Введение в проблему пустого интерфейса

Недавно в нашем чате в Slack один из разработчиков поднял вопрос о том, как наш сайт выглядит для новых пользователей. Особенно это касалось страниц, где еще не было контента. Одна из наших пользователей в комментариях к PR отметила, что отсутствие данных создает впечатление незавершенности и снижает доверие к продукту. Мы понимали, что это серьезная проблема, и решили найти решение как можно скорее.

Почему это важно

Проблема пустого интерфейса касалась не только визуального восприятия сайта. Мы знали, что первое впечатление о продукте может сыграть ключевую роль в том, как пользователи воспринимают наш сервис. Особенно это важно для страниц с вакансиями и предложениями от компаний. Если пользователи видят пустые страницы, это может снизить их желание взаимодействовать с нашим продуктом и увеличить вероятность потери потенциальных клиентов.

Подробности о проблеме

Одним из ярких примеров была страница с вакансиями. При переходе на страницу пользователи видели только заголовок, но не находили никаких открытых позиций. Это создавало недоумение и негативный опыт. Мы получили несколько отзывов от пользователей, указывающих на то, что отсутствие информации делает сайт непривлекательным и даже вызывает сомнения в его актуальности.

Первые попытки решить проблему

На начальном этапе мы решили просто заполнить страницы фиктивными данными вручную. Однако этот подход оказался трудоемким и неэффективным. Мы быстро поняли, что создание компиляций для каждой страницы вручную — это далеко не оптимальный путь. В результате, мы начали искать более автоматизированное решение, которое позволило бы нам сгенерировать данные для всех страниц сразу.

Технический подход

В конечном итоге мы решили разработать скрипт для генерации seed-данных. Мы использовали язык Python и библиотеку Faker, чтобы создать реалистичные данные. Скрипт генерировал вакансии, компании и профили кандидатов на основе заранее заданных шаблонов. Вот пример кода, который мы использовали:

from faker import Faker
import random

fake = Faker()

def generate_job():
    return {
        'title': fake.job(),
        'company': fake.company(),
        'location': fake.city(),
        'description': fake.text(max_nb_chars=200)
    }

jobs = [generate_job() for _ in range(100)]

Этот код позволил нам создавать 100 вакансий за считанные минуты. Мы интегрировали скрипт в процесс развертывания, что обеспечивало наличие свежих данных при каждом обновлении.

Изменения в продукте

После внедрения генерации seed-данных, интерфейс сайта заметно преобразился. Пользователи теперь видели реальные вакансии и компании на страницах, что значительно повысило уровень вовлеченности. Появление контента на страницах сделало их более привлекательными и информативными для пользователей. Это, в свою очередь, привело к увеличению посещаемости страниц с вакансиями и повысило интерес со стороны соискателей на /jobs и компаний на /companies.

Чему мы научились

• Автоматизация - создание скрипта для генерации данных значительно сократило время на заполнение контента.
• Качество данных - использование библиотек для генерации данных позволяет создавать более реалистичные и разнообразные записи.
• Пользовательский опыт - наличие контента на страницах напрямую влияет на восприятие продукта пользователями.

Что это значит для соискателей

Для соискателей это означает, что теперь на нашем сайте есть актуальные вакансии, которые они могут рассмотреть. Это значительно упрощает процесс поиска работы и делает наш ресурс более ценным инструментом в их карьере. Пользователи могут легко просматривать предложения и находить подходящие варианты, что улучшает общий опыт взаимодействия с платформой.

Что это значит для рекрутеров

Рекрутеры получают доступ к большему количеству активных кандидатов благодаря тому, что мы заполнили страницы контентом. Наличие реальных вакансий создает доверие и привлекает больше соискателей, что, в свою очередь, помогает рекрутерам находить подходящих кандидатов быстрее и эффективнее.

Следующие шаги

Несмотря на успешно реализованное решение, мы продолжаем следить за качеством сгенерированных данных и их влиянием на поведение пользователей. Мы планируем улучшать алгоритмы генерации, добавляя больше разнообразия и актуальности в данные. Если бы мы могли что-то изменить, мы бы уделили больше времени тестированию различных форматов данных, чтобы выявить наилучшие подходы для пользователей.