À l'automne 2019, nous avons lancé une étude sur les lettres de motivation des concepteurs de produits.

Le but est de comprendre à quel point la lettre d'accompagnement est importante, ce qu'elle y indiquera, comment elle affecte le sommet de l'entonnoir de recrutement: manqueront-ils la réponse plus bas dans la chaîne ou non?

L'étude a été réalisée en septembre-novembre 2019.

16 experts invités de Yandex, Alfa Bank, Mail, Mail.ru Group, Intercom, Miro, Revolyut, Sberbank, Acronis (et autres) ont analysé 243 réponses à la vacance d'un concepteur de produits numériques.

Les experts

Le principal critère de sélection des experts - cette personne a dû prendre une décision sur l'embauche de designers dans les équipes produits au cours des six derniers mois (au moment de l'évaluation). Les experts travaillent dans des sociétés de produits ou des équipes à des postes de direction / gestion.

La deuxième condition importante était de constituer une équipe d'experts pour que les femmes et les hommes soient également représentés. Cette condition est appuyée par l'algorithme d'évaluation (répartition des impressions de réponse): chaque réponse a reçu au moins deux évaluations par des femmes, deux évaluations par des hommes, puis contrôle des votes sans tenir compte du sexe de l'expert: au moins une mais pas plus de trois.

(Mail.ru Group), (TRA Robotics), ( ), (Qiwi Russia), (Intercom), (), (Revolut), (Mail.ru Group), (Acronis), (), (Mail.ru Group), (CreativePeople), (Shelly), (), (Miro, ex-Realtime Board), (-).

. : . 60% , .

, , , , .

( ).

.

.

.

: , . - .

, .

, ( 100% ).

—

, ( ).

: , . , , .

:

• ( , )

• , , (/)

  
  

  : 50 . , , : . , . , ( )

  
  

,

, , . , , ( — ), .

?

.

.

, .

— . /.

— .

— . // .

: .

. .

. , , . , , .

, 2019 Mobile First , .

.

.

/ .

, : - 3D , - .

« » — , : , ( ) , .

, (), . ( , , , .)

, , 60%, , , .

50

. , ( ).

, . «» 107 , — 538 . , , . .

— , 30-50 . (, . ) ( Jobs to be done).

, 50 , .

50 . : .

- , , . ( ).

, , .

:

• ( )

, .

. : , , .

243 . :

• : 228 ;
• : 15 .

1. : 8 (3.3%). .
2. : 20 (8.2%). 80% .
3. : 62 (25.5%). 50% 80% .
4. : 52 (21.5%). 30% 50% .
5. : 97 (39.9%). 30% .
6. : 4 (1.6%). «».

.

, . . .

• : 7 2019 .
• : 7 2019 .
• : 10 2019 .

,

, .

, ( ), , . ( , ). , , . , .

( ) , ( , ).

, «» . . 1-3 (, , ), .

, .

:

• ,

«»

.

:

• 100
• 70 «», 28 «» 2 «»
• 28
• 28 , .

— , . : — «» . , , .

, : - (, ), - . — , .

, . , .

, , , .

.

— , .

20-30 , : . .

, .

: , ( ) .

, .

, , .

, , — .

« », — , ?

.

( , ) .

?

  .     .

     — ,       .

   ,   —  ,    ,    -   —    . .

    : ,   ,    — .   , ,   .

.

— -. .  , -, , , , ,   (. ). — .

, , .

, , .

P.S. .

• Base de données anonyme, tous les textes d'étude avec graphiques, entretiens avec des experts, etc. J'ai posté sur github .
• Site du projet