Auteur: Virgile Ferrand
Nous allons explorer un aspect crucial du sourcing mais avec une touche spéciale.
Savez-vous ce qui est vraiment corsé dans notre job ?
Ce n’est pas de dénicher où se cache notre cible, ni même de trouver des profils qui collent pile-poil à nos critères.
Non, le vrai défi commence quand on se demande :
Que faire de toutes ces données que nous avons minutieusement collectées ? 🧐
Discuter avec des collègues recruteurs, c’est souvent entendre que le sourcing est chronophage et sans garantie de résultats.
Cette situation est comparable à l’utilisation d’outils comme ChatGPT : sans méthodologies adaptées, les résultats peuvent être décevants.
Nous allons donc aborder comment enrichir efficacement les données que nous collectons lors du sourcing.
Et je vous le dis d’emblée : nous n’aurons pas besoin de compte premium Sales Navigator ou de LinkedIn Recruiter 😉
Je perçois le sourcing comme du growth hacking, qui combine à la fois un état d’esprit et des compétences spécifiques.
Ces deux domaines partagent une philosophie commune centrée sur l**’innovation**, l’utilisation stratégique des données et l’expérimentation.
Il s’agit de repousser les limites des méthodes traditionnelles pour atteindre des objectifs ambitieux.
Les recruteurs, comme les growth hackers, doivent constamment s’adapter à un environnement en mutation rapide, en exploitant les technologies et les données pour gagner en efficacité et en impact.
Dans cet esprit proactif et compétitif, abordons notre stratégie 👇
Google X-ray pour les puristes !
On débute avec une recherche X-ray sur Google, que je privilégie pour quatre raisons principales :
1️⃣ Accès à plus de profils
Cette méthode révèle des profils souvent invisibles via la recherche standard sur LinkedIn, particulièrement utile peu importe l’abonnement.
2️⃣ Contournement des limitations de LinkedIn
Elle permet d’éviter les limitations imposées aux comptes gratuits, comme le nombre limité de recherches ou le fait que certains profils ne sont pas indexés dans la recherche interne de LinkedIn.
3️⃣ Sans coût supplémentaire
Contrairement à certaines fonctionnalités avancées de LinkedIn qui nécessitent un abonnement payant, la recherche X-ray est une méthode gratuite et accessible à tous.
4️⃣ Moins de concurrence
Les profils découverts ne sont généralement pas ceux en tête des recherches sur LinkedIn Premium. Ils sont moins sollicités par les recruteurs, offrant une opportunité unique d’engager des candidats qui reçoivent moins de messages de recrutement.
Ouvrir chaque profil individuellement avec le peu d’informations que l’on récolte est fastidieux et peu efficace.
Ici, l’automatisation de la récupération des données pour les enrichir par la suite prend tout son sens.
Scraper les tous !
Pour cette étape, nous allons utiliser Bardeen pour automatiser la récupération de nos requêtes Google.
Il existe de nombreuses façons d’extraire les données, mais avec Bardeen, vous pouvez rapidement construire votre propre mini scraper ou choisir parmi des templates prêts à l’emploi.
Je vous conseille de le faire par vous-même pour mieux comprendre le fonctionnement et être plus autonome.
Clay : Des données à jour et enrichies
Il existe un éventail de méthodes pour sourcer, scraper et enrichir les données, et autant d’outils pour le faire.
Personnellement, j’aime trouver des solutions économiques et efficaces, avant de m’engager dans l’achat d’un outil complet.
L’expérimentation avant tout !
Comment transformer les URLs LinkedIn scrapées avec Bardeen en informations riches et détaillées ?
💡C’est ici que Clay vient donner vie à nos données.
On commence avec des informations basiques sur un prospect (un nom et prénom, une url LinkedIn, un mail, un SIRET…).
Chaque action apporte de nouvelles informations, enrichit votre compréhension et rend votre fichier de plus en plus détaillé.
Voici comment ça se passe :
Step by step pour enrichir son sourcing en cascade
📓 Petite note en passant :
J’ai testé la présentation IA avec l’outil Guidde et son text to speech avec voiceover.
Le rendu est plutôt sympa, à part la voix qui nous crispe un peu 😅.
Nous avons commencé par enrichir seulement quelques types de données, mais c’était juste un début.
Nous aurions pu élaborer un fichier extrêmement détaillé et beaucoup plus riche en informations.
À vous de tester !