Zes maanden lang zag een productiebedrijf geschikte monteurs afhaken. Niet na het eerste gesprek, niet na een assessment, maar ergens daarvóór: in de stille ruimte tussen interesse en sollicitatie. De vacature stond vol. Het salaris klopte. De recruiter belde enthousiast terug. En toch: geen match. Maand na maand. Ze concludeerden dat de arbeidsmarkt krap was, dat monteurs simpelweg schaars waren, dat ze pech hadden.
Totdat iemand de gespreksdata bekeek.
Zeventig procent van de kandidaten die afhaakt, noemde niet het salaris als reden. Ze noemden de reistijd. Veertig minuten heen, veertig minuten terug, in een bestelbus die ze zelf moesten rijden. Dat was het. Geen groot geheim, geen verborgen bezwaar. Gewoon een feit dat nooit expliciet gevraagd werd, omdat iedereen aannam dat kandidaten het wél zouden melden als het een probleem was. Dat doen mensen niet. Ze haken stil af.
Dit verhaal gaat niet over die ene vacature. Het gaat over wat er gebeurt als je honderden van die gesprekken voert en begint te tellen.
Werving wordt traditioneel gemeten aan de uitkomst: hoeveel mensen zijn er aangenomen, hoe lang duurde het, wat kostte het. Dat zijn de getallen die in dashboards leven en in kwartaalrapportages. Ze zeggen iets over de efficiëntie van het proces, maar niets over de kwaliteit van de informatie die het proces produceert. En dát onderscheid is precies waar de meeste organisaties langs kijken.
Een gesprek met een kandidaat die uiteindelijk niet past, voelt als verlies. Tijd kwijt, energie kwijt, weer een stap verder van de hire. Maar een gesprek is ook iets anders: het is een gestructureerd moment waarop iemand je vertelt waarom jouw propositie voor hem of haar niet werkt. Dat is geen mislukking. Dat is onderzoeksdata.
Het probleem is dat die data zelden wordt verzameld. Een recruiter belt, voert een gesprek, maakt een aantekening in het systeem of juist niet, en belt de volgende kandidaat. Het patroon van de afhaakredenen leeft nergens. Het zit verspreid over geheugens, notities en onuitgesproken aannames. Niemand heeft de controlestructuur gebouwd die het patroon zichtbaar maakt.
Voorkwalificatie door een gesprekssysteem dat vóór de recruiter belt, verandert dat fundamenteel. Niet omdat een algoritme slimmer is dan een ervaren recruiter, maar omdat het systematisch is. Het stelt elke kandidaat dezelfde vragen, in dezelfde volgorde, op hetzelfde moment. En dat betekent dat de antwoorden vergelijkbaar zijn. Niet als menselijke indrukken, maar als data.
Als tweehonderd kandidaten door hetzelfde gestructureerde gesprek gaan en dertig procent stopt bij de vraag over werktijden, dan is dat een signaal. Niet over die dertig procent. Over de werktijden. Over de manier waarop ze gecommuniceerd worden in de vacature, of helemaal niet gecommuniceerd worden. Over het gat tussen wat de organisatie denkt te bieden en wat kandidaten begrijpen dat ze aanbieden.
Dat is een ander soort intelligentie dan wat een recruiter produceert na een handvol gesprekken. Een recruiter die tien kandidaten spreekt, kan een patroon vermoeden. Iemand die het gespreksverloop van tweehonderd kandidaten analyseert, ziet het patroon bewezen.
Het merkwaardige is dat organisaties dit begrijpen in bijna elk ander domein. Een webshop analyseert waar bezoekers afhaken in het bestelproces. Een verzekeraar kijkt waar aanvragen worden afgebroken. Een bank meet op welke stap mensen stoppen met het openen van een rekening. Ze noemen het conversion optimalization, ze bouwen teams om het te verbeteren, ze investeren serieus geld in de infrastructuur die het mogelijk maakt. En dan gaan dezelfde organisaties hun kandidaten bellen zonder enige structuur en vragen zich af waarom het moeilijk is om te begrijpen waarom mensen niet tekenen.
Werving heeft lange tijd kunnen ontsnappen aan dit soort systematisch denken omdat het resultaat zo zichtbaar was: er werd iemand aangenomen, of niet. De nuance daartussen had geen formaat, geen plek in het systeem, geen eigenaar. Nu dat anders kan, is het bijna onvermijdelijk dat de organisaties die het wél bijhouden een cumulatief voordeel opbouwen.
Want dat is wat er gebeurt als je genoeg gesprekken voert en de patronen bijhoudt: elke campagne wordt beter dan de vorige. Je leert dat kandidaten voor logistieke functies stoppen bij de vraag over fysieke belasting, niet bij het salaris. Je leert dat voor een specifieke regio het openbaar vervoer een grotere afhaakdrempel is dan je altijd dacht. Je leert dat de manier waarop je een functie beschrijft, een bepaald type kandidaat aantrekt dat vervolgens afhaakt op een eis die altijd al in de functieomschrijving had moeten staan.
Dat leren heeft waarde die moeilijk te kwantificeren is maar makkelijk te voelen is: de propositie scherpt aan. De vacature wordt eerlijker. De verwachtingen kloppen. Kandidaten die afhaken, haken af op het juiste moment, niet op het duurste moment. En kandidaten die doorgaan, gaan door omdat ze bewust ja hebben gezegd.
Er is een filosofischer punt onder dit alles. Traditionele werving behandelt elke kandidaat als een potentiële hire: iemand die je probeert binnen te halen. Gestructureerde voorkwalificatie op schaal dwingt je om elke kandidaat ook te behandelen als een respondent: iemand die je vertelt hoe de buitenwereld jouw organisatie ervaart. Dat is conceptueel een kleine verschuiving, maar praktisch een grote.
Het bedrijf met de monteursvacature loste het op door de reistijd expliciet te communiceren in hun volgende campagne, inclusief een concrete kilometergrens. De doorstroom steeg. Niet omdat de kandidaten beter werden, maar omdat de selectie eerder begon: mensen die de reistijd niet wilden, haakten al af bij de advertentie. De gesprekken werden korter, relevanter, en leidden sneller naar een beslissing.
Dat is wat data doet als je ernaar luistert. Het maakt niet de wereld makkelijker. Het maakt de problemen zichtbaar, en zichtbare problemen zijn oplosbare problemen.
Elke kandidaat die nee zegt, zegt je iets. De vraag is alleen of je het hoort.