Jste ninja fullstacku, která je nadšena divoce rychle rostoucími podniky se zábavnými kancelářemi? Nebo jste promyšlený vývojář hledající podpůrné pracoviště s potenciálem pro postup?
K popisu stejné pozice lze použít kterýkoli jazykový styl a takováto rozhodnutí mohou být kritická pro přilákání druh kandidátů, které společnost potřebuje. Intuitivní volba hlasu, který odpovídá pracovišti, se jeví jako přirozená strategie. Ale když chcete obsadit širokou síť, co je nejlepší cesta vpřed?
Zajímá nás, jak věci, jako je textový obsah, koreluje s jinými metrikami - například kliknutí na „použít na práci“. Jednou z metod pro měření a porovnávání charakteristik textových dokumentů (mezi mnoha) je analýza sentimentu. Obecně platí, že metody analýzy sentimentu často měří, jak je „pozitivní“ nebo „negativní“ textový dokument počítáním klíčových slov a termínů, které jsou spojeny s těmito dvěma protiklady.
Abychom získali rychlý přehled o tom, jak sentiment může ovlivnit kliknutí na zaměstnání, použili jsme předem trénovaný analyzátor sentimentu uvnitř nástroje zvaného textblob. Použili jsme to k analýze textu všech pracovních míst, která kdy byla zveřejněna na The Muse. Tento graf níže ukazuje, že podle tohoto nástroje „off-the-shelf“ většina pracovních míst používá mírně pozitivní jazyk.
S každou úlohou přiřazenou skóre sentimentu jsme umístili všechny pracovní pozice do 6 stejně velkých skupin, od nejvíce negativního po nejvíce pozitivní sentiment. Rozložení sentimentu každé skupiny lze porovnat na obrázku níže:
Toto je druh vizualizace dat, který se nazývá krabicový graf a pomáhá shrnout, jak se naše skupiny liší. Například čára uprostřed každého obdélníku označuje střední skóre sentimentu pro každou skupinu; typické skóre sentimentu pro úkoly ve skupině je blízko této linie. Celý obdélník uzavírá 50% dat, která jsou nejblíže této linii (tj. Nejtypičtější). Tento druh shrnutí (který obsahuje překrývající se některá surová data) nám pomáhá pochopit, že úlohy, které obsahují více pozitivních slov, při pohledu napříč všemi kategoriemi pracovních míst, získaly historicky více aplikovaných kliknutí.
Existuje mnohem více sofistikovanější způsoby, jak se na tyto vlastnosti dívat, a obrázky nad pouze poškrábají povrch toho, co nám data mohou pomoci pochopit. Také různé společnosti mají různé cíle pro zveřejňování pracovních míst - důležitějším množstvím může být například kvalita nebo specifičnost uchazečů o zaměstnání.
Ve společnosti Muse používáme data k porozumění těmto a dalším problémům, abychom uchazečům o zaměstnání pomohli najít jejich vysněné zaměstnání a pomohli společnostem najmout vysněné zaměstnance. Pokud jste vývojář, který má zájem o řešení takových problémů, pomáhá lidem najít jejich vysněnou práci, kontaktujte nás.
