Datagedreven HR
Achtergrond
Door: Toine Al & Irma Doze
10 augustus 2023
Als je de strategie en het proces van het werven en selecteren wilt verbeteren, begin je met enkele eenvoudige analyses die inzichten verschaffen en helpen om eerste keuzes te maken. Is de organisatie eraan toe om AI en algoritmes in te zetten, dan kunnen wellicht grotere stappen worden gezet.

Het doel van een datagedreven werving-en-selectieproces is om de organisatie tijd en geld te besparen. Een goede eerste stap is het meten van en sturen op de kengetallen die de effectiviteit en de efficiëntie van het proces in beeld brengen. In dit artikel staan deze 6 kengetallen beschreven.

Met een grondige data-analyse kom je erachter wat de kenmerken en drijfveren waren van de beste onder de nieuwe werknemers. Wie zijn ze? Waar kwamen ze vandaan? Welke eigenschappen delen ze? Door de variabelen te achterhalen die consistent terugkomen bij de beste nieuwe werknemers, weet je ook wie je in het vervolg moet zoeken én waar je ze moet zoeken.

Voor een succesvolle werving zijn echter niet alleen de juiste kanalen van belang, maar ook een optimale wervingsboodschap. De ideale kandidaat bereiken alleen is niet voldoende, je moet hem of haar ook nog aanzetten tot solliciteren. Met relatief eenvoudig onderzoek kun je achterhalen wat de organisatie aantrekkelijk maakt voor de doelgroep. Stel deze vraag ook aan het personeel: wat maakt de organisatie een aantrekkelijke werkgever? De aspecten die voor beide groepen doorslaggevend zijn, zijn de sterkste verkoopargumenten. Hiermee zorg je tevens dat de bestaande werknemers ambassadeurs worden van de organisatie en deze helpen ‘verkopen’ als werkgever.

 

Online sentiment

Of een organisatie er nu veel of weinig aan doet, er is altijd sprake van een employer brand, oftewel een werkgeversmerk. De organisatie kiest natuurlijk zelf haar positionering, de employer value proposition (EVP), maar dit is niet per se het imago zoals de doelgroep die ziet. En sollicitanten hechten belang aan dit imago. Wat de huidige positie van de organisatie is, kun je onderzoeken maar kan ook worden achterhaald door online te ontdekken wat (ex-)werknemers over de organisatie als werkgever zeggen. Met textmining wordt dit zogenoemde online sentiment in kaart gebracht.

 

A/B-test

De doorslaggevende verkoopargumenten gebruik je uiteraard in de vacaturetekst. Een relatief simpele manier om vacatureteksten te optimaliseren is een A/B-test waarin twee varianten van een vacature met elkaar worden vergeleken. Beide varianten staan tegelijk online en worden ieder maar bij één helft van de bezoekers getoond. Vervolgens vertellen de data welke tekst de beste sollicitanten oplevert.
Het nadeel van live testen is dat de ideale kandidaat misschien net de ‘verkeerde’ vacaturetekst ziet en zich niet aangesproken voelt om te solliciteren. Voordat je live gaat testen, is het dan ook raadzaam eerst het nodige onderzoek te verrichten. Met deskresearch en kwalitatief en kwantitatief onderzoek leer je je doelgroep beter kennen.

  • Welke werkgevers zijn de belangrijkste concurrenten?
  • Op welke sites en kanalen oriënteert de doelgroep zich?
  • Waarmee trek je hun aandacht?
  • Wat vindt men van de vacaturesite en de vacatures?
  • Bieden verkiezingen, prijsvragen of gamificatie mogelijk toegevoegde waarde, of juist niet?
  • Wordt de organisatie als werkgever in overweging genomen en waarom wel of niet?
  • Waar haken potentiële kandidaten in spe af in het wervingsproces?

Het gedrag van kandidaten op de vacaturewebsite is uiteraard ook van belang. Dit kan worden gemeten, bijvoorbeeld met Google Analytics. Het geeft inzicht in wat bezoekers precies op de site doen. Combineer dit met het onderzoeken van de ervaringen van de kandidaten (de candidate experience) op de vacaturewebsite en in het traject erna. Op die manier wordt de gehele funnel in kaart gebracht: van doelgroep, de ingang van de trechter, tot nieuwe werknemers die uiteindelijk uit die trechter komen.

Tip monitoren vacatures

Volg niet alleen het gedrag op de eigen website, maar monitor ook de eigen vacatures op andere platformen. De data daaruit kunnen vertellen of je de doelgroep aanspreekt met de wervingsboodschap. Als dat niet het geval is, is het uiteraard handig om veranderingen door te voeren.

Je kunt ook nog een stapje verder gaan en data en algoritmes laten bepalen waar het budget moet worden ingezet om een bepaalde functie onder de aandacht te brengen. De data bepalen dan ook wanneer potentiële kandidaten – zo veel mogelijk op basis van hun zoekgedrag, locatie en profiel – de juiste vacatures krijgen voorgeschoteld. Als een kandidaat al op een andere website heeft gezocht naar bijvoorbeeld een ICT-functie, dan kan de eigen website op basis van (anonieme) data worden gepersonaliseerd. Deze kandidaat krijgt dan bij een bezoek aan de eigen vacaturewebpagina van de organisatie meteen de ICT-vacatures te zien.

Ook het gedrag op de vacaturewebpagina zelf kan worden ingezet, bijvoorbeeld voor het tonen van soortgelijke vacatures. Of je toont de (meest passende) vacature nog een keer op de site van een derde, als de bezoeker van de organisatiewebsite uiteindelijk besloot de pagina te verlaten zonder te solliciteren. Hoe meer informatie kan worden meegegeven aan een vacature, hoe beter intelligente systemen kunnen voorsorteren. Daarmee krijgt de organisatie niet zozeer méér sollicitanten, maar vooral meer pássende kandidaten.

Selectieproces analyseren met processmining

Hoewel je door het gebruik van data meer passende kandidaten krijgt, blijft het onverminderd belangrijk dat ook het selectieproces goed verloopt. Organisaties die daarin minder succesvol zijn, krijgen niet de juiste mensen op de juiste plek en lopen risico op meer verloop en hoger verzuim. Om het selectieproces te verbeteren, kun je het eerst analyseren met processmining. Daarbij worden de processtappen zoals ze op papier zijn uitgedacht, vergeleken met de stappen die in werkelijkheid zijn gezet. Die laatste informatie wordt uit het systeem gehaald. Door te vergelijken ontdek je wellicht dat het selectieproces in de praktijk heel anders verloopt dan het is bedacht.

Hoe het werkelijke recruitmentproces kan afwijken van het proces ‘op papier’

Interessant is daarbij of succesvolle kandidaten andere stappen of een andere volgorde van stappen hebben doorlopen dan sollicitanten die onderweg zijn afgehaakt. Daarmee kun je achterhalen welke zaken invloed hebben op het proces. Er kan ook worden achterhaald hoe de doorlooptijd kan worden verkort of hoe de kwaliteit kan worden verbeterd door bepaalde stappen aan te passen. Daarbij kijk je uiteraard ook naar de tevredenheid van de sollicitanten over het proces.

Chatbot

Een mogelijke manier om het proces te verbeteren (kwaliteit en efficiëntie) is de inzet van een chatbot. Automatiseren van gesprekken met sollicitanten biedt de mogelijkheid om het contact met kandidaten te optimaliseren. Alle antwoorden die kandidaten geven op de vragen van de chatbot, worden opgeslagen en geanalyseerd. Op die manier leert de chatbot continu bij en breidt deze de vocabulaire uit.

Virtual reality (VR)

Een andere optie is het gebruik van virtualrealitytechnologie. Daarmee kunnen  kandidaten kennismaken met iemand op het kantoor in Londen zonder dat ze fysiek aanwezig zijn. Ook kunnen kandidaten proeven aan de cultuur. Een mooie ondersteuning in het wervingsproces.

Analytics inzetten

Een perfect proces met de verkeerde uitkomsten, daar zit niemand op te wachten. Zoals de meesten waarschijnlijk zelf al ooit hebben ondervonden, betekent een positief onderbuikgevoel niet per definitie dat de kandidaat een succesvolle werknemer wordt. Data helpen die kans te verhogen. Voorheen vertelden het cv en IQ- en persoonlijkheidstesten of de kandidaat de juiste achtergrond had, slim was en introvert of extravert. Samen met de recruiter bepaalde de leidinggevende vervolgens of dat was wat nodig was voor de functie. Tegenwoordig kan een onderbouwd profiel worden samengesteld met data, gebaseerd op benchmarks en succesvolle talenten binnen het team. De hiervoor genoemde data vertellen nu, op basis van een algoritme, welke kandidaten de beste match vormen en dus de meeste kans maken om succesvol te worden. Hierdoor neemt het aantal bad hires af.

Tip stappen omdraaien

Traditioneel voeren organisaties eerst gesprekken voordat ze kandidaten diverse testen laten doorlopen. Door deze stappen om te draaien, alles te digitaliseren en alleen interessante kandidaten uit te nodigen voor een gesprek, gaat veelal de time to hire omlaag.

Nieuwe databronnen

Een algoritme wordt gevoed door data. Behalve de traditionele gegevens is het goed om ook op zoek te gaan naar andere data. Data die objectiever zijn of betrouwbaarder. Je begint zo breed mogelijk te zoeken, al brainstormend, niets is in principe te gek. Na de nodige data verzameld te hebben, achterhaal je met data-analyse de factoren die doorslaggevend zijn in de eigen organisatie. Die factoren gebruik je vervolgens om een efficiënte en effectieve (voor)selectie te maken.

Game-based assessment

Een mogelijk nieuwe databron is het game-based assessment, dat de traditionele assessments en lange vragenlijsten steeds vaker vervangt. Games worden onder meer gebruikt om het geheugen, de aandachtspanne en het denkvermogen te meten. Maar ook het vermogen om te plannen en te organiseren, en het vermogen om emoties bij anderen te herkennen.

Het voordeel van games is dat ze praktisch niet te manipuleren zijn. Dit in tegenstelling tot vragenlijsten, die mogelijk sociaal wenselijke antwoorden opleveren. Daarnaast levert een game al snel duizenden datapunten op, waardoor het profiel een stuk uitgebreider wordt. Uiteraard vraagt een effectief game-based assessment om een goed vooronderzoek. Net als ieder assessment is het belangrijk vooraf te valideren of de game daadwerkelijk meet wat je wilt meten.

Videoregistraties van kandidaten

Een andere bron van nieuwe data zijn videoregistraties van kandidaten. Behalve het gebruik van de inhoud van een video (wat iemand zegt en hoe iemand zich daarbij presenteert), kan je ook nog een stap verder gaan, als de organisatie dit ethisch verantwoord vindt. Video-analyticssoftware is steeds meer in staat om spierbewegingen in het gezicht, hoe klein ook, te analyseren. Daarmee categoriseert de software welke emoties een kandidaat bewust of onbewust laat zien. Dit geeft inzicht in wat de sollicitant echt voelt naast wat hij of zij denkt te moeten tonen of zeggen.

Bijkomend voordeel van het gebruik van nieuwe data en het automatiseren en digitaliseren is dat het de mogelijkheid biedt om zaken als geslacht, leeftijd en nationaliteit achterwege te laten in het selectieproces. Analytics kan zo een bijdrage leveren aan diversiteit en inclusie.

Door de digitalisering en het toevoegen van kunstmatige intelligentie aan het werving-en-selectieproces verandert de rol van de recruiter. Uiteraard is het belangrijk dat een recruiter meer durft te vertrouwen op data en deze juist weet te interpreteren. De recruiter heeft met data meer informatie in handen en kan er op die manier voor zorgen dat gesprekken, die ongetwijfeld blijven, meer diepgang krijgen. Met andere woorden, door data-analysevaardigheden toe te voegen aan de werkzaamheden, is een recruiter beter in staat de juiste persoon op de juiste plek te zetten.

Dit is een deel uit de bijlage Praktische toepassingen van datagedreven HR in de uitgave Waarde creëren met datagedreven HR-beleid – Introductie, methodiek en implementatie.