Met data-driven recruitment kan je nagaan waar sollicitanten afhaken. Maar hoe weet je nu wat je juist kan doen zodat minder sollicitanten opgeven? We’ve got you covered! In deze blogpost lichten we toe welke tools van pas komen om ideeën op te doen, zoals A/B-testing.
Een A/B-test is een experiment waarbij je verschillende varianten van één element tegenover elkaar gaat testen. In other words: je test één element, terwijl alle andere elementen gelijk zijn. Dan kijk je naar de op voorhand vastgestelde metrics van beide groepen om te zien welke het beste presteert. Bijvoorbeeld de versie met de meeste sollicitaties, de meeste clicks (en dus de hoogte CTR), … Easy peasy lemon squeezy! 🍋In de infographic geven we een overzicht van de verschillende opties voor een A/B-test.
Voor onze klant wouden we bijvoorbeeld testen of een foto van het team (fun) of een foto van het kantoor (serious) de meeste interesse opwekte in de advertentiecampagne. We toonden aan groep A de advertentie met de teamfoto en aan groep B de advertentie met de kantoorfoto. ⚠️ Belangrijk is dat enkel de foto verschillend was, op vlak van alle andere elementen waren de advertenties gelijk.
Op foto A (fun) kwamen er 15.000 views, 1000 clicks en 34 sollicitaties. De conversieratio van de eerste advertentie was 0.22%. Op foto B (serious) kwamen er 6.000 views, 1000 clicks en 75 sollicitaties. De tweede advertentie had een conversieratio van 1.25%. Je zou het misschien niet hebben gedacht, maar foto B werkt beter. A little secret: de beste advertentie is vaak degene waarvan je het niet zou verwachten!
Hoe minder sollicitanten afhaken in jouw sollicitatieproces, hoe beter. 👍 Om daarvoor te zorgen kan je handige tools gebruiken om ideeën op te doen. Door A/B-testing kan je bijvoorbeeld nagaan welke versie van jouw advertentie meer interesse opwekt.
Wil je meer weten over data-driven recruitment? 📊
Download dan hier onze whitepaper!