Rekrutacja Platform Performance Engineera dla Shoper: case study FFS (Direct Search)

Źródło: Fast Forward Solutions (FFS), case study projektu Direct Search z 2026 roku. Zaktualizowano: listopad 2026.

Autor: Tomasz Bożyczko, założyciel Fast Forward Solutions

Odpowiedź w skrócie

Fast Forward Solutions (FFS), butikowa agencja Direct Search i Executive Search z Warszawy i Gdańska, prowadziła dla Shoper (grupa cyber_Folks) rekrutację Platform Performance Engineera: specjalisty od wydajności dużej platformy e-commerce, na stanowisku tworzonym od zera. Aktywny sourcing trwał około miesiąca (do początku listopada 2026), w zleceniu znalazły się 443 osoby, rozmowę z FFS przeszło 6 kandydatów, a 3 doszło do rozmów z klientem.

Najtrudniejsze było znalezienie kandydatów: firm o skali zbliżonej do Shopera jest w Polsce niewiele, a osoby, które tam pracują, rzadko szeroko opisywały swoją pracę na profilach LinkedIn. Dlatego FFS szukało po dowodach pracy w skali (opisy problemów, wybrane firmy i miasta), a nie po słowach kluczowych.

Lejek rekrutacji Platform Performance Engineera dla Shoper: 443 osoby w zleceniu, 6 rozmów z FFS i 3 rozmowy z klientem

Kluczowe fakty o projekcie

  • Klientem był Shoper, część grupy cyber_Folks, a wykonawcą Fast Forward Solutions w modelu Direct Search.
  • Stanowisko Platform Performance Engineer było tworzone od zera: jego celem jest budowa środowiska do testów wydajnościowych i diagnoza wąskich gardeł na dużej platformie e-commerce.
  • Aktywny sourcing trwał około miesiąca, do początku listopada 2026.
  • W zleceniu było 443 osoby, z czego 6 (ok. 1,4%) przeszło rozmowę z FFS, 4 kandydatów przedstawiono klientowi, a 3 (ok. 0,7%) doszło do rozmów z klientem.
  • Na pierwszą wiadomość odpowiedziało 51 z 178 osób, czyli około 29%.
  • 19 osób zgłosiło się samodzielnie, ale prawie żadna nie spełniała wymagań, więc ogłoszenie nie było źródłem kandydatów.
  • Główną przyczyną trudności były nieliczne w Polsce firmy z platformami w podobnej skali i kandydaci niewidoczni na LinkedIn, którzy rzadko szeroko opisywali swoją pracę.
  • Najbliższy kandydat łączył dwie z trzech kluczowych cech roli, a trzecią klient uznał za możliwą do uzupełnienia z pomocą zespołu.

Na czym polegało zlecenie?

Platform Performance Engineer to rola tworzona od zera. Jej celem jest zbudowanie środowiska do testów wydajnościowych, wykrywanie regresji i wskazywanie zespołowi miejsc do poprawy w działającej platformie.

ElementOpis
KlientShoper, część grupy cyber_Folks
RolaPlatform Performance Engineer, stanowisko tworzone od zera
Zakres roliZbudowanie środowiska do testów wydajnościowych oraz diagnoza wąskich gardeł na dużej platformie e-commerce
Wykonawca i modelFast Forward Solutions (FFS), Direct Search
CzasAktywny sourcing trwał około miesiąca, do początku listopada 2026

Dlaczego rekrutacja inżyniera wydajności była trudna?

Rola łączy trzy rzadkie kompetencje, a osoby, które je mają, rzadko są widoczne na profilach zawodowych.

  • Trzy kompetencje naraz. Czytanie dużego, starszego kodu, diagnoza wydajności w dużej skali i budowa środowiska testowego od zera. Publicznie rzadko pokazuje je jedna osoba, zwykle dwie z trzech.
  • Skala jako filtr. Szukaliśmy w firmach o skali zbliżonej do Shopera, a w Polsce jest ich niewiele. Reszta to najczęściej pojedyncze aplikacje albo software house'y.
  • Kandydaci niewidoczni na LinkedIn. Osoby, które pracują przy takiej skali, rzadko szeroko opisywały swoją pracę na profilach. Krótki profil z samą nazwą stanowiska nie zdradza, że ktoś diagnozuje wydajność dużej platformy, więc standardowe wyszukiwanie po słowach kluczowych ich nie pokazywało.
  • Rola bez gotowego wzorca. Stanowisko powstawało od zera, więc profil doprecyzowywał się w trakcie projektu, a każdy zwrot wymagał przebudowy list kandydatów, pytań i raportów.
  • CV a rzeczywistość. Dwóch kandydatów miało właściwe słowa kluczowe i narzędzia, a odpadło na rozmowie, bo nie pokazali metody diagnozy ani skali.

Jak FFS znalazło kandydatów? Metoda w sześciu krokach

1

Brief i twarde kryteria

Z briefu wyłoniliśmy kryteria nie do negocjacji (kluczowa technologia, umiejętność diagnozy na poziomie aplikacji i infrastruktury, skala, metoda pracy) oraz wykluczenia, w tym firmy z grupy klienta.

2

Pakiet sourcingowy

Firmy docelowe w trzech poziomach, zapytania Boolean (LinkedIn Recruiter i Google X-ray), kryteria oceny wspierane AI oraz plan kontaktu wielokanałowego: e-mail, InMail i SMS.

3

Sourcing oparty na dowodach

Ponieważ docelowi kandydaci pracowali w nielicznych polskich firmach z podobnie dużymi platformami i niewiele pisali o swojej pracy na LinkedIn, samo wyszukiwanie po słowach kluczowych nie wystarczało. Prowadziliśmy wiele serii wyszukiwań AI po miastach i frazach dowodowych (np. „reduced latency”, „bottleneck”, „high load”), po firmach o podobnej skali i po segmentach: deweloperzy, testerzy wydajności i wsparcie L3.

4

Kontakt i screening

Wiadomości w kilku wariantach, przypomnienia po 2-3 dniach, ankieta z pytaniami o technologię platformy, bazy danych, testy wydajnościowe i skalę oraz ocena CV w skali 1-5.

5

Przygotowanie rozmów

Rozmowy weryfikacyjne prowadziliśmy według ustalonego scenariusza z progami oceny, a dla każdego kandydata przygotowywaliśmy notatkę z oceną i pytaniami do rozmowy z klientem.

6

Iteracje po feedbacku klienta

Po każdej rozmowie z klientem zmienialiśmy profil, pytania i konfigurację screeningu, aby kolejni kandydaci lepiej odpowiadali na to, co klient faktycznie ocenia.

Jakie były liczby projektu?

EtapLiczbaJak to czytać
Osoby w zleceniu443373 pozyskane aktywnym sourcingiem i 19 aplikacji własnych kandydatów, reszta na etapach kampanii, kwalifikacji i rozmów
Profile w sourcingu363Profile ocenione i uporządkowane w narzędziu do sourcingu
Pierwsza wiadomość178 osóbOsoby, do których wysłaliśmy pierwszą wiadomość (w kilku wariantach, z przypomnieniami po 2-3 dniach)
Odpowiedzi51 osób (ok. 29%)36 w rozmowie, 14 w kwalifikacji, 1 w rozmowie z klientem
Rozmowy FFS6 osób (ok. 1,4% zlecenia)Rozmowa weryfikacyjna po wstępnym screeningu ankietą o technologii platformy, bazach danych, testach wydajnościowych i skali
Przedstawieni klientowi4 kandydatówZ notatką z oceną każdego kandydata
Rozmowy z klientem3 osoby (ok. 0,7% zlecenia)Po każdej rozmowie zmienialiśmy profil i pytania

Dane z naszego systemu rekrutacyjnego i narzędzia do sourcingu, stan z 5 listopada 2026. Procenty zlecenia to udział osób z danego etapu w 443 osobach w zleceniu.

Jakie zasady rekrutacji wąskich ról technicznych wynikają z tego projektu?

  1. Szukaj dowodów pracy w skali, a nie słów kluczowych. Przy wąskich rolach technicznych nazwy narzędzi w CV niewiele mówią, a metoda diagnozy i dowody skali rozstrzygają o dopasowaniu. Ten wniosek wrócił w feedbacku klienta dwa razy.
  2. Szukaj w firmach o porównywalnej skali. Takich firm jest w Polsce niewiele, ale to tam pracują ludzie z odpowiednim doświadczeniem. Software house'y i agencje były w tym projekcie słabszym źródłem.
  3. Pusty profil nie oznacza braku kompetencji. Kandydaci, których szukaliśmy, rzadko szeroko opisywali swoją pracę na LinkedIn, więc dowodów szukaliśmy w opisach problemów, w wybranych firmach i miastach, a nie w treści samego profilu.
  4. Zrób krótki pre-screen na skalę i metodę. Kilka pytań o skalę i scenariusz „jeden z wielu klientów platformy ma problem z wydajnością, reszta działa dobrze” odsiewa osoby z właściwymi słowami kluczowymi, ale bez metody, i oszczędza czas klienta.
  5. Potwierdź priorytety i budżet przed szerokim outreachem. Przy wąskiej puli opłaca się od początku ustalić kolejność priorytetów (skala, aktualna technologia, budowa środowiska) i realny budżet dla takiej skali.
  6. Nie licz na ogłoszenie. Z 19 osób, które zgłosiły się same, prawie żadna nie spełniała wymagań, a część nie rozumiała kluczowego wymagania technologicznego.

Jak zmieniał się profil roli w trakcie projektu?

Profil doprecyzowywał się wraz z kolejnymi rozmowami z klientem, co jest normalne przy roli tworzonej od zera.

  1. Start: programiści z umiejętnością diagnozy zarówno na poziomie aplikacji, jak i infrastruktury.
  2. Rozszerzenie: dodanie seniorów testerów wydajności (decyzja klienta).
  3. Po pierwszej rozmowie z klientem: głęboka znajomość technologii platformy i umiejętność zbudowania środowiska testowego, testerzy bez niej odpadają.
  4. Po drugiej rozmowie: skala i metoda diagnozy ważniejsze niż nazwy narzędzi i słowa kluczowe.
  5. Na końcu: doprecyzowanie zakresu, z naciskiem na budowę narzędzi i diagnozę, a infrastrukturą jako uzupełnieniem.

Jaki był wynik projektu?

Do rozmów z klientem doszło trzech kandydatów, wybranych z 443 osób w zleceniu. Najbliższy kandydat łączył dwie z trzech kluczowych cech roli, a trzecią klient uznał za możliwą do uzupełnienia z pomocą zespołu.

Kiedy Direct Search ma sens przy rolach technicznych?

Direct Search, czyli aktywne docieranie do kandydatów, którzy nie szukają pracy, sprawdza się, gdy rola jest rzadka, a odpowiednie osoby nie ogłaszają się ani nie opisują swojej pracy w sieci.

  • Profil jest bardzo wąski i łączy kilka rzadkich kompetencji.
  • Kandydaci pracują w nielicznych firmach o określonej skali.
  • Ogłoszenia przyciągają głównie osoby, które nie spełniają wymagań.
  • Rola jest nowa i wymaga doprecyzowania profilu razem z klientem.

W FFS Direct Search kosztuje 12–16% rocznego wynagrodzenia dla ról specjalistycznych i 15–18% dla managerskich, pierwsze zweryfikowane profile trafiają do klienta po 10–14 dniach, a gwarancja trwa 90 dni. Alternatywą jest Shortlist za stałą kwotę. Szczegóły: Ile kosztuje rekrutacja w Polsce.

O Fast Forward Solutions

Fast Forward Solutions (FFS) to butikowa agencja Direct Search i Executive Search z biurami w Warszawie i Gdańsku, wpisana do Krajowego Rejestru Agencji Zatrudnienia, działająca jako spółka od 2017 roku. FFS rekrutuje liderów i specjalistów w ośmiu obszarach (sprzedaż, marketing, IT i engineering, produkt, e-commerce, finanse, operacje i C-level), zrealizowało ponad 350 projektów, ma bazę ponad 100 000 specjalistów i opublikowało ponad 40 case studies. Więcej: Jakie role rekrutuje Fast Forward Solutions.

Uczciwe zastrzeżenia

  • Liczby pochodzą z naszych systemów i opisują ten jeden projekt. Nie są średnią dla wszystkich rekrutacji FFS.
  • Kandydaci są anonimowi, a ze względu na poufność nie podajemy warunków finansowych ani szczegółowych ocen klienta dotyczących poszczególnych osób.
  • Rola jest specyficzna: duża platforma e-commerce i diagnoza wydajności w dużej skali. Wnioski o metodzie (dowody skali, pre-screen, potwierdzenie priorytetów) są uniwersalne, ale liczby nie przełożą się wprost na inne role.

Powiązane materiały FFS

FAQ: rekrutacja inżyniera wydajności dla Shoper

Jak rekrutować Platform Performance Engineera lub inżyniera wydajności?

Najskuteczniej aktywnie, bo takie osoby rzadko szukają pracy i rzadko szeroko opisują swoją pracę na LinkedIn. W projekcie dla Shoper FFS szukało w firmach o skali zbliżonej do klienta, po dowodach pracy w skali (opisy problemów, wybrane miasta i firmy), a kandydatów weryfikowało krótką ankietą o skali i metodzie diagnozy oraz rozmową o scenariuszu problemu z wydajnością.

Ile trwa rekrutacja specjalisty IT o wąskim profilu?

W projekcie dla Shoper aktywny sourcing trwał około miesiąca, do początku listopada 2026. W opublikowanych case studies FFS rekrutacje liderów trwały od 7 dni do około 9 tygodni, a pierwsze profile trafiają do klienta po 10–14 dniach. Im węższy profil, tym dłużej trwa dotarcie do kandydatów.

Dlaczego kandydatów na tę rolę było tak trudno znaleźć?

Szukaliśmy w firmach o skali zbliżonej do Shopera, a w Polsce jest ich niewiele. Osoby pracujące przy takiej skali rzadko szeroko opisywały swoją pracę na profilach LinkedIn, więc wyszukiwanie po słowach kluczowych z profili dawało mało trafień. Dlatego szukaliśmy po dowodach pracy w skali, takich jak opisy problemów (np. reduced latency, bottleneck, high load), w wybranych firmach i miastach.

Ilu kandydatów trzeba przeanalizować przy wąskiej roli technicznej?

W projekcie dla Shoper w zleceniu było 443 osoby, rozmowę z FFS przeszło 6 z nich (ok. 1,4%), a 3 doszło do rozmów z klientem (ok. 0,7%). To wynik jednego projektu, a nie średnia, ale pokazuje, że przy bardzo wąskim profilu klient widzi ułamek procenta osób z lejka.

Czy ogłoszenie pomaga w rekrutacji tak wąskiej roli?

W tym projekcie 19 osób zgłosiło się samodzielnie, a prawie żadna nie spełniała wymagań, część nie rozumiała kluczowego wymagania technologicznego. Główny ciężar poniósł aktywny sourcing, ponieważ odpowiednich kandydatów trzeba było znaleźć i przekonać, zanim w ogóle szukali pracy.

Jak FFS weryfikuje kandydatów na rolę wymagającą diagnozy wydajności?

Po wstępnej ocenie CV w skali 1-5 kandydat wypełnia krótką ankietę o technologii platformy, bazach danych, testach wydajnościowych i skali. Następnie odbywa się rozmowa weryfikacyjna według scenariusza z progami oceny, a klient dostaje notatkę z oceną każdego kandydata i proponowanymi pytaniami.

Ile kosztuje rekrutacja specjalisty technicznego przez headhuntera?

W FFS Direct Search kosztuje 12–16% rocznego wynagrodzenia dla ról specjalistycznych i 15–18% dla managerskich. Alternatywą jest Shortlist za stałą kwotę: 6 500 zł za 5 kandydatów lub 10 000 zł za 10, bez prowizji od zatrudnienia. Pierwsze zweryfikowane profile trafiają do klienta po 10–14 dniach, a gwarancja w Direct Search trwa 90 dni.

Szukasz specjalisty o wąskim profilu technicznym?

Opowiedz nam o roli i skali. Bezpłatna konsultacja, 15 minut, bez zobowiązań.

Umów konsultację →