Wervingsstrategie op basis van data: complete gids voor managers die personeel aannemen
Een wijs persoon zei ooit: “Op God vertrouwen we, alle anderen brengen gegevens mee”. In de huidige wereld, met alle hulpmiddelen die ons ter beschikking staan, is er geen excuus om geen gegevens te gebruiken om de wervingsfunctie te verbeteren.
Gebruik deze gids om je reis naar datagedreven werving te beginnen.
Wat is datagedreven werving?
Datagedreven werving is een benadering van het aannemen van personeel waarbij gebruik wordt gemaakt van statistieken en wervingsanalyses om het wervingsproces te informeren en te verbeteren.
Create a Free Account to Keep Reading—and Keep Leading Smarter
Unlock this piece and join a community of forward-thinking leaders discovering tools, playbooks, and insights for thriving in the age of AI.
Have an account? Log In
Door gegevens te gebruiken, kunnen bedrijven beter onderbouwde beslissingen nemen om alle aspecten van het wervingsproces te verbeteren, van het vinden van kandidaten tot het begeleiden van de training en ontwikkeling van teamleden.
Het behalen van een toonaangevende HRIS-certificering helpt je de datagerichte benadering van werving en aanname onder de knie te krijgen.
5 voordelen van datagedreven werving
Naast de voor de hand liggende voordelen van het eenvoudiger maken van elke audit van wervingsprocessen, zijn hier nog enkele andere manieren waarop datagedreven werving je organisatie helpt.
1. Efficiënter wervingsproces
Statistieken zoals de snelheid van de wervingsfunnel helpen je knelpunten in je wervingsproces te identificeren en de efficiëntie te verhogen.
Je kunt bijvoorbeeld vaststellen dat wervingsteams er te lang over doen om feedback na sollicitatiegesprekken te geven, waardoor kandidaten afhaken.
Met je wervingssoftware kun je ook gegevens bijhouden, zoals de effectiviteit van wervings- of marketingkanalen (het aantal en de kwaliteit van kandidaten), zodat je je middelen kunt richten op de meest vruchtbare activiteiten en de kosten kunt verlagen.
In mijn vorige bedrijf waren er bijvoorbeeld veel platforms en vacaturesites om uit te kiezen, maar mijn budget was niet onbeperkt en de capaciteit van het wervingsteam om alle kandidaten te interviewen evenmin.
Daarom keek ik naar de kandidaten die we hadden aangenomen en naar de kandidaten die het laatste gesprek hadden bereikt (het cultuurgesprek), om vast te stellen welke platforms de technisch sterkste kandidaten opleverden.
Dat was de basis die het wervingsteam en ik besloten te hanteren, omdat zaken als culturele en gedragsmatige fit alleen door ons sollicitatieproces kunnen worden beoordeeld.
2. Betere kandidaatervaring
Een efficiënter wervingsproces leidt tot een betere kandidaatervaring. Gegevens kunnen bovendien kwalitatief zijn, dus het verzamelen van feedback van kandidaten is een nuttige manier om het wervingsproces te verbeteren en indruk te maken op kandidaten.
Toen ik bijvoorbeeld bij Twitch wervingswerk deed, namen we de efficiëntie van ons wervingsproces zeer serieus, vooral omdat we op de VS gerichte wervingspraktijken vertaalden naar de EMEA- en APAC-regio's.
Ik dook in de gegevens, waaruit bleek dat kandidaten in EMEA minder openstaan voor de razendsnelle wervingsstijl die kenmerkend is voor de Amerikaanse markt, omdat ze langere opzegtermijnen hebben.
Voor hen was het proces dat we in 1-2 weken probeerden uit te voeren veel te gehaast en hield het onvoldoende rekening met hun tijd en omstandigheden.
Als ik geen NPS-enquêtes voor kwantitatieve gegevens en interviews voor meer diepgaande kwalitatieve gegevens had uitgevoerd, zou ik niet hebben geweten waarom enkele kandidaten op wie we zeer gesteld waren zich terugtrokken (uiteindelijk hebben we opnieuw contact met hen opgenomen en twee van hen aangenomen!).
3. Vooroordelen bij aanwerving beperken en objectievere aanwervingsbeslissingen nemen
We hebben allemaal vooroordelen, ook onze nieuwe AI-collega's. Vaardigheidstests, beoordelingen aan de hand van werkvoorbeelden en gestructureerde sollicitatiegesprekken kunnen bijvoorbeeld voor alle kandidaten worden gestandaardiseerd, waardoor de invloed van subjectieve meningen wordt beperkt.
Gegevens kunnen ook helpen om de effectiefste kanalen voor het vinden van diverse kandidaten te identificeren.
Ik herinner me bijvoorbeeld een situatie waarin we tussen de eerste en de tweede fase 80% van de kandidaten verloren.
Na het vergelijken van de feedback uit de sollicitatiegesprekken met de functievereisten ontdekten we dat het eerste gesprek werd gevoerd door een van de managers van Finance en het tweede door de daadwerkelijke verantwoordelijke voor de aanwerving, de vicepresident Finance.
De managers van Finance lieten steeds mensen doorgaan die exact hetzelfde profiel hadden (dezelfde opleiding, kwalificaties en vergelijkbare bedrijven) als zijzelf, terwijl de functie een andere reeks vaardigheden vereiste die helemaal niet werden beoordeeld.
Hierdoor kwam de gelijkheidsvooroordeel aan het licht waar deze interviewer door werd beïnvloed, en dat was zelfs voor deze persoon nieuws!
Let op patronen zoals deze, want ze kunnen ervoor zorgen dat je diverse kandidaten in de beginfase van de funnel uiteindelijk veranderen in een volledig homogene groep aan het einde van de funnel.
4. Betere planning
Door te kijken naar benchmarkcijfers zoals het gemiddelde personeelsverloop en het gemiddelde aantal sollicitanten dat nodig is om een bepaalde functie te vervullen, helpt dit bij wervingsplanning en het toewijzen van middelen.
Het oude gezegde dat je 10 kandidaten moet screenen om één nieuwe medewerker aan te nemen, is een goed uitgangspunt, maar als je specifiekere of seniorfuncties hebt, kan dat dichter bij 20 gescreende kandidaten per aanstelling liggen, of zelfs nog hoger.
Bij mijn huidige bedrijf heb ik 25 kandidaten gescreend om één zeer gespecialiseerde staff engineer aan te nemen. Nu weet ik dat dit de nieuwe benchmark is als we iemand met deze senioriteit moeten vervangen of nog iemand moeten aannemen.
5. De werknemerservaring verbeteren
Gegevens die je van kandidaten verzamelt, kunnen helpen om de werknemerservaring voor bestaand talent te verbeteren. Worden kandidaten bijvoorbeeld afgeschrikt door het gebrek aan flexibele werkmogelijkheden, en heeft dit mogelijk ook invloed op het personeelsverloop?
Hoe je in 3 stappen gegevens in je wervingsproces verwerkt
1. Kies de juiste gegevens en statistieken
Begin met het bepalen van de belangrijkste statistieken en kritieke prestatie-indicatoren (KPI's) die relevant zijn voor je wervingsdoelen.
Je kunt hier zo gedetailleerd te werk gaan als je wilt, maar zoals ik benadruk in mijn artikel over wervingsstatistieken, kun je het beste beginnen met een paar belangrijke statistieken en vervolgens meer geavanceerde statistieken onderzoeken naarmate je mogelijkheden zich ontwikkelen.
Belangrijke statistieken zijn onder andere:
- Tijd tot indiensttreding: De gemiddelde tijd die nodig is om een functie te vervullen.
- Aantal aanstellingen (vs. aantal openstaande functies): Hoeveel mensen je per maand/kwartaal/jaar aanneemt in vergelijking met je personeelsplan.
- Conversieratio: Hoeveel kandidaten elke fase doorlopen in vergelijking met het aantal kandidaten dat de fase heeft bereikt.
- Snelheid van de wervingsfunnel: Hoe lang kandidaten in elke fase van de funnel blijven.
- Kosten per aanstelling: De totale kosten die gepaard gaan met het aannemen van een nieuwe medewerker.
- Herkomst van de aanstelling: De effectiviteit van verschillende wervingskanalen (vacaturebanken, sociale media, doorverwijzingen, enzovoort).
Al deze statistieken staan in verhouding tot elkaar. Ik begin graag met de conversieratio, omdat die me een idee geeft van welke andere statistieken ik nauwlettender moet volgen om het volledige verhaal te ontdekken.
Als de conversieratio bijvoorbeeld sterk is, maar het toch lang duurt om iemand aan te nemen, kijk dan naar het aantal kandidaten. Is de bovenkant van de funnel sterk genoeg? Is de snelheid van de wervingsfunnel hoog genoeg?
Als de bovenkant van de funnel niet sterk genoeg is (zoals bij veel startups in de seedfase, waaronder het mijne), dan moet dat de hoogste prioriteit hebben, omdat de snelheid van de funnel er mogelijk niet toe doet als er geen kandidaten zijn om erdoorheen te leiden.
2. Bepaal hoe je gegevens verzamelt
Vervolgens moet je bepalen hoe je je gegevens gaat verzamelen en analyseren. In werkelijkheid heb je hiervoor een vorm van software voor wervingsanalyse nodig.
Waarschijnlijk is je sollicitantvolgsysteem (ATS) de plek waar de meeste wervingsgegevens worden verzameld. Veel oplossingen worden geleverd met vooraf ontworpen, vaak aanpasbare, wervingsdashboards om gegevens te helpen presenteren.
Een andere nuttige ATS-functie zijn opt-ins, zoals kandidaat-enquêtes voor NPS of het verzamelen van feedback van kandidaten.
Je kunt de gegevens uit je ATS combineren met gegevens uit je HRIS/HRMS om een vollediger beeld te krijgen, bijvoorbeeld: hoeveel kandidaten van een bepaalde recruiter slagen niet voor hun proeftijd of groeien uit tot toppresteerders?
Andere bronnen van nuttige gegevens kunnen je software voor kandidaatrelatiebeheer of platform voor wervingsmarketing zijn.
3. Monitoren en optimaliseren
Houd je wervingsstatistieken en KPI's bij om de effectiviteit van je wervingsproces te beoordelen.
Gebruik de hulpmiddelen om trends en patronen in de gegevens zichtbaar te maken en verbeterpunten te identificeren. Als je tijd tot aanwerving bijvoorbeeld langer is dan gewenst, ga je dieper graven en ontdek je hoe je bepaalde fasen kunt stroomlijnen.
4 beste werkwijzen voor datagedreven werving
1. Ontwikkel duidelijke meetcriteria
Veel mensen raken in de war van de meetcriteria Tijd tot invulling en Tijd tot aanwerving. Technisch gezien is Tijd tot invulling de periode tussen het openstellen van een functie en het aannemen van iemand.
Tijd tot aanwerving is de tijd die de specifieke kandidaat die je hebt aangenomen nodig had om van sollicitatie naar indiensttreding te gaan.
Dit laat zien dat het belangrijk is om meetcriteria altijd duidelijk te definiëren, evenals de manier waarop ze worden berekend en wat je gegevensbronnen zijn.
2. Gebruik verschillende soorten gegevens
Ik heb dit hierboven al aangestipt, maar wilde het nogmaals benadrukken. De meeste gegevens die je gebruikt zijn kwantitatief, wat betekent dat ze numeriek kunnen worden weergegeven.
Verwaarloos kwalitatieve gegevens, zoals feedback van kandidaten of wervingsteams, echter niet. Deze zijn net zo waardevol en kunnen leiden tot verbeteringen die het behoud van medewerkers ten goede komen, zoals een verbeterde totale beloning.
Zoals Sarah Lovelace, VP Personeel bij Airbase, benadrukt: “Door talentmanagement te benaderen met een combinatie van gegevens en analyse, kunnen we weloverwogen beslissingen nemen en deze effectief communiceren met de bredere organisatie.”
3. Presenteer gegevens op een betekenisvolle manier
Datavisualisatie is een essentieel onderdeel van datagedreven werving. Wanneer je gegevens presenteert om tot actie aan te zetten, is het belangrijk om zorgvuldig na te denken over de gegevens en ook over het gesprek dat je bij je publiek wilt stimuleren. Dit is waar het creëren van interne persona's van pas komt.
Marketingteams gebruiken persona's om een beeld te schetsen van hun doelklanten bij het opzetten van marketingcampagnes, en ze zijn ook een nuttig hulpmiddel voor datavisualisatie.
Niet iedereen hoeft bijvoorbeeld alles te weten, en elke belanghebbende heeft verschillende niveaus van ondersteuning nodig om te analyseren wat aan hen wordt gepresenteerd.
Een voorbeeld is het verschil tussen het soort gegevens dat je presenteert aan een wervingsmanager om een bepaald aspect van het wervingsproces te verbeteren en de gegevens die je presenteert aan een lid van het directieteam om goedkeuring te krijgen voor een nieuwe softwaretool voor werving.
Voor verdere begeleiding hierbij raad ik het uitstekende artikel van Liam Reese over gegevensanalyse voor HR ten zeerste aan.
4. Zorg voor een goede gegevenshygiëne
Je hebt gegevens van goede kwaliteit nodig die de werkelijkheid weerspiegelen. Ooit had ik een interimconsultant die alle functies die eerder openstonden en niet als ingevuld waren gemarkeerd, “afsloot” en beweerde dat die in de loop van 4 maanden 80 mensen had geplaatst… in een bedrijf met 90 medewerkers.
Als de teams de functies eerder hadden afgesloten toen ze daadwerkelijk waren ingevuld, zou dit de werkelijkheid beter hebben weerspiegeld.
Om redenen als deze raad ik aan enkele beste werkwijzen voor gegevens te implementeren om een hoge kwaliteit te behouden.
De beste manier om dit te doen is door regelmatig op te volgen en contact te houden met je team en de wervingsmanagers, zodat je hen helpt de gewoonte te ontwikkelen om gegevens in te voeren en bij te werken.
Stel bijvoorbeeld een KPI in voor screeninggesprekken en controleer regelmatig of ze in het systeem zijn ingevoerd.
Als je ervoor wilt zorgen dat wervingsmanagers hun feedback invoeren, neem dan na elk gesprek contact met hen op en controleer of het om feedback van goede kwaliteit gaat.
