---

Einführung der AI-Job-Suche auf Laravel und MySQL

Kürzlich gab es in unserem Team eine Diskussion in Slack darüber, wie wir die Jobsuche für Kandidaten relevanter gestalten können. Ein Entwickler schlug vor, AI zur Verbesserung der Genauigkeit der Vorschläge zu verwenden, und wir waren uns einig, dass dies genau das war, was wir brauchten. Diese Lösung sollte auf Laravel mit MySQL als Datenbank implementiert werden.

Warum das wichtig war

Der bestehende Suchmechanismus erfüllte nicht die Bedürfnisse der Nutzer: Kandidaten fanden oft keine passenden Stellen oder erhielten irrelevante Ergebnisse. Dies führte zu Unzufriedenheit und verringerte das Vertrauen in unsere Plattform. Die Folgen waren ernst — ein Rückgang der Bewerbungen auf Stellen und damit einhergehend ein Rückgang des Kandidatenstroms zu den Seiten /jobs und /for-candidates. Wir mussten herausfinden, wie wir AI nutzen können, um die Situation zu ändern.

Das Problem im Detail

Die Jobsuche lieferte häufig Ergebnisse, die weder dem Erfahrungshorizont der Kandidaten noch ihren Präferenzen entsprachen. Zum Beispiel erhielt ein Nutzer mit Erfahrung im Marketing Stellenangebote für technische Fachkräfte. Dies führte nicht nur zu Unzufriedenheit, sondern verringerte auch die Effizienz der Suche. Unsere Aufgabe bestand darin, einen Weg zu finden, die Suche intelligenter und anpassungsfähiger an die Bedürfnisse der Nutzer zu gestalten.

Erste Versuche

Wir begannen mit einem einfachen Ansatz — wir versuchten, den bestehenden Suchalgorithmus zu verbessern, indem wir einige Filter hinzufügten. Dieses Vorgehen brachte jedoch keine nennenswerten Ergebnisse. Schnell wurde uns klar, dass es nicht ausreicht, die Filterung zu verbessern. Unser Team entschied, dass wir mehr Daten und komplexere Algorithmen zur Verarbeitung der Anfragen benötigten.

Technischer Ansatz

Letztendlich wählten wir einen auf maschinellem Lernen basierenden Ansatz, der es uns ermöglichte, Daten über frühere Interaktionen der Nutzer mit der Plattform zu nutzen, um genauere Empfehlungen zu erstellen. Wir integrierten eine Bibliothek zur Verarbeitung natürlicher Sprache (NLP), die Lebensläufe analysierte und mit Stellenangeboten abglich.

// Beispielcode zur Verarbeitung von Anfragen
public function searchJobs($query) {
    $results = Job::where('title', 'LIKE', '%' . $query . '%')
        ->orWhere('description', 'LIKE', '%' . $query . '%')
        ->get();
    return $results;
}

Dieser Code wurde Teil eines komplexeren Systems, das nicht nur textuelle Übereinstimmungen, sondern auch kontextuelle Daten wie die Präferenzen der Kandidaten und deren Aktivität auf der Plattform berücksichtigte.

Änderungen im Produkt

Nach der Einführung der neuen Suche bemerkten wir spürbare Veränderungen im Nutzererlebnis. Die Kandidaten begannen, relevantere Stellenangebote zu erhalten, was zu einer Erhöhung der Bewerbungen führte. Darüber hinaus erhielten wir positives Feedback auf den Seiten /for-candidates und /companies, wo Nutzer anmerkten, dass sie nun genau das finden, was sie suchten. Diese Verbesserung trug auch zur Erhöhung der Abonnements für kostenpflichtige Dienste auf der Seite /pricing bei.

Was wir gelernt haben

• Ein einfaches Upgrade des bestehenden Algorithmus führt nicht immer zu den erwarteten Ergebnissen.
• Die Nutzung von Daten über das Verhalten der Nutzer ermöglicht die Erstellung genauerer Algorithmen.
• Die Integration von NLP kann die Qualität der Suche erheblich steigern.
• Es ist wichtig, verschiedene Ansätze zu testen und keine Angst davor zu haben, ursprüngliche Ideen aufzugeben, wenn sie nicht funktionieren.
• Feedback von Nutzern ist der Schlüssel zum Verständnis der Effektivität von Änderungen.

Was das für Kandidaten bedeutet

Für Kandidaten bedeutet dies, dass der Prozess der Jobsuche nun intuitiver und effizienter geworden ist. Sie können erwarten, dass die Suchmaschine Ihre Fähigkeiten und Präferenzen berücksichtigt und Ihnen passendere Stellenangebote vorschlägt. Dies verkürzt erheblich die Zeit, die für die Jobsuche aufgewendet wird, und erhöht die Wahrscheinlichkeit, das ideale Angebot zu finden.

Was das für Recruiter bedeutet

Für Recruiter eröffnet sich die Möglichkeit, geeignete Kandidaten gezielter anzusprechen. Eine genauere Suche ermöglicht es ihnen, schneller Fachkräfte zu finden, die ihren Anforderungen entsprechen. Das bedeutet, dass sie Stellen schneller besetzen und die Zeit für die Suche nach geeigneten Mitarbeitern verkürzen können.

Nächste Schritte

Trotz der erzielten Erfolge beobachten wir weiterhin die Leistung des neuen Algorithmus. In Zukunft planen wir, weitere Parameter zur Analyse hinzuzufügen und die Datenverarbeitung zu verbessern. Wenn wir zurückblicken müssten, würden wir in den frühen Phasen mehr Wert auf Tests legen, um einige Fehler zu vermeiden. Wir sind zuversichtlich, dass weitere Verbesserungen zu einer noch höheren Zufriedenheit der Nutzer und Recruiter führen werden. ---