Jobbird cv-database ontsloten via Textkernel Search!

Textkernel Search!Zo’n twee jaar geleden lanceerde Textkernel haar cv search tool die onder de weinig verrassende naam Textkernel Search! door het leven gaat. Search! dient het mogelijk te maken om in meerdere cv-databases te zoeken naar geschikte kandidaten, waarbij standaard de eigen (ATS) database en LinkedIn worden aangeboden. Search! is dus een cv metasearch tool.

Maar een metasearch tool ontsluit natuurlijk meer dan twee (eigen database en LinkedIn) cv-databases. Ondertussen biedt Search! een koppeling met de cv-database van Monsterboard en een koppeling met XING. En binnenkort komt er een koppeling met de cv-database van de grootste vacaturesite van Nederland: Jobbird. Op zich is deze aankondiging opvallend, omdat Jobbird van alle externe sites verreweg de kleinste cv-database heeft (bijna 53.000 cv’s).

Hoe dan ook, tijdens het gisteren gehouden het Jobbird seminar werd de koppeling door Jakub Zavrel (mede-oprichter en directeur van Texkternel) gepresenteerd waarbij hij ook dit schermvoorbeeld liet zien:

Schermvoorbeeld Textkernel Search! voor koppeling met Jobbird

Voor de goede orde, dit is nog een tijdelijke weergave aangezien de feitelijke oplossing een groter aantal facets gaat bieden om het zoekresultaat te verfijnen. Voor meer informatie over de interface van Textkernel Search! kan even gebuurt worden bij het grote broertje, Textkernel Match!

Overigens vind ik als nadeel dat de zoekresultaten per cv-database in een aparte tab worden getoond. Wat ik als recruiter natuurlijk het fijnst zou vinden is om mijn zoekresultaten (ongeacht de bron) bij elkaar te zien, natuurlijk ook eerst even ontdubbeld tegen mijn eigen cv-database. Maar ja, er moet blijkbaar altijd iets te wensen overblijven.

Geef een reactie

5 Comments
  • Liesbet
    says:

    Je opmerking “Overigens vind ik als nadeel dat de zoekresultaten per cv-database in een aparte tab worden getoond. Wat ik als recruiter natuurlijk het fijnst zou vinden is om mijn zoekresultaten (ongeacht de bron) bij elkaar te zien, natuurlijk ook eerst even ontdubbeld tegen mijn eigen cv-database.”
    Er is een reden waarom search technologieen het op deze manier doen. De “previews” (snapshot van cv’s) zijn per kanaal (jobboard, netwerk, eigen database) anders en de recruiter zou het niet aangenaam vinden om previews die niet gelijk zijn aan elkaar te screenen. We hebben dit getest bij onze klanten en ze vinden deze manier van displayen het snelst en efficientst te screenen. Je geeft ook aan dat je wil ontdubbelen, dat vinden de jobboards dan weer niet fijn natuurlijk, welk board moet je voorrang geven?
     

    • Marc Drees
      says:

      Ahhh… het zijn dus de beperkingen van de leverancier die ervoor zorgen dat ik als recruiter geen fatsoenlijk beeld kan krijgen? In mijn optiek betekent het dus feitelijk dat Textkernel, Broadbean, of iedere andere leverancier van dit soort toepassingen veel harder zijn/haar best moet doen om wel volgens een uniform format de cv’s te presenteren. Als recruiter ben ik tenslotte niet geinteresseerd in verschillende search technologieën  daarvoor had ik toch jujist een metasearch tool gekozen?
       
      En de ontdubbelingsvraag is toch dood- en doodsimpel? Eerst mijn eigen database, dan de gratis databases en dan de databases van betaalde abonnementen, oplopend op basis van de prijs per abonnement of prijs per cv. En kijk even naar Jobfeed hoe je ook nog eens dubbele voorkomens zou kunnen signaleren. Zodat je altijd nog een duurdere keuze kan maken als je dat graag zou willen.

    • Marc Drees
      says:

      Ik heb DaXtra Search nog nooit getest, ik ken ze alleen als cv-extractie toepassing maar zie dat ze inderdaad ook een metasearch toepassing leveren. Ik zal ze eens gaan benaderen om te zien of er een test kan worden gedaan.

      • Bert
        says:

        Volgens mij doet Daxtra precies hetzelfde, en is het ze ook niet gelukt om één overall ranking te maken van kandidaten. Zij tonen ze 1 voor 1, dus eerst de beste match uit je eigen database, dan de beste match uit monster, dan de beste match uit linkedin etc. Het moet toch mogelijk zijn om een onderlinge weging te maken, ook al heb je verschillende velden per bron.