Door TalentBin oprichter Peter Kazanjy werd ik gewezen op Textio, een Amerikaanse startup die stelt vacatureteksten zodanig te kunnen optimaliseren dat de performance (waarover later meer) verbetert:

Textio creates job ads that fill roles faster with more qualified and diverse candidates

Het woord creates moet je niet letterlijk nemen, want Textio maakt geen vacatureteksten, maar geeft inzicht in de sterke en zwakke kanten van een vacature. Dat is op zichzelf al meer dan interessant en daarmee is er alle reden voor een klein onderzoekje.

Homepage
Dit is de homepage van Textio:

Ik weet niet zeker of great job lisitings ook daadwerkelijk great hires aantrekken. Een slechte vacaturetekst zal daarentegen waarschijnlijk wel een zeker afstotend effect hebben. In de bewijsvoering voor het rendement gaat Textio ook niet in op deze claim. Wel op een aantal andere interessante performance indicatoren:

Als deze cijfers waar zijn dan is het meer dan de moeite waard om je vacatureteksten door Textio te laten controleren. Overigens is in de VS gender bias nogal een dingetje, Textio controleert hier daarom op. Dat is de achtergrond van de 10-15% lift in diverse candidates. En hoe doet Textio dit? Nou, op deze manier:

Textio Talent uses our core technology in statistics and machine learning to help companies hire better. We continually analyze job text and outcomes data using listings from a large set of companies, over 10,000 and counting.

We use the patterns that we find to predict the performance of your job posting and help you fix it before you ever publish it, with analytics and feedback right as you’re typing.

Textio berekent het succes dat mijn vacature gaat hebben terwijl ik de tekst aan het schrijven ben? Dat wil ik wel eens met eigen ogen zien natuurlijk.

Vacatureteksten verbeteren
Na een korte registratie krijg ik een scherm te zien waar ik een vacaturetekst kan gaan invoeren. Maar waarom zelf invoeren als ik ook gewoon een vacaturetekst ergens kan kopiëren? Overigens gebruik ik hiervoor wel een Engelse tekst, want Textio werkt alleen in het Engels op volle kracht:

Nadat ik de tekst heb gekopieerd krijg ik vrijwel direct dit te zien:

‘Mijn’ vacature is omgetoverd in een tekst vol markeringen, een (zeer lage) Textio score en en aantal bullet points met sterke en zwakke punten van de vacaturetekst. Een enorme hoeveelheid informatie, maar op een overzichtelijke manier weergegeven.

Zo geven de gemarkeerde woorden in de tekst aanvullende informatie on mouseover:

Waarschuwingen met suggesties ter verbetering, sterke punten, aandachtspunten en waarschuwingen zijn zo allemaal beschikbaar. Afhankelijk van hoe mannelijk of vrouwelijk de tekst is (ook aangegeven in de linkerkolom met het mannetjes- en vrouwtjesicoon) kan je hier in de tekst direct aanpassingen doen. En dat geld natuurlijk vooral voor de negatieve signaleringen, als je tenminste naar Textio wil luisteren.

En dan is er in de linkerkolom nog een bak aan aanvullende informatie verborgen. Zoals het sterke punt dat de vacature active language gebruikt:

Inclusief bar chart en uitleg over de meerwaarde van active language. In dit geval is de gebruikte vacaturetekst zelfs een outlier in positieve zin

En wat te denken van een van de zwakke punten, de lengte van de vacaturetekst:

Bijna net zo negatief als de active language positief was. En nu krijg ik een uitleg hoe dit te verbeteren.

In beide gevallen krijg ik dus in context informatie over de kwaliteit van de vacaturetekst, wat ervoor zou moeten gaan zorgen dat voortaan mijn vacaturetekst al voorafgaand aan een controle een stuk beter zijn. Vervolgens is Textio dan nog mijn poortwachter om eventueel resterende foutjes te detecteren.

Hieronder nog een tweetal voorbeelden van de informatie die Textio mij geeft:

Hinderlijke herhalingen, altijd goed om daar even de aandacht op de vestigen

En als laatste ook deze nog:

Een formidabele outlier dit keer en daardoor een negatief element, het overdadige gebruik van bulleted lists.  Gepast gebruik van bulleted lists is sterk volgens Textio, maar zoals alles: met mate…

Ik heb nog wat meer vacatures van  verschillende bronnen in Textio getest en een grote variatie aan scores gezien die de kwaliteit van de vacature (volgens Textio) duidelijk weergaven. Ik ben onder de indruk.

Textio is (na een proefperiode van twee weken) niet gratis:

Ik heb hierbij wel een vraagje. Textio geeft mij zoveel informatie dat ik binnen een periode van enkele weken in staat moet zijn om aanzienlijk betere vacatureteksten te schrijven die ervoor moeten zorgen dat mijn ‘performance’ op het gebied van response aanzienlijk verbeterd. Waarom heb ik dan nog Textio nodig? Daar heb ik overigens een antwoord over ontvangen van oprichter (Kieran Snyder):

As with any marketing content, the language that works in job listings changes over time. So just because a phrase or syntactic pattern worked six months ago doesn’t mean it still works today. My favorite example of this in technology is the phrase “big data.” 18 months ago, it boosted a job listing’s score and popularity significantly. But today, it has become so popular that it is totally neutral.

Similarly, the word synergy was very popular and position 5 years ago. Today it has become so oversaturated that it is actually a cliche (and has a negative impact on job ads for that reason).

Just like great editors continue to use spellcheck, great recruiters will continue to use Textio over time.

Dus dat Hollandse voor een dubbeltje op de eerste rang zitten is misschien niet zo’n goed idee?

Conclusie
Textio is een indrukwekkende tool die mij een gedetailleerd inzicht geeft in de kwaliteit van een vacaturetekst vanuit het perspectief van een aantal response-indicatoren. Overigens gaat zelfs een via Textio verbeterde vacaturetekst je niet helpen aan IT-medewerkers, als een vacature je enige communicatiemiddel met die doelgroep is. Maar voor doelgroepen met een voldoende aanbod is het zeker een overweging waard. In hoeverre bedrijven

O ja, en het zou natuurlijk ook handig zijn als Textio in meerdere talen beschikbaar komt. Met Nederlands als eerste dan natuurlijk.

Technische informatie
Als laatste ook nog wat aanvullende informatie die voor de meer technische georiënteerde lezers misschien wel interessant is. De werking van Textio:

For each job listing in the collection, Textio looks at how it performs with real job-seekers. How long the role stays open. How many people apply. How many applicants are offered screening interviews, how many are offered on-site interviews, and how many get offers. How many men apply and how many women. Textio uses machine learning to find patterns in all this data: Job-seekers in every industry respond better when you say we’d love to hear from you. People from diverse backgrounds are less likely to apply if you use the word synergy. Hiring a team lead? More men apply when you talk about managing the team, while more women respond when you talk about developing the team. All told, Textio has identified over 40,000 unique phrases that change the mix of people who will apply for your job.

Because we’re always ingesting new job listings and their outcomes, Textio can tell you which patterns are working in the market right now. It’s not enough to know that a year and a half ago, including the phrase big data in your job listing drew the market’s hottest software engineers. Textio also knows that in 2015, it’s neutral.

Textio analyzes the structural elements of your job ad for patterns too: Listings with a third of their content in bulleted lists get the most applicants. Listings with too many passive verbs get many fewer applicants. Overusing the same phrases over and over again drives down the proportion of qualified candidates who apply.

When you submit a new job listing, Textio measures the linguistic similarities and differences between your listing and others that Textio has analyzed. Your Textio score forecasts how your job ad will perform compared to the rest: how many people will apply, and how qualified will they be? Want to draw more women to apply for your technology job? How about more men for your nursing job? Your tone score forecasts the demographic mix of people who are likely to apply, and makes concrete recommendations to help you attract a more balanced set of candidates. Textio uses all this data to give you feedback on your job listing right as you’re typing. Just type, upload, or paste your listing into Textio and within seconds your document is annotated with scores, highlights, and suggestions for improvement.