衡量候选人退出节点并降低美国HR评估流失率
评估放弃率是指候选人开始了在线技能评估但从未完成的现象。HR团队应对这一问题最有效的方法，就是对整个漏斗进行埋点，精确找出人们在何时何地退出。一项大样本流失研究发现，大多数退出发生在前20分钟以内，而EEOC和ADA都对如何解决这一问题设定了实质性限制。
TL;DR：
- 大多数评估放弃发生在前20分钟以内，尤其是在移动设备上，以及通过移动招聘平台招募的候选人中更为突出。
- 技术问题（如链接失效、浏览器不兼容或加载速度慢）是导致早期退出的常见可避免原因，需要立即修复。
- 提供清晰的说明、针对移动端进行优化以及构建自动保存功能，可以显著减少阻力并提高完成率。
- ADA合规问题（包括格式不可访问或缺乏相应安排）不仅会导致放弃，还会给雇主带来法律风险。
- 缩短评估时间并不能可靠地提高完成率，反而可能损害测试的信度和效度，尤其是当削减内容削弱了对关键技能的测量时。
目录
- 如何衡量评估放弃率：指标与设置
- 是什么导致候选人放弃评估，哪些只是自我筛选
- 减少可避免放弃的实用改进措施
- 无障碍性、合理安排与法律注意事项
- 在缩短评估与甄选效度之间寻求平衡
- Talent Approved 的功能如何对应这些改进措施
- 试用专为降低放弃率而构建的按需付费平台
- 参考来源
- 常见问题
如何衡量评估放弃率：指标与设置
在解决放弃问题之前，你需要获取数据，了解候选人实际在哪里离开。以下几个指标基本涵盖了HR团队所需的大部分信息：开始率（收到邀请后开始评估的候选人比例）、完成率（开始后完成评估的比例）、各阶段放弃率（在测试的哪个环节退出）、退出时间，以及提交率与已评分率之间的差异。
要获取这些数据，需要对具体事件进行埋点，而不能仅依赖单一的完成率百分比：
- 邀请已发送和邀请已打开，用于捕获评估加载前就已发生的失败情况。
- 评估已开始和每个模块已完成，用于定位候选人退出的具体阶段。
- 评估已提交，与中途放弃的评估分开记录。
- 已申请合理安排，单独标记，确保不会被混入通用放弃率数据中。
一旦这些事件数据存在，就可以构建漏斗可视化图表，并按设备、批次、职位和来源渠道（推荐、ATS、招聘平台）进行分层分析。主要通过移动招聘平台招募的职位，其放弃模式与通过内部推荐填补的职位截然不同，若将两者平均则会掩盖真实问题。
尽量减少保留的数据量：通常时间戳和阶段标识符就足够了，与合理安排相关的事件应单独存储并限制访问权限。制作简短的每周报告：按职位划分的完成率、按设备划分的完成率，以及最大放弃阶段的退出时间。这些数据足以在一周的候选人流失造成损失之前，发现移动端流程中的问题。
是什么导致候选人放弃评估，哪些只是自我筛选
并非所有退出都是问题。部分放弃反映了候选人正确地判断出某个职位并不适合自己，这是一种健康的过滤机制，而非缺陷。关键在于将可避免的阻力与合理的自我筛选区分开来。
技术和用户体验故障造成了大量可避免的退出：邀请链接失效、浏览器不兼容、加载速度缓慢，以及明显为桌面端设计的移动端布局。流程上的意外同样会造成类似损失：评估实际花费时间比告知时间长一倍、说明对测试内容含糊不清，或者摄像头要求在没有任何预警的情况下突然出现。
隐私和信任问题同样重要。未被告知监控方式或数据用途的候选人，往往会选择退出而非在不确定的情况下继续进行。另一方面，关于早期表现的研究表明，较高的早期得分与较低的流失率存在相关性，这意味着部分看似完成率问题的现象，实际上是候选人岗位匹配度的信号。
要区分这两种情况，可使用以下简短诊断工具包：
- 会话回放，用于准确查看界面在哪里出现问题。
- 设备和浏览器细分，用于隔离技术故障点。
- 与时间戳关联的错误日志，以便将错误激增与退出激增对应起来。
- 直接的候选人反馈，哪怕只是退出时的一个可选问题。
减少可避免放弃的实用改进措施
一旦了解候选人在哪里离开，就应优先修复成本最低、影响量最大的阻力点。以下顺序适用于大多数评估漏斗：
- 在评估开始前设定清晰的预期：告知时间估算，说明测试哪些技能，并解释为何此评估对招聘决策重要。
- 消除访问阻力：单击即可使用的邀请链接、前置的设备检测，以及清晰列出的支持浏览器。
- 默认针对移动端进行优化，因为无论你为何种设备而设计，都有相当一部分候选人会从手机开始评估。
- 内置自动保存和检查点功能，确保连接中断不会让候选人丢失进度，并允许在较长的评估中进行短暂休息。
- 设置合理的计时器，取消任何并不真正衡量目标技能的微计时任务。
- 让支持渠道清晰可见：简短的常见问题解答、一键式合理安排申请，以及实际有人回复的在线客服或备用电子邮件地址。
- 在职位允许的情况下，优先选用真实工作样本而非抽象谜题，并允许候选人自行选择各模块的作答顺序。
专业提示： 每次只改变一个变量，同时衡量完成率和结果质量；如果某项改进提高了完成率，却悄悄降低了预测工作绩效的能力，那它就不算真正的改进。
SIOP候选人体验白皮书提出了类似的观点：一致的流程、真实的表现机会以及及时的反馈，都能改善候选人对流程的感受，而感受驱动完成率。
无障碍性、合理安排与法律注意事项
由于测试不可访问而导致的评估放弃，不仅是完成率问题，更是合规问题。ADA指南要求雇主在测试过程中提供合理安排，例如替代格式或额外时间，除非这样做会造成不合理的困难。此外，测试还需要衡量与工作相关的技能，而不能因为与工作无关的残疾而附带将人筛除。
在实践中，这意味着：
- 将替代格式和延长时间作为标准且显眼的选项提供，而不是让候选人为此费力争取。
- 从一开始就将屏幕阅读器兼容性内置到评估界面中。
- 将自动无障碍检查与手动测试相结合，因为自动化工具往往会遗漏真实存在的障碍。
- 记录每一条合理安排申请，并监测是否有任何受保护群体出现不成比例的退出率。
无障碍工作在此具有双重作用：既降低了法律风险，又消除了一类与候选人能力无关的放弃现象。
在缩短评估与甄选效度之间寻求平衡
通过缩短评估来提高完成率听起来像是一个简单的解决方案，但实际上可能悄悄损害测试原本要衡量的内容。更短、更单薄的评估往往会产生可信度较低的分数，并可能扩大差异性影响，尤其是当被删除的内容恰好是衡量与职位最相关技能的部分时。
更稳妥的路径：
- 确认即使供应商提供了验证报告，也不能免除你自身在EEOC指南下保持测试与工作相关且经过适当验证的义务。
- 在全面推广之前，先通过保留组对任何变更进行试点测试。
- 变更后检查信度指标，而不仅仅是完成率。
- 在条件允许的情况下，追踪预测性结果，如在职表现或短期留存率。
- 在修改高风险评估之前，请咨询工业-组织心理学家或法律顾问，因为在这方面出错的代价远高于多几个候选人放弃评估。
Talent Approved 的功能如何对应这些改进措施
Talent Approved 的 Magic Create 功能可在数分钟内根据职位描述构建针对特定职位的评估，从而使内容与实际工作紧密挂钩，而非容易导致放弃的泛泛填充内容。防作弊工具和AI生成的摘要随后支持上述改进措施，同时不增加人工审核时间。如需深入阅读，请参阅我们关于EEOC测试指南的文章以及我们的监考隐私核查清单。
— Jimmie
试用专为降低放弃率而构建的按需付费平台
Talent Approved 提供无需订阅费的按需付费定价模式，将评估创建功能与防作弊监控相结合，以支持可靠的候选人评估。
请查看技能评估定价页面了解各方案详情，或者如果邀请阻力是你最大的放弃环节，可从我们的邀请模板开始使用。
参考来源
常见问题
正常的评估放弃率是多少？
目前没有单一的官方基准率，完成率因职位、时长和渠道不同而差异显著，因此应按阶段追踪自己的漏斗数据，而不是追逐行业平均水平。重点关注放弃集中在流程的哪个环节，因为无论测试总时长如何，大多数流失都发生在早期阶段。
缩短评估能减少放弃吗？
不一定。同一项大样本研究发现，评估总时长并不能预测流失率，因此更短的测试不会自动留住更多候选人，而且削减内容可能会削弱信度。
如何知道候选人是否需要测试方面的合理安排？
候选人可以在流程的任何时间点提出申请，ADA指南要求雇主提供合理安排，如额外时间或替代格式，除非这会造成不合理的困难。应使申请路径清晰可见，并将其与通用放弃率数据分开单独记录。
早期退出一定是坏信号吗？
不一定。部分早期退出反映了候选人主动筛选出不适合自己的职位，行业内关于早期表现的研究表明，这种模式可能是一种合理信号，而非设计缺陷。
找出候选人放弃位置最快的方法是什么？
对各阶段事件（已开始、已完成模块、已提交）进行埋点，并构建按设备和职位分层的漏斗视图。会话回放和错误日志通常能在一周数据积累后，帮你找到具体的故障点。