---

Wątek na Slacku, który zapoczątkował zmiany

Podczas ostatniego wątku na Slacku jeden z naszych rekruterów wyraził frustrację z powodu liczby kandydatów, których CV nie pasowały do opisów stanowisk, które przygotowaliśmy. Zauważyli, że wielu kandydatów używa tych samych ogólnych terminów, co utrudniało ocenę ich rzeczywistego dopasowania do ról takich jak programista czy frontend developer. To skłoniło nas do zastanowienia się, jak skutecznie analizujemy i dopasowujemy słowa kluczowe w CV dla programistów.

Stawka dokładnego dopasowania

Im głębiej się zagłębialiśmy, tym bardziej stawało się jasne, że dokładność naszego dopasowywania słów kluczowych ma bezpośredni wpływ na naszą efektywność w zatrudnianiu. Przy licznych ofertach do obsadzenia, czas stracony na sortowanie CV wypełnionych nieistotnymi terminami oznaczał utracone możliwości zarówno dla kandydatów, jak i naszego zespołu rekrutacyjnego. Niezgodność nie tylko frustrowała rekruterów, ale także sprawiała, że obiecujący kandydaci byli pomijani, co ostatecznie wpływało na naszą zdolność do budowania silnych zespołów. Zrozumieliśmy, że rozwiązanie tego problemu jest kluczowe, aby uprościć nasze procesy rekrutacyjne i poprawić doświadczenia kandydatów na naszej platformie.

Identyfikacja podstawowego problemu

Podstawowym problemem, z którym się zmierzyliśmy, było to, że nasz istniejący algorytm analizy miał trudności z synonimami i wariacjami terminów. Na przykład kandydat mógł wymienić „JS” zamiast „JavaScript”, a nasz algorytm często nie rozpoznawał, że te terminy odnoszą się do tej samej umiejętności. To skutkowało odrzucaniem potencjalnych dopasowań. Pewny przypadek dotyczył wykwalifikowanego kandydata, którego CV podkreślało doświadczenie z „React”, ale brakowało w nim dokładnego sformułowania, które mieliśmy w naszych ogłoszeniach, co doprowadziło do całkowitego pominięcia jego aplikacji.

Wstępne próby rozwiązania

Nasza pierwsza próba rozwiązania tego problemu polegała na prostym rozszerzeniu listy słów kluczowych o powszechne wariacje. Jednak doprowadziło to do sytuacji z nadużywaniem słów kluczowych. Zauważyliśmy, że kandydaci zaczęli przeciążać swoje CV licznymi wariacjami tej samej umiejętności w próbie oszukania systemu. To nie tylko osłabiło jakość CV, ale także utrudniło naszemu systemowi analizy odróżnianie prawdziwej ekspertyzy od zwykłego wypełniania. Wyraźnie, to podejście nie było zrównoważone.

Rozwiązanie techniczne: Ulepszona ekstrakcja umiejętności

Po ponownej ocenie naszej strategii postanowiliśmy wdrożyć bardziej zaawansowany algorytm ekstrakcji umiejętności oparty na technikach przetwarzania języka naturalnego (NLP). Wprowadziliśmy funkcję rozpoznawania synonimów, która mogła identyfikować różne terminy dla tej samej umiejętności, zapewniając, że kandydaci używający „JS” nie będą karani za to, że nie używają „JavaScript”.

Oto uproszczona wersja kodu, która ilustruje nasze podejście:

import nltk
from nltk.corpus import wordnet

# Funkcja do ekstrakcji umiejętności z CV
def extract_skills(resume_text):
    skills = set()
    words = nltk.word_tokenize(resume_text)
    for word in words:
        synonyms = wordnet.synsets(word)
        for synonym in synonyms:
            skills.add(synonym.name())
    return skills

To wdrożenie pozwala nam rozpoznawać synonimy, poszerzając nasze możliwości dopasowania bez polegania na nadużywaniu słów kluczowych.

Widoczne zmiany w produkcie

Po wdrożeniu nowego algorytmu zaobserwowaliśmy znaczną poprawę jakości dopasowań. Rekruterzy zgłaszali większą liczbę odpowiednich aplikacji, a kandydaci czuli się bardziej pewni, że ich umiejętności są dokładnie rozpoznawane. Pętla informacji zwrotnej znacznie się poprawiła, co potwierdza wzrost zaangażowania na naszej stronie /jobs i skrócenie czasu potrzebnego na wstępną selekcję kandydatów. Zauważyliśmy również pozytywną zmianę w satysfakcji kandydatów, z większą liczbą programistów czujących, że ich ekspertyza została odpowiednio przedstawiona.

Kluczowe wnioski

Dzięki temu procesowi zdobyliśmy kilka ważnych spostrzeżeń:

• Unikanie nadużywania słów kluczowych: Kandydaci powinni koncentrować się na prawdziwych umiejętnościach, a nie próbować oszukiwać system.
• Ważność synonimów: Rozpoznawanie wariacji terminologicznych może drastycznie poprawić dokładność dopasowania.
• Projekt zorientowany na użytkownika: Ulepszenia powinny priorytetowo traktować doświadczenia kandydatów, aby budować zaufanie do procesu aplikacyjnego.
• Iteracyjne poprawki: Regularne przeglądanie i aktualizowanie naszych algorytmów jest niezbędne, aby nadążać za zmianami w branży.

Spostrzeżenia dla kandydatów

Dla kandydatów oznacza to, że kluczowe jest dostosowanie swojego CV, aby podkreślić odpowiednie umiejętności, nie przeciążając go wariacjami. Skup się na jasności i kontekście. Upewnij się, że sekcja umiejętności odzwierciedla prawdziwą ekspertyzę, ponieważ nowoczesne systemy analizy są zaprojektowane do rozpoznawania biegłości bez potrzeby posiadania każdego możliwego synonimu. W ten sposób twoje CV ma większą szansę na dopasowanie do opisów stanowisk, które są dla ciebie ważne.

Spostrzeżenia dla rekruterów

Z perspektywy rekrutera wdrożenie bardziej inteligentnego systemu analizy może znacząco poprawić jakość kandydatów. Rozumiejąc, że kandydaci mogą używać różnych terminów dla tych samych umiejętności, możesz dostosować opisy stanowisk i upewnić się, że obiecujący kandydaci nie są pomijani. To podejście sprzyja bardziej inkluzyjnemu procesowi rekrutacji, umożliwiając ci dotarcie do szerszej puli talentów.

Patrząc w przyszłość

Chociaż poczyniliśmy znaczne postępy, wciąż są obszary do poprawy. Monitorujemy, jak dobrze nowa ekstrakcja umiejętności sprawdza się w różnych dziedzinach i pozostajemy otwarci na udoskonalanie naszego podejścia w oparciu o opinie użytkowników. Gdybyśmy mieli cofnąć jakąkolwiek część tego procesu, prawdopodobnie byłoby to początkowe poleganie na rozszerzaniu słów kluczowych bez uwzględnienia kontekstu. W przyszłości zobowiązujemy się do ciągłego doskonalenia naszych systemów, aby zarówno kandydaci, jak i rekruterzy mogli znaleźć jak najlepsze dopasowania. ---