Fire Oranını %1 Seviyesinin Altına İndirmek: 5 AI Stratejisi

Fire Oranı Neden Bu Kadar Önemli?

Personel temininde fire = personelin ilk güne başlamaması veya 7 gün içinde ayrılması. Fire oranı yükseldiğinde, ajanstan istenen ekibin bir kısmı ilk haftada sahada olmayabilir.

Bu yazıda fire oranını %1 seviyesinin altına indiren 5 stratejiyi açıklıyoruz — Class Staff'ın AI destekli metodolojisinin arka planı.

Fire Oranının Gerçek Maliyeti

50 kişilik otel ekibi örneği:

• Personel başına işe alım maliyeti (ilan, mülakat, oryantasyon)
• Fire nedeniyle tekrarlanan işe alımlar
• Tekrarlanan işe alım maliyeti
• + Kayıp ciro (misafir memnuniyetindeki düşüş)
• Toplam: işletmenin kendi verisiyle hesaplanmalı

Fire oranını düşürmek, tekrarlanan işe alım ve kayıp ciro maliyetini doğrudan azaltır.

Strateji 1: AI Skorlama ile Aday-Talep Eşleşmesi

Geleneksel model: "Gelen ilk 50 adayı göndeririz" → kalitesiz eşleşme → fire.

Class Staff modeli: LightGBM algoritması 30+ parametreyi değerlendirir:

• Lokasyon uyumu (10 km yakın aday +30 skor)
• Önceki shift performansı (dakik, yorum iyi +20)
• Pozisyon tecrübesi (benzer rol yapmış +15)
• Mesafe (ulaşım süresi kısa +15)
• Uzmanlık (İngilizce / sertifika +10)
• Sosyal sinyal (10 önceki güvenilir arkadaşlık +5)

Toplam skor 70+ adaylar seçilir. Fire oranı belirgin şekilde düşer.

Strateji 2: WhatsApp AI Bot Aktivasyon

Geleneksel: Operatör 50 adayı sırayla arar. 45'i "meşgul" diyor. Arama süresi 2-3 saat. Gerçek cevap 5-8 kişi.

Class Staff: WhatsApp AI bot çok sayıda adayla eş zamanlı iletişim kurabiliyor.

• Onaylar dakikalar içinde gelir
• Aynı anda çok sayıda konuşma yürütülür
• Adaylar kendi müsaitliğini yazar (gün, saat, pozisyon)
• Aday elenirse otomatik yedek listeye alınır

Sonuç: Yeterli sayıda aday kısa sürede sahaya hazır olur.

Strateji 3: Havuz Kalitesini Yönetmek

Havuz girişi selektif

Class Staff havuzuna her başvuran kabul edilmez:

• TC kimlik + kriminal geçmiş kontrolü (yasal)
• Profil fotoğrafı + referans (sağlıklı profil)
• İlk 2 vardiya deneme (erken eleme)
• AI profil skor 60+ altı eleme

Havuz sürekli temizleme

• 3 ay sahada olmayan aday pasif
• 2 ardarda fire yapan aday bloke
• Müşteri yorumu 3/5 altı aday flag

Havuz büyüklüğü günlük çalışabilecek kişi sayısı değildir; adayın müsaitliği her görev için teyit edilmelidir.

Strateji 4: Mesai Sonu Ödeme ile Güven İnşa Etme

Fire sebeplerinden biri "ödeme alabilecek miyim?" endişesidir.

Class Staff mesai sonu ödeme modeli:

• Mesai biter, ücret mesai sonunda ödenir
• FAST sistemi 7/24 çalışıyor (gece ödeme de mümkün)
• Yeni aday da diğer çalışanlar gibi her vardiyanın mesai sonunda ödeme alır

Aday ödemeye güven duyduğunda fire belirgin biçimde azalır.

Strateji 5: Operasyon Paneli ile Real-time Takip

Geleneksel: "Aday sahada mı?" sorusu 30 dakika, 3 telefon arama.

Class Staff paneli:

• GPS ile aday konumu
• Kabul/red ayrımı gerçek zamanlı
• Yedek aday otomatik listelenir
• Sorun olduğunda yedek aday hızla aktive edilir

Müşteri panelinde:

• Bugün sahada kaç kişi
• Hangi pozisyonda
• Saatlik performans
• Ay sonu otomatik rapor

Sonucu nasıl ölçmelisiniz?

Atanan ve tamamlanan vardiyaları aynı dönemde karşılaştırın; farklı kişi sayısını vardiya sayısıyla karıştırmayın. Class operasyon raporu, Ekim 2025–Eylül 2026 döneminin yöntemini ve paydasını açıklar. Bu geçmiş ölçüm yeni talepler için garanti değildir.

Fire Oranını Düşürmek için 5 Adım (Özet)

1. AI skorlama kullan — geleneksel "ilk 50" sistemini bırak
2. WhatsApp otomasyon kur — eş zamanlı iletişim
3. Havuzu temiz tut — 3 ay pasif = pasiften at
4. Mesai sonu ödeme yap — ödeme güveni
5. Real-time panel kullan — sorun olunca hızlı refleks

Class Staff'tan Ücretsiz Fire Analizi

Mevcut fire oranınızı öğrenmek + optimizasyon için:

• Kurumsal teklif (firmalar): Hızlı teklif formu
• Email: talep@class-staff.com
• Fire Oranı Düşürme Rehberi (B2B)

Fire oranı, aday seçimi ve ödeme düzeni iyileştikçe belirgin biçimde düşer.

İlgili:

• Kargo Aktarma Vaka Analizi
• Personel Temin Firması Seçim Rehberi
• AI Destekli Personel Temini
• Outsource vs Kadrolu Karşılaştırma