GigAnt: как мы создали Uber для поиска персонала

Сейчас GigAnt — один из самых узнаваемых и успешных проектов в своей нише. Но еще в 2020 году он существовал лишь в формате гипотезы, которую предстояло проверить. С таким запросом к нам и пришел заказчик. У нас уже был успешный опыт сотрудничества — много лет мы вместе развивали проекты Логомашина и Персональное решение. Поэтому работу над новым продуктом тоже доверили Code Pilots.

Основатели компании планировали создать сервис, который поможет соискателям находить подработку у дома, а компаниям — быстро привлекать персонал в часы высокой нагрузки. Чтобы “прощупать” рынок, решили выпустить MVP с минимумом функционала. Так и началась наша работа.

ПЕРВАЯ ВЕРСИЯ И ПЕРВЫЙ ЗАПУСК

Первую версию мы подготовили всего за три месяца! Вместе с заказчиком обозначили задачи и приступили к разработке, миновав долгий этап планирования. Предстояло сделать простое мобильное приложение, а сразу после — сайт с таким же функционалом. 

После релиза стало понятно, что рынок нуждается в таком решении — к GigAnt сразу обратились крупные ритейл-сети и множество соискателей. Поэтому заказчик решил и дальше развивать продукт — расширять функционал и автоматизировать рутинные задачи.

БЫСТРЫЙ ПОИСК ИСПОЛНИТЕЛЕЙ ПО 30 КРИТЕРИЯМ

После публикации первой версии у нас появились первые данные об аудитории. Мы знали, каких сотрудников хотят получать магазины, и как планируют свою занятость исполнители. Эта информация, а также серия глубинных интервью, помогла составить список первоочередных доработок. В дальнейшем мы всегда старались работать в таком подходе: итерация — релиз — связь с рынком — уточнение плана действий. Это позволило развивать продукт в соответствии с ожиданиями рынка. Забегая вперед: совсем скоро GigAnt получил серьезные инвестиции. 

Мы уделили большое внимание совершенствованию внутреннего алгоритма поиска исполнителей на смены. Он вычленяет из заказа важные параметры и сопоставляет их с анкетами в базе исполнителей. За короткое время обрабатывается до 30 условий: время, география, желаемые ставки, навыки, возраст и так далее. Кандидаты, подходящие под условия, получают предложение выйти на смену — оно отображается в соответствующем разделе. 

УРОВЕНЬ АВТОМАТИЗАЦИИ — 80%

Как правило, ручной труд негативно сказывается на качестве любого сервиса. Обработка заявок, прозвон исполнителей и прочие задачи, выполняемые вручную, приводили к существенным издержкам и низкой скорости работы. Поэтому следующим этапом мы сконцентрировались на автоматизации и существенно сократили долю ручного труда в работе сервиса. 

Первым кандидатом на автоматизацию стала часть сервиса, предназначенная для исполнителей. Теперь все данные работника в процессе регистрации автоматически верифицируются через гос сервисы. А пользователь, перед тем, как быть допущенным к работе, в обязательном порядке проходит обучение и автоматическое тестирование.

Мы выяснили, что многим исполнителям критически важно работать недалеко от дома. Поэтому добавили возможность выбрать в личном кабинете желаемый радиус поиска заказов. Здесь же можно указать желаемые часы для смен, минимальную ставку и, если потребуется, список заказчиков, с которыми не готов сотрудничать. 

Формирование заказа также удалось избавить от ручного труда. Сотрудник магазина заполняет данные о том, какие работники нужны. После этого запускается автоматический подбор исполнителей. Если сотрудник принимает заказ, его прозванивает робот, чтобы голосом подтвердить выход. И последний этап — убедиться, что работник дошел до точки. Для этого он должен подтвердить выход в личном кабинете, а приложение проверяет, что работник находится рядом с точкой подработки. 

После завершения смены заказчик оценивает работу персонала и подтверждает, что все часы отработаны. Система анализирует данные о ставке, отработанных часах, штрафах и задолженностях. Производит расчет выплат и перечисляет средства работникам. 

Включение всех этих инструментов и сервисов позволило нам практически полностью исключить человеческий фактор. Автоматизация положительно сказалась на эффективности — GigAnt закрывает 99,2% от всех заявок!  

АНАЛИТИКА ВСЕМУ ГОЛОВА

Мы работали по Agile: после каждой итерации собирали обратную связь от пользователей, смотрели, что больше всего болит, каких возможностей не хватает и приоритезировали задачи. В какой-то момент только общения с пользователями стало недостаточно. Тогда мы подключили серьезные системы аналитики, которые позволяют тщательно следить за тем, как ведет себя аудитория продукта. Например, сервис собирает данные о каждом заказчике, анализирует нагрузку на его рабочие точки и определяет, когда нужен дополнительный исполнитель и на какое время. Это позволяет заранее составить расписание для каждого заказчика и спланировать загруженность персонала. 

Чтобы с аналитикой было проще работать, мы разработали удобную админку. Здесь менеджеры GigAnt изучают собранные данные, а также включаются в спорные вопросы, которые нельзя решить без участия человека. 

Больше года мы развивали GigAnt и сделали востребованный сервис, которым регулярно пользуются крупные ритейл-компании страны. Благодаря решению, они экономят до 23% от ФОТ. 

Проект начинался с нескольких человек и постепенно техническая команда выросла до 20 человек! В 2020-ом году рынок жаловался на сильную конкуренцию в HR и проблемы с рекрутингом. Но несмотря на это, нам удавалось выводить по одному новому специалисту в неделю. Через несколько лет продуктивного сотрудничества заказчик принял решение выкупить часть специалистов с аутстафа и перевести в штат. Так у GigAnt осталась слаженная техническая команда.