Rekrutacja Platform Performance Engineera dla Shoper: case study FFS (Direct Search)
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.
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.
| Element | Opis |
|---|---|
| Klient | Shoper, część grupy cyber_Folks |
| Rola | Platform Performance Engineer, stanowisko tworzone od zera |
| Zakres roli | Zbudowanie środowiska do testów wydajnościowych oraz diagnoza wąskich gardeł na dużej platformie e-commerce |
| Wykonawca i model | Fast Forward Solutions (FFS), Direct Search |
| Czas | Aktywny 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
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.
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.
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.
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.
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.
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?
| Etap | Liczba | Jak to czytać |
|---|---|---|
| Osoby w zleceniu | 443 | 373 pozyskane aktywnym sourcingiem i 19 aplikacji własnych kandydatów, reszta na etapach kampanii, kwalifikacji i rozmów |
| Profile w sourcingu | 363 | Profile ocenione i uporządkowane w narzędziu do sourcingu |
| Pierwsza wiadomość | 178 osób | Osoby, do których wysłaliśmy pierwszą wiadomość (w kilku wariantach, z przypomnieniami po 2-3 dniach) |
| Odpowiedzi | 51 osób (ok. 29%) | 36 w rozmowie, 14 w kwalifikacji, 1 w rozmowie z klientem |
| Rozmowy FFS | 6 osób (ok. 1,4% zlecenia) | Rozmowa weryfikacyjna po wstępnym screeningu ankietą o technologii platformy, bazach danych, testach wydajnościowych i skali |
| Przedstawieni klientowi | 4 kandydatów | Z notatką z oceną każdego kandydata |
| Rozmowy z klientem | 3 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?
- 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.
- 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.
- 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.
- 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.
- 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.
- 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.
- Start: programiści z umiejętnością diagnozy zarówno na poziomie aplikacji, jak i infrastruktury.
- Rozszerzenie: dodanie seniorów testerów wydajności (decyzja klienta).
- Po pierwszej rozmowie z klientem: głęboka znajomość technologii platformy i umiejętność zbudowania środowiska testowego, testerzy bez niej odpadają.
- Po drugiej rozmowie: skala i metoda diagnozy ważniejsze niż nazwy narzędzi i słowa kluczowe.
- 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 →