The Blog
Ik ben onlangs een aantal blog posts en een aantal Boolean Strings discussies op LinkedIn tegengekomen die me geïnspireerd hebben om nog eens te gaan knutselen met het zoeken op LinkedIn via Google en Bing.
Zo zie ik bijvoorbeeld nog steeds mensen praten over:
- Of je wel of niet “pub” en/of “in” moet gebruiken (bijv. site:linkedin.com/in | site:linkedin.com/pub)
- Wil je wel of niet -dir gebruiken
- Landcodes gebruiken in site: zoekopdrachten
- Het gebruik van verschillende zinnen om publieke LinkedIn profielen te targeten – bv, “mensen die je kent”
Mijn eerste reactie wanneer mensen nieuwsgierig zijn naar de meest effectieve manieren om openbare LinkedIn profielen te vinden, is om hen aan te moedigen eerst zelf te experimenteren in plaats van te zoeken naar antwoorden om te kopiëren en te plakken. Vrij letterlijk 99% van alles wat ik weet over sourcing (en recruiting!) heb ik geleerd door nieuwsgierig te zijn en te experimenteren.
Mensen leren door te doen, en meer specifiek door te falen/struikelen, en niet door het werk van iemand anders te kopiëren en te plakken.
Het is ook belangrijk om te beseffen dat je niet impliciet kunt en mag vertrouwen op sourcing-advies (of aangepaste zoekmachines) die je online of in trainingen/materialen vindt – er is nooit maar één manier om iets te doen, en de CSE’s die je gebruikt en de syntax die je kopieert en plakt, kunnen in feite de zoekresultaten kunstmatig beperken en voorkomen dat je de beste mensen vindt.
Dus mijn advies is om het werk van andere mensen (inclusief het mijne!) en experimenteer.
LinkedIn X-Ray Search Syntax Experiment
Ik zag iemand “mensen die je kent” gebruiken in hun LinkedIn X-Ray search, vermoedelijk om LinkedIn-profielen te targeten en te isoleren en vals positieve niet-profielresultaten te elimineren.
Kun je raden wat ik deed?
Ja, ik heb het geprobeerd.
Als je nog niet wist waarom iemand zo’n zin zou gebruiken, is het omdat het een vrij unieke zin is die op openbare LinkedIn-profielen wordt gevonden, en het lijkt te worden geïndexeerd door zoekmachines zoals Google, zodat je op de zin kunt zoeken om LinkedIn-profielen te vinden zonder dingen te hoeven gebruiken als (inurl:pub | inurl:in) om profielen terug te geven, of -dir, -jobs, enz, om te voorkomen dat niet-profiel resultaten worden geretourneerd.
U kunt het aan het werk zien wanneer u uw zoekresultaten bekijkt:
Dit is waar het de zin van het LinkedIn-profiel vandaan haalt:
Het doet een behoorlijke job om profielresultaten te isoleren, tot op het punt waar inurl:pub, inurl:in, -dir, -jobs (of gelijkaardige technieken) gewoon niet nodig zijn.
Maar het volgende wat ik natuurlijk deed was me afvragen welke andere zinnen zouden werken.
Het enige wat je hoeft te doen is rondkijken in een openbaar LinkedIn-profiel en kijken naar andere woorden en zinnen die uniek lijken voor profielresultaten en niet vaak elders op iemands LinkedIn-profiel zouden worden vermeld en experimenteren door ze in je zoekopdrachten op te nemen en de resultaten te inspecteren.
Een snelle scan levert een aantal mogelijkheden op – hier zijn er een paar:
- “mensen zoeken”
- “naam zoeken”
- “lid worden van linkedin”
- “volledig profiel”
- “ook bekeken”
- “viewers”
- “overview”
- “million”
- “contact”
- “expertise”
- “see who”
- “introduced”
Nu, Ik heb ze niet allemaal getest en de anderen heb ik niet eens opgenoemd, maar ik heb er wel een paar getest.
Hier onder staan ze. Houd in gedachten dat de zoekopdracht zelf is zeer beperkt, door het ontwerp, want ik wilde een redelijk aantal resultaten te hebben om snelle vergelijkingen van eventuele verschillen tussen de resultaten sets te maken:
site:ca.linkedin.com “huidige * * ingenieur” java hadoop “mensen die je kent” “locatie * Toronto, Canada Area”
site:ca.linkedin.com “current * * engineer” java hadoop “viewers” “location * Toronto, Canada Area”
site:ca.linkedin.com “current * * engineer” java hadoop “overview” “location * Toronto, Canada Area”
site:ca.linkedin.com “current * * engineer” java hadoop “million” “location * Toronto, Canada Area”
site:ca.linkedin.com “current * * engineer” java hadoop “contact” “location * Toronto, Canada Area”
site:ca.linkedin.com “current * * engineer” java hadoop “expertise” “location * Toronto, Canada Area”
Laat u niet misleiden door de variatie in Google’s schatting van resultaten (763 tot 1.220), die voor elke zoekopdracht anders zijn.
Scroll naar de onderkant van de resultaten voor elke zoekopdracht en u zult zien dat ze allemaal slechts 2 pagina’s met resultaten hebben, en het werkelijke aantal resultaten dat wordt geretourneerd varieert van 13 tot 15 (13 is de meest voorkomende). Ik laat het aan U over om de verschillen, zo die er zijn, tussen de zoekresultaten te vergelijken.
Als je geen tijd hebt om te klikken en uit te voeren elke zoekopdracht, heb ik uitgevoerd een snelle run through kunt u hier bekijken (best bekeken volledig scherm in 1080p):
Als u niet wilt woorden of zinnen te gebruiken zoals aangetoond kunt u altijd gebruik maken van andere zoek syntaxis – hier is er een die je waarschijnlijk nog niet eerder hebt gezien, omdat ik letterlijk net kwam met het:
site:ca.linkedin.com “current * * engineer” java hadoop -skills/skill -pub/dir “location * Toronto, Canada Area”
Country Code Experiment
Voor degenen onder jullie die graag zoeken op landcode, bekijk de resultaten van deze twee zoekopdrachten, waarvan er één een landcode gebruikt (site:ca.linkedin.com), en de andere gebruikt site:linkedin.com alleen – en laat het me weten uw gedachten en opmerkingen:
site:ca.linkedin.com “current * * engineer” java hadoop “expertise” “location * Toronto, Canada Area”
site:linkedin.com “current * * engineer” java hadoop “expertise” “location * Toronto, Canada Area”
Wat valt je op?
Bing vs. Google
Dus, kan iemand mij vertellen waarom sourcers en recruiters de neiging hebben om te doen alsof Google de enige manier is om LinkedIn te X-Ray zoeken?
Zoals ik al vele malen eerder heb geschreven, doet Bing typisch een beter werk van het meer “schoon” ophalen van resultaten van LinkedIn, specifiek profielresultaten, zonder de noodzaak om extra termen te gebruiken in query’s om te proberen profielen te isoleren van niet-profielresultaten zoals je in Google moet doen.
Hier is bijvoorbeeld een van de Google-zoekopdrachten hierboven, zonder enige termen om te proberen profielen te isoleren:
site:ca.linkedin.com “software engineer” “location * Toronto, Canada Area” java hadoop
Wat je zult merken is dat de resultaten van 13 gaan bij gebruik van een profiel-isolerende term zoals “viewers” tot 60, met toevoeging van valse positieven zoals deze:
Nu laten we een Google-zoekopdracht vergelijken met een Bing-zoekopdracht.
We gebruiken exact dezelfde zoektermen, behalve dat we bij Google een term gebruiken om profielen te isoleren, en bij Bing geen profielisolerende termen gebruiken.
Google – site:ca.linkedin.com “software engineer” “viewers” “location * Toronto, Canada Area” java hadoop
Bing – site:ca.linkedin.com “software engineer” “location Toronto, Canada Area” java hadoop
Voor het geval je geen zin hebt om de zoekresultaten zelf te onderzoeken, hier is een snelle YouTube-video waarin ze worden vergeleken:
Ik gebruik Google de hele tijd, maar ik ben niet zo’n Google-fanboi dat ik niet erken en niet kan erkennen dat andere zoekmachines superieur kunnen zijn voor specifieke toepassingen.
Wanneer het gaat om het zoeken naar LinkedIn profielen, de bottom line is dat Bing is en schoner en efficiënter dan Google, omdat je niet hoeft toe te voegen GEEN extra termen om profiel resultaten te isoleren en vals-positieve, niet-profiel resultaten te elimineren.
Look Ma – Geen Site: Search Operator!
Heb je je ooit afgevraagd of je een internetzoekmachine kunt gebruiken om naar LinkedIn-profielen te zoeken zonder “X-Ray” te zoeken met behulp van het site: commando?
Ik wel.
Kijk eens naar deze zoekopdracht:
linkedin (java|j2ee) -recruiter (engineer|consultant|programmer|developer)”(BA|B.A.|BS|B.S.|Bachelor|Bachelors)***2004..2009″ “see who” “location * greater new york city area”
Nou, er is meer dan één zeer interessant element aan die zoekopdracht (en de resultaten!) waarvan ik hoop dat je het opmerkt, maar in het belang van deze post, wil ik specifiek de aandacht vestigen op het feit dat het LinkedIn profielen retourneert zonder gebruik te maken van de site: zoekoperator, dus het is geen “X-Ray” zoekopdracht.
Kijk eens naar deze resultaten en waardeer het gebrek aan niet-profielresultaten, gezien het feit dat ik Google niet eens heb verteld om specifiek op LinkedIn te zoeken:
Interessant, ja?
Hoe ik persoonlijk LinkedIn doorzoek
Als ik LinkedIn-profielen wil vinden, begin ik 100% van de tijd met het zoeken op LinkedIn via de zoekinterface van LinkedIn.
Waarom?
Omdat:
#1 Precisie en inclusie
Met zijn gestructureerde velden en facetten is LinkedIn’s zoekinterface krachtiger, configureerbaarder en preciezer en geeft je veel meer controle over je vermogen om precies te vinden wat je nodig hebt dan welke internetzoekmachine dan ook. Punt.
Als je probeert te zoeken in een gebied dat zich uitstrekt over staten, metrogebieden en landen, kun je dat gemakkelijk doen met meer precisie door gebruik te maken van LinkedIn’s postcode radius search, die grenzen overschrijdt.
Terwijl je kunt proberen te zoeken op huidige titels en bedrijven met behulp van Google’s asterisk of Bing’s NEAR:X (bijv, “current * software engineer”), onweerlegbaar, kunt u dit gemakkelijker, nauwkeuriger en inclusiever doen met behulp van LinkedIn’s huidige titel en huidige bedrijfsvelden.
#2 Native Search
Het gebruik van een internetzoekmachine om te zoeken naar openbare LinkedIn-profielen is intrinsiek uitdagend omdat je iets anders dan de native zoekmachine gebruikt om de site te doorzoeken. Houd er ook rekening mee dat LinkedIn op elk moment wijzigingen kan aanbrengen die van invloed zijn op wat doorzoekbaar en opvraagbaar is via internetzoekmachines. Wat vandaag goed werkt voor Google en Bing kan morgen niet goed werken, maar LinkedIn’s geavanceerde zoekfunctie zal altijd werken.
#3 Mijn Netwerk
Sinds 2005 heb ik de tijd genomen om mijn LinkedIn netwerk aanzienlijk en strategisch op te bouwen, zodat een groot aantal mensen in mijn zoekresultaten binnen mijn netwerk verschijnen – specifiek mijn 1e en 2e graad.
De enige keer dat ik echt X-Ray zoek op LinkedIn (anders dan wat knutselen) is om de specifieke openbare profielen van LinkedIn zoekresultaten te vinden die buiten mijn 2e graad netwerk liggen.
Er zijn veel snelle methoden om je het openbare profiel te laten zien van een persoon die je 3e graad of groepsverbinding is – of helemaal buiten je netwerk, voor die kwestie.
Uiteindelijk heb ik ondervonden dat het rendement op de geïnvesteerde tijd bij het zoeken op LinkedIn hoger is wanneer je begint met LinkedIn en internet zoekmachines gebruikt om de profielen van specifieke mensen buiten je 2e graad netwerk te vinden, in tegenstelling tot het starten van een zoektocht met een internet zoekmachine om LinkedIn te X-Rayen om mensen te identificeren.
Als je nog geen tijd hebt geïnvesteerd in het strategisch en methodisch opbouwen van je LinkedIn netwerk, zodat je tevreden bent met je zoekresultaten, moet je dat wel doen.
Aanvallend.
En eerder dan later!
Final Thoughts
Dus, wat is de meest effectieve manier om LinkedIn te X-Ray searchen?
Er is geen enkele meest effectieve manier om LinkedIn te doorzoeken via internetzoekmachines – er zijn veel verschillende manieren, zoals ik er een paar heb gedemonstreerd met behulp van zowel Google als Bing.
Kopieer en plak niet zomaar zoektermen en syntax die je in blog posts en in LinkedIn groepsdiscussies ziet, zonder ze zelf te testen, en idealiter veranderingen aan te brengen en te experimenteren en de resultaten te observeren voor variaties. Dit zal u inzicht geven in waarom en hoe de zoekopdrachten werken of niet werken naar uw wens.
U leert niets van het kopiëren van zoekopdrachten en het uitvoeren ervan zonder na te denken.
Wie weet – met een beetje nieuwsgierig experimenteren, zou je net komen met de volgende interessante ontdekking om te delen met de wereldwijde sourcing-gemeenschap!