2026년 LinkedIn X-레이 검색 - 리크루터와 소싱 담당자를 위한 궁극의 가이드

X-레이 검색을 위한 정확하고 필드 중심의 타겟 목록으로 시작하세요. 쿼리를 실행하기 전에 관심 있는 필드를 정의하세요: title, location, current company, past roles, 그리고 역할에 맞는 keywords. 이는 lets 당신이 기준의 타이트한 목록을 구축할 수 있게 하여 노이즈를 줄이고 아웃리치를 집중적으로 유지합니다.

두 단계 패턴을 채택하세요. 첫 번째 단계는 네트워크 외부의 페이지를 끌어오고 LinkedIn 프로필로 연결되는 검색 엔진 결과를 가져온 다음, 네트워크 내에서 이를 검증하세요. 첫 번째 단계는 광범위한 세트를 shows하므로, title과 location 같은 fields에 대한 bulk 필터를 통해 배치할 수 있습니다. 예를 들어, site:linkedin.com/in intitle:"Marketing" york 또는 site:linkedin.com/in inurl:in "Marketing Analyst"와 같은 쿼리는 specified 타겟에 고정할 수 있게 합니다. 채용하는 phrases와 함께 히트를 database에 저장한 다음, 다음 searches에서 해당 phrases를 사용하여 세련된 검색을 실행하세요. 이 접근 방식은 여러 소스를 가로지르며 빠르게 행동할 수 있는 검증된 목록을 구축합니다.

깊이를 제어하기 위해 logical 연산자를 사용하세요: AND는 좁히고, OR는 넓히며, 따옴표는 정확한 구문을 고정합니다. "Senior Marketing Analyst" 또는 "Marketing Manager"와 같은 역할을 설명하는 phrases의 list를 구축하고, database에 나타나는 프로필에 대해 각 구문을 테스트하세요. 변형을 사용한 searches를 실행한 다음, 결과를 database에 통합하고 간단한 체크섬으로 중복을 제거하세요. 이 프로필 유형을 타겟할 때 analyst라는 단어를 포함하여 정확한 매치를 끌어오세요. 마지막으로, 각 히트 자체가 행동할 수 있는 맥락을 담고 있습니다.

노이즈를 줄이기 위해 도시 클러스터로 지역화하세요

노이즈를 줄이기 위해 도시 클러스터로 지역화하세요. york와 다른 주요 허브를 타겟으로 한 다음, 인접 지역으로 확장하세요. 이전 역할과 관련 프로젝트에 대한 노트로 프로필을 태그하여 warm 아웃리치를 집중하세요. marketing 역할의 후보자를 위해 메시지를 개인화하고 구체적인 경험을 참조하여 응답 품질을 향상시키세요. 각 히트를 맥락으로 주석 처리하세요: 현재 고용주, 선임도, 그리고 다음 단계를 안내하는 notes 필드.

유지가 중요합니다: many 깨끗한 레코드로 구성된 간결한 database를 유지하세요. 비활성 프로필을 정기적으로 제거하고, 중복을 제거하며, 30–60일마다 데이터를 새로 고치세요. 명확한 소유권이 있는 specified 워크플로우는 마찰을 줄이고 채용 담당자가 데이터보다는 대화에 집중할 수 있게 lets합니다. 중복은 자동으로 플래그되지 않으므로, 코퍼스를 깨끗하게 유지하기 위해 수동 중복 제거 단계를 포함하세요.

아웃리치 품질이 중요합니다: 일반적인 메시지를 피하세요. 연락 시도가 열리지 않으면 phrases를 수정하고 톤을 맞춤형으로 조정하세요. database를 깨끗하게 유지하고 중복이 벌크로 플래그되지 않도록 하여 잘못된 캠페인을 방지하세요. 이는 fields를 정렬하고 워크플로우를 원활하게 유지합니다.

2024년 실용적인 X-레이 검색 전략 및 프롬프팅

타겟을 네 개의 필드로 분할하는 재사용 가능한 프롬프트를 사용하세요: someone, role, location, and source. LinkedIn 프로필과 공개 페이지를 x-raying하기 위한 고정 문자열로 템플릿을 구축한 다음, 지역, 선임도, 산업 필터를 적용하여 결과를 세련되게 하세요. 이 접근 방식은 누락 신호를 줄이고 캠페인 전반에 걸쳐 신뢰할 수 있는 결과를 제공합니다. 프로필과 아웃리치 캐던스에 대한 명명 규칙은 풀을 체계적으로 유지하고 자동화를 통해 쉽게 확장할 수 있게 합니다.

프롬프팅 기본은 통제를 유지하게 합니다. 산문이 아닌 깨끗한 검색 문자열을 생성하는 프롬프트를 만드세요. 명시적인 연산자, 사이트 패턴, 필드 라벨을 포함하여 결과를 추적 시트나 풀에 붙여넣을 수 있게 하세요. 프롬프트를 워크플로우에 통합하여 쓰기가 추측이 아닌 일상적인 단계가 되게 하세요. 히트를 수집한 후, 커버리지를 개선하기 위해 키워드를 검토하고 세련되게 하며, 가능한 경우 전화번호를 수집하고 중복을 줄이세요.

Element	Example query	Notes
Core pool and keywords	site:linkedin.com/in (engineer OR developer) AND (Java OR Python) AND (remote OR "New York")	Target titles and skills; test variations to decrease miss
X-ray patterns	site:linkedin.com/in OR site:linkedin.com/pub (manager OR lead) AND (cloud OR AI)	Combine with quotes for exact phrases
Campaigns and domains	inurl:in OR inurl:pub AND (Sr. OR Senior) AND (team OR lead)	Use alternate domains to catch overlooked profiles
Outreach channel	contact pathways: gmailcom	record outreach handles; keep naming consistent; once verified

결과를 CRM과 ATS에 통합하여 루프를 닫으세요; 저장된 프롬프트에 이름을 붙이면 작업과 풀 전반에 패턴을 재사용할 수 있습니다. 단일하고 복잡하지 않은 프롬프트로 아웃리치 메시지를 작성하고 각 역할을 맞춤형으로 조정하세요. 데이터를 수집하고, 캠페인 성과를 평가하며, 누락을 줄이고 중요한 것들의 매치 품질을 높이기 위해 키워드를 세련되게 하세요.

LinkedIn X-레이 검색을 위한 정확한 불리언 문자열 제작

title, company, and location의 3개 블록으로 구성된 맞춤형 코어로 시작하세요

title, company, and location의 3개 블록으로 구성된 맞춤형 코어로 시작하세요. 문자열을 쉽게 재사용할 수 있게 유지하고 템플릿으로 저장하여 팀이 빠르게 확장할 수 있게 하세요. 실용적인 관점을 위해 공개 LinkedIn 프로필을 타겟으로 하고 x-ray 패턴을 사용하여 관련 구문을 캡처하세요; 각 검색 뷰는 여러 프로필을 반환합니다. 이 접근 방식은 명확하고 재사용 가능한 블록을 사용하며, 검색 워크플로우의 전용 섹션에서 이를 시작할 수 있습니다. 우리는 이러한 패턴으로 여러 후보자를 테스트했으며 강력한 결과를 보았습니다.

문자열을 이렇게 구조화하세요: (site:linkedin.com/in OR site:linkedin.com/pub) AND (intitle:resume OR intitle:profile) AND ("data scientist" OR "machine learning" OR "analytics engineer") AND (remote OR "san francisco" OR "new york") -jobs -career

결과를 더 좁히기 위해 회사 이름, 선임도 용어 (senior, lead, principal), 산업 구문을 위한 블록을 추가하세요. AND, OR, NOT 연산자를 사용하여 용어를 결합하고 괄호로 그룹화하세요. 이는 검색을 좁혀 더 빠르게 더 따뜻한 후보자를 찾는 데 도움이 됩니다.

팀 협력을 위해 가장 잘 수행하는 구문을 식별하고 맞춤형 스니펫으로 공유하세요. 섹션 아래에 여러 문자열을 저장하기 위해 확장 프로그램을 사용하고, 어떤 조합이 강력한 후보자를 식별하는지 추적하며, 각 검색 패스 후에 반복하세요. 우리는 특정 구문이 신뢰할 수 있게 변환된다는 것을 발견했으므로, 효과적인 것을 문서화하세요.

다음과 같은 즉시 사용할 수 있는 템플릿을 시도하세요: (site:linkedin.com/in OR site:linkedin.com/pub) AND ("software engineer" OR "developer") AND (remote OR hybrid) AND (USA OR "United States") AND (public) -jobs

회사, 산업, 위치, 선임도에 대한 타겟 필터로 결과를 세련되게 하세요

초점 맞춤형 코어 쿼리로 시작하고 네 개의 결정적인 필터를 레이어하세요

초점 맞춤형 코어 쿼리로 시작하고 결과를 타이트하게 하기 위해 네 개의 결정적인 필터를 레이어하세요. 프로필 전반에 걸쳐 정확한 구문을 찾는 x-ray 스타일 스캔을 위해 sitelinkedincomin을 사용하세요. 자동화와 확장 프로그램으로, 타겟 역할에 아웃리치를 맞춤형으로 유지하면서 전망을 빠르게 수집할 수 있습니다.

1. 회사 앵커: intext와 필요 시 inurl:in을 사용하여 프로필 텍스트에서 고용주 이름을 검색하세요. 예: sitelinkedincomin intext:"Google" intext:"Mountain View, CA"는 한 번의 스윕으로 회사와 위치를 표시합니다.
2. 산업 정렬: 섹터로 제한하기 위해 intext:"Industry: Information Technology and Services" 또는 intext:"Industry: Software"를 추가하세요.
3. 위치 정밀도: 이상치를 제거하기 위해 intext:"Location: New York, NY" 또는 intext:"New York"로 도시나 지역을 고정하세요.
4. 선임도와 역할: intext:"Seniority: Director" 또는 intext:"Manager"와 함께 역할 키워드 (예: intext:"Product Manager")를 사용하여 선임도와 타겟 역할을 태그하세요.
5. 검증 및 내보내기: 여러 변형을 실행한 다음, 결과를 네비게이터나 CRM에 입력하세요. 아웃리치 전에 프로필이 의도된 수준과 기술에 맞는지 빠른 수동 검사를 사용하세요.

복사-붙여넣기할 수 있는 구체적인 쿼리 템플릿:

• sitelinkedincomin intext:"Google" intext:"Mountain View, CA"
• sitelinkedincomin intext:"Industry: Information Technology and Services" intext:"New York"
• sitelinkedincomin intext:"Seniority: Director" intext:"Product Manager"
• sitelinkedincomin intext:"Tesla" intext:"Location: Austin, TX" intext:"Senior"

결과를 깨끗하고 확장 가능하게 유지하는 팁: 정확한 구문에 따옴표 사용

결과를 깨끗하고 확장 가능하게 유지하는 팁: 정확한 구문에 따옴표를 사용하고, 변형을 커버하기 위해 OR를 사용하며, 하나의 긴 문자열 대신 여러 작은 쿼리를 구축하세요. 시간이 부족하면 이러한 패턴을 실행하고 아웃리치를 위한 자동화를 통해 결과를 수집하기 위해 확장 프로그램에 의존하세요. 원하는 수준과 기술에 맞는 프로필을 찾은 다음, 연락 전에 수동 검사를 진행하세요. 좋은 전망을 식별하면 검색 블록을 반복 사용을 위해 저장하고 새로운 회사나 산업으로 확장할 때 더 세련되게 할 수 있습니다. 이 접근 방식을 통해 과도한 가져오기를 피하면서 히트율을 개선하고, 아웃리치 캠페인을 위한 안정적인 흐름을 유지합니다.

프롬프트 1: 베를린의 선임 소프트웨어 엔지니어를 위한 맞춤형 LinkedIn X-레이 쿼리 구축

베를린 기반 선임 소프트웨어 엔지니어의 최고 시작점: 고품질 프로필을 반환하는 맞춤형 LinkedIn X-레이 쿼리입니다. Googles-style x-ray 접근 방식은 linkedins에서 title, current company, location 같은 필드를 끌어와 타겟팅을 개선합니다. 코어 쿼리: site:linkedin.com/in (intitle:"Senior Software Engineer" OR intitle:"Staff Software Engineer" OR intitle:"Principal Software Engineer" OR intitle:"Lead Software Engineer") (Berlin OR "Berlin, Germany").

변형 1 – stack-aware: site:linkedin.com/in (intitle:"Senior Software Engineer" OR intitle:"Staff Software Engineer" OR intitle:"Principal Software Engineer" OR intitle:"Lead Software Engineer") (Berlin OR "Berlin, Germany") (Python OR Java OR Go OR Kotlin OR JavaScript OR C# OR Scala). 이는 캠페인을 위한 주요 기술 신호를 강조하는 프로필을 가진 유망한 후보자에게 도달하는 데 도움이 됩니다.

변형 2 – 산업 및 현재 회사 경향: site:linkedin

변형 2 – 산업 및 현재 회사 경향: site:linkedin.com/in (intitle:"Senior Software Engineer" OR intitle:"Staff Software Engineer" OR intitle:"Principal Software Engineer" OR intitle:"Lead Software Engineer") (Berlin OR "Berlin, Germany") (Software OR Technology OR "FinTech" OR "Healthcare IT"). title, current company, location, industry 같은 필드를 캡처하여 아웃리치를 위한 초점 맞춤형 목록을 구축하세요. 예외는 스크래퍼를 노이즈로 과부하하지 않도록; 결과에서 간결하게 유지하세요.

자동화를 위한 실용적인 설정: Googles 엔진에서 이러한 쿼리를 실행한 다음, 스크래퍼를 사용하여 name, profile URL, title, current company, location, industry, key skills 열이 있는 CSV로 결과를 내보내세요. 현재, 빠른 검증을 위해 20–40 프로필 배치를 유지하세요. 중복 제거를 지원하고 유망한 매치를 플래그하며 프로필을 캠페인으로 라우팅하는 도구와 플랫폼을 사용하세요. 이 접근 방식은 용어와 지침을 존중하면서 더 높은 품질의 풀을 반환하는 데 도움이 됩니다.

초기 풀이 작으면 베를린을 먼저 중심으로 하거나 인근 도시로 넓히는지 여부와 상관없이, 이러한 쿼리는 유연합니다. 결과에 기반하여 스택 키워드를 조정하고, 위치 반경을 조정하거나, 관련 제목을 추가하여 정확성을 개선하고 캠페인을 위한 더 많은 관련 후보자를 캡처하세요.

프롬프트 2: 스택, 시간대, 선임도 고려를 포함한 원격 역할로 확장

원격 준비 검색 계획을 정의하는 것으로 시작하세요: 세 개의 타겟 스택을 선택하고, 시간대 창을 설정하며, 선임도 밴드를 지정하세요. 공개 LinkedIn 프로필을 정확한 키워드와 스택 용어와 쌍으로 하는 캠페인을 생성하고, 캠페인 전반에 반복할 수 있는 검색을 실행하세요. 이 접근 방식은 역할 전반에 유사한 패턴을 드러내고 결과를 일관되게 유지합니다.

intext, keywords, stack terms를 결합한 검색 문자열 구축

intext, keywords, stack terms를 결합한 검색 문자열을 구축하세요. 예를 들어, site:linkedin.com/in intext:remote (Java OR JavaScript OR Python) intext:senior OR intext:lead OR intext:architect (intext:Spring OR intext:React OR intext:Django) within London을 사용하세요. 공개 프로필에서 원격 작업과 관련 기술 스택을 나열하는 후보자를 포착하는 것을 목표로 합니다. 추측에 의존할 수 없음–재사용 가능한 캠페인으로 입력되도록 검색을 구조화하고 캠페인 전반에 쉽게 재현할 수 있게 하세요. 분산 작업이나 계약 경험을 암시하는 게시물, 이벤트, 신호를 찾으세요. outscraper를 사용하면 결과를 클라이언트를 위한 깨끗한 목록으로 추출할 수 있으며, 스택, 키워드 클러스터, 선임도 수준 intext로 필터링할 수 있습니다.

시간대 정렬이 중요합니다: 허브 (예: London time)의 2시간 창 내 가용성을 나타내는 프로필을 타겟으로 하고 더 넓은 접근을 위해 비동기 통신을 선호하세요. 검색 내에서 remote, work-from-home, distributed, flexible-hours 같은 구문을 추가하여 원격을 명시적으로 광고하지 않는 숨겨진 후보자를 드러내세요. senior, lead, architect, principal, staff 같은 선임도를 반영하는 키워드를 포함하여 주니어 프로필로 넘치지 않게 하세요. 공개 신호와 일관된 루브릭을 사용하여 각 항목을 점수화하세요; 이는 필터링 중 편향을 줄이고 캠페인을 집중되게 유지합니다.

결과를 수집한 후, 필드를 정규화하기 위해 빠른 추출 패스를 실행하세요

결과를 수집한 후, name, current company, title, location, profile URL, stack indicators, time-zone hints 같은 필드를 정규화하기 위해 빠른 추출 패스를 실행하세요. 각 결과를 헬퍼 파이프라인에 입력하고 스택, 선임도, 원격 키워드로 태그하세요. 구조화된 접근 방식에 의존하면 오캐스팅을 방지하고 클라이언트가 검토하기 쉽게 만듭니다. 유사한 격차를 보면 세련된 키워드로 다시 검색할 수 있으며, 이벤트, 변경된 스택 인기, 또는 London 기반 채용 템포 변화에 기반하여 몇 주마다 캠페인을 새로 고쳐 모멘텀을 유지하세요.

프롬프트 3: AI 프롬프트를 사용한 후보자 풀 검증, 중복 제거, 요약

필수 필드 확인으로 모든 후보자 레코드를 검증하세요: name, title, company, location, url, usable email handle. 필드가 누락되거나 제목이 모호한 경우 (예: 기능 없는 “Engineer”), 검토를 위해 플래그하세요. 관련성을 확인하기 위해 프로필 텍스트에 대한 가벼운 intext 및 x-raying 검사를 실행한 다음, 고신뢰 레코드만 앞으로 이동하도록 빠른 검증 후 패스를 수행하세요.

두 층 접근 방식으로 중복 제거: 먼저 코어 정규화

두 층 접근 방식으로 중복 제거: 먼저 코어 식별자 (name, current company, location, title)를 정규화하세요; 두 번째로 유사 레코드를 블록으로 그룹화하기 위해 유사도 임계값을 적용하세요. 각 중복 제거 단계에 대한 명시적인 before/after 스냅샷을 생성하세요. 필드 전반에 걸친 근중복을 플래그하기 위해 스크래퍼 워크플로우를 사용하고, 잘못된 병합을 줄이기 위해 표준 이름 철자와 회사 별칭에 의존하며, 중요한 필드가 불일치하는 레코드는 수동 검토를 위해 격리 목록에 유지하세요. 지역 풀을 섞지 않도록 적절할 때 위치 태그로 canada를 참조하세요.

AI 프롬프트로 풀을 요약하여 배치당 간결하고 구조화된 브리핑을 생성하세요. 부품 기반 뷰를 구축하세요: demographic, function/role, industries, geography (canada 관련). 상위 그룹과 팀을 식별하고, 가장 일반적인 제목을 강조하며, 풀당 최고 5–7 기술을 추출하세요. 총 중복 제거된 카운트, 위치별 분포, 지배적인 선임도를 보여주는 컴팩트한 출력을 생성하세요. 독자가 후보자 블록 간 이동하고 세그먼트를 빠르게 비교할 수 있는 네비게이터 스타일 개요를 사용하세요.

프롬프트는 헬퍼 세트에서 조립하세요: validate_fields_prompt, dedupe_prompt, summarize_prompt. AI에 name, title, company, location, skills, years_experience, url, notes 필드가 있는 깨끗한 레코드 목록을 입력하세요. 모델에 count, confidence, top_roles, top_skills, location_distribution, compact roster 같은 필드가 있는 정확한 JSON-like 요약을 출력하도록 지시하세요. 요약 전에 각 후보자를 빠른 스캐닝을 돕기 위해 짧은 설명자로 나열한 다음, 요약 후에 후속을 위한 구체적인 행동 단계를 제시하세요. 이메일의 경우, gmailcom으로 끝나는 항목을 일반적이거나 플레이스홀더로 플래그하여 판매 팀이 직접 아웃리치를 추구할지 또는 주요 풀에서 해당 라인을 폐기할지 결정할 수 있게 하세요.

Salesforce 필드에 매핑되는 블록을 생성하여 일관성을 유도하세요: name을 Name에, title을 Title에, company를 Company에, location을 Location에, skills를 Skills에, notes를 Notes에 매핑하세요. 팀이 Salesforce 레코드로 직접 내보낼 수 있는 깨끗한 피드를 구축하기 위해 블록을 사용하며, 소스 유래와 원래 풀 크기를 보존하세요. 결과는 후보자의 간소화된 네비게이터처럼 보이며, 명확한 다음 단계와 리크루터 및 참여할 엔지니어에게 저마찰 핸드오프를 제공합니다.

워크플로우를 타이트하고 확장 가능하게 유지하세요: Canada 중심 검색과 그룹 및 팀 전반에 동일한 코어 프롬프트에 의존하여 풀을 나란히 비교하고 일관된 품질을 유지할 수 있습니다. 배치가 검증과 중복 제거를 통과하면 그룹과 관리자와 공유할 수 있는 컴팩트한 요약을 생성한 다음, 최종 결과를 CRM과 다운스트림 아웃리치 큐로 푸시하여 타겟 참여를 위해 합니다.