Hiring-Funnel-Conversion-Metriken: Die Zahlen, die dir tatsächlich sagen, was kaputt ist
Die fünf Conversion-Rates, die dir alles sagen
Tracke diese pro Rollen-Familie und pro Quartal:
- Bewerbung → Screen-Call. Welcher % der Bewerber erreicht einen Recruiter-Screen.
- Screen → technische Bewertung/Interview.
- Technisch → Onsite-Loop.
- Onsite → Angebot.
- Angebot → Annahme.
Das Produkt der fünf ist deine Funnel-Effizienz. Die Einzelraten sagen, wo der Leak ist.
Grobe Benchmarks für Engineering-Hiring
Für Senior-Engineering-Rollen 2026:
- App → Screen: 5-15%
- Screen → technisch: 50-70%
- Technisch → Onsite: 25-40%
- Onsite → Angebot: 40-60%
- Angebot → Annahme: 75-90%
Was zählt ist Richtung und Konsistenz, kein absoluter Target.
Was jeder Leak meist bedeutet
Niedrig App → Screen
Du bekommst zu viele Low-Quality-Bewerber (Sourcing-Problem) oder Recruiter über-rejecten beim Resume-Stage (Kalibrations-Problem).
Niedrig Screen → technisch
Recruiter-Screens filtern auf das falsche Signal, oder die Rolle ist mis-marketed.
Niedrig technisch → Onsite
Entweder ist der technische Screen zu schwer für das Level oder testet die falsche Skill.
Niedrig Onsite → Angebot
Der teuerste Leak. Top-of-Funnel lässt zu viele marginale Kandidatinnen durch, oder deine Loop-Kalibrierung ist off.
Niedrig Angebot → Annahme
Compensation-Gap, Entscheidungs-Velocity oder Candidate-Experience-Problem. Run ein Exit-Survey.
Was "niedrig" bedeutet
Niedrig relativ zu deiner historischen Baseline. Tracke Trends, nicht Absolutes.
Das Dashboard
Die meisten ATS zeigen diese, vergraben sie aber. Pull wöchentlich in ein Ein-Seiten-Dashboard. Color-code alles außerhalb einer Std-Abweichung des 4-Quartal-Trailing-Averages.
ClarityHires Analytics zeigt Stage-Conversion pro Rollen-Familie und flaggt Bewegungen außerhalb des Trends.
Was das ermöglicht
Du hörst auf, abstrakt zu debattieren "warum kämpfen wir mit Hiring?" und sagst stattdessen "unsere Screen-zu-Technisch-Rate fiel von 65% auf 40% — was änderte sich?" Konkrete Fragen, konkrete Antworten.