Vacatureverbeteraar heeft zelf flinke verbetering nodig

Vacatureverbeteraar, een initiatief van Jobdigger en Intelligence Group, is een online tool waarmee je je vacatureteksten kunt verbeteren. Dankzij deze tooling schrijf je betere vacatureteksten waarmee je meer reacties ontvangt en betere kandidaten. Tenminste dat is wat de website zegt.

Doet deze marketingboodschap je aan Textio denken dan ben je niet de enige. Textio is de bekendere Engelstalige speler op dit gebied en erg interessant bezig met textherkenning en inhoudelijke advisering voor het verbeteren van je vacatureteksten. Textio probeert taalgebruik in vacatures dusdanig te verbeteren zodat ze de aannames en kwaliteit van aannames verhoogd wordt. Hierbij analyseren en adviseren ze over het taalgebruik in de tekst.

Een Nederlandstalige versie van Textio ontbreekt, is zeer gewenst en dat maakt nieuwsgierig of Vacatureverbeteraar hiervoor enige oplossing biedt.

Vacatureverbeteraar doet het anders. VacatureVerbeteraar analyseert niet op taalgebruik zoals Textio, maar scant een vacaturetekst op op het voorkomen van ‘factoren’ (die volgens eigen onderzoek van Intelligence Group van belang zijn voor de doelgroep in de vacaturetekst).

Voor een test neem ik een vacature van CoolBlue voor de functie van Machine Learning Engineer.

Na het knippen en plakken van de vacaturetekst (het invoeren van de url levert geen resultaat) schaalt Vacatureverbeteraar deze in de doelgroep “werktuigbouwkundige engineers” (niet correct) en geeft vervolgens weer welke factoren van belang zouden zijn voor deze doelgroep en in hoeverre deze factoren terugkomen in de vacaturetekst.

De factoren die het belangrijkste zouden zijn:

Vacature_-_Vacatureverbeteraar_-_IG_

 

Dit laat direct zien dat Vacatureverbeteraar over weinig (machine)intelligentie beschikt. Er wordt, zo lijkt, het puur gezocht naar het voorkomen van trefwoorden en synoniemen van de ‘belangrijkste factoren’.

De factoren en het advies in de vacaturetekst:

Vacature_-_Vacatureverbeteraar_-_IG_ 2

Reiskostenvergoeding, werksfeer en pensioenregeling en opleidingsmogelijkheden krijgen een groen vinkje omdat deze letterlijk in de tekst terugkomen. Alles wat ‘je’ bevat krijgt pluspunten omdat dat zou gaan over de inhoud van het werk. Ook de vakantiedagen worden als inhoud van het werk gezien omdat er ‘je’ in de zin staat.

Platter kun je het niet maken. Het is vooralsnog een omslachtige checklist om te zien of alles dat van belang is in een vacature benoemd is. Waarbij het daarnaast de vraag is of de trefwoorden die Vacatureverbeteraar van belang acht je ook gaan helpen om meer en betere kandidaten aan te trekken.

Hoe Vacatureverbeteraar meent te weten welke teksten meer en betere kandidaten aantrekken blijft op de website ook in het ongewis. Dat zal op basis van het panelonderzoek (AGO) van Intelligence Group zijn. Op basis waarvan je geen verbeteringen in gedrag (aantal en kwaliteit) sturen of onderzoeken. Of je moet daadwerkelijk adviezen willen opvolgen waarin je de doelgroep voor postbezorger gaat aanspreken door thuiswerken mogelijk te maken (gebruikte vacaturetekst). Wellicht een flauw voorbeeld, maar net zo betrouwbaar als de rest, zijn deze belangrijke factoren voor postbezorgers:

Vacature_-_Vacatureverbeteraar_-_IG_ 3

Nee, Vacatureverbeteraar leek een leuk idee met Textio als voorbeeld. Maar leuk is het niet. Het zou je zomaar negatieve resultaten kunnen opleveren.

Het idee zou wel iets kunnen worden, maar dan zou men af moeten stappen van de Intelligence Group als databron en echte meetresultaten van het resultaat van vacatureteksten integreren om met machine learning tot daadwerkelijke verbeteradviezen te komen. De kans dat dat gebeurt met Intelligence Group aan het roer lijkt mij vrij klein. Wat slimmere taalherkenning en -begrip zou ook geen overbodige luxe zijn. Ik denk dat Textio eerder met de Nederlandstalige variant komt dan dat men Vacatureverbeteraar zelf sterk verbeterd heeft.