HR #digital #бренд #аналитика #маркетинг [Нина А. Осовицкая] (epub) читать постранично, страница - 2
Книга в формате epub! Изображения и текст могут не отображаться!
[Настройки текста] [Cбросить фильтры]
- 1
- 2
- 3
- 4
- . . .
- последняя (178) »
Сюда же я бы отнес внедрение систем по обработке трафика, его закупке с целью формирования рекрутинговой воронки (привлечения, отбора и дальнейшей оценки). Это делается целиком или частично силами провайдеров, в том числе hh.ru.
Следующее важное направление – аналитика, принятие решений, основанных на имеющихся данных. Здесь также отмечу наши разработки, которые позволяют анализировать, куда уходят соискатели и сотрудники, выявлять компании, выступающие потенциальными акцепторами, и принимать контрмеры.
Наконец, предлагаемое hh.ru использование искусственного интеллекта в работе с соискательской аудиторией, поиском и рекомендацией вакансий уже полноценно заявило о себе и было успешно опробовано на десятках миллионов человек.
Данная технология может определять по метрике вероятности отклика, какие вакансии наиболее подходят кандидату; соответственно, мы их поднимаем вверх с учетом поискового запроса. Это эффективнее, чем выборка и фильтрация по параметрам резюме, то есть в каком-то смысле ИИ понимает людей лучше их самих.
О. М.: Мне кажется, минувший год охарактеризован появлением большого числа стартапов, причем как в сфере классического рекрутинга (старые игроки сильно видоизменяются, появляются компании mobile-only), так и в HR в широком смысле.
Эта позитивная тенденция говорит о том, что рынок начинает созревать, предлагает больше интересных возможностей заработать на нем, а разрабатываемые технологии становятся все более понятными и практически применимыми.
Соглашусь, что со своей стороны hh.ru привносит много различных новшеств. Мы объявили о запуске собственной ATS-системы Talantix, внедрили умный поиск, отказавшись от семантического алгоритма и сделав ставку на искусственный интеллект.
А если говорить о совсем новых, передовых продуктах, которые еще находятся на стадии тестирования и доработки?
Б. В.: Для работодателей мы сейчас делаем две большие системы, первая из них – рекомендация резюме на вакансию. Суть в том, чтобы провести обратную операцию и из гигантского объема резюме (более 27 миллионов) выбирать те, которыми рекрутер заинтересуется с высокой долей вероятности. Уже можно утверждать, что подобный функционал ценен для пользователей, так как приносит дополнительные приглашения.
Вторая задумка, реализуемая «под капотом» нашего сайта, совершит революцию в сфере поиска пассивных кандидатов – не через вакансию, а по базе hh.ru. Применяется похожая модель, как в случае с рекомендацией резюме, но при этом учитываются поисковые запросы и другие параметры, чтобы поднять вверх наиболее релевантных кандидатов.
О. М.: Теперь, благодаря накопленным за многолетнюю историю компании данным, в рамках сайта можно не просто искать соответствия по словам, но и производить скоринг.
Эта база позволяет еще до непосредственного общения (неважно, по телефону, в офлайне или в чат-боте), по психотипу и другим параметрам, дать ответ, в какой степени совместимы профили кандидата и компании.
Многие стартапы утверждают, что они тоже используют ИИ, нейронные сети. Как HR-специалисту, мало разбирающемуся в этой области, предугадать, не являются ли их обещания качественного результата лишь продуманным маркетингом?
Б. В.: Это может сделать даже неспециалист, потому что ключевым является вопрос о количестве данных, которые используются для построения модели машинного обучения.
Когда провайдер оперирует тысячами или даже десятками тысяч резюме и откликов, этого явно недостаточно. Для сравнения, hh.ru использует миллионы и десятки миллионов пар, чтобы выявить наличие сигналов. В упрощенном виде, для подходящих рекомендаций следует иметь в обучающей выборке похожие вакансии и компании с откликнувшимися и далее приглашенными кандидатами. Речь идет об огромном числе вакансий, резюме и взаимодействий между ними.
Далее необходимо поинтересоваться теми подходами, которые используются в процессе разработки ИИ. Эксперты обычно уточняют наличие ключевых слов, а остальные – какая метрика является целевой для обучения моделей, то есть что они оптимизируют.
Например, по отношению к соискателям hh.ru оптимизирует вероятность отклика, а к работодателям – вероятность приглашения. Если вам не смогут ответить даже на такой простой вопрос, продолжать разговор о машинном обучении нет смысла.
Третий момент – как измеряется точность моделей. Неправильных вариантов два: полное отсутствие такой практики либо (что приходится часто слышать) «наша точность – 100 %».
В целом все-таки рекомендую привлечь знающих людей, которые помогут отделить настоящие технологии от тех, которые преподносятся в этом качестве.
О. М.: Нужно внимательно проверять, когда
- 1
- 2
- 3
- 4
- . . .
- последняя (178) »
Последние комментарии
5 часов 54 минут назад
8 часов 28 минут назад
8 часов 57 минут назад
9 часов 3 минут назад
3 часов 19 минут назад
12 часов 6 минут назад