Кейс HR-стартапа: ФРИИ, юнит-экономика и закрытие

TL;DR В 2018 году мы с другом запустили сервис подбора рабочих на вахту: работодатель платил 3 000 рублей за человека, который отработал пять смен. Заявок от соискателей было больше, чем мы могли обработать, — до 300 в день, платные по 40 рублей. Выручка при этом застряла на 100–150 тысяч в месяц. Мы прошли отбор в акселератор ФРИИ, начали строить собственную систему записи на собеседования, через полтора месяца нас отчислили, а потом проект закрылся. Ниже — что мы делали, какие числа сохранились и где было настоящее ограничение роста. Чтение — минут десять.

Друг предложил подзаработать на найме. Условия на рынке тогда были простые: компания, которой нужны грузчики, комплектовщики или курьеры, платит 3 000 рублей за каждого сотрудника, который отработал пять смен. То есть платит только за тех, кто для неё хотя бы вышел в ноль. Частные рекрутеры на этих условиях зарабатывали тысяч 40 в месяц, и их это устраивало. Мы перемножили несколько чисел в экселе, и миллионы выручки показались совсем близкими.

Я Егор, десять лет в перформанс-маркетинге. До маркетинга я работал в компании, которая сдавала в аренду линейный персонал, и провёл там больше тысячи собеседований — от грузчиков до топ-менеджеров. Поэтому рынок знал изнутри. Эту историю я описал на vc.ru в 2020 году; здесь она разобрана заново.

Ниша: вахта

Из всех вакансий мы выбрали работу вахтой. Расчёт был такой: в регионах до 800 км от Москвы рабочий получал 25–30 тысяч в месяц, а в Москве грузчиком можно было заработать 60–100 тысяч. Даже за вычетом жилья и еды выходило больше, а часть работодателей давала жильё бесплатно. Охват большой, конкуренция, как мне казалось, небольшая.

Лендинг собрал на конструкторе LPmotor.

Трафик оказался самой простой частью

Первым каналом выбрал Google AdWords. В Директе по нашим запросам крутилось много объявлений без минус-слов, и конкуренция шла за счёт мусорного трафика. Во ВКонтакте нужно было заводить сообщество, наполнять его и искать вахтовиков по интересам. В Google рекламу настроить чуть сложнее, поэтому там было свободнее.

Результат:

около 50 заявок в день по цене до 40 рублей;
максимум из платных источников — 120 заявок в день по 50 рублей;
вместе с бесплатными источниками — до 300 заявок в день.

Бесплатных источников было два. Работный сервис Worki только масштабировался, ему нужны были вакансии, а у нас их было больше сотни: оттуда шло 40–100 заявок в день. И информационный портал про работу вахтой, который я сделал под поиск: около 100 переходов из поиска в сутки с конверсией в заявку около 4%.

Лендинг конвертировал 12–20% посетителей в заявку. Из заявок до работодателя доходили около 10% соискателей, из них устраивались около 60%: до трудоустройства доходило примерно 6% заявок. Доходимость — оценка, точных данных не сохранилось. Однажды я решил сделать его «по науке»: переписал по записям Вебвизора, телефонным разговорам и умным статьям. Конверсия упала втрое, до 4–6%. Я вернул старую версию. Первую я делал по ощущениям, которые накопились за тысячу собеседований, и они оказались точнее любой методички.

Узкое место — обработка

Все звонки на старте я обрабатывал сам: хотел понять, из каких шагов состоит разговор. Примерно через 600 звонков у меня были список стандартных вопросов соискателей, среднее время полезного разговора и порядок действий. Из этого получились регламенты для операторов и скрипт в гугл-документе.

Больше 50 заявок в день один человек не обрабатывал. Дальше нужен был колл-центр:

CRM — Envybox: недорогая, с понятным интерфейсом, автоматизацию можно было собрать без интегратора;
телефония — Яндекс.Телефония: интеграции с CRM не было, по нашей просьбе её быстро сделали;
операторы — сначала удалённо, потом в офисе. Искали через работные сайты. Текучесть была ужасной: зарплата не самая конкурентная, и работа тяжёлая.

Клиенты нашлись почти бесплатно

Первые работодатели пришли по знакомству. Остальных мы находили так: искали на работных сайтах вакансии удалённых рекрутеров и ресёрчеров и предлагали свои услуги. Условия у всех были похожие — те же 3 000 рублей за человека, — и работодателю было всё равно, нанимает он одного рекрутера или команду. Конверсия была очень высокой; так мы, например, поработали с Qlean.

Холодный обзвон работодателей я делегировал, и он не принёс ни одного договора. Личные сообщения нужным людям в соцсетях работали, но хуже работных сайтов.

Экономика, которая не масштабировалась

Выручка застряла на 100–150 тысяч рублей в месяц. Рентабельность с учётом зарплат операторов была около 40%. Для подработки неплохо, до миллионов далеко.

В деньгах Прикидка на этих числах: из 100 заявок устраивались около шести человек — 18 000 рублей выручки. Те же 100 заявок из рекламы стоили 4–5 тысяч, то есть реклама на одного устроенного выходила в 670–830 рублей. При заявке по 50 рублей ROMI рекламы — около 260%. Вместе с операторами, телефонией и CRM на каждые 1 500 рублей расходов приходилось примерно 3 000 выручки — это грубая оценка, по итогам месяца рентабельность выходила около 40%.

Реклама окупалась. Но с одного человека мы зарабатывали около 1 500 рублей, и этот потолок задавала цена работодателя. Я собрал таблицу юнит-экономики, и она показала неприятное: при росте объёма в плюс мы не выходим. Каждый новый поток заявок требовал новых операторов, а работодатель платил те же 3 000 рублей.

Вывод мы сделали логичный: убрать колл-центр. Работа оператора — рутина: рассказать о вакансии, ответить на вопросы, записать на собеседование, прислать адрес, проконтролировать выход. Это можно автоматизировать. С этой идеей я пошёл во ФРИИ.

ФРИИ: от заявки до отчисления

Заявка в преакселератор заняла около полутора дней: анкета, вопросы, подобие анализа рынка. Нам написали, что проект оценивается в 26–27 миллионов рублей, и предложили созвониться. Обсуждали инвестиции около 2,5 миллиона за 7% компании, половину из которых нужно было отдать за обучение в акселераторе.
Две недели трекинга. Два созвона в неделю с трекером, гипотезы, итоги. За это время мы собрали из гугл-таблиц и гугл-форм прототип с автоматической записью на собеседование. Встроенный в лендинг, он работал плохо; заработал, когда мы повели трафик прямо на форму.
Три дня отбора: день лекций, короткие питчи нескольким трекерам, десять минут презентации перед комиссией и десять минут вопросов. Мы прошли в заочный акселератор.
Полтора месяца в акселераторе. Еженедельные задачи и разборы в группе. Нас убеждали, что работает холодный обзвон, — у нас он не сработал. Мы провели разведку: оставили заявки во всех доступных кадровых агентствах и выяснили, что они просят в 3–10 раз больше нас. Попытались продавать дороже — не вышло: вот-вот начинался чемпионат мира по футболу, и люди сами шли в крупные компании без посредников. Параллельно начали разрабатывать собственную систему, где соискатель выбирает вакансию и записывается на собеседование, а работодатель видит статус.
Отчисление. В середине акселератора нам позвонили и сказали, что перспектив в проекте не видят. ФРИИ хотел, чтобы мы быстрее наращивали продажи. Мы хотели сделать удобный продукт, к которому клиенты придут сами.

Собственная система умерла раньше стабильного прототипа: денег на разработку не было. Выручка не росла, прибыль съедали зарплаты колл-центра и разработки. Партнёру стало скучно тратить время на проект, который почти ничего не приносит, а один я не справлялся. Мы закрылись.

Что получилось

Показатель	Значение
Заявок в день: платные / всего	до 120 / до 300
Цена платной заявки	40–50 ₽
Конверсия лендинга в заявку	12–20%
От заявки до трудоустройства	около 6% (10% доходили до работодателя, из них ~60% устраивались; оценка)
Реклама на одного устроенного	670–830 ₽, ROMI около 260% (прикидка)
Все расходы на одного устроенного	около 1 500 ₽ на 3 000 ₽ выручки (условно)
Оплата от работодателя	3 000 ₽ за сотрудника после пяти смен
Выручка в месяц	100–150 тыс. ₽
Рентабельность с зарплатами операторов	около 40%
Цены кадровых агентств	в 3–10 раз выше наших

Что я понимаю сейчас

Ограничение было не в трафике Сейчас я проверил бы это одним вопросом: если заявок станет на 20% больше, вырастет ли прибыль? У нас — нет. Заявок и так было в шесть раз больше, чем мог обработать один человек, а каждый новый оператор съедал маржу. Ограничение сидело в двух местах: в мощности обработки и в цене, которую мы брали с работодателя.

Цену мы приняли как данность 3 000 рублей за человека — цена частного рекрутера. Агентства брали в 3–10 раз больше, и мы узнали это только в акселераторе. Если бы проверили цену в первый месяц, юнит-экономика могла сойтись без всякой автоматизации. Попытка поднять цену пришлась на чемпионат мира — неудачное время, но пробовать надо было раньше.

Канал, который мы не попробовали Те, кто продавал похожие бизнесы, брали людей с Авито, из газет и объявлений на столбах. Мы считали, что интернет победит, и не проверили ни один из этих источников, хотя поток там был дешёвым.

Знание аудитории сильнее методички. Лендинг «по ощущениям» после тысячи собеседований конвертировал втрое лучше лендинга «по науке».

Прототип за две недели против системы на месяцы. Гугл-форма с автозаписью заработала за две недели трекинга. Мы же пошли строить полноценную систему без денег. Сейчас я бы сначала выжал всё из формы и таблицы и только потом что-то разрабатывал.

Где этот опыт не переносится

Это 2018 год и рынок линейного персонала: оплата за выход сотрудника, высокая текучесть, сезонность вокруг крупных событий.
Полных данных по выручке у меня не сохранилось, часть чисел — по памяти и из моих же статей 2020 года.
Доходимость до работодателя — оценка. В статье 2020 года я написал «около 1%» от заявки до оплаты, но поэтапные числа с этим не сходились; здесь — пересчёт по этапам, около 6%.

Если завтра заявок станет вдвое больше — кто их обработает и сколько вы заработаете на каждой?

Откуда числа

Мои статьи на vc.ru: «История ещё одного HR-стартапа. Как мы попали во ФРИИ и провалились» (08.11.2020) и «История ещё одного HR-стартапа. Часть 2. Последняя» (18.11.2020).
Поэтапная конверсия (10% до работодателя, около 60% устраивались) и соотношение «1 500 расходов на 3 000 выручки» — мои оценки, уточнены в 2026 году. Расчёт рекламы на одного устроенного и ROMI — прикидка на этих числах.