Så skrapar du jobbsajter och bevakar nya jobbannonser

Så skrapar du jobbsajter med Datablist: öppna Job Postings Search, välj sökord och länder och importera matchande jobb till en collection. Du kan även söka efter lediga tjänster hos företag i ditt CRM. Spara jobb-ID, företagets webbplats och publiceringsdatum så att du kan jämföra resultaten när du upprepar sökningen.

Jag rekommenderar att du skiljer på två mål: att hitta nya företag som rekryterar och att bevaka nya tjänster hos företag du redan känner till. För det första målet kan du utesluta företag som redan har hittats, men för det andra skulle det innebära att nya jobb döljs.

Den här guiden går igenom filterbaserade och företagsbaserade sökningar, vilka fält du kan samla in och ett arbetsflöde för återkommande sökningar som hittar nya annonser utan att samma jobb räknas flera gånger.

📺 För dig som föredrar video

Om du, precis som jag, hellre tittar än läser kan du se min video om hur du skrapar jobbannonser från 19 jobbsajter samtidigt 👈🏽

Det här tar artikeln upp

• Så skrapar jag 19 jobbsajter samtidigt
• Lista över jobbsajterna som vi skrapar
• Guide: skrapa jobbannonser steg för steg
• Guide: skrapa jobbannonser från företag i ditt CRM
• Därför bör du skrapa flera jobbsajter, inte bara en
• Så använder du jobbdata inom sälj och marknadsföring

Metoden för att skrapa 19 jobbsajter samtidigt

Om du vill skrapa 19 jobbsajter samtidigt har du två alternativ:

• Bygga en egen scraper för varje jobbsajt och hantera komplicerad kod
• Använda Datablists job board scraper, som samlar data från 19 jobbsajter världen över

Datablist söker i en samlad jobbdatabas via sin dataleverantör. Sökningen returnerar matchande, indexerade annonser – den crawlar alltså inte samtliga jobbsajter från grunden vid varje sökning. Täckning och tillgängliga fält varierar mellan annonser, så kontrollera käll-URL:erna för de jobb du tänker använda.

💡 Vad är Datablist?

Datablist är en plattform för att bygga arbetsflöden för leadgenerering. Här kan du hitta, berika och rensa data med fler än 60 olika verktyg, från AI Agents och Email Finders till AI processors, Technology enrichments och mycket mer.

Dessutom kan du skapa automatiserade arbetsflöden som körs enligt schema eller vid behov. Här är några praktiska användningsområden som Datablists användare uppskattar:

1. Bygga leadlistor
2. Personalisera mejl med AI
3. Rensa och deduplicera CRM-data
4. Skrapa jobbannonser från 19 jobbsajter samtidigt
5. Skrapa sökningar från LinkedIn Sales Navigator utan att riskera kontot

Poängen är tydlig: om du behöver hämta eller rensa data, eller automatisera datadrivna arbetsflöden, och vill att det ska vara enkelt, snabbt och tillförlitligt, är Datablist rätt val.

Jobbsajterna som Datablist skrapar åt dig

Datablist har flera unika fördelar jämfört med andra verktyg för att skrapa jobbdata. Plattformen samlar data från 19 jobbsajter samtidigt, vilket sparar timmar av konfigurering och underhåll som annars hade gått åt till separata scrapers.

Här är jobbsajterna som skrapas:

Globala jobbsajter:

• Indeed: En världsledande plattform med bred räckvidd i de flesta länder och branscher.
• Glassdoor: Global närvaro med stort fokus på företagsomdömen vid sidan av jobbannonser

Regionala jobbsajter:

• Asien och Oceanien
  • Seek: Marknadsledande i Australien och Nya Zeeland
  • Naukri: Marknadsledande i Indien med miljontals annonser
  • Naukri Gulf: Specialiserad på arbetsmarknader i Mellanöstern
  • JobsDB: Stark närvaro i Sydostasien
  • Jobstreet: Populär i bland annat Malaysia, Filippinerna och Singapore
• Europa
  • Infojobs: Ledande i Spanien och delar av Latinamerika
  • Tecnoempleo: Inriktad på techjobb i Spanien
  • Welcome to The Jungle: Stor plattform i Frankrike som expanderar på andra europeiska marknader

Nischade jobbsajter och ATS-system:

• Startup-ekosystemet
  • AngelList (numera Wellfound): Fokuserar främst på startup-jobb inom den amerikanska techsektorn
  • Startup Jobs: Specialiserad på tjänster hos bolag i tidiga skeden i Nordamerika
• ATS-system (Applicant Tracking Systems)
  • Workable, Greenhouse, Lever, Ashby, Join, BambooHR, SimplyHired: Datablist skrapar även dessa system för att ge dig ännu bredare täckning av arbetsmarknaden

Så skrapar du flera jobbsajter samtidigt: steg för steg

På Datablist vill vi ge användarna så stor kontroll som möjligt över vilka data de får och hur de hämtas.

Därför får du två alternativ för att skrapa jobbannonser:

1. Använd Datablists sökfilter
2. Sök efter jobbannonser utifrån en företagslista

Skrapa flera jobbsajter med filter

Här visar jag hur du använder filtren i Datablists aggregator för att hitta jobbannonser utifrån sökord, senioritetsnivå, plats och mycket mer.

Nu kör vi!

Börja med att registrera dig på Datablist.

Skapa en Collection.

Klicka på Job Postings Search.

Konfigurera filtren för jobben du söker. De aktuella inställningarna nedan kan skilja sig från de äldre skärmbilderna.

Filter för jobb och företag

Börja med en avgränsad sökning. Om du exempelvis vill hitta Python-relaterade jobb i Storbritannien anger du python i Job Description Keywords, väljer Storbritannien under Countries, behåller Only Open Jobs (default) under Job Status, väljer Last 7 days under Max Age och sätter Limit till 100 för den första körningen.

Granska de första resultaten innan du breddar sökningen. Att Python nämns i en beskrivning betyder inte nödvändigtvis att tjänsten främst handlar om Python-utveckling.

Välj hur sökorden ska matchas:

• Job Title Keywords tar emot kommaseparerade fraser. En titel matchar en fras om alla ord i frasen förekommer, oavsett skiftläge och ordningsföljd. data engineer kan exempelvis matcha Senior Data Platform Engineer.
• Exclude Job Title Keywords tar bort matchande titlar, exempelvis roller som innehåller intern.
• Job Description Keywords matchar som standard hela ord i vanlig text. sales matchar sales manager, men inte Salesforce.
• Use Regex for Description Matching aktiverar mönster. I detta läge kan du använda Require All Description Patterns för att kräva att samtliga inkluderade mönster matchar i stället för bara ett. Låt regex vara avstängt för en enkel sökordssökning.
• Exclude Job Description Keywords använder det matchningsläge för beskrivningar som du har valt.

Välj jobbets plats och status:

• Job Locations filtrerar på städer eller regioner, medan Countries filtrerar på jobbets land. Företagets huvudkontor har ett separat filter.
• Workplace Types erbjuder On-site, Hybrid och Remote. Employment Types filtrerar heltidsjobb, deltidsjobb, kontrakt och andra anställningsformer.
• Job Seniority filtrerar på erfarenhetsnivå.
• Job Status kan visa öppna, stängda eller samtliga jobb. Välj öppna jobb för en aktuell rekryteringslista.
• Only with Recruiter Info begränsar resultaten till annonser med rekryterarinformation. Vissa jobb kan endast innehålla delar av denna information, så kontrollera de returnerade fälten.

Välj företag och datumintervall:

• Filter Job Postings for a specific list of Companies söker efter företag från en collection. Se arbetsflödet för företagslistor.
• Exclude Job Postings posted by a specific list of Companies utesluter samtliga annonser från de valda företagsdomänerna. Använd filtret för företag som du medvetet inte vill ha med i resultatet.
• Företagsfiltren omfattar Company Type, Company Industries, Company Funding Stage samt huvudkontorets plats eller land.
• Max Age begränsar hur gammal en annons får vara. Posted On or After och Posted On or Before anger ett exakt datumintervall och åsidosätter Max Age när de används.
• Limit begränsar antalet annonser som returneras. Standardvärdet är 1 000 och varje sökning kan returnera upp till 2 000. Om du når gränsen bör du granska mer avgränsade sökningar i stället för att utgå från att alla matchande jobb har samlats in.

Uteslut företag du inte vill bevaka

Att utesluta företag är användbart när du vill ta bort aktiva kunder eller företag utanför din målgrupp. Det är inte deduplicering på jobbnivå. Om du utesluter ett företag som hittades i går utesluts även ett annat jobb som samma företag publicerar i morgon.

Så skapar du en lista över företag som ska uteslutas:

1. Aktivera Exclude Job Postings posted by a specific list of Companies.
2. Välj listan under Datablist Collection.
3. Mappa Datablist Collection Property till kolumnen med företagets webbplats eller domän.

Starta sökningen efter jobbannonser

När du har ställt in alla filter klickar du på Continue.

Datablist returnerar följande datapunkter:

Gå längst ned på sidan och klicka på Run import now.

När scrapern är klar ser resultaten ut så här:

Sök efter jobbannonser utifrån en företagslista

Som jag nämnde tidigare kan du med det här alternativet skrapa jobbannonser från företag som redan finns i din Datablist-workspace, ditt CRM eller någon annan databas.

Du behöver ha företagsnamnet, företagets LinkedIn-URL eller webbplatsens URL i en Datablist collection.

Börja med att registrera dig på Datablist.

Importera en lista med företag.

Skapa en separat Collection.

Öppna Job Postings Search.

Gör sedan följande:

1. Aktivera Filter Job Postings for a specific list of Companies.
2. Välj den uppladdade listan under Datablist Collection.
3. Mappa Datablist Collection Property till kolumnen med företagets webbplats, namn eller LinkedIn-URL. Jag rekommenderar webbplatser när de finns tillgängliga eftersom det minskar risken för tvetydiga företagsnamn.
4. Använd våra filter för att ange vilka jobbannonser du vill skrapa. Klicka här för att se alla filter.

Med samma logik kan du även skapa en collection med företagswebbplatser eller domäner som ska uteslutas från resultaten.

💡 3 användbara tips för att skrapa jobbsajter

Tips 1: Uteslut aktiva kunder från sökningen efter jobbannonser för att undvika pinsamma situationer.

Tips 2: Ta med tidigare kunder i sökningen för att kunna återaktivera dem.

Tips 3: Du kan filtrera eller utesluta företag med hjälp av webbadresser och företagsnamn – inte bara domäner.

När allt är konfigurerat klickar du på Continue.

Gå sedan längst ned på sidan och klicka på Run import now.

När importen är klar granskar du de matchande annonserna och deras käll-URL:er. Vilka jobb du får beror på sökfiltren, resultatgränsen och den indexerade täckningen.

📘 Krediter för jobbsökningar

Varje returnerad jobbannons kostar 10 krediter. Om sökningen exempelvis returnerar 100 annonser kostar den 1 000 krediter. Kontrollera ditt kreditsaldo och de aktuella abonnemangsalternativen före en stor eller återkommande sökning.

Bevaka nya jobbannonser vid återkommande sökningar

En återkommande jobbsökning behöver en stabil jämförelsenyckel och ett datumintervall – det räcker inte att bara köra den dagligen. Jag skulle börja med en daglig sökning för de senaste sju dagarna och sedan anpassa överlappningen efter din marknad. Överlappningen ger försenade annonser en ny chans att dyka upp, men innebär också att samma jobb kan returneras flera gånger.

1. Behåll Job Posting Id, Job Posting URL, Company Website och Date Posted i resultaten.
2. Jämför varje ny omgång med tidigare omgångar utifrån Job Posting Id. Använd inställningarna för unika egenskaper för att förhindra dubblettvärden, eller granska dubbletter innan exporter slås ihop.
3. Behåll samma företag i bevakningslistan. Ett annat jobb-ID från samma företag är en ny annons som bör granskas, inte en företagsdubblett som ska tas bort.
4. Registrera när du först såg en annons i din egen uppföljningsfil om du behöver den informationen. Date Posted är publiceringsdatumet, inte tidpunkten då ditt arbetsflöde hittade annonsen.
5. Granska poster som saknar ID och misstänkta återpubliceringar utifrån titel, företag, plats och URL. Olika ID:n kan fortfarande beskriva liknande roller. Slå inte ihop dem automatiskt bara för att titlarna matchar.

För en automatiserad import med Growth väljer du daglig frekvens, tid och tidszon i schemaläggningen för källan och klickar sedan på Schedule Import. Konfigurera dubbletthanteringen innan du aktiverar schemat. Du kan också upprepa sökningen manuellt. Deduplicering av sparade rader gör inte dataleverantörens returnerade resultat kostnadsfria, så ta med överlappningen i din kreditbudget.

Om var och en av 30 dagliga sökningar exempelvis returnerar 100 annonser betalar du för 3 000 returnerade annonser: 30 × 100 × 10 = 30 000 krediter. Även om dedupliceringen lämnar kvar 400 unika jobb-ID:n är sökkostnaden fortfarande 30 000 krediter. Siffrorna är endast exempel – använd ditt faktiska antal returnerade jobb när du budgeterar för nästa månad.

Utgå inte från att ett jobb har stängts bara för att det försvinner från en sökning. Det kan ha hamnat utanför datumintervallet, filtren eller resultatgränsen. Använd Job Status och det returnerade fältet Closed At när du kontrollerar stängda annonser, och verifiera viktiga jobb på deras källsidor.

Varför skrapa 19 jobbsajter?

Har du någonsin hört någon säga: ”Jag har för mycket data”? Inte jag heller, eftersom data är guld. Men en sak kan vi alla vara överens om: Alla data är inte lika värdefulla – vissa är användbara, andra irrelevanta.

Därför spelar fler källor roll

Genom att skrapa fler jobbsajter får du fler jobbannonser, vilket ökar chansen att hitta användbara data. Den bredare sökningen gör att du inte missar värdefulla möjligheter som finns utspridda på olika plattformar.

Fördelar med att skrapa flera jobbsajter

• Större datamängd
  • Jämför annonser från flera källor
  • Upptäck fler möjligheter hos målföretag
• Strategisk marknadsinformation
  • Identifiera företag med omedelbara behov, signalerade genom jobbannonser
  • Rikta dig mot konton utifrån deras aktuella prioriteringar
  • Använd informationen som kvalificeringsvariabler i Cold Email-kampanjer
• Konkurrensfördelar
  • Vinn affärer effektivare som rekryterare
  • Ge jobbsökande mer heltäckande insikter
  • Upptäck rekryteringstrender före konkurrenterna
  • Få bättre marknadstäckning än med sökningar på en enda sajt
  • Nå potentiella kunder när de investerar i tillväxt

Nu när du har fått en bild av varför dessa data är så användbara ska jag visa vad du kan göra med dem härnäst.

Så kan du använda jobbdata

Ja, Datablist är utmärkt för att skrapa jobbsajter, men det är inte ens 1 % av vad plattformen kan göra för dig. Här är några idéer på vad du kan göra med insamlade jobbdata:

1. Berika företag med ytterligare data
2. Använd AI Agent för att hitta data som inte finns i någon databas
3. Hitta beslutsfattare hos målkonton
4. Hitta mejladresser och telefonnummer med Waterfall Enrichment
5. Använd AI för att skriva personaliserade mejl
6. Analysera företagets tech stack

Listan kan göras mycket längre. Poängen är att Datablist inte bara är ett scrapingverktyg. Med ett enda prisvärt abonnemang får du tillgång till ett helt ekosystem för leadgenerering.

Slutsats

Att skrapa flera jobbsajter ger dig en konkurrensfördel som du bör dra nytta av så länge du kan. Datablist gör jobbdata mer lättillgängliga än andra verktyg och låter dig dessutom söka efter jobbannonser hos företag som redan finns i ditt CRM.

FAQ

Hur fungerar jobbskrapning i det här arbetsflödet?

Datablist söker i en dataleverantörs samlade jobbdatabas med hjälp av dina filter och importerar sedan de matchande annonserna som rader. Det är användbart för att skapa strukturerade jobblistor från flera källor. Det garanterar inte att alla lediga tjänster från varje jobbsajt kommer med, så behåll käll-URL:erna och verifiera rollerna innan du agerar på informationen.

Vad innebär det att skrapa jobbannonser?

Att skrapa jobbannonser innebär att automatiserade verktyg används för att hämta information om lediga tjänster från olika webbplatser. Processen samlar in data som jobbtitlar, beskrivningar, företagsinformation, plats och löneintervall.

Vilket är det bästa verktyget för att skrapa jobb?

Datablist är ett kraftfullt verktyg som samlar jobbannonser från 19 olika jobbsajter samtidigt. Det erbjuder omfattande filter för jobbinformation, företagsdata och information om rekryterande chefer. Utöver scraping erbjuder Datablist även databerikning, AI-baserad sökning och automatisering.

Kan jag använda AI för att analysera jobbannonser?

Ja. När jobben har importerats kan du använda AI enrichment för att klassificera beskrivningar, identifiera relevanta krav eller skapa en kort sammanfattning för din account research. Behåll originalannonsen och käll-URL:en bredvid resultatet så att du kan kontrollera vilket underlag modellen använde. Se guiden om AI-klassificering för regler kring etiketter och granskning.

Hur använder jag skrapade jobbdata i outreach-kampanjer?

Skrapade jobbdata ger värdefulla insikter för riktade outreach-kampanjer. Du kan identifiera företag som rekryterar aktivt, vilket kan signalera tillväxt, hitta beslutsfattare, berika kontaktuppgifter och använda AI för att skapa personaliserade meddelanden utifrån deras specifika behov. Verifiera rekryteringssignalen innan du använder den i outreach och koppla den till ett relevant arbetsflöde för lead scraping.

Vilka data kan jag få genom att skrapa jobbsajter?

Verktyg som Datablist kan hämta omfattande data, inklusive jobbinformation som titel, beskrivning, typ, plats och lön, företagsinformation som namn, webbplats, LinkedIn, storlek och bransch samt uppgifter om rekryterande chefer som namn, titel och LinkedIn-profil. Du får även metadata som publiceringsdatum. Det här innehållsrika datasetet ger värdefull business intelligence.

Hur många jobbsajter bör jag skrapa?

Att skrapa flera jobbsajter ger betydligt bättre resultat än att förlita sig på en enda källa. Verktyg som Datablist kan skrapa 19 jobbsajter samtidigt, vilket ger bredare marknadstäckning, fler möjligheter att identifiera potentiella kunder och bättre insikter i rekryteringstrender innan konkurrenterna upptäcker dem.