймс Атриа):
♦️Сначала база: термины, принципы, логика. Без этого никуда.
♦️Потом практика: когда человек понимает, что делает — практика начинает работать.
♦️Потом обмен опытом: наставники, коллеги, обсуждения — это усиливает рост.

Где модель 70-20-10 реально работает?
Модель отлично подходит:
🔵Для мидлов и сеньоров;
🔵Для прокачки уже существующих навыков.
Но не подходит для обучения для новичков с нуля.

Что это значит для HR и L&D-специалистов:
Перед запуском обучения задайте простой вопрос: у людей уже есть база или нет?
Если нет — не спешите с «давайте сразу в практику». Вы просто усложните им жизнь (и себе тоже).

📎 Наша подборка статей про обучение и развитие сотрудников

🚩Дублируем контент в наш канал в Мах / Канал в ВК

📣 #hr_фильм_на_выходные
"Кто убил BlackBerry"

Фильм, который стоит посмотреть всем, кто думает: «У нас классный продукт — значит, всё будет хорошо». История взлёта и падения BlackBerry — от стартапа с гениальной идеей до компании, которая не выдержала собственного роста.

Два мира: продуктовые "гики", которые делают «круто», и жёсткий менеджер, который делает «как надо для бизнеса». И сначала это даёт взрывной результат. А потом — начинает ломать компанию изнутри.

Что может заинтересовать HR:
🟣Конфликт культуры «инженеры vs бизнес»;
🟣Как гиперрост меняет ДНК компании;
🟣Что происходит, когда ценности подменяются скоростью;
🟣Почему сильный менеджер без культурного баланса — риск.

‼️ Проблема не в росте, а в том, что компания не успевает за собственным ростом. Масштабирование — это не только про процессы. Это про сохранение (или осознанное изменение) культуры, выравнивание ценностей и работу с конфликтами внутри команды.

📌 Наша подборка фильмов и сериалов для HR

✅Наш канал в Мах / Канал в ВК

➡️ Как понять, какое обучение реально нужно (и не слить бюджет зря)

Знакомая ситуация: в компании что-то идёт не так — ошибки, просадки, недовольные клиенты. И первое решение: «Давайте проведём тренинг!»

Логика есть. Но нужен анализ потребностей в обучении. По сути, это простой вопрос: где мы сейчас и где хотим быть — и почему между этим разрыв? Если пропустить этот шаг, можно провести классное обучение… которое никому не нужно.

Шарлин Лоби приводит 4 вопроса, которые стоит задать перед обучением:
🤩 Зачем это бизнесу
Сначала — не «чему учим», а зачем вообще учим.
🤩Какую проблему решаем;
🤩Как это влияет на результат.

👉 Если нет связи с бизнесом, обучение превращается в «активность ради активности».

🤩 Что считать нормой
🤩Какой результат считается хорошим;
🤩Как выглядит «нормальная работа»;
🤩По каким критериям оцениваем.

Иногда выясняется, что стандартов просто нет. Тогда обучать рано — сначала договоритесь, как выглядит «хорошо».

🤩 Кому и что реально нужно
Теперь смотрим на людей:
🌟Новичкам — база целиком;
🌟Опытным — конкретные пробелы.
Иногда проблема вообще не в сотрудниках, а в процессах или руководителе.

🤩 Как учить, чтобы не страдали
Последний, но важный пункт — формат.
⚪Онлайн или офлайн;
⚪Краткое или глубокое изучение;
⚪Практично или только теория.

Итог: хорошее обучение — это не про «сделать тренинг», а про точное попадание в проблему.

📌 Наша подборка статей про обучение и развитие сотрудников

✅Наш канал в Мах / Канал в ВК

📣 Можно ли доверять ИИ?

Доверие — это про людей. У ИИ же нет намерений, он не понимает «что для вас лучше» и не несет ответственности за ошибки. Если алгоритм ошибся — вы же не будете проводить с ним «серьезный разговор на 1-to-1». 🙂

Какие риски для бизнеса несет чрезмерное доверие к ИИ (приводит Квентин Миллингтон):
🟠Снимается ответственность с людей;
🟠Ошибки масштабируются;
🟠Обесценивается человеческий вклад.

Хорошая новость: отказываться от ИИ не нужно. Нужно просто поменять подход. Смотрите на ИИ как на инструмент, а не как на партнера.

Вот практичная модель:
1️⃣Используйте ИИ для конкретных задач
Не "пусть ИИ управляет наймом", а: "пусть ИИ сортирует резюме, предлагает варианты тестовых заданий, ускоряет рутину".

2️⃣Проверяйте результат
Правило простое: если решение важно, утверждать его обязательно должен человек.

3️⃣Делайте процессы прозрачными
Люди должны понимать, как ИИ принимает решения, какие данные использует.

4️⃣Не отдавайте ИИ решения, требующие морали
Повышение, увольнение, оценка — это зона людей. ИИ может помочь предложить и оценить варианты решений, но не решать.

5️⃣Следите за достоверностью и актуальностью данных
Плохие данные, предложенные ИИ = плохие решения. ИИ тут честен: «что дали, то и посчитал».

✅ Наша подборка статей про ИИ и автоматизацию

✅Наш канал в Мах / Канал в ВК