Вие сте пълен стак нинджа, който се вълнува от диво бързо развиващите се стартъпи със забавни офиси? Или сте обмислен разработчик, който търси работно място с възможност за напредък?
Всеки стил на езика може да се използва за описване на една и съща позиция и изборите като този могат да бъдат от решаващо значение за привличането на вида кандидати, от които се нуждае една компания. Интуитивно избирането на глас, който съответства на работното място, изглежда като естествена стратегия. Но когато искате да хвърлите широка мрежа, какъв е най-добрият път напред?
Интересува ни как нещата като текстово съдържание корелират с други показатели - като кликвания „прилага се към заданието“. Един метод за измерване и сравняване на характеристики на текстови документи (сред много) е анализ на настроенията. Като цяло методите за анализ на настроенията често измерват колко „положителен“ или „отрицателен“ е текстов документ, като преброяват ключови думи и термини, които са свързани с тези две противоположности.
За да получите бързо усещане за това как настроението може да повлияе на кликванията върху прилагането на работа, използвахме предварително подготвен анализатор на настроения в инструмент, наречен textblob. Използвахме това, за да анализираме текста на всички работни места, които някога са излизали на живо в The Muse. Този график по-долу показва, че според този инструмент, който не е на разположение, повечето работни места използват леко позитивен език.
С всяка работа, присвоена оценка на настроенията, ние поставяме всички длъжности в 6 групи с еднаква големина, от най-отрицателни до най-положителни. Разпределението на настроенията на всяка група може да се сравни в схемата по-долу:
Това е един вид визуализация на данни, нарича се графична кутия и помага да се обобщи как се различават нашите 6 групи. Например, редът в средата на всеки правоъгълник отбелязва средната оценка на настроенията за всяка група; типичните оценки на настроенията за работни места в групата са близо до тази линия. Пълният правоъгълник обхваща 50% от данните, които са най-близо до тази линия (т.е. най-типичните). Този вид обобщение (което включва някои необработени данни, насложени) ни помага да разберем, че задачите, които съдържат по-положителни думи, когато се разглеждат всички категории работни места, исторически са получили повече приложени кликвания.
Има много по-сложни начини да разгледаме тези качества, а сюжетите по-горе само надраскват повърхността на това, което данните могат да ни помогнат да разберем. Също така различните компании имат различни цели за публикуването на работа - качеството или спецификата на кандидатите за работа, например, могат да бъдат по-важни количества.
В The Muse използваме данни, за да разберем тези и други проблеми, за да помогнем на търсещите работа да намерят мечтаната си работа и да помогнем на компаниите да наемат мечтани служители. Ако сте разработчик, който се интересува от работата по подобни проблеми, помага на хората да намерят мечтаната си работа, моля, свържете се.
