Gibt man die perfekte Stellenanzeige in die Google-Suche ein, erhält man eine recht lange Liste mit How-To Artikeln und Checklisten. Sie alle ähneln sich sehr. Es geht im Grunde stets darum, das Unternehmen vorzustellen, die wichtigen Fragen und Anforderungen zu berücksichtigen sowie der Anzeige eine lesbare Struktur zu verpassen.
Eine weitere Gemeinsamkeit aller (mir bis dato) bekannten How-Tos ist, dass die verwendete Sprache an sich kein Thema ist. Welche Begriffe und welche Formulierungen sollte der Verfasser einer Ausschreibung verwenden und welche nicht? Wie lang sollten die Sätze bzw. die Anzeige insgesamt sein? Wie kriegt man “den richtigen Ton” hin?
Wer sich schon mal bewusst mit Stellenanzeigen beschäftigt hat, wird mir womöglich beipflichten, dass minimale Änderungen der Texte manchmal in deutlichen Verbesserungen der Ergebnisse resultieren können. Doch da es leider keinen systematischen Leitfaden für den richtigen Ton zu geben scheint, sind wir gezwungen, nach unserem Bauchgefühl vorzugehen. Manchmal funktioniert’s und manchmal eben nicht. Aber wir wissen nicht 100% genau wieso.
[promotional-banner id=”48280″]
Wäre es nicht schön… . Genau. Ich bin eben auf das Start-Up “Textio” gestoßen, das in die spannende Lücke der algorithmischen Stellenanzeigen-Analyse vorrückt. Man tippt seinen Text ein und bekommt Hinweise darauf, was in der Anzeige alles toll und was Schrott ist. So eine Art “Zielgruppen-Ton- und AGG-Checker”.
Die schlaue Maschine im Hintergrund generiert die Vorschläge natürlich auf Basis von sehr sehr vielen Auswertungen von Stellenanzeigen und derer erzielten Ergebnisse. Und so lassen sich auch eigene Anzeigen bzw. einzelne Muster daraus im Vergleich zur Datenbasis einordnen.
Ist die Anzeige z. B. zu kurz geraten, wird gezeigt und erklärt, dass eine erhebliche Anzahl von erfolgreichen Anzeigen eine höhere Text-Länge aufwies. Ist das Verhältnis von “Wir” und “Du” unvorteilhaft, wird man ebenfalls aufgeklärt. Genau wie bei einer ganzen Reihe weiterer Qualitätsmerkmale. Sehr schön gemacht.
Leider funktioniert das Tool nur mit englischen Texten. Ich bin sicher, es finden sich aber genug unter Euch, deren Firmen in englischer Sprache ausschreiben. Probiert’s aus. Übrigens, es gibt auch ein Recruiting-Mail Modul.
Kritisch zu hinterfragen ist auch bei dieser Daten getriebenen Lösung, wo zum Teufel die US-Firmen die notwendigen Mengen an Daten auftreiben. Wo gibt es diese Daten über erfolgreiche und nicht erfolgreiche Ausschreibung, auf denen Textio aufbaut? Wie haben sie diese gesammelt? Warum gibt’s die nicht in Deutschland, damit wir auch hier so etwas bauen können? Haben sie die Daten vielleicht von einem Bewerbermanagementsystem-Anbieter…? Und schließlich, wie trennen sie in der Praxis die Effekte der Sprache, des Inhalts und des Arbeitgeber-Image von einander? Naja, alles andere Themen.
[promotional-banner id=”48922″]
Lässt man sich darauf ein, dass das hier wirklich funktioniert, sind solche Lösungen in (naher) Zukunft Standard. Denn ein Mensch kann kaum einschätzen, wann es an der Zeit, in einer Anzeige oder auf der Karriere-Seite “Big Data” durch z.B.”Daten getrieben” zu ersetzen, weil das erstere den Techies inzwischen peinlich ist und die Bewerber eher vergrault. Eine Maschine, die genug Daten zur Verfügung hat, kann das. Roboter-Recruiting oder auch genannt Robot Recruiting ist somit auf dem Vormarsch.
Wieder mal 1:0 für Roboter-Recruiter vs. Bauchgefühl-Recruiter! Oder was meint Ihr?