Schlagwort: Google Analytics

Google Analytics 4: Alles, was du über die Umstellung wissen musst

Veröffentlicht am | von Kathrin Weller

Es ist Zeit für eine Veränderung! Also zumindest, wenn es um Google Analytics geht.

Nach 20 Jahren wird Universal Analytics im Juli 2023 (kostenlose Version) und im Oktober (kostenpflichtige Version) endgültig abgeschaltet. Aber keine Sorge, Google hat bereits den Nachfolger auf den Markt gebracht – Google Analytics 4!

Google Analytics wurde grundlegend überarbeitet und heißt nun Google Analytics 4 – kurz GA4 genannt. Noch dazu wechselt Google zu einem komplett neuen Datenmodell, das sich stark vom derzeitigen Universal Analytics Datenmodell unterscheidet. Diese neue Version vereint App-Analytics und Web-Analytics in einem einzigen Paket.

Ab dem 01. Juli 2023 wird die alte Universal Version keine Daten mehr sammeln. Ab Januar 2024 wirst du dann außerdem keinen Zugriff mehr auf deine in der Vergangenheit gesammelten Daten haben.

Für Unternehmen bedeutet das konkret: Wer bereits Google Analytics nutzt, muss Google Analytics 4 allerspätestens jetzt für sich neu installieren.

Neues Datenmodell bei Google Analytics 4

Weitere Vorteile von Google Analytics 4 gegenüber Universal Analytics

Wie erstelle ich ein Google Analytics 4 Konto?

Schritte für eine erfolgreiche Umstellung von Universal Analytics auf Google Analytics 4

Neues Datenmodell bei Google Analytics 4

Mit der Umstellung auf Google Analytics 4 bekommst du nicht nur eine brandneue Schnittstelle, sondern auch eine Menge neuer Datenerfassungsfunktionen. Google Analytics 4 nutzt eine andere Datenschicht (flach statt geschichtet), was bedeutet, dass du dein (Tag-Management-) System und deine Berichte neu aufbauen und umstellen musst.

Unterschiede der Datenmodelle von Universal Analytics und Google Analytics 4
Das neue Datenmodell von Google Analytics 4 rückt User Properties, Events und Parameter in den Vordergrund.

Universal Analytics = Sitzungsbasiert

Bei dem alten Datenmodell, das bei Universal Analytics zum Einsatz kam, handelt es sich um ein sitzungsbasiertes Datenmodell. Universal Analytics verwendete bisher Sitzungen (Sessions), um Daten zu sammeln und Berichte zu erstellen. Eine Sitzung ist eine Gruppe von Nutzerinteraktionen auf einer Website innerhalb eines bestimmten Zeitraumes. Während einer Sitzung werden verschiedene Interaktionen wie Seitenaufrufe, Ereignisse und E-Commerce-Transaktionen erfasst und als Treffer gespeichert.

Es ist möglich, dass eine Sitzung mehrere Treffer enthält. Je nachdem, wie der oder die Nutzer:in mit der Seite interagiert. Sitzungen bilden die Grundlage für alle Berichte in UA und ermöglichen es, das Verhalten von Nutzer:innen auf der Website besser zu verstehen.

[promotional-banner id=”67708″]

GA4 = Ereignisbasiert

Google Analytics 4 hingegen arbeitet mit einem ereignisbasierten Datenmodell. Es werden natürlich auch in GA4 weiterhin Sitzungen erfasst, allerdings gibt es zusätzlich die Möglichkeit, Nutzerinteraktionen mit der Website oder App als Ereignis (Event) zu erfassen und zu speichern. Die Ereignisse liefern wertvolle Einblicke in die Aktivitäten der Nutzer:innen auf der Website oder in der App, wie z. B. Seitenaufrufe, Nutzeraktionen, Systemereignisse oder Klicks auf Schaltflächen.

Ereignisse ermöglichen die Erfassung zusätzlicher Informationen, die eine Nutzerinteraktion genauer definieren oder dem Ereignis und den Nutzer:innen weiteren Kontext hinzufügen. Diese Informationen können beispielsweise den Titel der Seite, die ein:e Nutzer:in besucht hat, oder den Standort umfassen. Durch diese zusätzlichen Informationen werden die Daten noch aussagekräftiger und können dabei helfen, das Verhalten der Nutzer:innen besser zu verstehen.

Dieser Wechsel wurde vorgenommen, um den veränderten Anforderungen an das Tracking und dem Nutzerverhalten gerecht zu werden. Mit dem Aufkommen neuer Technologien wie Apps, IoT-Geräten und sprachgesteuerten Assistenten hat sich das Nutzerverhalten erheblich verändert. Ein ereignisbasiertes Modell ist besser auf diese veränderten Szenarien vorbereitet, da es eine detailliertere Verfolgung von Ereignissen ermöglicht, unabhängig von der Plattform oder dem Gerät, auf dem die Interaktion stattfindet.

Google Analytics 4 Benutzeroberfläche
Neue Benutzeroberfläche von Google Analytics 4: Auch das Reporting hat sich sehr verändert und ist flexibler und intuitiver aufgebaut als Universal Analytics.

Es kann außerdem eine breitere Palette an Datenpunkten erfasst werden, die über traditionelle Metriken wie Seitenaufrufe oder Sitzungsdauer hinausgehen. Es können spezifische Ereignisse erfasst werden, wie beispielsweise das Abspielen eines Videos, das Klicken auf bestimmte Elemente oder das Ausfüllen eines Formulars. Dadurch wird es möglich, Website-Betreibern wesentlich genauere Informationen darüber zu geben, wie Benutzer:innen mit ihrer Website interagieren.

Weitere Vorteile von Google Analytics 4 gegenüber Universal Analytics

Google Analytics hat aber auch noch weitere Verbesserungen gegenüber Universal Analytics eingeführt. Ein entscheidender Vorteil von GA4 ist zum Beispiel das Cross-Device-Tracking, wodurch Benutzerdaten von verschiedenen Geräten und Plattformen zusammengeführt werden. Dadurch ergibt sich ein vollständigeres Bild des Nutzerverhaltens, was wiederum bei der Analyse über verschiedene Kanäle hinweg helfen kann.

Ein weiteres Highlight von GA4 ist die verbesserte Integration von Machine Learning. Durch den Einsatz von maschinellem Lernen erkennt und interpretiert Google Analytics 4 Muster und Trends. Dadurch werden Nutzer:innen automatisch über wichtige Ereignisse und Trends benachrichtigt, was dann im Anschluss zu genaueren Prognosen führt.

[su_table]

Universal Analytics Google Analytics 4
❌ Sitzungsbasiertes Modell ✔️ Mehr Daten dank ereignisbasiertem Modell – komplett neues Conversion-Tracking (Cross-Device und Cookieless-Tracking)
❌ Mangel an Datenschutz
❌ Eingeschränkte Analysemöglichkeiten ✔️ Genauere Prognosen durch Conversion Modelling und Machine Learning
❌ Limitiertes Conversion-Tracking ✔️ Besserer Datenschutz, mehr Optionen zum Schutz der Privatsphäre
❌ Kein Machine Learning und Modelling ✔️ Neue Zielgruppen-Konfiguration, unterstützt durch Machine Learning
❌ Keine datengetriebene Attribution ✔️ Neue Analysefunktionen und Report-Möglichkeiten
❌ Keine Individualisierungsmöglichkeiten ✔️ Standard-Reports mit hoher Qualität (kein Daten-Sampling)
❌ Keine kostenlose Verknüpfung mit Data Warehouse möglich

[/su_table]

Auch in Bezug auf Datenschutz und DSGVO hat Google Analytics einen großen Sprung gemacht. Neue Funktionen erleichtern es Benutzer:innen, die Datenschutzrichtlinien einzuhalten. GA4 bietet außerdem eine nahtlose Integration mit Google Ads, was eine bessere Verfolgung von Kampagnen und Conversions ermöglicht. Durch die enge Verknüpfung zwischen Analytics und Ads können Werbetreibende ihre Marketingaktivitäten besser analysieren und optimieren.

Insgesamt bringt GA4 viele Verbesserungen und neue Funktionen mit sich, die es Unternehmen ermöglichen, genauere Datenanalysen durchzuführen, Nutzerverhalten besser zu verstehen und effektivere Marketingmaßnahmen zu ergreifen.

Wie erstelle ich ein Google Analytics 4 Konto?

Wenn du zuvor noch gar nicht mit Google Analytics gearbeitet hast, musst du erst einmal ein komplett neues Konto erstellen. Mit folgenden Schritten beginnst du von ganz vorn mit Google Analytics 4:

✔ Gehe zur offiziellen Website von Google Analytics: https://analytics.google.com/

✔ Klicke auf den Button „Anmelden“ in der oberen rechten Ecke der Seite und logge dich mit deinem Google-Konto ein oder errichte einen neuen Account. Stelle sicher, dass du das Konto verwendest, mit dem du das GA4-Konto verknüpfen möchtest.

✔ Nachdem du dich angemeldet hast, klicke auf die Schaltfläche „Konto erstellen“ und wähle „Google Analytics” aus der Dropdown-Liste.

✔ Konfiguriere dein neues Konto: Gib einen Namen für dein Konto ein und füge die entsprechende Website-URL hinzu. Wähle außerdem die Datenfreigabeoptionen aus, die deinen Anforderungen entsprechen.

✔ Du kannst jetzt zwischen „Web“ und „App“ wählen. Wähle „Web“ aus, wenn du die Analyse für eine Website durchführen möchtest.

✔ Du hast die Möglichkeit, einen vorhandenen Datenstream zu verwenden oder einen neuen Datenstream für deine Website zu erstellen. Ein Datenstream repräsentiert die Quelle der Daten, die du in GA4 erfassen möchtest. Wähle die Option aus, die für dich am besten passt.

✔ Klicke auf „Konto erstellen“: Nachdem du alle erforderlichen Informationen eingegeben hast, klicke auf die Schaltfläche „Konto erstellen“. Damit wird dein GA4-Konto erstellt.

✔ Nach der Kontoerstellung erhältst du einen Tracking-Code oder eine Tracking-ID. Du musst diesen Code in den Quellcode deiner Website einfügen, damit GA4 die Daten korrekt erfasst.

✔ Verifiziere die Datenübertragung: Überprüfe nach der Einrichtung, ob GA4 Daten von deiner Website empfängt. Dies kannst du mithilfe von Echtzeit-Berichten in Google Analytics überprüfen.

[promotional-banner id=”67708″]

Schritte für eine erfolgreiche Umstellung von Universal Analytics auf Google Analytics 4

Die Umstellung von Universal Analytics auf Google Analytics 4 erfordert ein wenig mehr Aufwand. Genau genommen sind es aber nur 10 Schritte, die befolgt werden müssen. In unserem Google Analytics 4 Whitepaper erklären wir Schritt für Schritt, wie du deine alten Daten übertragen, eine neue GA4-Property erstellst und Tracking-Codes implementierst.

Unser kostenloser Download fasst alle wichtigen Informationen über Google Analytics 4 und seine Implementierung zusammen:

Kostenloses GA4 Whitepaper: Alles über Google Analytics

Was ist eigentlich Data Driven Recruiting?

Veröffentlicht am | von Kathrin Weller

Data Driven Recruiting ist ein wichtiges Instrument, um die besten Talente zu erreichen. Die Zahl der Arbeitslosen nimmt immer weiter ab und viele Unternehmen können gar nicht schnell genug neue Mitarbeiter:innen einstellen, um mit ihrem Personalbedarf Schritt zu halten. Der Wettbewerb um qualifizierte Mitarbeiter:innen ist hoch und der Bedarf an automatisierten Recruiting-Lösungen somit auch.

1. Was ist Data Driven Recruiting?

2. Der Unterschied zwischen Data Driven Recruiting und Robot Recruiting

3. Warum Recruiting Kennzahlen erheben?

4. Die wichtigsten KPIs: Grundlagen des Data Driven Recruitings

5. Automatisiertes Data Driven Recruiting

6. Was kann ich mit all den Daten außerdem herausfinden?

7. Data Driven Recruiting: Nicht so kompliziert, wie viele glauben

Was ist Data Driven Recruiting?

Data Driven Recruitment meint im Großen und Ganzen die Arbeit mit Daten im Recruiting und die daraus entstehenden Ableitungen von Handlungen. In vielen Fällen kommen hier Analyse- und Tracking-Tools für den gesamten Recruiting Prozess zum Einsatz. Das Erfassen, Auswerten und Analysieren von Daten erleichtert das zielgerichtete und effiziente Anwerben der besten Talente.

Mit Hilfe der wichtigsten Kennzahlen können aktuelle und zukünftige Strategien besser verstanden und eventuell korrigiert werden. In vielen Fällen führt das nicht nur dazu, dass die Einstellungen verbessert, sondern gleichzeitig auch die Kosten gesenkt werden können. Was wie Magie klingt, ist eigentlich recht einfach zu verstehen: Man wählt Fakten statt Bauchgefühl!

Meme zur Datenflut in Data Driven Recruiting

Im gesamten Recruiting Prozess schlummern Unmengen an Zahlen und Daten. Googelt man nach „Data Driven Recruiting“ wird häufig direkt von Künstlichen Intelligenzen und automatisierten Datenauswertungen gesprochen. Deswegen werden häufig auch die Begriffe Big Data und Robot Recruiting mit Data Driven Recruiting in einen Topf geworfen.

Diese ganzen Buzzwords können Personalverantwortliche aber auch verwirren und damit genau das Gegenteil von dem erreichen, was sie sollen: Nämlich den Recruiting-Prozess vereinfachen. Um das eigene Recruiting zu pushen, die Reichweite zu erhöhen und Abläufe mit Hilfe von Daten effizienter zu gestalten, muss man kein Mr. Robot sein. Im ersten Schritt reicht es, wenn man wichtige Fragen mit Zahlen beantworten kann:

– Lohnt sich eine Schaltung auf einer Stellenbörse?
– Wo kommen meine Bewerber:innen überhaupt her?
– Welche Kanäle funktionieren am besten?
– Wo hapert es im Auswahlprozess?
– Verliere ich Bewerber:innen irgendwo in der Candidate Journey?

Der Unterschied zwischen Data Driven Recruiting und Robot Recruiting

In einem unserer Artikel haben wir uns bereits ausführlich mit dem Thema Robot Recruiting auseinandergesetzt. Auch hier gibt es verschiedene Ausprägungen und Entwicklungen. Unter Robot Recruiting versteht man grundsätzlich die Automatisierung von Recruitingprozessen sowie die Beurteilung und Auswahl von Bewerber:innen mithilfe von lernenden und von Menschenhand programmierten Algorithmen – gerne auch „Künstliche Intelligenz“ (KI-Recruiting) genannt.

Robot Recruiting ist also ein Teil von Data Driven Recruiting. Für einen effektiven Einstellungsprozess braucht es aber nicht immer direkt Big Data, Künstliche Intelligenzen oder etwas anderes mit einem fancy Namen. Es reicht im ersten Schritt, die Zahlen und Daten zu kennen und zu wissen, dass das reine Bauchgefühl im Recruiting schon lange nicht mehr ausreicht.

Datenbasiertes Recruiting ist ein fortlaufender Optimierungsprozess und bedeutet das stetige Sammeln und Auswerten relevanter Daten, um die eigenen Recruiting-Strategien fortlaufend verbessern zu können. Das kann bei einer geringen Anzahl an Stellen händisch gemacht werden, solange Analytics Tools installiert sind und die Daten ausgewertet, verstanden und analysiert werden können. Bei einer regelmäßig höheren Anzahl an offenen Stellen (ab 10 Stellen pro Monat) ist es für Personaler:innen und Recruiter:innen sinnvoll, all diese Auswertungen und Analysen einem Algorithmus zu überlassen.

data driven recruiting google analytics
Über ein Analytics-Tool lassen sich die wichtigsten Zahlen und Daten für den Recruiting Prozess messen. © Justin Morgan / Unsplash

Warum Recruiting-Kennzahlen erheben?

In Zeiten des Fachkräftemangels sollten Recruiter:innen durch Daten und Fakten sicherstellen können, dass sie ihre Ressourcen bestmöglich einsetzen. Das führt zum einen zu einer besseren Budget-Kontrolle und zum anderen zur bestmöglichen Einteilung der internen Kapazitäten.

Hierfür ist es wichtig, die Informationen aus Tracking und Analyse fürs Data Driven Recruiting erfolgreich zu nutzen und die relevantesten Kennzahlen zu erheben. Diese müssen anschließend ausgewertet werden, um die richtigen Schlüsse ziehen zu können, Entscheidungen zu treffen und Maßnahmen abzuleiten. Das Recruiting wird transparenter und effizienter.

Stellen können schneller besetzt und Stakeholder mit Zahlen überzeugt werden. Wäre es nicht super, wenn du deinen Stakeholdern präzise Schätzungen über die Einstellungsdauer geben und voraussagen könntest, auf welchem Weg du sie am ehesten und schnellsten erreichst? Aber welche Zahlen sind dafür wichtig?

Die wichtigsten KPIs: Grundlagen des Data Driven Recruitings

Impressions und Klicks:

Die Impressions geben an, wie viele potenzielle Kandidat:innen die Anzeige für die Stellenausschreibung gesehen haben. Das ist nett zu wissen. Richtig interessant wird es allerdings erst, wenn wir wissen, wie viele von diesen Kandidat:innen auch wirklich auf die Anzeige geklickt haben.

Conversion-Rate:

Die Conversion Rate ist eine Kennzahl, um die Performance der Stellenanzeigen zu kontrollieren und so ihren Erfolg zu messen. In unserem Fall gibt die Conversion-Rate also an, wie viele dieser Klicks auch zu einer Bewerbung geführt haben. Gleichzeitig kann je nach Datenlage genauer analysiert werden, ob das Employer Branding stimmt, ob die Stellenanzeigen attraktiv sind oder ob die Candidate Journey des gesamten Bewerbungsprozesses geräteübergreifend nutzerfreundlich gestaltet ist.

Cost-Per-Click (CPC) und Cost-Per-Application (CPA):

Cost-Per-Click gibt die Kosten für die performancebasierte Anzeigenschaltung an.
Mit einem Klick auf die Anzeige gelangen Besucher:innen direkt zur Webseite bzw. zur Stellenanzeige. Bei laufzeitbasierter Ausspielung, wie zum Beispiel bei Jobbörsen, entstehen Kosten unabhängig vom Erfolg der Kampagne.

Aus dem klassischen Modell hat sich schnell das Performance Marketing entwickelt. Hier zahlt der Werbende nicht mehr nur dafür, dass seine Anzeige im Internet zu sehen ist (Impression), sondern gibt ausschließlich dann Geld aus, wenn eine Person auf die Anzeige klickt und auf die Webseite des Werbenden gelangt, auch Cost-per-Click (CPC) genannt. Durch diese KPIs kann man messen, wie gut eine Anzeige performt und wie teuer dir ein Klick bzw. eine Bewerbung zu stehen kommt.

Cost-Per-Application verrät dir die durchschnittlichen Kosten einer Bewerbung.

Anzahl Bewerbungen nach Quellen:

Um dein Recruiting zu optimieren und das Budget richtig einzusetzen, musst du wissen, aus welchen Quellen die Webseiten-Besucher:innen stammen. Woher kommt deine Reichweite, welche Recruiting-Maßnahme performt am besten? Über ein Analytics-Tool oder ein entsprechendes Bewerbermanagementsystem lässt sich die Anzahl eingehender Bewerbungen durch die verschiedenen Kanäle anzeigen.

Time-To-Hire:

Dauer bis zur tatsächlichen erfolgreichen Besetzung einer offenen Position. Wie lange brauchst du, um eine bestimmte Stelle zu besetzen und stehst du mit deiner Time-To-Hire im Vergleich zur Konkurrenz gut da? Auch diese Zahl sollte gemessen werden.

Cost-Per-Hire:

Wie hoch sind die Kosten für die erfolgreiche Besetzung einer offenen Position? Dieser KPI zeigt die Kosten an, die pro Stellenbesetzung im Unternehmen anfallen. Diese umfassen sowohl Marketing- als auch Personalkosten. Mit dem Cost-Per-Hire wird das Verhältnis zwischen finanziellen Investitionen, die bei der Einstellung von Kandidat:innen anfallen, und für die zu besetzenden Stellen errechnet.

Wer einen richtigen Zahlen-Deep-Dive machen möchte, sollte sich unsere Artikel „Grundlagen des Recruitings“ mit dem Schwerpunkt Kennzahlen bei Google Analytics anschauen.

###promotional-banner###

Automatisiertes Data Driven Recruiting

Ab einer gewissen Anzahl an offenen Positionen hat niemand die Kapazitäten geschweige denn Lust, Daten händisch zu sammeln, auszuwerten und die Prozesse dementsprechend anzupassen. Daher meinen viele, wenn sie von Data Driven Recruiting sprechen, Recruiting-Automatisierung. Dabei werden alle Daten systematisch und automatisiert erfasst, analysiert und in die Gestaltung der Recruiting-Prozesse eingebunden.
Welche Tools du für die datengesteuerte Personalbeschaffung einsetzen kannst, hängt vor allem von der Größe deines Unternehmens und dem jährlichen Personalbedarf ab.

Große Unternehmen entscheiden sich in vielen Fällen für mehrere HR-Systeme, Datenbanken und zusätzliche Multiposting-Anbieter. Das kann natürlich dazu führen, viele einzelne Datensilos zu haben und leicht den Überblick über den Erfolg und die Kosten zu verlieren. Zeit- und kostensparendere Tools vereinen die verschiedenen Einsatzbereiche des Data Driven Recruitings. Hierzu zählt zum Beispiel bereits das Finden und Nutzen der richtigen Jobtitel.

Was kann ich mit all den Daten außerdem herausfinden?

Den richtigen Stellentitel finden

Damit offene Positionen im Internet gefunden werden und eine hohe Reichweite erzielen, müssen das Suchvolumen und die Popularität stimmen. Hierfür solltest du die richtigen Keywords und das Suchvolumen deiner Keywords kennen. Die Bewertungskriterien, die für den Erfolg und die Auffindbarkeit von Stellentiteln maßgeblich entscheidend sind, können händisch nur mit großem Aufwand regelmäßig kontrolliert und angewandt werden. Mit Hilfe eines Algorithmus ist es allerdings möglich, das Suchvolumen und die Popularität jedes einzelnen Stellentitels festzustellen und die Struktur des Titels zu bewerten.

Durch die Automatisierung, zum Beispiel durch Tools wie den Jobspreader, ist eine punktuelle Analyse beliebig vieler Titel möglich. So kann zum Beispiel die Qualität von Stellentiteln insbesondere für Mangelprofile genauer untersucht werden, um diese anschließend als zusätzlichen Performance-Indikator zu nutzen. Der Jobspreader bietet dafür als Feature zum Beispiel  den Jobtitel Quality Index an. Dieser prüft automatisiert die Qualität deiner Stellenanzeigen, gibt genaue Anweisungen zur Verbesserung und zeigt somit deutlich, wo Jobtitel ihr volles Potenzial bisher nicht ausschöpfen konnten.

Marktdaten analysieren und den Arbeitsmarkt verstehen

Die am deutschen Arbeitsmarkt herrschenden Spannungen und Fachkräfteengpässe sind die Kehrseite des Arbeitsmarkt-Booms. Um einen realistischen Blick auf Einstellungsdauer und -kosten zu bekommen, lohnt sich ein Blick auf das Marktpotenzial, also etwa wie viele Arbeitssuchende für bestimmte Positionen überhaupt zur Verfügung stehen. Basierend auf diesen Informationen kann die weitere Strategie gewählt werden: Personalmarketing, Sourcing oder Headhunting? Mit Hilfe des Jobspreaders bekommt man einen Überblick über all seine ausgeschriebenen Positonen: Wie viele Mangelprofile gibt es in meinem Unternehmen und welche Stellen brauchen besondere Aufmerksamkeit? Jede einzelne Stellenausschreibung wird analysiert und ins Verhältnis gesetzt. Über eine Wettbewerbsanalyse ist es sogar möglich, ähnliche offene Positionen auf dem Markt angezeigt zu bekommen.

Mit Blick auf diese Daten können Vakanzzeit-Entwicklungen besser im Blick behalten werden. Bei überdurchschnittlich langer Ausschreibungsdauer sollten Recruiting-Methoden und -Prozesse hinterfragt werden.

Stellen ausschreiben und Reichweite optimieren

Kaum ein Unternehmen rekrutiert heute effizient genug, um Stellen erfolgreich in einem angemessenen Zeitrahmen zu besetzen. Das Schalten von Stellenanzeigen auf Jobbörsen ist immer noch eine beliebte Vorgehensweise bei der Akquise von Kandidat:innen. Meist wird hier allerdings unabhängig von den erzielten Ergebnissen ein Pauschalpreis für einen klar definierten Zeitraum (z.B. 30 Tage oder drei Monate) gezahlt, der nach Ablauf manuell verlängert werden muss. Insbesondere bei einer hohen Anzahl an offenen Positionen macht diese Art des Recruitings nicht immer Sinn. Denn: Zahlen, Daten und Fakten sind ergiebiger als das bloße Bauchgefühl. Hier kommt wieder Data Driven Recruiting ins Spiel, welches sich am besten mit Software umsetzen lässt.

Data Driven Recruiting: Nicht so kompliziert, wie viele glauben

Es geht nicht immer um Big Data und auch nicht um Robot Recruiting oder irgendwelche anderen Trends. Data Driven Recruiting meint in erster Linie das Messen und Analysieren des gesamten Recruiting-Prozesses mit Hilfe von Daten. Hier sollte sich jedes Unternehmen erst einmal selbst hinterfragen und sicherstellen, dass die Basics stimmen.

Den darauf folgenden Messungen sind natürlich keine Grenzen gesetzt. Jedoch sollten sich Personalverantwortliche und Recruiter:innen hier nicht verunsichern lassen. Wenn du jeden Monat eine hohe Anzahl an Stellen zu besetzen hast und Unterstützung bei der Messung und Nutzung all der Daten benötigst, vereinbare doch einfach eine kostenlose Demo und lass dir erklären, was der Jobspreader alles für dich tun kann.

[promotional-banner id=”48922″]

4 Gründe warum Recruiter keine Lust auf Recruitment Analytics haben – und warum doch alles halb so schlimm ist

Veröffentlicht am | von Asif Shaikh | Schreibe einen Kommentar zu 4 Gründe warum Recruiter keine Lust auf Recruitment Analytics haben – und warum doch alles halb so schlimm ist

Man kommt nur noch selten drum herum: Viele Recruiter oder HR-Marketer hören in letzter Zeit immer öfter vom Chef die Forderung “sich mal in Recruitment Analytics hineinzufressen” oder die Kollegen verlangen, dass wir “endlich mal dieses Google Analytics zum Laufen bekommen”. Und sind wir mal ehrlich: So richtig Bock haben nur wenige. Mit diesem Artikel möchte ich Dir zeigen, dass Analytics überhaupt nicht so kompliziert ist, wie immer alle behaupten und sich die meisten Befürchtungen nach diesem Artikel in Luft auflösen werden – versprochen!

1. Recruitment Analytics ist nur für Statistik Nerds und Data Scientists. Mit den erhobenen Daten können wir sowieso nichts anfangen

“Schaut man mal bei Google Analytics rein, wird man schier von Tabellen, Graphen und Messwerten erschlagen. Dafür haben wir nun wirklich keine Zeit und so richtig brennen tut die Leidenschaft auch nicht für das Thema.“

Diese Bedenken haben wohl die meisten Recruiter und HR-Marketer bei dem Thema Recruitment Analytics. Ich bin jedoch fest davon überzeugt, dass Du Dir da überhaupt keine Sorgen machen musst, da die für uns wichtigen Zahlen super schnell interpretiert sind. Denn vorweg ist wichtig: 95% der erhobenen Daten aus den diversen Analytics Programmen brauchen Recruiter überhaupt nicht. Eigentlich reicht sogar eine einzige Tabelle mit ein paar Werten für fast alle Anforderungen. Also keine Sorge, Du musst Dich nicht zu einem Datenanalysten umschulen lassen.

Welche Information ist denn wirklich wichtig? Ich behaupte, sinnvolles Recruitment Analytics lässt sich in dieser Frage zusammenfassen: Wo kommen die besten Bewerber her? Natürlich könnte man mit den erhobenen Daten noch viel mehr machen: Zielgruppenanalysen, Verhaltensanalysen und weiß der Geier noch alles. Das halte ich jedoch für unrealistisch. Wir dürfen ja nicht vergessen, dass wir kein Zalando sind, sondern im Kontext des klassischen Online Marketings eher geringe Nutzerzahlen und unkomplizierte User Journeys zu vermelden haben.
Es bleibt somit bei der einfachen Frage: Wo kommen die besten Bewerber her? Hier reicht die folgende Tabelle (aus Google Analytics) voll aus:

Recruitment Analytics: Bei Google Analytics sieht es so aus

Du hast richtig gesehen: Drei Spalten, that’s it: Wir sehen hier, woher wie viele Nutzer kommen und ob diese sich dann auch wirklich bewerben. Das machen die Analytics Programme (nach einer kleinen Einstellung) automatisch. Wenn man nun noch das jeweilige Budget der Quellen vergleicht, kann man auf einem Bierdeckel den Heiligen Gral des Personalmarketings, den Cost-per-Application, ausrechnen. Na klar, ein paar mehr Messwerte könnte man hinzunehmen, aber für den Anfang reicht das vollkommen aus.

Hast du trotzdem Lust auf mehr? In einem kommenden Blog-Artikel zeigen wir Dir die Basics der Interpretation von Recruitment Analytics Daten, wie z.B. Absprungsquote, Aufenthaltsdauer und weitere Messwerte. Keine Sorge, es wird nur ein ganz kleines bisschen komplizierter.

2. Die Installation ist viel zu kompliziert.

“Unsere Agentur braucht für technische Änderungen unserer Website immer ewig und dann ist es total zeitaufwendig, hier etwas nachzubessern. Ich habe keine Lust so einen Programmieraufwand zu koordinieren – besonders weil das Thema an sich schon kompliziert genug ist.”

First things first: Die Installation sollte nicht Deine Aufgabe sein – dafür hast Du ja Deine Agentur oder IT-Abteilung. Falls dort Zweifler sitzen, die keine Lust auf viel Arbeit haben (soll es ja geben): Für die Installation und Einrichtung von den beiden beliebtesten Analytics Programmen Google Analytics und Matomo muss man kein Webdeveloper sein. Über sogenannte Tag Manager braucht Deine Agentur oder IT-Abteilung nur ein einziges Mal einen Mini-Code-Schnipsel einfügen. Alles was danach kommt, läuft über eine leicht zu verstehende Benutzeroberfläche ohne komplizierte Java Script-Herumprogrammiererei. Ich habe noch nie eine Zeile Code geschrieben und konnte trotzdem schon oft Google Analytics bei unseren Kunden installieren. In den nächsten Wochen folgt auf diesem Blog eine knappe Anleitung, die Du an Deine Kollegen weiterleiten kannst. Falls Du so lange nicht warten kannst, ist DIESES Tutorial auch echt gut.

Falls Deine Karrierewebseite bzw. Stellenanzeigen auf der Domain einer Bewerbermanagement-Software (BMS) liegen, kannst Du den Weg zu Deiner Agentur oder IT-Abteilung sogar teilweise überspringen, da Du Dich direkt an Deinen BMS Ansprechpartner wenden kannst. Neugierig geworden, wovon genau ich hier spreche? Wenn Du zu der Implementierung von Analytics in Dein BMS mehr erfahren willst, klick HIER.

3. Ich habe keine Zeit mich mit den Analytics Daten zu beschäftigen.

“Mein Schreibtisch ist schon voll genug, da kann ich mich nicht alle paar Tage in das Analytics Programm einloggen und mich durch die Datentabellen kämpfen.”

Ich kann es ja verstehen, Du hast genug um die Ohren und hast bestimmt keine Lust, Dich daran zu erinnern, Dich regelmäßig in ein weiteres Programm einzuloggen und dann immer wieder in die Daten reinzufuchsen. Aber trotzdem wäre es ja eigentlich schön, alle aktuellen Zahlen vor sich zu haben. Kein Problem: bei allen Analytics-Programmen kann man sich Berichte per Mail und/oder Excel schicken lassen. Du musst Dich theoretisch gar nicht in das Analytics-Programm einloggen, sondern kannst Dich einfach zurücklehnen und jede Woche (oder in dem Zeitraum, den Du möchtest) einen Bericht mit allen aktuellen Bewerbungszahlen anschauen. Somit kann es also fast nicht passieren, dass du eine längere Zeit gar nicht in die Analytics-Daten schaust, weil Du in Deinem Postfach ständig daran erinnert wirst.

Zudem kannst Du Dir diese Berichte komplett selbst zusammenstellen. Das geht z.B. bei Google Analytics mit einfachem Drag&Drop – so kannst Du Deinen Wunschbericht so abspecken, dass wirklich nur die wichtigen Daten dabei sind. Du würdest gerne wissen wie das geht? Auch dieses Tutorial findest Du demnächst als Teil unserer neuen Recruitment Analytics Serie auf diesem Blog. Stay tuned!

###promotional-banner###

4. Unser Datenschutzbeauftragter macht uns die Hölle heiß!

“Wenn ich nur das Thema Web Analytics anspreche, bekommt unser Datenschutzbeauftragter Schnapp-Atmung. Er meint, dass jegliche Aufzeichnung von Nutzerdaten klar gegen die DSGVO verstößt.”

Das Thema Datenschutz bzw. die allgegenwärtige DSGVO ist wohl in deutschen Firmen der Nummer 1 Killer von einem anständigen Analytics. Doch geht man sachlich und ohne Panik vor der “Abmahnungswelle” an die Sache heran, ist ein funktionierendes Analytics auch für Datenschutzfreaks ohne Probleme möglich. Vorausgesetzt natürlich man trifft einige Vorkehrungen.

Dazu gehören die folgenden Punkte:

  1. Dein Analytics Programm muss in Eurer Datenschutzerklärung auftauchen. Das Thema ist ein bisschen komplex und hier nur schwer in wenigen Punkten abzuhandeln. Aber schau Dir doch mal unsere Datenschutzerklärung an, wie eine Erklärung in etwas aussehen kann: Datenschutzerklärung
    Aber bitte: Nagel uns nicht darauf fest 😉
  2. Du musst mit Deinem Analytics Anbieter einen Auftragsdatenverarbeitungsvertrag abschließen. Bei Google Analytics geht das zum Beispiel problemlos elektronisch. Hier eine kleine Anleitung dazu auf marketingradar.de.
  3. Du musst in Deinem Tracking Code eine IP-Anonymisierung aktiveren. Das bedeutet, dass gar keine IP Adressen erhoben werden, sondern gleich nach Erfassung nur anonymisiert an Dein Analytics Programm weitergegeben werden. Wie das geht findest du HIER (für deine Agentur / IT Abteilung).
  4. Du musst Deinen Nutzern die Möglichkeit geben, das Tracking abzulehnen. Analytics Programme nutzen Cookies – also kleine Dateien, die im Browser Ordner abgespeichert werden – um Nutzerdaten zu erfassen und dann auch wieder bei Rückkehr auf die Seite den Nutzer zu identifizieren. Hier gibt es verschiedene Arten von Cookies mit abweichenden Umfängen der erfassten Daten. Es muss so unter anderem zwischen Statistik Cookie und Marketing Cookie unterschieden werden. Statistik Cookies erheben unpersonalisierte Daten, die zwar auf das Verhalten der Website-Nutzer bezogen, aber nicht einzelnen Nutzern zuzuordnen sind. Das sind die meisten relevanten Daten für Dein Analytics-Programm, also Nutzerzahlen, Bewerberzahlen, Landingpages und so weiter. Die Marketing Cookies hingegen sind schon ein bisschen brisanter, da hier Daten erhoben werden, um Nutzer für Re-Targeting zu identifizieren und auch über andere Websites hinweg wiederzuerkennen. Vielleicht hast Du ja schonmal bei Amazon nach Staubsaugern gesucht und dann bei Spiegel Online eine Anzeige für Staubsauger gesehen – das sind Marketing Cookies!

Du musst Deinen Besuchern nun die klare Wahl lassen, ob sie von Deinem Analytics Programm auch erfasst werden wollen und wenn ja, mit welchen Cookies. Das kann über ein sogenanntes Cookie Banner passieren. Hier unser Cookie Banner als kleines Anschauungsbeispiel. Wir nutzen übrigens den Anbieter “Cookiebot”. Das ist ein Add-on für Deine Seite, mit dem Du diese Cookie Banner bei Dir einbinden kannst. Das macht die ganze Sache sehr viel sicherer und auch einfacher.

Recruitment Analytics: Cookies spielen auch eine Rolle

Aber hier gilt, nimm unser Vorgehen nicht als fixes Beispiel für Deine Seite: Tausche Dich mit einer Rechtsberatung aus, damit Du auf der sicheren Seite bist. Wir sind schließlich keine Juristen, sondern Online Marketing Nerds und Recruitment Analytics Liebhaber.

Reichweite messen: Welche Vorteile bringt Recruitment Analytics?

Veröffentlicht am | von Kathrin Weller | Schreibe einen Kommentar zu Reichweite messen: Welche Vorteile bringt Recruitment Analytics?

Ist Recruitment Analytics wirklich so kompliziert? Welche Kennzahlen sollte jeder Personalmarketer messen können? Und welche Vorteile hat eigentlich ganz spezifisch eine durch und durch messbare Karriereseite? Momme Klingenberg, Experte für Recruitment Analytics bei der Wollmilchsau, erklärt Dir in diesem Interview die Vorteile und Möglichkeiten von Recruitment Analytics Tools.

Mit Recruitment Analytics die Reichweite von Stellenanzeigen im Personalmarketing messen

Wie oft hast Du Personalverantwortliche schon laut Stöhnen hören, als Du Recruitment Analytics angesprochen hast und warum haben so viele Personalmarketer Angst davor?

Auf wirkliche Begeisterungsstürme trifft das Thema Recruitment Analytics tatsächlich nicht bei Recruitern und Personalmarketern. Das liegt zum großen Teil daran, dass sich das Aufgabenprofil des klassischen Personalers schon sehr verändert hat. Viele Recruiter haben Angst davor, dass wichtige Aufgaben, wie die Kandidatenansprache und -betreuung, hinter komplizierten Zahlen und Statistiken verschwinden. Und sind wir mal ehrlich, niemand wurde Recruiter, weil er Mathe so toll fand. Diese Befürchtung ist jedoch oftmals unbegründet. Na klar, man muss sich kurz reinhängen und neues Wissen erlernen, aber kein Recruiter muss dafür ein Data Scientist werden. Ganz im Gegenteil: Mit nur wenigen Kennzahlen hat der Recruiter so viel mehr Futter für das nächste Budget-Meeting. Schwarz auf weiß kann man beweisen, woran man ist und warum Recruiting so wichtig ist.

Mit Recruitment Analytics die Reichweite von Stellenanzeigen im Personalmarketing messen

Was muss sich in den Unternehmen bezüglich Recruitment Analytics dringend ändern und wie kann man ihnen dabei behilflich sein?

Recruitment Analytics sollte in den Unternehmen als Chance und nicht als technische Hürde verstanden werden. ich habe schon einige Unternehmen gesehen, in denen das klassische Online Marketing richtig fit in Analytics ist, das Recruiting von diesem Wissen aber überhaupt nicht profitiert.
Dass Recruiting durch die Marktgegebenheiten immer schwieriger wird, sollte jedem klar sein. Recruitment Analytics bietet durch eine effizientere Budget- und Erfolgskontrolle die Möglichkeit, diesen Herausforderungen zu begegnen.

Die Unternehmen müssen also endlich anfangen, die Mitarbeiter gezielt zu schulen und einen Wissensaustausch mit anderen Abteilungen, die schon Analytics im Tagesgeschäft nutzen, zu ermöglichen. Oftmals wird von den Mitarbeitern erwartet, dass diese sich 1-2 Stunden in der Woche blocken und sich dann autodidaktisch Analytics beibringen. Diese Herangehensweise hat jedoch selten Erfolg, da zum einen häufig die intrinsische Motivation fehlt, sich kostbare Zeit freizuschaufeln, um sich mit Zahlen und Daten zu beschäftigen. Zum anderen haben die im Internet verfügbaren Lern-Ressourcen häufig einen E-Commerce-Fokus und können dadurch keine Recruitment-spezifischen Fragestellungen beantworten.

###promotional-banner###

Welche Kennzahlen sollte jeder Recruiter kennen und messen, um seinen Prozess zu optimieren?

Entgegen der verbreiteten Meinung braucht ein umfassendes Recruitment Analytics nur ein paar wenige Kennzahlen. Recruiter und Personalmarketer sollen ja nicht in die tiefe Analyse der Karriereseite gehen und jeden Pixel optimieren. Es reicht vollkommen, ein paar Kennzahlen zu haben, die zeigen, ob die externen Maßnahmen noch auf Kurs sind und ob die Stellenanzeigen anständig laufen. Nehmen wir mal die meiner Meinung nach wichtigste Kennzahl: Cost-Per-Application (Kosten pro Bewerbung). Hierfür betrachtet man die Zahl der Bewerbungen und teilt diese durch die entstandenen Kosten pro Quelle.

Die Kennzahl ist deshalb so gut, weil viele Informationen gebündelt werden. Man hat eine Budgetkontrolle und gleichzeitig auch eine Bewertung der Maßnahmen. Schwer zu vergleichende Maßnahmen mit unterschiedlichen Budgets werden plötzlich vergleichbar. Und das Beste: Wenn man zum Vorgesetzten geht, um die Maßnahmen Revue passieren zu lassen, muss man nicht Google Analytics von vorne erklären. Die entstandenen Kosten reichen und die versteht jeder.

Mit Recruitment Analytics die Reichweite von Stellenanzeigen im Personalmarketing messen

Welche Vorteile hat eine durch und durch messbare Karriereseite/Stellenanzeige im „War for talents“?

Viele Unternehmen geben sehr viel Geld für unterschiedlichste Personalmarketing-Maßnahmen aus – ohne auch nur irgendeine Kontrolle zu haben, ob das Geld gut investiert ist. Das ist teilweise wirklich erstaunlich, da dieses Verhalten in anderen Bereichen des gleichen Unternehmens nicht akzeptabel wäre. Aber genau hier eröffnet sich eine riesige Chance: ist ein Unternehmen heute in der Lage zu untersuchen, ob die Personalmarketing-Maßnahmen oder die Karriereseite gut funktionieren, kann es sich stark von der Konkurrenz absetzen. Die Wahrscheinlichkeit ist nämlich groß, dass die Konkurrenz diese Informationen schlichtweg noch nicht analysiert.

Aber auch abgesehen von der Konkurrenz: Die Lage auf dem Arbeitsmarkt wird nicht besser – ganz im gegenteil – so “gut” wie heute geht es uns nie wieder. Personal wird immer mehr zum limitierten Faktor. Wenn man jedoch weiß, welche Strategie erfolgversprechend ist, kann man mit mehr Selbstbewusstsein dem Vorgesetzten in Budget-Meetings gegenübertreten und aufzeigen, wo das Geld hinfließt und warum die Maßnahmen unter Umständen eine Finanzspritze verdient haben.

Hol’ Dir jetzt das ganze Kapitel zum Thema “Reichweite messen” aus unserem Jobspreader Magazin als kostenlosen Download.

Recruitment Analytics bei der uvex group: Vorgehen, Technologie und Stolpersteine

Veröffentlicht am | von Kathrin Weller | Schreibe einen Kommentar zu Recruitment Analytics bei der uvex group: Vorgehen, Technologie und Stolpersteine

In einem kurzen Interview erklärt Jette bereits heute, wieso die Implementierung von Recruitment Analytics so wichtig ist, welche Zahlen sie mittlerweile messen können und wie man diesen Schritt intern argumentiert.

Recruitment Analytics bei der uvex group

Wer seid Ihr und was genau macht Ihr? Wollt Ihr Euch kurz vorstellen?

Wir sind die uvex group mit Hauptsitz in Fürth, im schönen Franken. Bei uns dreht sich alles um unsere Mission protecting people. Wir schützen Menschen von Kopf bis Fuß im Berufs-, Sport- und Freizeitbereich und das in unseren drei Teilkonzernen: der uvex safety group, der uvex sports group und der Filtral group. Die uvex Winter Holding agiert dabei als Dachgesellschaft und klammert alle wichtigen Corporate Services. Unseren Bekanntheitsgrad haben wir definitiv aus dem Sportbereich von unseren Marken uvex und ALPINA, die bei verschiedenen Sportveranstaltungen allgegenwärtig sind. Jedoch ist die uvex safety group mit mehr als zwei Drittel des Gesamtumsatzes unser größter Unternehmensteil. Hier produzieren wir von der Schutzbrille über den Arbeitssicherheitshandschuh bis hin zum sicheren Schuhwerk.

Das Personalmanagement der uvex group ist mit der Arbeitgebermarke in der uvex Winter Holding angesiedelt und standortübergreifend für alle nationalen und internationalen Standorte verantwortlich. Die Aktivitäten der Arbeitgebermarke liegen zu 95 Prozent im deutschsprachigen Bereich.

Interview Recruiting mit der uvex group

Welchen Herausforderungen seid Ihr im Recruiting begegnet?

Im April 2018 habe ich bei der uvex group gestartet. Zu Beginn habe ich eine IST-Analyse mit Hilfe von Interviews mit meinen Kolleginnen und Kollegen im Personal durchgeführt, um einen Überblick über unsere Zielgruppen, Herausforderungen und Rekrutierungskanäle zu erhalten. Zusätzlich zu den Interviews habe ich angefangen, mir die Auswertungen unseres Bewerbermanagementsystems (Einstellungen, Anzahl Bewerbungen, Eingangsart, Kanäle) anzusehen.

Die Analyse hat uns gezeigt, dass wir uns besonders in der Besetzung von speziellen Berufsgruppen und einzelnen Standorten, bei uns auch liebevoll Spezial-Zielgruppen genannt, besser aufstellen sollten.
Aber auch die Auswertungen über das Bewerbermanagementsystem haben uns nicht zufriedengestellt, da die Kanäle von den Bewerbern im Bewerbungsformular subjektiv gepflegt werden und diese nicht der erfolgreichen Bewerbung zugeordnet werden können. Somit hatten wir bis dato keine Auswertung über den Erfolg unserer Rekrutierungskanäle.

Innerhalb von zwei Jahren haben wir die großen Kanäle durch moderne Recruiting Maßnahmen ersetzt. Nun befinden wir uns im Feintuning unserer Spezial-Zielgruppen. Hier suchen wir nach zusätzlichen Kanälen, die uns bei einer zeitnahen Besetzung helfen.

###promotional-banner###

Warum schien es Euch sinnvoll, Recruitment Analytics zu implementieren und was habt Ihr Euch davon versprochen?

Uns hat die Steuerung des Personalmarketings überzeugt. Mit Hilfe der implementierten Conversion Rate können wir zukünftig unsere Kanäle effizient auswählen, so dass unsere gewünschte Objektivität erreicht wird.

Sind diese Erwartungen bisher erfüllt worden?

Seit März 2020 ist die Conversion Rate in Google Analytics erfolgreich implementiert. Ob die Steuerung so funktioniert, wie wir es erwarten, werden die nächsten Monate zeigen.

Was könnt Ihr nun sehen und auswerten, was Ihr vorher nicht konntet?

– Conversion Rate
– Fehlermeldungen Bewerbungsformular
– Scrolltiefe

Personalmarketing besser steuern mit Recruitment Analytics

 

Musstet Ihr intern diesen Schritt der Implementierung argumentieren und wenn ja, wie konntet Ihr von der Notwendigkeit überzeugen?
Den Schritt der Implementierung mussten wir nicht verargumentieren, da wir eine Firmenkultur haben, in der davon ausgegangen wird, dass der Mitarbeiter in seinem Fachbereich die Expertise mitbringt, um die richtige Entscheidung zu treffen. Da dem Thema HR Kennzahlen vor meinem Start bei der uvex group nicht allzu große Beachtung geschenkt wurde, waren alle Entscheider dem Thema sehr positiv gestimmt.

Das Ziel, das Personalmarketing besser steuern und das Budget gezielter einsetzen zu können, ist meines Erachtens die beste Argumentation gegenüber Entscheidern und überzeugt vom Einsatz eines Recruitment Analytics. Voraussetzung ist jedoch der richtige Einsatz und Umgang.

Das Thema Datenschutz spielt bei der Implementierung eine entscheidende Rolle und hat bei uns tatsächlich Fragen aufgeworfen, denen wir uns gestellt haben. Eine zufriedenstellende Lösung zwischen unserem Datenschutzbeauftragten, dem Legal-Team sowie HR wurde ausgearbeitet, so dass eine saubere Datengrundlage geschaffen wurde.

Vielen Dank für das Gespräch, Jette!

Wenn Du mehr über die Implementierung von Recruitment Analytics bei der uvex group erfahren möchtest, dann kannst Du Dir unsere Webinar-Aufzeichnung zu Recruitment Analytics gemeinsam mit der uvex group kostenlos herunterladen. Momme Klingenberg und Jette Heise geben Dir einen kostenlosen Einblick in den Aufbau einer funktionierenden Recruitment Analytics Infrastruktur und wie gewisse Stolpersteine umgangen werden können.

[promotional-banner id=”51043″]

Was ist eine gute Bewerbungsrate und warum ist sie wichtig?

Veröffentlicht am | von Kathrin Weller | Schreibe einen Kommentar zu Was ist eine gute Bewerbungsrate und warum ist sie wichtig?

Conversion Rate Recruiting: Deine Stellenanzeige ist online, aber es bewirbt sich kaum jemand? Kann passieren. Passiert ehrlich gesagt sogar den meisten Unternehmen – also kein Grund sich zu schämen. Schämen solltest Du dich erst, wenn Du keine Ahnung hast, woran es liegt und Du auch nicht vorhast, etwas daran zu ändern. Nicht einmal der interessanteste Job mit guter Bezahlung, spannenden Aufgabenbereichen und einer unschlagbaren Work-Life-Balance generiert ausreichend Bewerbungen, wenn die Reichweite fehlt. Denn dann bleiben Stellenanzeigen unsichtbar und jede noch so gute Bewerbungsrate unwichtig.

Um eine angemessene Anzahl an Bewerbungen zu erhalten, benötigst Du im ersten Schritt Sichtbarkeit und relevante Klicks. Basierend auf Erfahrungswerten gehen wir davon aus, dass für eine erfolgreiche Besetzung der Position je nach Berufsbild etwa 500 bis 1.000 Besucher:innen die Stellenanzeige aufrufen müssen. Weißt du, wieviele Bewerberkontakte deine Stellenanzeigen haben?

###promotional-banner###

Wie viele Bewerberkontakte haben deine Stellenanzeigen?

Hat die Stellenanzeige die nötige Reichweite erzielt und ausreichend potenzielle Bewerber erreicht, sollten im nächsten Schritt die Bewerbungen eintrudeln. Oder etwas charmanter ausgedrückt: Die Besucher deiner Stellenanzeige werden im besten Fall zu Bewerber:innen.

Wenn Du bereits eine gut besuchte Stellenanzeige hast (yey!), aber trotzdem keine Bewerbungen abgeschlossen werden (buh!), wird Deine Bewerbungsrate (auch Conversion Rate genannt) ziemlich schlecht sein. Dieser KPI  (Key Performance Indicator) zeigt nämlich das Verhältnis von Besuchern einer Stellenanzeige zu abgeschlossenen Bewerbungen. Er wird errechnet, indem man die Klicks auf eine Stellenanzeige durch die eingegangenen Bewerbungen dividiert. Das bedeutet, wenn 15 Bewerbungen auf insgesamt 1.000 Besucher kommen, liegt Deine Bewerbungsrate bei 1,5 Prozent.

Wie berechnet man die Conversion Rate?

Um die Ergebnisse valide evaluieren zu können, benötigst du allerdings wie bereits oben erwähnt eine ausreichende Anzahl an Klicks. Kommt auf zehn Aufrufe eine Bewerbung, beträgt die Bewerbungsrate satte 10 Prozent. Bei solch einer geringen Reichweite sollte man die Conversion Rate trotzdem nicht als Erfolg verbuchen. 10 Klicks sind ziemlich mies und die Rate dadurch natürlich nicht aussagekräftig. Grundsätzlich kann man festhalten, dass bei einer ausreichenden Zahl an Bewerbungen eine Bewerbungsrate ab 2 Prozent völlig in Ordnung ist. Nach oben sind der Conversion Rate natürlich keine Grenzen gesetzt – je höher, desto besser.

Übrigens: Auch wenn wir sagen, dass die Conversion Rate im Recruiting ab 2 Prozent in Ordnung ist, lassen sich nur schwer allgemeingültige Aussagen dazu treffen. Denn schon innerhalb eines Unternehmens kann die Bewerbungsrate zwischen verschiedenen Positionen stark schwanken! Daher ist zum Beispiel ein zeitlicher Vergleich dieser Kennzahl nicht unbedingt zielführend, wenn mittlerweile komplett andere Mitarbeiter gesucht werden.

Die Bewerbungsrate als Erfolgsmessung: Was ist die Conversion Rate?

Die Conversion Rate im Personalmarketing liefert wichtige Erkenntnisse über die Qualität und Attraktivität deiner Stellenanzeige. Sie gibt zum Beispiel an, wie viele User sich eine Webseite ansehen bzw. wie viele Personen auf eine Stellenanzeige geklickt haben und zu Bewerber:innen geworden sind. Die Conversion Rate Recruiting ist eine einfache Möglichkeit, um die Performance der Stellenanzeigen zu kontrollieren und so ihren Erfolg zu messen.

Gleichzeitig lässt sie Rückschlüsse auf die Benutzerfreundlichkeit des Bewerbungsprozesses und die Qualität der Candidate Journey zu. Je nach Datenlage kann genauer analysiert werden, ob das Employer Branding stimmt, die Stellenanzeigen attraktiv sind oder ob die Candidate Journey des gesamten Bewerbungsprozesses geräteübergreifend nutzerfreundlich gestaltet ist.

Je nachdem, an welcher Stelle die Bewerbungen häufig abgebrochen werden, lohnt es sich, etwas genauer hinzuschauen. Gibt es möglicherweise bereits Probleme bei der Orientierung auf der Corporate Page?

Woher kommt eine schlechte Conversion-Rate?

Schlechte Reichweite und Auffindbarkeit:

Wie bereits anfangs erwähnt, ist die Auffindbarkeit der Stellenanzeige DAS Kriterium für einen ausreichenden Bewerbungseingang. Der erste Schritt ist, dass Stellenanzeigen auf der eigenen Corporate Page schnell auffindbar sein sollten, damit Besucher:innen der Seite und Interessenten des Unternehmens im besten Fall als Bewerber:innen die Seite wieder verlassen. Laut Online Recruiting Studie 2022 nutzen nur 65 Prozent der großen DAX-Unternehmen einen Link zur Karriereseite im Headermenü, um Website-User auf ihre Karrierepage und Stellenanzeigen zu leiten. Dieser wichtige Schritt ist kostenlos und trotzdem sehr ergiebig.

Um eine ausreichende Anzahl an Klicks auf Stellenanzeigen zu bekommen, ist auch das Ausspielen von offenen Positionen auf den richtigen Kanälen ausschlaggebend. Der richtige Stellentitel und die richtige Plattform sind richtungsweisend für die nötige Reichweite und die erfolgreiche Besetzung der Positionen. Wer mehr über die perfekte Stellenanzeige und den richtigen Stellentitel erfahren möchte, sollte sich unser kostenloses Whitepaper mal anschauen:

[promotional-banner id=”48280″]

Fehlende Mobiloptimierung:

Auch die fehlende Mobiloptimierung von Stellenanzeigen, Jobbörsen und Bewerbungsformularen sind ein Conversion-Fresser und führen dazu, dass viele Interessenten ihre Bewerbung nicht zu Ende ausfüllen oder abschicken. Es passiert nicht selten, dass Unternehmen ihre Stellen in den Sozialen Medien bewerben und weder die Stellenanzeige noch das Bewerbungsformular auf dem Smartphone genutzt werden können. Die Conversion Rates dürfte in solch einem Fall sehr, sehr gruselig ausfallen.

Conversion Rate Recruiting Mobiloptimierung

Zu langes Bewerbungsformular und Registrierungszwang:

Behält man seine Recruiting KPIs im Blick und es fällt einem auf, dass viele Kandidat:innen beim Bewerbungsformular abspringen, könnte es natürlich zum einen an der fehlenden Mobiloptimierung liegen, aber auch an einer zu hohen Anzahl an Pflichtfeldern oder dem Zwang zu einem Bewerbungsaccount. In unserer Recruiting Studie 2022 konnten wir feststellen, dass immer noch die Hälfte der Unternehmen Bewerber:innen zum Anlegen eines solchen Accounts zwingen. Auch die Anzahl an Pflichtfeldern in den häufig nicht einmal mobiloptimierten Bewerbungsformularen ist viel zu hoch: In unserer Studie gibt es durchschnittlich acht Pflichtfelder, während der Spitzenreiter bei 22 auszufüllenden Pflichtfeldern lag. Kein Interessent, egal ob aktiv oder passiv auf Jobsuche, möchte auf einem Smartphone 22 Felder ausfüllen, um seine Bewerbung abzuschicken.

###promotional-banner###

Für eine erfolgreiche Analyse der eigenen Karriereseite oder Stellenanzeige lohnt es sich, die wichtigsten Recruiting KPIs über einen längeren Zeitraum im Blick zu haben und sie stetig auszuwerten. Wer eine kurze Einführung in die wichtigsten KPIs benötigt oder sich einfach ein bisschen weiterbilden will, sollte einen Blick in die kostenlose Aufzeichnung unseres Webinars riskieren: Momme Klingenberg erläutert die Grundlagen von Google Analytics und anderen Analytics-Tools.

Grundlagen des Recruitings: Kennzahlen in Google Analytics Teil II

Veröffentlicht am | von Asif Shaikh | Schreibe einen Kommentar zu Grundlagen des Recruitings: Kennzahlen in Google Analytics Teil II

Lust auf eine zweite Runde im Karussell names “Google Analytics im Recruiting”? Letztes Mal haben wir die Grundlagen von Recruitment Analytics, genauer gesagt über Google Analytics, gesprochen und auch schon die ersten Messwerte behandelt.

Heute erläutere ich, wie Du herausfindest, ob die Kandidaten von und auf Deiner Webseite gut angesprochen werden und von welcher Quelle die meisten Bewerber kommen. Zur Erinnerung, hier die gesamte Tabelle mit anonymisierten Quellen:

Google Analytics im Recruiting: Ausschnitt aus Google Analytics mit Personalmarketing Kennzahlen

Wir haben ja schon über die Quellen, Nutzer und Sitzungen gesprochen. Es lohnt sich, nochmal in den alten Artikel zu schauen, falls Du Dir nicht mehr sicher bist, was diese Messwerte aussagen. Nun schauen wir uns aber mal den Rest der Tabelle an und gehen Stück für Stück die Messwerte durch.

Google Analytics im Recruiting: Absprungrate und Sitzungsdauer

Google Analytics im Recruiting: Absprungrate, Sitzungsdauer und Sitzungen

Der wohl beliebteste und auch gemeinste Messwert ist die Absprungrate. Gemein ist sie deshalb, weil die Erklärung der Absprungrate im ersten Augenblick intuitiv erscheint: “Es verlassen halt Nutzer die Website. Je mehr, desto schlechter!”, denken hier viele. Für die Bewertung der Quote braucht es aber leider ein bisschen mehr Hintergrundwissen:

1. Was ist überhaupt ein Absprung?
2. Woher weiß Google Analytics, dass ein Nutzer weg ist?

Vielleicht fangen wir damit an, was Google Analytics NICHT über den Nutzer weiß: Google Analytics weiß nicht, ob jemand etwas mit der Maus markiert, ein Dropdown-Menü öffnet, ein Video startet oder auf die Mailadresse des Recruiters klickt. Google Analytics misst (standardmäßig) nur Klicks, durch die eine neue Seite geöffnet wird.

Der Nutzer kann sich also die Stellenanzeige interessiert durchlesen, Videos anschauen oder durch eine Bildergalerie klicken – das ist Google Analytics alles herzlich egal, wenn sich dabei keine neue Seite innerhalb des Browsers aufbaut.

Mit diesem Wissen im Gepäck erinnern wir uns daran, was eine Sitzung ist: Eine Sitzung beginnt, wenn der Nutzer auf Deine Website kommt und dauert standardmäßig 30 Minuten. Wenn der Nutzer nun mit Deiner Seite interagiert (wir erinnern uns daran, was Google Analytics NICHT messen kann), endet die Sitzung nach 30 Minuten. Sollte der Nutzer jedoch innerhalb der 30 Minuten mit der Seite interagieren, dann wird die Sitzung um 30 Minuten verlängert.

Google Analytics im Recruiting: Sitzungsdauer erklärt

Die Sitzungsdauer ist somit nicht so lange, wie der Nutzer wirklich auf Deiner Seite unterwegs ist, sondern misst nur die Zeit von Interaktion zu Interaktion.
Was aber passiert, wenn der Nutzer auf die Seite kommt und danach nicht mehr mit ihr interagiert? Nach 30 Minuten ohne Interaktion wird die Sitzung beendet. Wenn bis auf den Eintritt der Seite keine messbare Interaktion stattgefunden hat, haben wir einen Absprung (oder Bounce). Google Analytics misst nur die Zeit von Interaktion zu Interaktion und gibt diese als Sitzungsdauer an. Deshalb haben wir bei einem Absprung dann auch nur eine Sitzungsdauer von 0 Minuten.

Google Analytics im Personalmarketing: Sitzungsdauer erklärt

Wichtig ist wieder zu beachten, was Google Analytics nicht messen kann. Google Analytics weiß nicht, ob jemand während seiner Zeit auf der Seite die Mailadresse des Recruiters rauskopiert hat, sich eine Stellenanzeige aufmerksam durchgelesen hat, ein Lesezeichen gesetzt oder sogar schon das Word Dokument geöffnet hat, um die Bewerbung zu schreiben. Das einzige, was zählt, ist ob innerhalb der 30 Minuten etwas von Google Analytics gemessen wurde – und das ist standardmäßig nur dann der Fall, wenn sich eine neue Seite aufbaut.
Keine Sorge, man kann durchaus mit ein wenig Aufwand auch abgespielte Videos oder Scrolltiefen messen und somit Sitzungen verlängern – aber halt nicht von Haus aus. Was man jedoch nie messen kann ist, ob ein Lesezeichen gesetzt wurde.

Nun können wir auch die nächsten Messwerte interpretieren:

Google Analytics Personalmarketing: Was heißt Sitzungsdauer?

Insgesamt wird hier eine Absprungrate von 75% angezeigt. Man könnte dementsprechend meinen, dass 75% der Sitzungen sofort beendet wurden. Quelle 1 und Quelle 2 sind hier die Übeltäter mit 81% und 72%. Quelle 3, (direct) und google hingegen haben eine anständige Absprungrate. Bedeutet das also, dass Quelle 1 und 2 nur schlechten Traffic liefern?

Okay, rhetorische Frage – nein, tun sie natürlich nicht. Wir müssen bei der Beurteilung der Absprungrate immer beachten, an welcher Stelle der Website der Nutzer einsteigt und welche Interaktionsmöglichkeiten an dieser Stelle zur Verfügung stehen. Quelle 1 und Quelle 2 werden direkt auf die Stellenanzeige verlinken, während (direct) und google unterschiedliche Einstiegsorte haben und schlussendlich Quelle 3 direkt in das Bewerbungsformular verlinkt.
Da Quelle 1 und Quelle 2 auf die Stellenanzeige verlinken, werden viele Nutzer auf die Seite kommen und erst an dieser Stelle nähere Informationen zu dem Job und Arbeitgeber erfahren.

Nun frage ich Dich: welche Möglichkeiten hat Google Analytics standardmäßig, um das Interesse der Nutzer zu messen? Die meisten Stellenanzeigen geben dem Nutzer ja nur die Möglichkeit sich zu bewerben oder zu gehen. Auch wenn ein Nutzer sich die Anzeige extrem aufmerksam durchliest und ein Lesezeichen setzt – Google Analytics wird diesen (aus Sicht des Personalmarketings) erfolgreichen Kontakt mit einem Absprung abstrafen, wenn in 30 Minuten noch kein messbarer Klick passiert ist. Dieser messbare Klick ist jedoch in den allermeisten Stellen die höchste Eskalationsstufe – nämlich die Bewerbung. Wer bewirbt sich bitteschön in den ersten 30 Minuten?! Genau, fast niemand!

(direct) und google haben somit eine niedrige Absprungrate, da die Nutzer ja meistens nicht direkt in die Jobanzeigen einsteigen. Vielmehr müssen sich die Nutzer erst einmal durch das Karriereportal oder die Startseite zu den interessanten Jobs durchklicken. Es ist also sehr viel wahrscheinlicher, dass eine messbare Interaktion stattfindet. Über die Qualität des Traffics sagt das jedoch noch nichts aus.

__________________________________

Exkurs: Navigationssuche bei Google

Apropos Google: Wenn Du keine Google Ads Kampagne laufen lässt, funktioniert Google zumeist als “Navigations-Suche”. Nicht jedoch als wirklicher organischer Nutzerlieferant. Eine Navigationssuche liegt dann vor, wenn der Nutzer Google aus Faulheit dazu nutzt, um auf schon bekannte Seiten zu kommen. Das wäre z.B. “Mercedes Karriere” oder “Siemens Jobs”. Der Nutzer kennt die Unternehmen schon und “stolpert” nicht über sie in einer Google Suche. Ein waschechter organischer Treffer hingegen wäre “Ingenieur Job Hamburg” oder “Marketing Karriere Deutschland”. An dieser Stelle Nutzer zu akquirieren, ist für “normale” Unternehmen jedoch faktisch unmöglich, da die großen Jobbörsen und Suchmaschinen die ersten Ergebnisseiten absolut dominieren:

Google Jobs: Die Jobsuche startet meistens bei Google

__________________________________

Zusammenfassend kann also gesagt werden, dass Zugriffe, die über (direct) bzw. google angezeigt werden, von Nutzern stammen, die Dich höchstwahrscheinlich schon kennen und z.B. über bezahlte Personalmarketing-Maßnahmen auf Dich aufmerksam geworden sind und schlichtweg wiederkommen.

Aber was ist denn nun mit Quelle 3 los? Hier sind ja alle Zahlen mega gut!

Da Quelle 3 direkt auf das Bewerbungsformular und nicht die Stellenanzeige verlinkt, haben wir es hier mit einer klassischen Jobbörse zu tun (sowie Stepstone, Monster, stellenanzeigen.de und so weiter). Bei dieser Art Quelle liegen die Stellenanzeigen bekanntermaßen auf der Jobbörse selbst. Der Entscheidungsprozess, ob die Stelle interessant ist, findet somit auf der Jobbörse statt. Nicht wie bei Quelle 1 und Quelle 2 auf Deiner Seite.

Alles, was auf der Jobbörse passiert, wird von Deinem Google Analytics natürlich nicht erfasst – erst dann, wenn der Nutzer auf Deine Seite kommt. Wenn sich nun ein Bewerber auf der Jobbörse dazu entschieden hat, sich dann auch zu bewerben, kommt dieser Nutzer “aufgeladen” auf Deine Seite und die Bewerbungsquote ist folglich höher. Das bedeutet jedoch nicht unbedingt, dass Quelle 3 besser funktioniert als Quelle 1 oder Quelle 2. Viel interessanter ist die Frage: was hat schlussendlich der Bewerberkontakt bzw. die Bewerbung gekostet?

[promotional-banner id=”43316″]

Bewerbungstracking mit Google Analytics

Da wir schon über Bewerbungen sprechen, bietet es sich nun an, auf den Bewerbungseingang unseres Beispiels zu schauen:

Bewerbungen tracken mit Google Analytics

Wir schauen erneut auf die drei stärksten, bezahlten Quellen 1,2,3. Auf den ersten Blick ist Quelle 1 sehr stark in den absoluten Zahlen (Bewerbung gestartet 207 und dann tatsächlich abgeschickt 79). So weit, so gut. Quelle 2 und 3 hingegen haben zwar weniger Bewerbungen generiert, aber die Bewerbungsrate ist höher – also das Verhältnis von Nutzern zu Bewerbern. Dieses Verhältnis wird in der Tabelle durch die Conversion-Rate gemessen.

Warum Quelle 3 so gut dasteht (auf 56 Nutzer kommen 12 versendete Bewerbungen!), habe ich ja schon oben erläutert: Die Nutzer haben sich bereits auf der Jobbörse über die Stelle informiert. Die gut informierten Nutzer, die dann wirklich weiter geklickt haben und direkt auf dem Bewerbungsformular landen, haben dementsprechend einen höheren Bewerbungswillen. Leider ist Quelle 3 nur eingeschränkt mit Quelle 1 und Quelle 2 vergleichbar. Entscheidend ist, wie viel Budget Quelle 3 im Vergleich zu Quelle 1 und Quelle 2 verbraucht und was somit eine Bewerbung im Durchschnitt kostet.

Quelle 2 hingegen ist interessant: Da diese Quelle durchaus auf die Stellenanzeige verlinkt, ist sie somit auch mit Quelle 1 vergleichbar. Dementsprechend scheint Quelle 2 besser zu funktionieren, da hier das Verhältnis von Nutzern zu Bewerbern besser ist. Auch hier stellt sich die Frage, wie viel Budget Quelle 2 pro Bewerbung kostet. Meine Vermutung wäre in diesem Fall, dass Quelle 2 und Quelle 3 nur ein paar Stellen gezielt verbreitet, während über Quelle 1 alle Stellen als Grundrauschen verbreitet werden.

Die mysteriöse (direct) Quelle

Aber was ist denn bitte mit (direct) los? Höchstwahrscheinlich wurde für diese Quelle nicht bezahlt. Bedeutete das also, dass so viele Leute das Beispielunternehmen kennen und die Adresse der Karriereseite direkt eingeben? Ein absoluter Employer Branding Erfolg?

Naja, leider nicht ganz. Ich stelle mal die Frage: wie bewirbt sich denn ein normaler Nutzer? Sagen wir mal, ein Bewerber sucht während der Arbeit nach einem neuen Job (und ja, das passiert sehr häufig, unsere Software Jobspreader zeigt am Montagvormittag mit Abstand die höchsten Zugriffszahlen) oder aber eine Bewerberin schaut in der Bahn mit ihrem Handy nach einer neuen Anstellung. Der normale Bewerber wird sich nun ein Lesezeichen setzen oder sich den Job per Mail als Erinnerung selbst schicken. Die tatsächliche Bewerbung wird dann höchstwahrscheinlich über den heimischen PC laufen.

Wir erinnern uns an Teil 1: Da ein Nutzer ja immer der Browser ist, nicht der Mensch vor dem Gerät, kann Google Analytics nicht den Arbeitsrechner bzw. das Handy mit dem heimischen Rechner zusammenbringen. Folglich wird die Bewerbung (direct) zugeordnet, OBWOHL die wirkliche Bewerbungsentscheidung einer bezahlten Quelle zuzuordnen ist. Doof, oder? Lässt sich aber leider nicht ohne weiteres ändern. Hierzu müsste man noch tiefer in die Materie einsteigen: Zauberwörter „geräteübergreifendes Tracking“ und „Attributionsmodelle“.

Aber das machen wir dann im nächsten Teil zum Thema Google Analytics im Recruiting!

Grundlagen des Recruitings: Kennzahlen in Google Analytics

Veröffentlicht am | von Asif Shaikh | Schreibe einen Kommentar zu Grundlagen des Recruitings: Kennzahlen in Google Analytics

Anleitungen und Tutorials für Google Analytics gibt es wie Sand am Meer. Das Problem ist da leider nur, dass diese Guides eigentlich fast nie das Thema Recruiting im Blick haben. Das soll sich mit diesem Artikel ändern! Im Folgenden zeige ich Dir, welche Kennzahlen Du in Google Analytics wirklich für Dein Recruiting Analytics brauchst (weniger als Du denkst) und welche Fragen Du Dir damit beantworten kannst (ziemlich viele).

Bevor jetzt einige Matomo/Webtrekk/Adobe Analytics Fans entrüstet aufschreien: Google Analytics ist mit Abstand die beliebteste (und meiner Meinung auch beste) Software für Web-Analyse. Daher konzentriere ich mich in diesem Artikel nur auf diese. Die meisten Kennzahlen gibt es auch in anderen Lösungen – der Weg dorthin ist unter Umständen jedoch ein wenig anders.

Online und Offline Kennzahlen messen

Zunächst einmal müssen wir festhalten, für welchen Case sich Google Analytics überhaupt eignet. Man kann grob zwischen “Online” und “Offline” Kennzahlen unterscheiden.

Mit Google Analytics können wir nur betrachten und analysieren, was auf Webseiten passiert. Dazu gehören keine klassischen Personalmarketing-Kennzahlen wie zum Beispiel Time-to-Fill oder die Bewerbungen-zu-Angebot Rate. Um hier mehr zu erfahren, solltest Du auf Deine Bewerbermanagement-Software zurückgreifen. Diese “Offline” Kennzahlen betrachten eher Deinen internen Prozess, während “Online” Kennzahlen die Wirkung Deines, wer hätte es erwartet, Online-Auftrittes zeigen.

Funnel im Recruiting

In dem klassischen Marketing-Trichter könnte man zu “Online” die Stufen “Potenzielle Bewerber” und “Interesse” zählen. Bei “Potenzielle Bewerber” wird die Interaktion des Nutzers mit Deinen Personalmarketing-Maßnahmen beobachtet.
An dieser Stelle machst Du mit geschickter Überzeugungsarbeit aus einer Person, die Dich als Arbeitgeber nicht kennt, einen potenziellen Bewerber.

An dem Punkt “Interesse” begeisterst Du den potenziellen Bewerber und überzeugst ihn, sich mit Deinem Online-Auftritt auseinander zu setzen und ihn für sich zu bewerten. Hier entscheidet der Bewerber, ob der Job für ihn in Frage kommt, um dann schlussendlich Kontakt mit Dir aufzunehmen – im besten Fall in Form einer Bewerbung.

[promotional-banner id=”43316″]

Die Candidate Journey in Google Analytics verfolgen

Diese beiden Stufen der Online Candidate Journey lassen sich in Google Analytics ganz einfach darstellen. Aber Stop! Bevor wir wild anfangen Daten zu sammeln und anschließend zu interpretieren, benötigen wir Fragestellungen, die die beiden Stufen “Potenzielle Bewerber” und “Interesse” einfangen. Auf Grundlage dieser Fragen können wir dann die wirklich sinnvollen Messwerte auswählen und uns einen Bericht bauen.

In der Stufe “Potenzielle Bewerber” ist für uns die Information am wichtigsten, welche Personalmarketing-Maßnahme für Deine Zielgruppe am besten funktioniert. Insofern stellt sich hier die Frage:

“Von welcher Quelle kommen die meisten Bewerber?”

Kurzer Einschub: Du Fragst Dich vielleicht, warum wir nur die Quantität und nicht die Qualität der Bewerber wissen wollen. Das hat folgenden Grund: Die Qualität der Bewerber ergibt sich erst in den unteren beiden Stufen unseres Funnels und zählt somit zu “offline”. Dafür gibt es einen Grund: Google Analytics kann – auch aus datenschutzrechtlichen Gründen – eine Bewerbung nicht einer Person direkt zuordnen. Du kannst mit einer Analytics Software nicht messen, ob Deine Personalmarketing Maßnahme besonders gute oder besonders schlechte Bewerbungen generiert hat. Für die Beurteilung einer Maßnahme reicht es jedoch in den meisten Fällen aus, erst einmal die Quantität der Bewerbungen zu bewerten. Die Qualität der Bewerbungen wird nämlich weniger durch die Quelle beeinflusst, sondern eher durch eine korrekte und passende Ansprache mittels Stellenanzeige und Employer Branding. Wenn in Deiner Stellenanzeige zum Beispiel keine Eingrenzung der Berufserfahrung aufgeführt ist, Du jedoch einen Senior suchst, werden sich die falschen Kandidaten bewerben. Die Quelle ist dabei völlig irrelevant.

Die Stufe “Interesse” beschreibt, wie der Kandidat sich auf Deiner Seite bewegt und ob Du seine Aufmerksamkeit wecken kannst. Insofern kann die Fragestellung an dieser Stelle lauten:

“Eignet sich der Content dazu, die Aufmerksamkeit der Nutzer zu wecken?”

Diese beiden Fragestellungen können wir nun mittels eines Berichts in Google Analytics abbilden.

Ich habe einen solchen Bericht schon vorbereitet. Wir sehen hier übrigens echte Daten von einem unserer Kunden. Um das besagte Unternehmen zu schützen, habe ich alle Quellen mit Klarnamen anonymisiert.

Du willst diesen Bericht bei Dir aufrufen? Dafür musst Du einen benutzerdefinierten Bericht erstellen. Wie das geht, zeige ich Dir im nächsten Artikel. Aber keine Sorge, Du kannst auch jetzt schon Deine eigenen Daten vergleichen: Mein benutzerdefinierter Bericht kommt einem Google Analytics Standard Bericht sehr nahe.

Diesen findest Du unter Akquisition → Alle Zugriffe → Quelle/Medium

Der Unterschied zu meinem benutzerdefinierten Bericht ist hier nur der Messwert “Neuer Nutzer” und dass wir gestartete und abgeschickte Bewerbung nicht auf einer Seite sehen. Den Messwert “Neue Nutzer” habe ich aus meinem Bericht geworfen, da ich diesen Wert sehr kritisch sehe. Dieser Wert ist eigentlich immer zu hoch und führt oftmals zu Fehlinterpretationen.

So. Bereit? Dann nehmen wir den Bericht mal gemeinsam Wert für Wert auseinander.

Was Dir Quelle, Nutzer und Sitzungen verraten und wo Du sie findest

In Google Analytics lassen sich die Daten in zwei Kategorien aufteilen: Dimensionen und Messwerte. Dimensionen sind Attribute Deiner Daten, also z.B. Seiten-Adressen, Städte oder (wie hier) die Quelle Deiner Besuche. Messwerte beschreiben diese Attribute mit Zahlen, wie z.B. Anzahl der Nutzer, Nutzungsdauer oder Anzahl der Bewerbungen. Hier sehen wir also eine Quelle und die Performance dieser wird durch die Anzahl der Nutzer und Sitzungen beschrieben.

  • Quelle

Die Quelle wird von Google Analytics automatisch erkannt. Eine Besonderheit ist (direct) – in diesem Beispiel an der zweiten Stelle. (direct) sind alle Zugriffe, für die keine Quelle erfasst werden kann. Das kann vorkommen, wenn der Nutzer Deine Website-Adresse manuell eintippt oder er sich Deine Adresse über ein Lesezeichen gespeichert hat.

In diesem Beispiel kommen die Nutzer von 5 Quellen. Drei dieser Quellen sind (anonymisierte) Personalmarketing Maßnahmen, wie Jobbörsen, Jobsuchmaschinen oder Reichweite-Aggregatoren. Die anderen beiden sind besagte (direct) Zugriffe und Nutzer, die über eine Google Suche auf Deine Seite gekommen sind. Zu Google gehört in diesem Fall “organische” Suche – also unbezahlt – und bezahlte Klicks per Google Ads.

Diese Quellen werden durch die Messwerte Nutzer und Sitzungen beschrieben. Aber was ist überhaupt ein Nutzer oder eine Sitzung bei Google Analytics?

  • Nutzer

Beim Wort “Nutzer” würden die meisten wohl schätzen, dass hier die Menschen gezählt werden, die mit der Seite interagieren. Das stimmt aber nur halb, denn woher will Google Analytics wissen, wer da vor dem Bildschirm sitzt?

Um jedoch zu wissen was ein Nutzer ist, bleibt mir nichts anderes übrig, als kurz über Cookies zu reden. Genau, diese Dinger, denen man immer zustimmen muss, wenn man im Internet surft. Cookies sind eigentlich nichts anderes, als kleine Dateien, die Dein Browser (z.B. Firefox, Chrome oder Internet Explorer) downloaded. Diese Dateien werden dann dazu benutzt, Dich zu einem späteren Zeitpunkt erneut zu identifizieren.

Sagen wir also ein Nutzer, der den Browser Firefox nutzt, kommt das erste Mal auf Deine Karriereseite. Wenn der Nutzer keine Cookies blockiert hat ( z.B. durch eine Firewall oder Adblocker) wird bei dem ersten Besuch automatisch ein Cookie von Google Analytics heruntergeladen. Der Cookie wird dann in einem Ordner vom Firefox Browser abgelegt und enthält eine anonymisierte Nutzerkennung. Kommt der Nutzer also nach 14 Tagen wieder auf Deine Seite, prüft Google Analytics, ob in dem Cookie Ordner des Browsers bereits ein Cookie liegt. Ist dies der Fall, kann Google Analytics sagen: “Okay, wir haben einen wiederkehrenden Nutzer.” Liegt kein Cookie vor – oder die Cookies wurden zwischenzeitlich gelöscht – zählt Google Analytics einen “Neuen Nutzer”.

Hier liegt auch die Krux begraben: Wenn diese Person nach 14 Tage nicht mit dem Firefox Browser auf Deine Seite kommt, sondern mit dem Chrome Browser, findet Google Analytics keine Cookies in dem Chrome Ordner und denkt demnach, der Nutzer wäre neu. Dabei ist es vollkommen egal, ob der Zugriff von dem gleichen PC kam oder der Mensch vor dem Bildschirm ein und derselbe ist.

Ein Nutzer ist somit immer nur der Cookie, der in einem Browser abgelegt wurde.

Insofern ist es auch schwierig, den Erstkontakt – der z.B. auf dem Handy stattgefunden hat – mit der wirklichen Bewerbung zusammenbringen. Obwohl der gleiche Mensch vor den Geräten sitzt, denkt Google Analytics natürlich, dass es zwei Nutzer wären.

In dem oberen Beispiel waren insgesamt 15.700 Nutzer auf Deiner Seite. Davon kamen die meisten von einer anonymisierten Personalmarketing Quelle (fast 13.000 Nutzer oder noch spannender ist der Wert in der Klammer dahinter, nämlich 80% der Gesamtnutzer) und danach über (direct).

  • Sitzungen

Der Messwert “Sitzungen” ist wohl der wichtigste Wert in Google Analytics, da von diesem Wert ausgehend auch viele andere Werte berechnet werden, z.B. Bewerbungsrate und Sitzungsdauer. Aber was genau ist diese Sitzung?

Nehmen wir mal dieses Szenario als Beispiel: Tobias kommt auf Deine Karriereseite über eine Google Suche. Sobald Google Analytics Tobias über einen Cookie identifiziert hat, beginnt eine Sitzung. Eine Sitzung ist standardmäßig 30 Minuten lang. Jetzt kommt der Knacker: Eine Sitzung verlängert sich immer um 30 Minuten, wenn Tobias auf irgendetwas auf Deiner Webseite klickt.

Sobald Tobias also nach 23 Minuten ohne vorherige Reaktion doch noch auf etwas klickt, wird die gleiche Sitzung um 30 Minuten verlängert. Wenn Tobias jedoch 30 Minuten nirgendwo rauf klickt, wird die Sitzung geschlossen. Sollte Tobias dann nach Minute 32 doch noch auf etwas klicken, beginnt eine zweite, komplett neue Sitzung.

Wichtig: Google Analytics kann nicht wissen, ob jemand den PC ausgemacht hat, das Browserfenster geschlossen hat oder auf die Toilette gegangen ist. Das Einzige, was zählt, ist, ob innerhalb der 30 Minuten eine Interaktion stattfand oder eben nicht. 

Warum das Ganze? Eine Google Analytics Sitzung soll alle Interaktionen eines Besuches zusammenfassen. Stell Dir vor jemand beobachtet, wie Du durch einen Supermarkt gehst, um die Warenanordnung zu optimieren. Das gleiche System gilt auch bei Google Analytics. Eine Interpretation macht nur Sinn, wenn man den gesamten Besuch betrachtet, nicht nur einzelne von einander unabhängige Interaktionen.

Weitere Google Analytics Kennzahlen gefällig? Fortsetzung folgt!

Das war ziemlich viel Input, oder? Reicht dann auch – fürs Erste!

Im nächsten Artikel erkläre und interpretiere ich alle weiteren Messwerte. Stay tuned! 

Guide zur Implementierung von Recruitment Analytics (Teil 3 Recruitment Analytics)

Veröffentlicht am | von Asif Shaikh | Schreibe einen Kommentar zu Guide zur Implementierung von Recruitment Analytics (Teil 3 Recruitment Analytics)

In den vergangenen Teilen habe ich Dir gezeigt, warum die wenigsten von Euch überhaupt tracken können und was passieren kann, wenn man im Blindflug unterwegs ist. Wir von der Wollmilchsau wollen aber nicht nur Probleme aufzeigen, sondern auch Lösungen bieten. In diesem Artikel zeige ich Dir, wie Du Dein Recruitment Analytics auf Vordermann bringst. Damit Du nachvollziehen kannst wovon ich hier rede, empfehle ich dringend, die zwei vorherigen Teile zu lesen. Hier geht’s zu Teil 1 und Teil 2.

Was muss Recruitment Analytics können?

Mit Recruitment Analytics wollen wir konkret folgende Fragen beantworten:

    • – Wie hoch sind die Besucherzahlen für die einzelnen Stellenanzeigen?
    • – Von welchen Quellen kommen die Kandidaten auf die Stellenanzeigen? (Jobbörsen, Jobsuchmaschinen, Suchmaschinen, Direkt etc.)
    • – Wie viele Bewerber kommen auf einen Besucher? (Im Marketingjargon spricht man von einer Conversionrate.)
    • – Wie viele Kandidaten beenden auch tatsächlich die Bewerbungen? (Die im letzten Teil besprochene Bewerber-Abbruchquote.)
    • – Und zuletzt: Welche Quelle bietet die beste Qualität? Dazu müssen wir Nutzerzahlen der einzelnen Quellen mit den jeweiligen Conversionraten und Bewerber-Abbruchquoten vergleichen.

Natürlich können die meisten Analytics Lösungen noch einiges mehr. Wir sind hier aber nicht bei Amazon oder Zalando und müssen jede Mausbewegung analysieren. Zunächst reicht uns vollkommen die wohl wichtigste Frage: “Wo kommen meine Kandidaten her und bewerben die sich auch wirklich?”

Bevor wir starten, müssen wir aber herausfinden, welche Lösung für Dich und Dein System passt.

Welche Recruitment Analytics Lösung ist die richtige für Dich?

Ich habe noch keine zwei Unternehmen gesehen, die eine gleiche Kombination aus Bewerbermanagment System (im Folgenden nutze ich die geläufige Abkürzung ATS), Einbindung in die Karrierewebseite und Analytics Software im Einsatz haben. Dennoch kann man die Infrastruktur für diesen Guide in drei grobe Varianten aufteilen.

Variante A – Keine Umleitung auf ein ATS: Alles liegt auf Deiner eigenen Karrierewebseite; seien es Jobbörse, Stellenanzeigen oder Bewerbungsformulare.

Variante B – Umleitung auf das ATS bei dem Bewerbungsformular: Die Stellenbörse und Stellenanzeigen liegen noch auf Deiner eigenen Karrierewebseite. Der Klick auf „Jetzt Bewerben“ führt jedoch auf die Domain des ATS-Anbieters.

Variante C – Umleitung ab der Stellenanzeige (oder früher): Der Bewerbungsprozess findet schon ab der Stellenanzeige auf der ATS-Webseite statt. Hierzu kann man auch Komplettlösungen mit der gesamten Karrierewebseite oder mitgelieferter Jobbörse zählen.

Damit Du Dein Unternehmen richtig zuordnen kannst, musst Du Dir einfach die folgende Frage stellen: Wann wird der Kandidat von Deiner eigenen Karrierewebseite umgeleitet? Am besten findest Du das heraus, wenn Du Dich einfach selbst bewirbst. Ändert sich die URL und wenn ja, wann?

 

Weiterleitung Erklärung

Da Du jetzt weißt, zu welcher Variante Dein Unternehmen gehört, können wir anfangen, ein Recruitment Analytics zu installieren.

Installation von Recruitment Analytics: Variante A – Keine Umleitung auf ein ATS

Bei dieser Variante sind wir nicht abhängig von einem ATS und können somit eine Standardinstallation einer externen Analytics-Software vornehmen.

In diesem Guide beschränke ich mich auf die wohl beliebteste und bekannteste Software Google Analytics.

Schritt 1) Erstelle ein Konto bei Google. Ich empfehle für den Analytics Zugang ein nagelneues Konto zu erstellen, um hier alle Zugangsrechte zu bündeln und an Mitarbeiter und Dienstleister zu verteilen.

Schritt 2) Erstelle einen Analytics Account. Ich möchte in diesem Guide nicht zu sehr ins Detail gehen und verweise Dich hier an die Google Hilfe. Der Google Support ist an dieser Stelle sehr hilfreich und erklärt die notwendigen Schritte klar gegliedert und nachvollziehbar.

Schritt 3) Bei der Erstellung Deines Google Analytics Accounts wurde Dir eine Property Nummer zugeteilt. Die sieht ungefähr so aus: UA-1234567-12. Diese Nummer müssen wir nun in Deine Webseite integrieren, damit Google Analytics Daten erfassen kann. Leider wird es ab dieser Stelle kompliziert und setzt HTML Grundkenntnisse voraus. In der Praxis bedeutet das meistens, dass Du diesen Schritt an Deine IT-Abteilung oder Agentur weitergeben musst. Du willst das alles selbst übernehmen? Dann wäre hier ein guter Punkt zu starten. Tipp: Ich empfehle dringend die Installation über das Tool Google Tag Manager. Das Tool vereinfacht den gesamten Prozess signifikant, da hier nur ein einziges Mal etwas in den HTML-Code Deiner Seite geschrieben wird. Alles Weitere kann über den Tag Manager eingestellt werden. Das ist für Dich ein riesiger Vorteil, da Du so nicht bei jeder Änderung an die Tür Deiner überlasteten IT-Kollegen klopfen musst.

Schritt 4) Google Analytics läuft und erfasst erste Daten? Super, jetzt müssen wir nur noch Google Analytics fit für das Bewerbertracking machen. Von Haus aus kann Google Analytics erkennen, von welcher Quelle Deine potenziellen Kandidaten auf Deine Webseite gelangen. Nun müssen wir Analytics nur noch beibringen, dass erkannt wird, ob sich ein Kandidat wirklich bewirbt. Dazu müssen wir sogenannte Zielvorhaben erstellen. Zielvorhaben sind die Grundlage für das Conversion-Tracking und markieren von Dir definierte Erfolge, wie z.B. eine Bewerbung, Newsletter Anmeldung, abgespieltes Video und so weiter. Wie man Zielvorhaben einstellt, zeigt am besten wieder die Google Hilfe.

————————————————————–

Exkurs: Tracking für Zielvorhaben einrichten

Wir müssen nun jeweils ein Zielvorhaben für eine angefangene und abgeschickte Bewerbung einrichten. Nur so können wir auch die Bewerber-Abbruchquote berechnen und Verbesserungen im Bewerbungsprozess umsetzen. Um Bewerbungen zu tracken bieten sich zwei Arten des Zielvorhaben-Trackings an:

1. Wir zählen eine angefangene/abgeschickte Bewerbung, wenn eine URL geladen wird (Zielvorhaben vom Typ „Ziel“).

Diese Variante ist vergleichsweise schnell eingerichtet. Voraussetzung ist jedoch eine URL-Struktur, die diese Einstellung unterstützt. Das bedeutet, dass jede Adresse einem Schritt im Bewerbungsprozess eindeutig zuzuordnen ist. Das kann z.B. so aussehen:

www.beispiel.de/job1 <– Stellenanzeige
www.beispiel.de/job1/Bewerbung  <– Bewerbung gestartet
www.beispiel.de/job1/Bewerbung_send  <– Bewerbung versendet

Hier könnte man jeden Schritt hervorragend messen und nachvollziehen. Check das mal bei Dir ab. Wenn das aufgrund der URL Struktur bei Dir nicht geht, dann musst Du in den sauren Apfel beißen und Dich mit der fortgeschrittenen Alternative begnügen.

2. Wir zählen eine angefangene/abgeschickte Bewerbung, wenn ein Button geklickt wird (Zielvorhaben vom Typ „Ereignis).

An dieser Stelle muss man wieder Code in den HTML Code Deiner Webseite schreiben. Oder besser, wenn Du den Google Tag Manager nutzt, können hier die Einstellungen vorgenommen werden. Hier gilt das gleiche, das ich schon bei der Installation von Google Analytics geraten habe: Hol dir Hilfe von jemanden, die/der etwas von Programmieren versteht oder aber solche Ereignisse schon eingerichtet hat. Für alle mutigen Leser/Leserinnen: Hier die Anleitung von Google.

————————————————————–

Schritt 5) Wenn alles richtig konfiguriert wurde, kannst Du nun mit einem umfassenden Recruitment Analytics beginnen und für jede Quelle die Bewerberquote und die Bewerber-Abbruchquote berechnen.

Variante B – Umleitung auf das ATS bei dem Bewerbungsformular

Im Großen und Ganzen entspricht die Vorgehensweise der vorherigen Variante, da die meisten Schritte des Bewerbungsprozesses auf Deiner Karrierewebseite stattfinden. Bis auf einen kleinen aber feinen Unterschied: Der Kandidat verlässt Deine Seite mit Klick auf „Jetzt Bewerben“. Wir können somit nicht nachvollziehen, ob die Bewerbung tatsächlich auch abgeschickt wurde, denn Du hast ja nicht die Datenhoheit über die Webseite Deines ATS. Um die Problematik zu verdeutlichen stellen wir uns mal folgendes Metapher vor:

Wir stehen vor einem dunklen Wald (die Umleitung auf die Seite des ATS). Am Anfang des Walds steht ein Mensch und zählt wie viele Leute in den Wald hineingehen (Zielvorhaben Tracking angefangene Bewerbung). Wir können nicht sehen, was in dem dunklen Wald passiert, wir wissen nur, dass Leute darin verschwinden. Wie viele genau können wir nicht sagen. Wir können auch nicht sagen woher die Leute kommen (Quellen).

Dieses Problem lösen wir, indem wir einfach jemanden ans Ende des Walds stellen, der zählt wie viele Leute herauskommen (Zielvorhaben Tracking abgeschickte Bewerbung). Wir können somit immer noch nicht sehen, was im Wald passiert, dafür erkennen wir zumindest wer übriggeblieben ist.

In der Praxis musst Du dafür in Deinem ATS die Möglichkeit haben, dass die Bewerber nach dem Klick auf „Bewerbung abschicken“ zurück auf Deine Karrierewebseite geleitet werden. An dieser Stelle benötigst Du wieder Unterstützung Deiner IT-Abteilung/Agentur, denn Du musst eine „Dankeschön für Deine Bewerbung“ Seite erstellen, auf die der Kandidat umgeleitet wird. Diese Seite können wir nun wieder tracken und zählen, wie viele Nutzer auf diese Seite ankommen.

Jetzt haben wir jedoch ein weiteres, kleines Problem: Google Analytics zeigt uns an, dass die Nutzer, die auf der „Dankeschön-Seite“ ankommen, von Deinem ATS auf Deine Karrierewebseite gelangt sind. Das hängt damit zusammen, dass Google Analytics immer eine neue Sitzung beginnt, wenn der Nutzer von einer externen Quelle (hier das ATS) wieder auf Deine Seite gelangt. Eigentlich wollen wir jedoch diesen Nutzern die Ursprungsquelle zuordnen – also Stepstone, Jobspreader, Xing etc.

Das können wir in Google Analytics schnell durch die Funktion „Verweis-Ausschlussliste“ lösen. Hier können wir deaktivieren, dass Dein ATS als externe Quelle gezählt wird. Es wird somit keine neue Sitzung gestartet, wenn der Nutzer auf die „Dankeschön-Seite“ gelangt und die ursprüngliche Quelle bleibt. Wie genau man das einstellen kann, verweise ich wieder an die Kollegen von der Google Hilfe.

Variante C: Umleitung auf das ATS ab der Stellenanzeige (oder früher)

Okay, leider habe ich für Dich schlechte Nachrichten: Wenn Dein ATS von Haus keine zufriedenstellende Lösung mitbringt, musst Du ordentlich tricksen. Und dafür brauchst Du wiederum die Hilfe des Supports Deines ATS. Dein ATS muss dann nämlich eine eigene Schnittstelle für die Implementierung von Recruitment Analytics bereitstellen. Leider ist diese nur bei den wenigsten vorhanden. Wie wichtig Analytics ist, scheint noch nicht überall angekommen zu sein.

Aus erster Hand unserer Kunden haben wir erfahren, dass die Einbindung von externer Analytics Software bei Softgarden, Prescreen, d.vinci, HR4YOU, MHM eRecruiting und Umantis unterstützt wird. Falls Du noch weitere Berichte hast, bin ich für jede Information dankbar.

Recruitment Analytics läuft?

Du hast es geschafft, Recruitment Analytics funktioniert und anständige Zahlen werden generiert? Jetzt musst Du “nur noch” lernen, mit den schier endlosen Daten umzugehen. Leider ist im Internet speziell für Recruitment Analytics der Informationsgehalt eher gering. Was ist eine gute Bewerbungsquote? Was war nochmal der Unterschied von Sitzungen und Seitenaufrufen? Welche Lehren lassen sich aus den erhobenen Zahlen ziehen? Das sind alles Themen, die hier in Zukunft auf dem Blog behandelt werden. Für die (leider nicht auf Recruitment bezogenen) Analytics Grundlagen kann ich Dir bis dahin mit gutem Gewissen die Analytics Akademie von Google ans Herz legen. Nach Abschluss gibt es sogar ein Zertifikat…

Übrigens: Jeder Kunde der Programmatic Job Advertising Software Jobspreader kann eine kostenlose, persönliche Beratung zu Analytics in Anspruch nehmen – sei es zu der Installation, Grundlagen oder tiefgehende Kennzahlen-Analyse.

[promotional-banner id=”48922″]

Update 10.07.: Ich wurde von dem ATS-Anbieter rexx-systems kontaktiert. Auch hier ist eine Einbindung von Google Analytics bzw. Piwik/Matomo möglich. 

Hohe Absprungquote durch lange Bewerbungsformulare (Teil 2 Recruitment Analytics)

Veröffentlicht am | von Asif Shaikh | Schreibe einen Kommentar zu Hohe Absprungquote durch lange Bewerbungsformulare (Teil 2 Recruitment Analytics)

Lange Bewerbungsformulare bedeuten weniger Bewerber

Zu den größten Problemfällen im Recruiting gehören ganz klar Bewerbungsformulare. Seitenlang, mit abstrusen Pflichtfeldern sind Formulare die perfekte Abwehrtechnik gegen diese nervigen Bewerber. Hast Du Dich schon mal gefragt, wie schlimm der Bewerberschwund wirklich ist? In diesem Artikel zeige ich Dir, wie viele Kandidaten in Deinen Bewerbungsformularen verloren gehen. Aber keine Sorge: Am Ende gibt es drei Tipps, wie dieser Bewerberschwund reduziert werden kann! 

Kleiner Hinweis: Dies ist Teil 2 der Recruitment Analytics Serie. Im Recruitment Analyics Teil 1 kannst Du erfahren, warum die meisten Unternehmen schon systembedingt gar kein Recruitment Analytics nutzen können.

###promotional-banner###

Der große Bewerberschwund: Endlich knallharte Zahlen

Wie im ersten Teil dieser Serie schon erwähnt: Wenn man nicht tracken kann, gehen viele Erkenntnisse verloren. Was man nicht weiß, kann man auch nicht optimieren. Ein klassisches Beispiel für diese Falle ist der hohe Verlust von Bewerben durch Bewerbungsformulare. Dass Bewerbungsformulare potenziell abschreckend wirken können, sollte nun wirklich kein Geheimnis sein.

Aber wie hoch ist diese Abbruchquote wirklich? Wie viele potenzielle Kandidaten springen in dem Bewerbungsformular ab? So richtig klar war das bis jetzt noch nicht. Glücklicherweise können wir jetzt Licht ins Dunkel bringen, da wir durch unsere Beratungstätigkeit Zugang zu vielen Google Analytics Zugängen von allen möglichen Unternehmen haben. Leider lassen die Ergebnisse nichts Gutes erhoffen:

Bei den untersuchten Unternehmen gehen durchschnittlich 70% der Bewerber in dem Bewerbungsformular verloren!

Da hast Du die Bewerber schon mühselig auf Dein Unternehmen aufmerksam gemacht und dann durch ein attraktives Personalmarketing davon überzeugt, auf „Jetzt Bewerben“ zu klicken, und dann schicken weniger als ein Drittel auch tatsächlich die Bewerbung ab.

Berechnung der Bewerber-Abbruchquote mit Google Analytics

Wie komme ich auf diese Zahl, fragst Du Dich jetzt bestimmt. Die von mir betrachteten Jobspreader-Kunden können in Google Analytics per Conversion-Tracking zwischen angefangenen Bewerbungen und tatsächlich abgeschickten Bewerbungen unterscheiden. Ich habe diesen Unterschied als eine Art Absprungquote visualisiert. Diese Kennzahl nenne ich Bewerber-Abbruchquote.

 

Abbruchquote / Abbruchrate im Bewerbungsformular

Hier klicken 20 Nutzer auf den „Bewerben Button“. Die Mühe das Formular auszufüllen machen sich jedoch nur 7 Nutzer. Wir haben also 65% der Nutzer verloren. Et voilà: die Bewerber-Abbruchquote!

In Google Analytics sieht das Ganze bei einem unserer Kunden dann beispielsweise so aus:

Google Analytics: Absprünge von Bewerbern im Bewerbungsformular messen

Bewerbungsquote / Abbruchquote Grafik

Uff, nur 6% der Bewerbungen wurden auch tatsächlich abgeschickt. Das heißt im Umkehrschluss, dass sage und schreibe 94% der angefangenen Bewerbungen nicht zu Ende gebracht wurden. Die Annahme liegt somit nahe, dass das Bewerbungsformular der Knackpunkt ist. Denn es kommen ja genügend Nutzer auf die Seite und fangen die Bewerbung sogar an.

Weitere Beispiele der Bewerbungs-Abbruchquote

Natürlich könnte man jetzt meinen, dass dieses Beispiel ein Extremfall ist. Leider kann ich da keine Entwarnung geben. Es folgen noch einige Beispiele.

Hier verlieren wir 60% der Nutzer in dem Bewerbungsformular:

Google Analytics: 60 % der User werden im Bewerbungsformular verloren

Und hier knackige 74% der Nutzer:

Recruiting Analytics: 74 % der Kandidaten brechen die Bewerbung im Bewerbungsformular ab

Ich könnte diese Liste noch ein bisschen weiterführen. Was zählt, sollte aber deutlich sein: Den Unternehmen gehen reihenweise potenzielle Kandidaten verloren.

Wir sind uns einig, dass dieser Zustand nicht akzeptabel ist. Klar, könnte man argumentieren, dass viele Kandidaten “nur mal gucken wollen”. Aber gerade deshalb sollten wir die Hürden so gering wie möglich halten, um auch diese Kandidaten dazu zu bewegen einfach mal ihr Glück zu probieren. Und sind wir mal ehrlich: Gerade die Kandidaten, die am meisten zögern, sind für uns am interessantesten. Wir wollen ja gerade, dass die Besucher sich bei uns bewerben, die schon einen Job haben und vielleicht am Montagmorgen neugierig sind was es “da draußen so gibt”. Da sollte man vermeiden, dieser Zielgruppe noch Steine in den Weg zu legen.

Jetzt stelle ich die Frage an Dich, lieber Leser/ liebe Leserin, warum sollte es bei Dir anders sein? Übrigens, bei jedem dieser Beispiele ist das Bewerbungsformular nur eine Seite lang und der Kandidat muss sich nicht registrieren. Wie die Zahlen mit Zwangsregistrierung aussehen würden, kann man sich dann ja vorstellen.

Um den Bogen zurück zu dem ersten Teil dieser Serie zu spannen: Nur mit einem anständigen Recruitment Analytics kannst Du in Deinem Unternehmen solche Daten erheben. Wer weiß, vielleicht ist es ja nicht so schlimm bei Dir – oder aber sogar noch sehr viel gravierender.

Mehr Infos gefällig? Lad’ jetzt unser HR Analytics Whitepaper herunter.

Bewerbungsformulare optimieren: 3 Vorschläge

Alles klar, soweit so schlecht, aber was lernen wir daraus? Recruiter müssen versuchen, die Limitationen eines Bewerbungsformulars zu umgehen. Hier drei Tipps, um die hohe Absprungquote in den Griff zu kriegen.

1. Viele Nutzer wollen “nur mal gucken”, was sich hinter dem “Jetzt Bewerben” Button verbirgt. Öffnet sich nun ein neues Fenster, ist in Zeiten von Pop-Ups der Reflex, dieses schnellstmöglich zu schließen.

→ Keine Überraschungen mehr: Setze das Bewerbungsformular direkt unter die Anzeige – ohne extra Klick und Weiterleitung.

Bewerbungsformular bei der Wollmilchsau: So kann kein Bewerber abbrechen

2. Ein Bewerbungsformular bedeutet für den Nutzer immer auch die Kontrolle abzugeben: Man trägt seine Daten in irgendwelche Felder ein und weiß nicht genau, was nach dem Klick auf „Absenden“ passiert. Bekommt man eine Kopie per Mail? Wie viel Text soll man in das Feld “Deine Nachricht” nun wirklich tippen? Wer hat alles Zugriff auf die gesendeten Informationen?

→ 78% der Nutzer bewerben sich immer noch am liebsten per E-Mail, denn hier behält man die Kontrolle. Klar, diese Methode bedeutet mehr Arbeit für Dich – aber glaube mir, jede genannte Mailadresse bedeutet auch mehr Bewerbungen! Bonuspunkte gibt es dann besonders für eine persönliche Mailadresse der Ansprechpartnerin / des Ansprechpartners und nicht die beliebte „karriere@“. Für den Kandidaten ist eine Bewerbung höchst persönlich und eine Absage potenziell verletzend. Das Mindeste ist hier, ihm über den direkten Draht zu der Ansprechperson ein gutes Gefühl zu geben. Diese Kleinigkeit bringt fühlbare (und messbare) Ergebnisse und die Bewerbungen steigen.

3. Welche Informationen braucht Dein Unternehmen wirklich von dem Bewerber? Muss der Bewerber sein Wunschgehalt angeben? Ist es wirklich notwendig, den Wohnort zu nennen oder kann diese Information immer noch später nachgepflegt werden?

→ Halte das Formular maximal schlank. Wenn es nach mir geht, sollten nur Name und E-Mail Adresse abgefragt werden. Oder noch besser: Bietet die Möglichkeit einer One-Click-Bewerbung an. Wichtig dabei ist, dass von Deinem Unternehmen deutlich gemacht wird, dass jede der angebotenen Möglichkeiten in dem Prozess gleichwertig behandelt wird! Viele der Kandidaten haben das Gefühl, dass solche „neumodischen“ Bewerbungen gegen die Konkurrenten mit den vollständigen Unterlagen im vorherein keine Chance haben. Es ist Deine Aufgabe, den Kandidaten vom Gegenteil zu überzeugen, denn es zählen Erfahrungen und Fähigkeiten – nicht ausgefeilte Anschreiben und schicke Bewerbungsfotos.

Fortsetzung folgt …

Im nächsten Teil dieser Reihe heißt es: Butter bei die Fische! Denn dort erkläre ich Dir, wie Du Recruiting Analytics richtig implementierst und welche für Deinen Recruiting-Erfolg entscheidenden KPIs Du tracken solltest. Weiter geht’s mit Recruitment Analytics Teil III!