Vacatureteksten verbeteren met tools als Textio en Datapeople
Er zijn tools die je vacaturetekst lezen en vertellen welke woorden vrouwen afschrikken, welke zinnen te lang zijn en waar je vaag blijft. Textio en Datapeople zijn de bekendste. Voor Nederlandse recruiters zit er een addertje onder het gras: beide zijn gebouwd voor Engels. In deze blog lees je wat ze doen, waar ze ophouden en hoe generatieve AI in het plaatje past. Het bredere overzicht van recruitmentsoftware staat in de gids over recruitment tools.
Wat deze tools doen
Tools voor vacatureteksten analyseren je tekst op taal en structuur. Ze vergelijken die met grote hoeveelheden eerdere vacatures en de resultaten daarvan, zoals hoeveel en welke sollicitanten erop reageerden.
Textio is het bekendste voorbeeld. Het markeert woorden en formuleringen die bepaalde groepen afschrikken en stelt inclusievere alternatieven voor. Denk aan woorden die als typisch mannelijk worden gelezen, zoals “dominant” of “rockster”, of aan lijsten met eisen die vrouwen eerder doen afhaken.
Datapeople richt zich op de hele vacature: lengte, structuur, het aantal eisen, of er een salaris in staat en hoe de tekst zich verhoudt tot vacatures die goed presteerden. Het meet ook welke teksten tot betere sollicitanten leiden.
Beide geven je een score en concrete suggesties per zin. Dat werkt goed als je veel vacatures schrijft en een vaste standaard wilt.
De beperking voor Nederlandse teksten
Beide tools zijn Amerikaans en werken voor Engelstalige teksten. Datapeople meldt in zijn eigen helpcentrum dat het platform alleen Engelse vacatureteksten ondersteunt (Datapeople Help Center). Voor Textio geldt hetzelfde: de bias-analyse is gebouwd op Engelse taal. Een vergelijking door concurrent Textmetrics wijst daarop (Textmetrics); houd er rekening mee dat die pagina door een concurrent is geschreven.
Schrijf je in het Nederlands, dan heb je aan deze tools dus weinig. Je kunt een tekst niet vertalen, laten analyseren en weer terugvertalen: woorden die in het Engels mannelijk klinken, doen dat in het Nederlands niet per se, en omgekeerd.
Werk je met Engelstalige vacatures voor internationale kandidaten, dan zijn ze wel bruikbaar.
Er zijn alternatieven die Nederlands ondersteunen, zoals Textmetrics. Vraag bij elke tool na voor welke talen de analyse is getraind, en op welke data de suggesties zijn gebaseerd. Een tool die zegt Nederlands te ondersteunen maar met Engelse woordenlijsten werkt, geeft je schijnzekerheid.
Generatieve AI voor vacatureteksten
Veel recruiters gebruiken inmiddels een taalmodel om een eerste versie te schrijven. Dat werkt in het Nederlands redelijk goed, en het scheelt tijd. Een paar kansen en valkuilen.
Wat het oplevert
- Een snelle eerste versie. Geef het model het intakeformulier en laat een opzet schrijven. Jij past aan.
- Herschrijven. Laat een lange, stijve tekst korter en directer maken, of op een lager taalniveau.
- Varianten testen. Laat drie openingszinnen schrijven en kijk welke het beste werkt.
Waar het misgaat
- Alle teksten gaan op elkaar lijken. Een taalmodel schrijft wat gemiddeld is. Als iedereen dezelfde tool gebruikt, krijgt elke vacature dezelfde zinnen over “een dynamische omgeving” en “ruimte voor groei”. Dat is het tegendeel van onderscheidend.
- Het verzint dingen. Een model vult gaten op met wat waarschijnlijk klinkt: een thuiswerkregeling die je niet hebt, een opleidingsbudget dat niet bestaat. Controleer elke belofte.
- Het neemt vooroordelen over. Een taalmodel is getraind op bestaande teksten, inclusief de eenzijdige. Lees de tekst na op eisen die je niet bedoelde en op taal die bepaalde groepen buitensluit.
- Privacy. Plak geen gegevens van kandidaten of medewerkers in een publieke tool.
Generatieve AI valt onder de bredere categorie AI-tools voor recruitment. Wil je weten of een tool eenzijdige uitkomsten geeft, lees dan een AI-tool testen op bias.
Een eigen check zonder tool
Ook zonder Engelstalige software kun je een Nederlandse vacature systematisch nalopen. Vijf vragen die een tool ook stelt:
Hoeveel eisen staan erin? Tel ze. Zijn het er meer dan zes, dan zijn er waarschijnlijk een paar die niet nodig zijn. Lange lijsten met eisen schrikken kandidaten af die niet aan alles voldoen, ook als ze de baan goed zouden kunnen.
Welke woorden beschrijven de ideale kandidaat? Zoek naar woorden als “dominant”, “competitief”, “ambitieus” of “rockster”, en vraag je af of ze iets zeggen over het werk of vooral over een type persoon.
Staat er een salaris in? Zo niet, voeg het toe. Waarom, lees je in salaris in de vacature.
Hoe lang zijn de zinnen? Lees de tekst hardop. Moet je halverwege een zin ademhalen, dan is hij te lang.
Wat leert de kandidaat over het werk zelf? Schrap elke zin die ook in de vacature van je concurrent had kunnen staan, en kijk wat er overblijft.
Leg je tekst daarna voor aan twee collega’s met een andere achtergrond dan jij. Wat zij als drempel ervaren, ziet een tool vaak niet.
Waar een tool je niet bij helpt
Een tool verbetert je zinnen. Het lost niet op dat de vacature zelf niet klopt: twaalf eisen waarvan er drie ertoe doen, geen salaris, of een functie die de hiring manager zelf niet goed kan omschrijven. Begin daarom bij de inhoud. Hoe je een vacaturetekst opbouwt die kandidaten aanspreekt, lees je in een vacaturetekst schrijven.
Zo pak je het aan
- Check de taal. Schrijf je in het Nederlands, gebruik dan geen tool die alleen Engels analyseert.
- Begin bij de intake. Leg met de hiring manager vast welke drie tot vijf eisen onmisbaar zijn.
- Laat AI een eerste versie schrijven op basis van die intake, en herschrijf daarna zelf de opening en de beschrijving van het team.
- Controleer elke belofte op feiten: salaris, contract, thuiswerken, opleiding.
- Lees de tekst na op uitsluitende taal. Laat een collega met een andere achtergrond meelezen.
- Meet het resultaat. Vergelijk het aantal en de kwaliteit van sollicitanten met eerdere versies van dezelfde vacature.
Meer tools per fase van het wervingsproces vind je in het overzicht van recruitment tools.