¿Eres un ninja fullstack que está entusiasmado con las startups de rápido crecimiento con oficinas divertidas? ¿O eres un desarrollador reflexivo que busca un lugar de trabajo de apoyo con potencial de avance?
Cualquiera de los estilos de lenguaje podría usarse para describir la misma posición, y opciones como esta pueden ser críticas para atraer el tipo de candidatos que una empresa necesita. Elegir intuitivamente una voz que coincida con un lugar de trabajo parece una estrategia natural. Pero cuando quieres lanzar una red amplia, ¿cuál es el mejor camino a seguir?
Estamos interesados en cómo las cosas como el contenido de texto se correlacionan con otras métricas, como los clics de "aplicar al trabajo". Un método para medir y comparar características de documentos de texto (entre muchos) es el análisis de sentimientos. En términos generales, los métodos de análisis de sentimientos a menudo miden cuán "positivo" o "negativo" es un documento de texto contando palabras clave y términos asociados con estos dos opuestos.
Para tener una idea rápida de cómo el sentimiento podría afectar los clics de solicitud de empleo, utilizamos un analizador de sentimientos previamente capacitado dentro de una herramienta llamada textblob. Usamos esto para analizar el texto de todos los trabajos que se publicaron en The Muse. Este gráfico a continuación muestra que, de acuerdo con esta herramienta estándar, la mayoría de los puestos de trabajo utilizan un lenguaje ligeramente positivo.
Con cada trabajo asignado un puntaje de opinión, colocamos todas las publicaciones de trabajo en 6 grupos de igual tamaño, desde el sentimiento más negativo al más positivo. Las distribuciones de sentimientos de cada grupo se pueden comparar en la siguiente gráfica:
Este es un tipo de visualización de datos que se denomina diagrama de caja y ayuda a resumir en qué se diferencian nuestros 6 grupos. Por ejemplo, la línea en el medio de cada rectángulo marca el puntaje de sentimiento medio para cada grupo; los puntajes de sentimiento típicos para trabajos en un grupo están cerca de esta línea. El rectángulo completo encierra el 50% de los datos más cercanos a esta línea (es decir, los más típicos). Este tipo de resumen (que presenta algunos datos en bruto superpuestos) nos ayuda a comprender que los trabajos que presentan palabras más positivas, al examinar todas las categorías de trabajo, históricamente han recibido más clics de aplicación.
Hay formas mucho más sofisticadas de ver estas cualidades, y los gráficos de arriba solo rascan la superficie de lo que los datos pueden ayudarnos a comprender. Además, las diferentes compañías tienen diferentes objetivos para su publicación de trabajo: la calidad o la especificidad de los solicitantes de empleo pueden ser cantidades más importantes, por ejemplo.
En The Muse, estamos utilizando datos para comprender estos y otros problemas para ayudar a las personas que buscan trabajo a encontrar el trabajo de sus sueños y ayudar a las empresas a contratar a los empleados de sus sueños. Si usted es un desarrollador interesado en trabajar en problemas como este, ayudando a las personas a encontrar el trabajo de sus sueños, póngase en contacto.
