LinkedIn X-Ray-sökning 2026 - Den Ultimata Guiden för Rekryterare och Sourcers

Börja med en precis, fält-driven mållista för din X-Ray-sökning. Innan du frågar, definiera fälten du bryr dig om: titel, plats, nuvarande företag, tidigare roller, och nyckelord som matchar dina roller. Detta låter dig bygga en tight lista med kriterier, minska brus och hålla outreach fokuserad.

Anta ett tvåpassmönster. Första passet drar utanför-nätverket sidor och resultat från sökmotorer som länkar till LinkedIn-profiler, sedan verifierar du dem i nätverket. Första passet visar en bred uppsättning, så du kan batcha via bulk filter efter fält som titel och plats. Till exempel, frågor som site:linkedin.com/in intitle:"Marketing" york eller site:linkedin.com/in inurl:in "Marketing Analyst" hjälper dig att låsa på specificerade mål. Spara träffarna i en databas med fraser du rekryterar för, sedan kör en förfinad sökning med de fraserna på nästa sökningar. Detta tillvägagångssätt tittar över flera källor och bygger en verifierad lista du kan agera på snabbt.

Använd logiska operatorer för att kontrollera djupet: AND stramar åt, OR breddar, och citattecken förankrar exakta fraser. Bygg en lista med fraser som beskriver rollen, som "Senior Marketing Analyst" eller "Marketing Manager" och testa varje fras mot profiler som dyker upp i databasen. Använd sökningar med variationer, sedan konsolidera resultaten i din databas och ta bort dubbletter med en enkel kontrollsumma. Inkludera ordet analytiker när du riktar in dig på denna profiltyp så du drar precisa matchningar. I slutändan bär varje träff själv kontext du kan agera på.

Localisera efter stadsgrupper för att minska brus

Localisera efter stadsgrupper för att minska brus. Rikta in dig på york och andra stora nav, sedan utöka med angränsande regioner. Fokusera på varm outreach genom att tagga profiler med anteckningar om tidigare roller och relevanta projekt. Personalisera meddelanden för kandidater i marketing-roller och referera till konkret erfarenhet för att förbättra svarskvaliteten. Annotera varje träff med kontext: nuvarande arbetsgivare, senioritet, och ett anteckningar-fält för att vägleda nästa steg.

Underhåll spelar roll: håll en lean databas med många rena poster. Rensa regelbundet inaktiva profiler, avdubblettera dubbletter, och uppdatera data var 30–60 dagar. Ett specificerat arbetsflöde med tydligt ägande minskar friktion och låter rekryterare hålla sig fokuserade på samtal snarare än data. Dubbletter flaggas inte automatiskt, så inkludera ett manuellt avdubbletteringssteg för att hålla korpusen ren.

Outreach-kvalitet spelar roll: undvik generiska meddelanden. Om kontaktförsök inte öppnas, revidera fraserna och anpassa tonen. Håll en ren databas och se till att dubbletter inte flaggas i bulk, vilket förhindrar felriktade kampanjer. Detta håller dina fält alignerade och ditt arbetsflöde smidigt.

Praktiska X-Ray-sökstrategier för 2024 och prompting

Använd en återanvändbar prompt som delar upp mål i fyra fält: någon, roll, plats och källa. Bygg mallar med förankrade strängar för x-raying av LinkedIn-profiler och offentliga sidor, sedan förfina resultaten genom att applicera region, senioritet och branschfilter. Detta tillvägagångssätt minskar miss-signaler och ger pålitliga resultat över kampanjer. Namngivningskonventioner för profiler och outreach-kadenser håller din pool organiserad och lätt att skala genom automatisering.

Prompting-grunder håller dig i kontroll. Skapa prompts som ger rena söksträngar, inte prosa. Inkludera explicita operatorer, site-mönster och fältetiketter så du kan klistra in resultaten i ditt spårningsark eller pool. Integrera prompts med ditt arbetsflöde så skrivande blir ett rutinmässigt steg snarare än en gissning. Efter att du samlat träffar, granska och förfina nyckelord för att förbättra täckningen, samla telefonnummer när tillgängliga, och minska dubbletter.

Element	Exempel på fråga	Anteckningar
Kärnpool och nyckelord	site:linkedin.com/in (engineer OR developer) AND (Java OR Python) AND (remote OR "New York")	Rikta in dig på titlar och färdigheter; testa variationer för att minska miss
X-ray-mönster	site:linkedin.com/in OR site:linkedin.com/pub (manager OR lead) AND (cloud OR AI)	Kombinera med citattecken för exakta fraser
Kampanjer och domäner	inurl:in OR inurl:pub AND (Sr. OR Senior) AND (team OR lead)	Använd alternativa domäner för att fånga förbisedda profiler
Outreach-kanal	kontaktvägar: gmailcom	spåra outreach-handtag; håll namngivning konsekvent; när verifierad

Integrera resultaten med ditt CRM och ATS för att stänga loopen; namngivning av sparade prompts hjälper till att återanvända mönster över jobb och pooler. Skriv outreach-meddelanden med en enda, okomplicerad prompt och anpassa varje till rollen. Samla data, utvärdera kampanjprestanda, och förfina nyckelord för att minska missar och öka matchningskvaliteten på de som spelar roll.

Skapa precisa Boolean-strängar för LinkedIn X-Ray-sökningar

Börja med en anpassad kärna av 3 block: titel, företag och plats

Börja med en anpassad kärna av 3 block: titel, företag och plats. Håll strängarna lätta att återanvända och spara dem som mallar så ditt team kan skala snabbt. För en praktisk vy, rikta in dig på offentliga LinkedIn-profiler och använd x-ray-mönster för att fånga relevanta fraser; varje sökvy returnerar flera profiler. Detta tillvägagångssätt använder tydliga, återanvändbara block och du kan börja göra detta i en dedikerad sektion av ditt sök arbetsflöde. vi har testat flera kandidater med dessa mönster och sett starka resultat.

Strukturera dina strängar så här: (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

För att smalna in resultaten ytterligare, lägg till block för företagsnamn, senioritetstermer (senior, lead, principal), och branschfraser. Använd operatorerna AND, OR, NOT för att kombinera termer och gruppera dem med parenteser. Detta smalnar in sökningen, hjälper dig att hitta varmare kandidater snabbare.

För team-samarbete, identifiera fraser som presterar bäst och dela dem som anpassade snippets. Använd tillägg för att spara flera strängar under en sektion, spåra vilka kombinationer som identifierar starka kandidater, och iterera efter varje sökpass. vi har funnit att vissa fraser konverterar pålitligt, så se till att dokumentera vad som fungerar.

Prova färdiga mallar som: (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

Förfina resultat med riktade filter: företag, bransch, plats och senioritet

Börja med en fokuserad kärnfråga och lager fyra avgörande filter

Börja med en fokuserad kärnfråga och lager fyra avgörande filter för att strama åt resultaten. Använd sitelinkedincomin för en x-ray-stil skanning som letar efter exakta fraser över profiler. Med automatisering och tillägg kan du samla prospekt snabbt medan du håller outreach alignerad med dina målrroller.

1. Företagsankare: sök efter arbetsgivarens namn i profiltexten med intext och, om behövs, inurl:in. Exempel: sitelinkedincomin intext:"Google" intext:"Mountain View, CA" markerar företaget och platsen i ett svep.
2. Branschalignment: lägg till intext:"Industry: Information Technology and Services" eller intext:"Industry: Software" för att begränsa till sektorn.
3. Platsprecision: lås in stad eller region med intext:"Location: New York, NY" eller intext:"New York" för att beskäras avvikelser.
4. Senioritet och roller: tagga senioritet och målrrollen med intext:"Seniority: Director" eller intext:"Manager" tillsammans med rollnyckelordet (t.ex. intext:"Product Manager").
5. Validera och exportera: kör flera variationer, sedan mata in resultaten i din navigator eller CRM. Använd en snabb manuell kontroll för att bekräfta att profilerna matchar den avsedda nivån och färdigheterna innan outreach.

Konkrreta frågemallar du kan kopiera-klistra in:

• 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"

Tips för att hålla resultaten rena och skalbara: använd citattecken för precisa

Tips för att hålla resultaten rena och skalbara: använd citattecken för precisa fraser, använd OR för att täcka varianter, och bygg flera mindre frågor istället för en lång sträng. Om du är kort på tid, lita på tillägg för att köra dessa mönster och samla resultat genom automatisering för outreach. Leta efter profiler som matchar de önskade nivåerna och färdigheterna, sedan fortsätt med manuella kontroller innan kontakt. När du identifierar en bra prospekt kan du spara sökblocken för upprepad användning och förfina ytterligare när du utökar till nya företag eller branscher. Genom detta tillvägagångssätt förbättrar du träffnivån utan överhämtning, och du upprätthåller ett stadigt flöde för outreach-kampanjer.

Prompt 1: Bygg en anpassad LinkedIn X-Ray-fråga för seniora mjukvaruingenjörer i Berlin

Detta är den bästa startpunkten för Berlin-baserade seniora mjukvaruingenjörer: en anpassad LinkedIn X-Ray-fråga för att returnera högkvalitativa profiler. Googles-stil x-ray-tillvägagångssätt låter dig dra fält som titel, nuvarande företag och plats från linkedins, förbättra din targeting. Kärnfråga: 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").

Variant 1 – stack-medveten: 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). Detta hjälper dig att nå troliga kandidater vars profiler belyser de nyckeltekniska signalerna för dina kampanjer.

Variant 2 – bransch och nuvarande företagslutning: site:linkedin

Variant 2 – bransch och nuvarande företagslutning: 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"). Fånga fält som titel, nuvarande företag, plats och bransch för att bygga en fokuserad lista för outreach. Undantaget är att undvika att överbelasta din scraper med brus; håll dig koncist i dina resultat.

Praktisk setup för automatisering: kör dessa frågor på Googles motorer, sedan använd en scraper för att exportera resultat till CSV med kolumner: namn, profil-URL, titel, nuvarande företag, plats, bransch och nyckelfärdigheter. För närvarande, håll batcher av 20–40 profiler för snabb validering. Använd verktyg och plattformar som stödjer avdubbletering, flagga troliga matchningar, och routa profiler till dina kampanjer. Detta tillvägagångssätt hjälper dig att returnera en högre kvalitets pool medan du respekterar villkor och deras riktlinjer.

Oavsett om du centrerar på Berlin först eller vidgar till närliggande städer om den initiala poolen är liten, är dessa frågor flexibla. Baserat på resultat, justera stack-nyckelord, anpassa platsradie, eller lägg till relaterade titlar för att förbättra noggrannheten och fånga fler relevanta kandidater för dina kampanjer.

Prompt 2: Utöka till distansroller med stack, tidszon och senioritetsöverväganden

Börja med att definiera en distansredo sökplan: välj tre målstacks, sätt ett tidszonsfönster, och tilldela senioritetsband. Skapa en kampanj som parar offentliga LinkedIn-profiler med exakta nyckelord och stack-termer, och kör sökningar som kan upprepas över kampanjer. Detta tillvägagångssätt avslöjar liknande mönster över roller och håller resultaten konsekventa.

Bygg söksträngar som kombinerar intext, nyckelord och stack-termer

Bygg söksträngar som kombinerar intext, nyckelord och stack-termer. Till exempel, använd: 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 London. Du siktar på att fånga kandidater som listar distansarbete och relevanta tech-stacks i sina offentliga profiler. Kan inte lita på gissningsverk–strukturera sökningar så de matar in i en återanvändbar kampanj och är lätta att reproducera över kampanjer. Leta efter inlägg, evenemang och signaler som hintar på distribuerat arbete eller kontraktserfarenhet. Att använda outscraper hjälper dig att extrahera resultat till en ren lista för din klient, och du kan filtrera efter stack, nyckelordskluster och senioritetsnivå intext.

Tidszonsalignment spelar roll: rikta in dig på profiler som indikerar tillgänglighet inom ett tvåtimmarfönster av ditt nav (t.ex. London-tid) och föredra asynkron kommunikation för bredare tillgång. Inom sökningar, lägg till fraser som remote, work-from-home, distributed, och flexible-hours för att yta fram dolda kandidater som inte annonserar distans explicit. Inkludera nyckelord som reflekterar senioritet som senior, lead, architect, principal, eller staff för att säkerställa att du inte översvämmas med juniorprofiler. Använd offentliga signaler och en konsekvent rubrik för att poängsätta varje post; detta håller kampanjen fokuserad och minskar bias under filtrering.

Efter att ha samlat resultat, kör ett snabbt extraktpass för att normalisera

Efter att ha samlat resultat, kör ett snabbt extraktpass för att normalisera fält: namn, nuvarande företag, titel, plats, profil-URL, stack-indikatorer och tidszons-hints. Ange varje resultat i din hjälppipeline och tagga med stack, senioritet och distansnyckelord. Att lita på ett strukturerat tillvägagångssätt förhindrar miscasts och gör det lätt för klienten att granska. Du kan söka igen med förfinade nyckelord om du ser liknande luckor, och hålla momentum genom att uppdatera kampanjen varannan vecka baserat på evenemang, förändrad stack-popularitet, eller skift i London-baserad rekryteringstempo.

Prompt 3: Validera, avdubblettera och summera kandidatpooler med AI-prompts

Validera varje kandidatpost genom att kontrollera essentiella fält: namn, titel, företag, plats, url och en användbar e-posthanterare. Om ett fält saknas eller titeln är vag (till exempel, “Engineer” utan funktion), flagga det för granskning. Kör en lätt intext och x-raying-kontroll på profiltexten för att bekräfta relevans, sedan utför ett snabbt efter-valideringspass för att säkerställa att endast högkonfidens-poster går vidare.

Avdubblettera med ett tvålagers tillvägagångssätt: först, normalisera kärna

Avdubblettera med ett tvålagers tillvägagångssätt: först, normalisera kärnidentifierare (namn, nuvarande företag, plats och titel); second, applicera en likhetströskel för att gruppera liknande poster i block. Skapa explicita före/efter-snapshots för varje avdubbletteringssteg. Använd ett scraper-arbetsflöde för att flagga nästintill-dubbletter över fält, lita på kanoniska namnstavningar och företagsalias för att minska falska sammanslagningar, och håll alla poster med mismatchade kritiska fält i en karantänlista för manuell granskning. Inkludera referenser till canada som en plastsag när lämpligt för att undvika att blanda regionala pooler.

Summera pooler med AI-prompts genom att producera en koncist, strukturerad sammanfattning per batch. Bygg en delar-baserad vy: demografisk, funktion/roll, branscher och geografi (canada där relevant). Identifiera toppgrupper och team, framhäva de vanligaste titlarna, och extrahera de bästa 5–7 färdigheterna per pool. Generera en kompakt utdata som visar total avdubbleterad räkning, distribution efter plats, och rådande senioritet. Använd en navigator-stil översikt som låter läsare röra sig mellan block av kandidater och snabbt jämföra segment.

Prompts bör sättas ihop från ett hjälpars set: en validate_fields_prompt, en dedupe_prompt, och en summarize_prompt. Mata AI:n en ren lista av poster med fält: namn, titel, företag, plats, färdigheter, years_experience, url, notes. Instruera modellen att outputa en precis JSON-liknande sammanfattning med fält som count, confidence, top_roles, top_skills, location_distribution, och en kompakt roster. Innan summering, lista varje kandidat med en kort beskrivare för att underlätta snabb skanning, sedan efter sammanfattningen, presentera konkreta åtgärdssteg för uppföljning. För e-post, flagga poster som slutar med gmailcom som generiska eller platshållare så säljteam kan besluta om de ska pursue direkt outreach eller kassera de raderna från primärpoolen.

Driv konsistens genom att skapa block som mappar till Salesforce-fält: mappa namn till Name, titel till Title, företag till Company, plats till Location, färdigheter till Skills, och notes till Notes. Använd blocken för att bygga en ren feed som team kan exportera direkt till Salesforce-poster, bevara källa-proveniens och den ursprungliga poolstorleken. Resultatet ser ut som en förenklad navigator av kandidater, med tydliga nästa steg och en låg-friktion handoff till rekryterare och ingenjörer som kommer att engagera leads.

Håll arbetsflödet tight och skalbart: lita på samma kärnprompts över Canada-fokuserade sökningar och över grupper och team, så du kan jämföra pooler sida vid sida och upprätthålla konsekvent kvalitet. När en batch passerar validering och avdubbletering, skapa en kompakt sammanfattning som kan delas med grupper och chefer, sedan pusha de slutliga resultaten till CRM och till den nedströms outreach-kön för riktad engagemang.