Sådan scraper du jobportaler og finder nye jobopslag

For at scrape jobportaler med Datablist skal du åbne Job Postings Search, vælge dine søgeord og lande og importere de relevante job i en Collection. Du kan også søge efter ledige stillinger hos virksomheder fra dit CRM. Gem job-ID, virksomhedens website og opslagsdatoen, så du kan sammenligne resultaterne, næste gang du gentager søgningen.

Jeg anbefaler at skelne mellem to mål: at finde nye virksomheder, der ansætter, og at overvåge nye stillinger hos virksomheder, du allerede kender. Det kan være nyttigt at ekskludere virksomheder, du tidligere har fundet, når du arbejder med det første mål. Men gør du det med det andet, risikerer du at overse nye job.

Denne guide gennemgår både filter- og virksomhedsbaserede søgninger, hvilke felter du kan indsamle, og et workflow til gentagne søgninger, så du kan følge nye jobopslag uden at tælle det samme job to gange.

📺 Til dig, der lærer bedst visuelt

Hvis du ligesom mig hellere vil se end læse, kan du se min video om, hvordan du scraper jobopslag fra 19 jobportaler på én gang 👈🏽

Det gennemgår artiklen

• Metoden, jeg bruger til at scrape 19 jobportaler på én gang
• Liste over de jobportaler, vi scraper
• Guide til scraping af jobopslag – trin for trin
• Guide til scraping af jobopslag fra virksomheder i dit CRM – trin for trin
• Derfor skal du scrape flere jobportaler og ikke kun én
• Sådan hjælper Datablist dig med at bruge jobdata i salg og marketing

Metoden bag scraping af 19 jobportaler samtidig

Hvis du vil scrape 19 jobportaler samtidig, har du to muligheder:

• Du kan selv bygge en scraper til hver jobportal og håndtere den komplicerede kode
• Du kan bruge Datablists jobportal-scraper, som samler data fra 19 jobportaler verden over

Datablist søger i en samlet jobdatabase via sin dataleverandør. Din søgning returnerer relevante, indekserede jobopslag. Den crawler altså ikke samtlige jobportaler fra bunden ved hver søgning. Dækningen og de tilgængelige felter varierer fra opslag til opslag, så kontrollér kilde-URL'erne for de job, du vil bruge.

💡 Hvad er Datablist?

Datablist er en platform til at bygge workflows til leadgenerering, hvor du kan finde, berige og rense data med mere end 60 forskellige værktøjer – fra AI Agents og Email Finders til AI processors, Technology enrichments og meget mere.

Derudover kan du med Datablist oprette automatiserede workflows, der kører efter en tidsplan eller efter behov. Her er nogle praktiske use cases, som Datablist-brugere er særligt glade for:

1. Opbygning af leadlister
2. Personalisering af e-mails med AI
3. Rensning og deduplikering af CRM-data
4. Scraping af jobopslag fra 19 jobportaler på én gang
5. Scraping af LinkedIn Sales Navigator-søgninger uden at risikere din konto

Pointen er enkel: Hvis du skal hente eller rense data eller automatisere datadrevne workflows, og det skal være nemt, hurtigt og driftssikkert, er Datablist det oplagte valg.

Jobportalerne Datablist scraper for dig

Datablist har nogle klare fordele sammenlignet med andre værktøjer til scraping af jobdata. Platformen samler data fra 19 jobportaler på én gang, så du sparer de mange timer, du ellers skulle bruge på at bygge og vedligeholde separate scrapers.

Her er listen over de jobportaler, Datablist scraper:

Globale jobportaler:

• Indeed: En af verdens største jobportaler med bred dækning på tværs af lande og brancher.
• Glassdoor: Global platform med både jobopslag og et stærkt fokus på virksomhedsanmeldelser

Regionale jobportaler:

• Asien og Oceanien
  • Seek: Markedsleder i Australien og New Zealand
  • Naukri: Markedsleder i Indien med millioner af jobopslag
  • Naukri Gulf: Specialiseret i jobmarkederne i Mellemøsten
  • JobsDB: Stærk tilstedeværelse i Sydøstasien
  • Jobstreet: Populær i Malaysia, Filippinerne, Singapore og andre asiatiske markeder
• Europa
  • Infojobs: Førende i Spanien og dele af Latinamerika
  • Tecnoempleo: Fokuserer på det spanske marked og er specialiseret i tech-stillinger
  • Welcome to The Jungle: Stor platform i Frankrig, som ekspanderer til andre europæiske markeder

Nichejobportaler og ATS-systemer:

• Startup-økosystemet
  • AngelList (nu Wellfound): Fokuserer primært på startup-job i den amerikanske tech-sektor
  • Startup Jobs: Specialiseret i stillinger hos early-stage-virksomheder i Nordamerika
• ATS-systemer (Applicant Tracking Systems)
  • Workable, Greenhouse, Lever, Ashby, Join, BambooHR, SimplyHired: Datablist scraper også disse systemer for at give dig endnu bredere dækning af jobmarkedet

Sådan scraper du flere jobportaler på én gang

Hos Datablist mener vi, at brugerne skal have så meget kontrol som muligt over, hvilke data de får, og hvordan de indsamles.

Derfor giver vi dig to måder at scrape jobopslag på:

1. Brug Datablists søgefiltre
2. Søg efter jobopslag ud fra en virksomhedsliste

Scrape flere jobportaler med filtre

I dette afsnit viser jeg, hvordan du bruger filtrene i Datablists jobportal-aggregator til at finde jobopslag ud fra søgeord, anciennitet, lokation og meget mere.

Lad os komme i gang!

Opret først en konto hos Datablist.

Opret en Collection.

Klik på Job Postings Search.

Indstil filtrene for de job, du søger. De aktuelle indstillinger nedenfor kan afvige fra de ældre skærmbilleder.

Filtre til job og virksomheder

Begynd med en afgrænset søgning. Hvis du eksempelvis vil finde Python-relaterede job i Storbritannien, skal du indstille Job Description Keywords til python, vælge Storbritannien under Countries, beholde Only Open Jobs (default) under Job Status, vælge Last 7 days under Max Age og sætte Limit til 100 i den første søgning.

Gennemgå de første resultater, før du udvider søgningen. At Python nævnes i en jobbeskrivelse, betyder ikke nødvendigvis, at stillingens primære ansvarsområde er Python-udvikling.

Vælg, hvordan søgeord skal matches:

• Job Title Keywords accepterer kommaseparerede fraser. En titel matcher en frase, når alle ordene i frasen indgår – uanset store og små bogstaver og ordenes rækkefølge. data engineer kan eksempelvis matche Senior Data Platform Engineer.
• Exclude Job Title Keywords fjerner matchende titler, eksempelvis stillinger med ordet intern.
• Job Description Keywords matcher som standard hele ord som almindelig tekst. sales matcher sales manager, men ikke Salesforce.
• Use Regex for Description Matching aktiverer mønstre. I denne tilstand kan du med Require All Description Patterns kræve, at samtlige angivne mønstre matcher i stedet for blot ét af dem. Lad regex være slået fra ved en enkel søgeordssøgning.
• Exclude Job Description Keywords anvender den valgte metode til match af jobbeskrivelsen.

Vælg jobbets lokation og status:

• Job Locations filtrerer efter byer eller regioner, mens Countries filtrerer efter jobbets land. Virksomhedens hovedkontor har sit eget filter.
• Workplace Types tilbyder On-site, Hybrid og Remote. Employment Types filtrerer efter fuldtid, deltid, kontraktansættelse og andre ansættelsesformer.
• Job Seniority filtrerer efter erfaringsniveau.
• Job Status kan returnere åbne, lukkede eller alle job. Vælg åbne job for at få en aktuel liste over virksomheder, der ansætter.
• Only with Recruiter Info begrænser resultaterne til opslag med recruiter-oplysninger. Nogle job indeholder muligvis kun dele af disse oplysninger, så kontrollér de returnerede felter.

Vælg virksomheder og datointerval:

• Filter Job Postings for a specific list of Companies søger blandt virksomheder fra en Collection. Se workflowet med en virksomhedsliste.
• Exclude Job Postings posted by a specific list of Companies ekskluderer alle jobopslag fra de valgte virksomhedsdomæner. Brug funktionen til virksomheder, du bevidst ikke ønsker i resultaterne.
• Virksomhedsfiltrene omfatter Company Type, Company Industries, Company Funding Stage samt hovedkontorets lokation eller land.
• Max Age begrænser, hvor gammelt et opslag må være. Posted On or After og Posted On or Before definerer et præcist datointerval og tilsidesætter Max Age, når de er angivet.
• Limit sætter et loft over antallet af returnerede jobopslag. Standardgrænsen er 1.000, og hver søgning understøtter op til 2.000. Rammer du loftet, bør du undersøge mere afgrænsede søgninger frem for at antage, at du har indsamlet alle relevante job.

Ekskludér virksomheder, du ikke vil overvåge

Virksomhedsekskludering er nyttig, hvis du vil fjerne aktive kunder eller virksomheder uden for din målgruppe. Det er ikke deduplikering på jobniveau. Ekskluderer du en virksomhed, du fandt i går, ekskluderer du også et andet job, som virksomheden slår op i morgen.

Sådan bruger du en ekskluderingsliste:

1. Aktivér Exclude Job Postings posted by a specific list of Companies.
2. Vælg ekskluderingslisten under Datablist Collection.
3. Knyt Datablist Collection Property til kolonnen med virksomhedens website eller domæne.

Start søgningen efter jobopslag

Når du har indstillet alle filtre, skal du klikke på Continue.

Datablist returnerer følgende datapunkter:

Gå til bunden af siden, og klik på Run import now.

Når scraperen er færdig, ser resultaterne sådan ud:

Søg efter jobopslag ud fra en virksomhedsliste

Som nævnt giver denne mulighed dig adgang til at scrape jobopslag fra virksomheder, du allerede har i dit Datablist-workspace, dit CRM eller en anden database.

Det kræver, at du har virksomhedsnavnet, virksomhedens LinkedIn-URL eller webadresse i en Datablist Collection.

Opret først en konto hos Datablist.

Importér en liste over virksomheder.

Opret en separat Collection.

Åbn Job Postings Search.

Gør derefter følgende:

1. Aktivér Filter Job Postings for a specific list of Companies.
2. Vælg den uploadede liste under Datablist Collection.
3. Knyt Datablist Collection Property til kolonnen med virksomhedens website, navn eller LinkedIn-URL. Jeg anbefaler websites, når de er tilgængelige, for at undgå tvetydige virksomhedsnavne.
4. Definér de jobopslag, du vil scrape, med vores filtre. Klik her for at se alle filtre.

Med samme fremgangsmåde kan du også angive en Collection med websites eller domæner for virksomheder, der skal ekskluderes fra jobopslagene.

💡 3 nyttige tips til scraping af jobportaler

Tip 1: Ekskludér aktive kunder fra din søgning efter jobopslag, så du undgår pinlige situationer.

Tip 2: Medtag tidligere kunder i søgningen for at genaktivere dem.

Tip 3: Du kan filtrere eller ekskludere virksomheder med webadresser og virksomhedsnavne – ikke kun domæner.

Når alt er konfigureret, skal du klikke på Continue.

Gå derefter til bunden af siden, og klik på Run import now.

Når importen er færdig, skal du gennemgå de relevante jobopslag og deres kilde-URL'er. Søgefiltrene, resultatgrænsen og den indekserede dækning afgør, hvilke job du modtager.

📘 Credits til jobsøgning

Hvert returneret jobopslag koster 10 credits. Eksempelvis koster 100 returnerede opslag 1.000 credits. Kontrollér din creditsaldo og de aktuelle abonnementer, før du foretager en stor eller tilbagevendende søgning.

Overvåg nye jobopslag med gentagne søgninger

En tilbagevendende jobsøgning kræver en stabil sammenligningsnøgle og et datointerval – ikke blot en daglig kørsel. Jeg ville begynde med en daglig søgning i de seneste syv dage og derefter tilpasse overlapperioden til dit marked. Overlappet giver forsinkede opslag endnu en chance for at dukke op, men betyder også, at det samme job kan blive returneret flere gange.

1. Behold Job Posting Id, Job Posting URL, Company Website og Date Posted i dine resultater.
2. Sammenlign hver ny batch med tidligere batches ud fra Job Posting Id. Brug indstillingerne for unikke properties til at forhindre dubletværdier, eller gennemgå dubletterne, før du samler eksporterede data.
3. Behold den samme virksomhed på din overvågningsliste. Et andet job-ID fra virksomheden er et nyt opslag, som bør gennemgås – ikke en virksomhedsduplikat, der skal fjernes.
4. Registrér i din egen trackingfil, hvornår du første gang observerede et opslag, hvis du har brug for den oplysning. Date Posted er opslagets dato, ikke det tidspunkt, hvor dit workflow fandt det.
5. Gennemgå manglende ID'er og tilsyneladende genopslag ud fra titel, virksomhed, lokation og URL. Forskellige ID'er kan stadig beskrive lignende roller. Flet dem derfor ikke automatisk, blot fordi titlen er den samme.

Ved en automatiseret import på Growth skal du vælge frekvens, tidspunkt og tidszone i kildens scheduler og derefter klikke på Schedule Import. Konfigurér håndteringen af dubletter, før du aktiverer tidsplanen. Du kan også gentage søgningen manuelt. Deduplikering af gemte rækker gør ikke dataleverandørens returnerede resultater gratis, så medregn overlap i dit creditbudget.

Hvis hver af 30 daglige søgninger eksempelvis returnerer 100 opslag, betaler du for 3.000 returnerede opslag: 30 × 100 × 10 = 30.000 credits. Selv hvis deduplikering kun efterlader 400 forskellige job-ID'er, koster søgningerne stadig 30.000 credits. Tallene er udelukkende eksempler. Brug det faktiske antal returnerede job til at lægge budget for den kommende måned.

Konkludér ikke, at et job er lukket, blot fordi det forsvinder fra en enkelt søgning. Det kan være faldet uden for dit datointerval, dine filtre eller resultatgrænsen. Brug Job Status og det returnerede felt Closed At, når du undersøger lukkede opslag, og kontrollér vigtige job på deres kildesider.

Derfor bør du scrape 19 jobportaler

Har du nogensinde hørt nogen sige: "Jeg har for meget data"? Det har jeg heller ikke, for data er guld værd. Men én ting kan vi alle blive enige om: Ikke alle data har samme værdi. Nogle er værdifulde, mens andre er irrelevante.

Derfor er flere datakilder vigtige

Når du scraper flere jobportaler, får du flere jobopslag og dermed større chance for at finde brugbare data. Den brede tilgang sikrer, at du ikke går glip af værdifulde muligheder, som gemmer sig på forskellige platforme.

Fordele ved scraping af flere jobportaler

• Større datamængde
  • Sammenlign jobopslag fra flere kilder
  • Find flere muligheder hos virksomheder i din målgruppe
• Strategisk business intelligence
  • Identificér virksomheder med akutte behov, som deres jobopslag signalerer
  • Målret accounts ud fra deres aktuelle prioriteter
  • Brug dataene som kvalificeringsvariabler i Cold Email-kampagner
• Konkurrencemæssige fordele
  • Vind aftaler mere effektivt som recruiter
  • Giv jobsøgende mere omfattende indsigt
  • Identificér rekrutteringstendenser før konkurrenterne
  • Opnå bedre markedsdækning end med søgninger på én enkelt portal
  • Kom i kontakt med potentielle kunder, når de investerer i vækst

Nu har du fået en idé om, hvorfor disse data er så nyttige. Lad mig vise dig, hvad du kan bruge dem til som det næste.

Det kan du bruge jobdata til

Ja, Datablist er fremragende til scraping af jobportaler, men det udgør ikke engang 1 % af, hvad platformen kan gøre for dig. Her er nogle idéer til, hvad du kan gøre med dine data fra jobopslag:

1. Berig virksomheder med yderligere data
2. Brug AI Agent til at finde data, som ingen database indeholder
3. Find beslutningstagere hos dine target accounts
4. Find e-mailadresser og telefonnumre med Waterfall Enrichment
5. Brug AI til at skrive personaliserede e-mails
6. Analysér virksomhedens tech stack

Listen kunne fortsætte. Pointen er, at Datablist ikke blot er et scraping-værktøj. Med ét prisvenligt abonnement får du adgang til et komplet økosystem til leadgenerering.

Konklusion

Scraping af flere jobportaler giver dig en konkurrencefordel, som du bør udnytte til at holde dig foran så længe som muligt. Datablist gør adgangen til jobdata lettere end andre værktøjer og giver dig endda mulighed for at søge efter jobopslag hos de virksomheder, du allerede har i dit CRM.

FAQ

Hvordan fungerer jobscraping i dette workflow?

Datablist søger i en dataleverandørs samlede jobdatabase med dine filtre og importerer derefter de relevante opslag som rækker. Det er nyttigt til strukturerede joblister på tværs af kilder. Løsningen garanterer ikke alle ledige stillinger fra samtlige jobportaler, så gem kilde-URL'erne, og kontrollér stillingerne, før du handler på dem.

Hvad betyder scraping af jobopslag?

Scraping af jobopslag betyder, at automatiserede værktøjer bruges til at udtrække information om ledige stillinger fra forskellige websites. Processen indsamler data som jobtitler, beskrivelser, virksomhedsoplysninger, lokationer, lønintervaller og meget mere.

Hvilket værktøj er bedst til scraping af job?

Datablist skiller sig ud som et effektivt værktøj til jobscraping, der samler opslag fra 19 forskellige jobportaler samtidig. Det tilbyder omfattende filtre til joboplysninger, virksomhedsdata og oplysninger om ansættende ledere. Ud over scraping tilbyder Datablist også data enrichment, AI-baseret søgning og automatisering.

Kan jeg bruge AI til at analysere jobopslag?

Ja. Når jobbene er importeret, kan du bruge en AI enrichment til at klassificere beskrivelser, identificere relevante krav eller skrive et kort resumé af din account research. Behold det oprindelige opslag og kilde-URL'en ved siden af resultatet, så du kan kontrollere, hvilket grundlag modellen har brugt. Se guiden til AI-klassificering for regler om labels og kvalitetssikring.

Hvordan bruger jeg jobdata i Outreach-kampagner?

Scrapede jobdata giver værdifuld indsigt til målrettede Outreach-kampagner. Du kan identificere virksomheder, der aktivt ansætter og dermed signalerer vækst, finde beslutningstagere, berige kontaktoplysninger og bruge AI til at skrive personaliserede beskeder ud fra virksomhedernes konkrete behov. Kontrollér rekrutteringssignalet, før du bruger det i din Outreach, og forbind det med et relevant workflow til lead scraping.

Hvilke data kan jeg hente fra jobportaler?

Værktøjer til scraping af jobportaler som Datablist kan udtrække omfattende data, herunder joboplysninger som titel, beskrivelse, type, lokation og løn, virksomhedsdata som navn, website, LinkedIn, størrelse og branche, oplysninger om den ansættende leder som navn, titel og LinkedIn samt metadata som opslagsdatoer. Det detaljerede datasæt giver værdifuld business intelligence.

Hvor mange jobportaler bør jeg scrape?

Scraping af flere jobportaler giver markant bedre resultater end kun at bruge én kilde. Værktøjer som Datablist kan scrape 19 jobportaler samtidig, så du får bred markedsdækning, flere muligheder for at identificere potentielle kunder og bedre indsigt i rekrutteringstendenser før konkurrenterne.