Czy jesteś stuprocentowym ninja, który jest podekscytowany szybko rozwijającymi się startupami z zabawnymi biurami? A może jesteś rozważnym programistą poszukującym wspierającego miejsca pracy z potencjałem rozwoju?
Do opisania tego samego stanowiska można zastosować dowolny styl języka, a tego rodzaju wybory mogą być kluczowe dla przyciągnięcia kandydatów potrzebnych firmie. Intuicyjny wybór głosu pasującego do miejsca pracy wydaje się naturalną strategią. Ale kiedy chcesz rzucić szeroką sieć, jaki jest najlepszy sposób?
Interesuje nas, jak rzeczy takie jak treść tekstowa korelują z innymi wskaźnikami - takimi jak kliknięcia „zastosuj do pracy”. Jedną z metod pomiaru i porównywania cech dokumentów tekstowych (spośród wielu) jest analiza nastrojów. Ogólnie rzecz biorąc, metody analizy sentymentów często mierzą, jak „pozytywny” lub „negatywny” dokument tekstowy, zliczając słowa kluczowe i terminy związane z tymi dwoma przeciwieństwami.
Aby szybko przekonać się, w jaki sposób sentyment może wpłynąć na liczbę kliknięć w zadaniu, zastosowaliśmy wstępnie przeszkolony analizator nastrojów w narzędziu o nazwie textblob. Wykorzystaliśmy to do analizy tekstu wszystkich prac, które kiedykolwiek pojawiły się w The Muse. Poniższy wykres pokazuje, że zgodnie z tym gotowym narzędziem większość stanowisk pracy używa łagodnie pozytywnego języka.
Każdemu zadaniu przypisano ocenę sentymentu, dzielimy wszystkie stanowiska pracy na 6 grup o jednakowej wielkości, od najbardziej negatywnych do najbardziej pozytywnych. Rozkład nastrojów dla każdej grupy można porównać na poniższym wykresie:
Ten rodzaj wizualizacji danych nazywa się wykresem pudełkowym i pomaga podsumować różnice między naszymi 6 grupami. Na przykład linia pośrodku każdego prostokąta oznacza średnią ocenę sentymentu dla każdej grupy; typowe oceny nastrojów dla pracy w grupie znajdują się w pobliżu tej linii. Pełny prostokąt zawiera 50% danych znajdujących się najbliżej tej linii (tj. Najbardziej typowych). Ten rodzaj podsumowania (który zawiera niektóre surowe dane nałożone) pomaga nam zrozumieć, że zadania, które zawierają więcej pozytywnych słów, gdy przegląda się wszystkie kategorie stanowisk, historycznie uzyskiwały więcej kliknięć w celu zastosowania.
Istnieją znacznie bardziej wyrafinowane sposoby patrzenia na te cechy, a powyższe wykresy jedynie zarysowują powierzchnię danych, które mogą pomóc nam zrozumieć. Również różne firmy mają różne cele dotyczące publikowania ofert pracy - na przykład ważniejsza może być jakość lub specyfika osób ubiegających się o pracę.
W Muse używamy danych, aby zrozumieć te i inne problemy, aby pomóc osobom poszukującym pracy znaleźć wymarzoną pracę i pomóc firmom zatrudnić wymarzonych pracowników. Jeśli jesteś programistą, który chce pracować nad takimi problemami, pomagając ludziom znaleźć wymarzoną pracę, skontaktuj się z nami.
