Gem. leestijd 5 min  703x gelezen

Hoe je meer sollicitanten behaalt door evidence based te gaan werken

Op zoek naar online succes, helpt het als je een continue evidence based experimenteercultuur hebt. Welke 7 stappen helpen je daarbij op weg?

Hoe je meer sollicitanten behaalt door evidence based te gaan werken

In deze krappe arbeidsmarkt vechten ontzettend veel bedrijven voor de aandacht van potentiële sollicitanten. Hoe val je op tussen al die online campagnes? Door maximale effectiviteit met je online campagnes te behalen, door minder beslissingen te maken op basis van je onderbuikgevoel, door evidence based te werken, en door continu op zoek te gaan naar nieuwe mogelijkheden. Door steeds te durven experimenten in je campagnes tast je op termijn minder in het duister – en leer je wat werkt wel én wat werkt niet. Als je dit niet zou doen, blijft eigenlijk altijd de vraag: had mijn campagne nóg effectiever gekund?

Een experimenteercultuur in online campagnes is onderdeel van een ’evidence based mindset’.

Een experimenteercultuur in online campagnes is onderdeel van een ’evidence based mindset’ die veel marketeers al geholpen heeft om successen te behalen. Met zulke evidence based-marketing neem je beslissingen op basis van verkregen customer data en/of inzichten uit research. Niet op basis van gevoel, maar van bewijs. Dit bewijs haal je uit een Candidate Data Platform of uit je online experimenten met als uiteindelijk doel om de effectiviteit van je campagnes te vergroten en je ROI te verbeteren.

Wat is een Candidate Data Platform?

Een Candidate Data Platform (CDP ) gebruik je als aanvulling op je ATS-systeem. Het helpt je om potentiële sollicitanten naar je werkenbij-site te krijgen en om bezoekers op je website te converteren naar sollicitanten. Hieronder een korte opsomming van de verschillen:

ATS (Applicant Tracking System):
  • Focus op recruitmentproces
  • Verzamelen, verwerken en rapporteren van kandidaatgegevens
  • Voor het plaatsen van vacatures
  • Statistieken van sollicitanten en hires
CDP (Candidate Data Platform):
  • Profielen op basis van online interactie
  • Profielen en touchpoints op meerdere online kanalen worden gekoppeld (360-graden beeld)
  • Demografische kenmerken en websitegedrag worden gebruikt om doelgroepen te maken
  • Je hebt zicht op touchpoints: welke kanalen worden gebruikt in het sollicitatieproces? Welke activiteiten zijn er? En welke kenmerken heeft een sollicitant?
  • Slimme algoritmes herkennen kansen en dragen concrete acties aan voor campagnes en gepersonaliseerde inhoud

Een CDP (ook wel bekend als Candidate Relationship Management-platform) zorgt ervoor dat je zicht hebt op de hele recruitment journey en in welke fase een potentiële sollicitant zich bevindt. Hieronder een schematisch overzicht hoe het proces van een CDP in samenwerking met een ATS eruitziet:

Evidence Based Experiment Framework

Maar hoe ga je nu als online recruitmentmarketeer aan de slag met evidence based marketing en experimenten? Daar hebben wij een framework met stappenplan voor ontwikkeld. Dit model helpt je om op een structurele manier aan de slag te gaan met experimenten en daarmee je campagnes naar een hoger niveau te tillen.

De verschillende stappen uitgelegd:

Stap 1. Pre-analyse

Als eerste stap start je met een analyse om te bepalen welke onderdelen interessant zijn om te testen. Analyseer bijvoorbeeld je werkenbij-site in Google Analytics om inzicht te krijgen in waar potentiële sollicitanten op klikken, via welke kanalen ze op je website terecht komen en hoelang ze op een pagina blijven en op welke pagina’s ze afhaken. Ook kun je hier kijken naar de je social pages en website van concurrenten om te kijken of zij dingen anders doen.

Stap 2. KPI’s en hypothese

Na de analyse heb je waarschijnlijk een aantal veronderstellingen of verwachtingen waarvan je denkt dat een campagne of landingspagina op je website het kan verbeteren. In een test priority sheet (online kun je hier gemakkelijk een template voor vinden) kun je al je hypotheses en verwachtingen noteren. Het is belangrijk om bij je hypothese te focussen op één knelpunt of kans en dit zo concreet mogelijk door te vertalen naar een KPI. Bijvoorbeeld:

  • Het salaris benoemen in een vacature zorgt voor een hogere CTR door het geven van duidelijkheid = GOED
  • Het salaris benoemen in een vacature heeft effect op de CTR = NIET GOED (want: niet specifiek en het schetst geen situatie)

Stap 3. ICE-methode voor prioriteren

Als het goed is, heb je nu een lijst met interessante onderdelen om te testen. Dit kan zijn in je advertenties, landingspagina’s of nieuwsbrieven. Vervolgens ga je de geformuleerde hypotheses prioriteren. In deze fase maak je inzichtelijk welk experiment je als eerst wil gaan uitvoeren. Dit kun je doen aan de hand van verschillende modellen, zoals het ICE-scoringsmodel, dat bestaat uit de volgende onderdelen:

  • Impact: hoeveel impact denk je dat het experiment gaat hebben?
  • Confidence: hoeveel vetrouwen heb je in het slagen van dit experiment?
  • Ease: is het experiment makkelijk uit te voeren? Is er veel tijdsinvestering nodig?

Elk onderdeel geef je vervolgens een score (tussen 1 en 5) in je test priority sheet en vervolgens tel je deze scores bij elkaar op. De experimenten met de hoogste scores worden dan als eerste uitgevoerd.

Stap 4. Selecteer variabelen en creëer versies

Als je weet welk experiment je gaat uitvoeren, kun je variabelen selecteren en versies creëren. Een voorbeeld is: salaris toevoegen aan je vacatures. Je creëert dan een advertentie met én zonder salaris om te bekijken welk effect het heeft op een bepaalde KPI (zoals CTR of CPA).

Stap 5. Start experiment

Je experiment kun je opzetten in het advertentiebeheer van het betreffende kanaal of Google Optimize voor landingspagina’s. Om te bepalen hoe lang je test moet lopen, kijk je naar een aantal dingen:

 

Criteria

Tijdeffect
Minimum detecteerbaar effect

(minimale effect bijvoorbeeld stijging 10%)

Hogere MDE = meer tijd nodig
Aantal users Meer users = minder tijd nodig
Aantal conversies Meer conversies = minder tijd nodig
Confidence level

(statistische significantie)

Hoger CL = meer tijd nodig

Stap 6. Analyseer data en bepaal resultaat

Als je experiment is afgelopen kun je de resultaten gaan analyseren. Bekijk de data die je hebt opgehaald en toets dit met je hypothese om een conclusie te formuleren. Vergeet niet om ook de significantie van je test te bepalen. Een makkelijke tool om dit te doen, kun je hier vinden. Het resultaat van je experiment vul je vervolgens in in je test priority sheet.

Stap 7: Herhaal

Helaas kun je nooit in één keer maximaal resultaat behalen. Een experimenteercultuur kenmerkt zich namelijk ook door veel te experimenteren, met vaak kleine winsten, die uiteindelijk resulteren in een grote verandering. Mocht je niet direct een duidelijk resultaat vinden, dan is het toch belangrijk om te blijven doorgaan. Alleen daarmee zul je uiteindelijk succes behalen!

Bron

Over de auteur

Iris van Wijngaarden (rechts) is Head of Advertising bij WeConnect, een bureau dat actief is in online recruitment marketing en werkt voor werkgeversmerken als Jumbo, Vermaat, Zwanenberg Food Group, en Landal.

Lees ook

  • Leave behind a comment

Onze partners Bekijk alle partners