Apakah Anda seorang ninja fullstack yang bersemangat dengan startup yang tumbuh sangat cepat dengan kantor yang menyenangkan? Atau apakah Anda seorang pengembang yang bijaksana mencari tempat kerja yang mendukung dengan potensi untuk kemajuan?
Baik gaya bahasa dapat digunakan untuk menggambarkan posisi yang sama, dan pilihan seperti ini bisa sangat penting untuk menarik calon yang dibutuhkan perusahaan. Memilih suara yang cocok dengan tempat kerja secara intuitif sepertinya adalah strategi alami. Tetapi ketika Anda ingin memasang jaring yang lebar, apa cara terbaik ke depan?
Kami tertarik pada bagaimana hal-hal seperti konten teks berkorelasi dengan metrik lainnya - seperti klik "melamar pekerjaan". Salah satu metode untuk mengukur dan membandingkan karakteristik dokumen teks (di antara banyak) adalah analisis sentimen. Secara luas, metode analisis sentimen sering mengukur seberapa "positif" atau "negatif" suatu dokumen teks dengan menghitung kata-kata kunci dan istilah-istilah yang terkait dengan dua hal yang berlawanan ini.
Untuk mengetahui dengan cepat bagaimana sentimen dapat mempengaruhi pekerjaan menerapkan klik, kami menggunakan penganalisa sentimen pra-terlatih di dalam alat yang disebut textblob. Kami menggunakan ini untuk menganalisis teks semua pekerjaan yang pernah ditayangkan langsung di The Muse. Plot di bawah ini menunjukkan bahwa, menurut alat bantu ini, sebagian besar pos pekerjaan menggunakan bahasa yang agak positif.
Dengan setiap pekerjaan diberi skor sentimen, kami menempatkan semua pos pekerjaan ke dalam 6 kelompok yang berukuran sama, dari sentimen paling negatif ke paling positif. Distribusi sentimen dari masing-masing kelompok dapat dibandingkan dalam plot di bawah ini:
Ini adalah semacam visualisasi data yang disebut plot kotak dan membantu merangkum perbedaan 6 kelompok kami. Misalnya, garis di tengah masing-masing persegi panjang menandai skor sentimen rata-rata untuk setiap kelompok; skor sentimen umum untuk pekerjaan dalam suatu grup berada di dekat garis ini. Kotak penuh mencakup 50% dari data yang terdekat dengan baris ini (yaitu, yang paling khas). Ringkasan semacam ini (yang menampilkan beberapa data mentah yang dihamparkan) membantu kita memahami bahwa pekerjaan yang menampilkan lebih banyak kata-kata positif, ketika melihat seluruh kategori pekerjaan, secara historis mendapatkan lebih banyak klik berlaku.
Ada banyak cara yang lebih canggih untuk melihat kualitas ini, dan plot di atas hanya menggores permukaan data apa yang dapat membantu kita memahami. Perusahaan yang berbeda juga memiliki tujuan yang berbeda untuk penempatan pekerjaan mereka - kualitas atau kekhususan pelamar pekerjaan mungkin jumlah yang lebih penting, misalnya.
Di The Muse, kami menggunakan data untuk memahami ini dan masalah lain untuk membantu pencari kerja menemukan pekerjaan impian mereka, dan membantu perusahaan mempekerjakan karyawan impian. Jika Anda seorang pengembang yang tertarik menangani masalah seperti ini, membantu orang menemukan pekerjaan impian mereka, silakan menghubungi kami.
