RecruitmentBureauScan.nl
2× meer goede matches dan LLMs als Claude & ChatGPT — en 0 hallucinaties (LLMs: ~43%).

Over

Waarom dit bestaat · en wie erachter zit
Onafhankelijk
en transparant

De Nederlandse recruitment-markt telt duizenden bureaus. Bijna allemaal zeggen ze "alles" te doen. In de praktijk plaatst elk bureau maar een handvol soorten rollen écht goed — en dat staat zelden helder op de site. Voor een opdrachtgever is het daardoor bijna ondoenlijk om het juiste bureau te kiezen zonder een eigen netwerk.

RecruitmentBureauScan.nl lost dat op met data in plaats van onderbuikgevoel: ~2.247 Nederlandse bureaus, geclassificeerd op zes dimensies, en een algoritme dat — afhankelijk van jouw opdracht — de best passende bureaus rangschikt. Geen advertenties. Geen bureau betaalt om vermeld te worden.

OPRICHTER
Peter Zeeuw van der Laan

Peter Zeeuw van der Laan

Oprichter · oud-McKinsey · 10+ jaar recruitment-ondernemer

Peter begon zijn loopbaan als consultant bij McKinsey & Company, waar hij organisaties hielp met strategische en operationele vraagstukken. Die analytische basis nam hij mee de recruitment-wereld in.

In de jaren daarna bouwde en leidde hij meerdere bedrijven in en rond werving & selectie, waaronder Apollo Executive Search, ConsultancyExit en TheInsideCoach Recruitment. Vanuit die rol zag hij van binnenuit welke bureaus leveren op welk type opdracht — en welke vooral een goede brochure hebben.

RecruitmentBureauScan.nl is de neerslag van die jaren aan notities en marktkennis: omgezet in een database en een transparant, onafhankelijk algoritme dat iedereen kan gebruiken.

METHODOLOGIE

Elk bureau is met een taalmodel geclassificeerd op zes assen: functie, sector, type dienstverband, businessmodel, geografische dekking en bedrijfsgrootte — uitsluitend op basis van publieke informatie (website, LinkedIn, vacatures). Bij het scoren weegt het algoritme die assen afhankelijk van jouw opdracht (bijv. functie zwaarder bij een specialistische rol, sector zwaarder bij een sectorvraag).

In een blinde test van 14 opdrachten over 1.657 bureaus haalt deze aanpak ~2× zo vaak een bekende goede match in de top-10 als een LLM (Claude / ChatGPT) zónder onze database — en met 0 hallucinaties, waar een losse LLM ~43% niet-bestaande of onvindbare bureaus aandraagt.