Datengetriebenes Recruiting // Post-and-pray is so yesterday
Im letzten Teil des Recruiting-Checks haben wir gezeigt, wo und wann man geeignete Kandidaten am besten erreicht. Es zeigte sich, dass ein zeitlich abgestimmter Methoden-Mix den nachhaltigsten Erfolg verspricht. In diesem Teil des Recruiting-Checks konzentrieren wir uns nun auf die Optimierung Ihrer Maßnahmen durch die Erhebung und Auswertung von Daten.
Sammeln Sie Daten // Digitalisierung leben
Das Personalwesen versucht seit jeher Kennzahlen heranzuziehen, um die Performance der eigenen Personalakquise zu bewerten. Etablierte quantitative Werte sind dabei die Anzahl der eingegangenen Bewerbungen für eine Vakanz, die Zahl der geführten Interviews, die Anzahl der erfolgreichen Einstellungen, sowie die qualitative Bewertung durch die Messung der Zeit bis zur Einstellung (Time-to-hire) und den Verbleib der eingestellten Personen um Unternehmen (Retention). Diese Werte sind verhältnismäßig leicht zu erfassen, da Personaler alltäglichen Zugriff auf diese Daten besitzen und mit einfachen Listen (z.B. in Excel-Tabellen) auswerten können.
Die Kandidatenreise entlang des Bewerbungsprozesses ist jedoch wesentlich komplexer und kann durch digitale Analysetools deutlich kleinteiliger ausgewertet werden. So ist es möglich die Herkunft des Inseratbesuchers (hinsichtlich Recruiting-Methode, Demographie, Region, Endgerät, u.v.m.) zu erfassen und sein digitales Verhalten (Verweildauer, Klickverhalten, Verlassen der Seite, u.v.m.) sowie auch seine potentielle Eignung zu messen. Diese Datenerhebung ermöglicht es, konkretes Marktfeedback zur Ausschreibung zu erhalten, ohne mit allen potentiellen Kandidaten gesprochen zu haben.
Sammeln Sie relevante Daten und bauen Sie Ihr Recruiting auf, wie Ihr Marketing. Eine Auflistung geeigneter Analysetools und möglicher Kennzahlen zur Bewertung Ihres Recruiting-Funnels finden Sie in einem separaten Artikel des HR-Digital Journals.
Testen, testen, testen // „Post-and-pray is so yesterday”
Auch bei der Ansprache von Kandidaten und der Verbreitung Ihrer Ausschreibung können Sie aus dem Marketing lernen, denn Ihre Suche nach geeigneten Personen für eine Vakanz folgt den gleichen Vermarktungsprinzipien wie die Bewerbung von Produkten und Dienstleistungen. Das „A/B-Testing“ (auch „split testing“ genannt) ist z.B. im Online-Handel eine völlig gängige Maßnahme zur Optimierung von Kampagnen und kann auch für Ihre Personalakquise hilfreich sein. Dabei wird Ihre Zielgruppe in zwei Untergruppen aufgeteilt: Gruppe A und Gruppe B. Den beiden Zielgruppen werden nun unterschiedliche Zielseiten (ceteris paribus; nur einen Aspekt abgeändert) angezeigt, jedoch dieselben vorher festgelegten Kennzahlen gemessen. So lässt sich herausfinden, welche der getesteten Inhalte von Ihrer Zielgruppe besser angenommen werden.
Testen Sie unterschiedliche Titel, Formulierungen und Angaben der Rahmenbedingungen Ihrer Vakanz, um echtes Marktfeedback zu generieren. Die gewonnen Erkenntnisse steigern messbar den Recruiting-Erfolg und können nachhaltig zur Optimierung Ihrer Ausschreibungen beitragen.
Durchbrechen Sie das Silo-Denken // Aus anderen Bereichen lernen
Auch wenn viele Recruiting-Tools bereits erweiterte Analyse-Funktionen beinhalten, so muss das grundsätzliche Verständnis für die datenbasierte Optimierung von Recruiting-Prozessen im HR-Bereich etabliert werden. Zusätzlich sollten auch die notwendigen technische Kompetenzen und Rechte zur Verwaltung des HR-Analytics in der Hand der Personaler liegen. Grundlage hierfür ist eine Befähigung der HR durch die Zusammenarbeit von Wissensträgern verschiedener Abteilungen.
Durchbrechen Sie das Silo-Denken, indem Sie die Erfahrungen von Marketing, IT und HR bündeln. Entwickeln Sie einen Conversion-Funnel entlang der Kandidatenreise, sammeln Sie Marktfeedback durch die Auswertung verschiedener KPIs und nutzen Sie die gewonnen Erkenntnisse zur nachhaltigen Optimierung Ihrer Ausschreibungen und Recruiting-Maßnahmen.
—
Den nächsten Artikel nicht verpassen:
zum Newsletter anmelden
—
Woher wir das alles wissen?
mehr über ZALVUS erfahren
—