¿Cómo sabe Netflix qué película recomendarnos, Amazon qué producto sugerirnos o Airbnb qué apartamento proponernos? Un buscador como Google ha de enfrentarse a la dicotomía de qué resultados poner en primer lugar, si los más coincidentes con los términos buscados o los de mayor calidad y autoridad. La tendencia ha ido marcando una clara predisposición a tener cada vez más en cuenta parámetros de calidad y reputación.
Desde la compañía de talento y empleo digital Nubelo se ha desarrollado el Algoritmo de Recomendación de Nubelo (ARN), capaz de proponer a un candidato aquellas ofertas que realmente se ajustan a su perfil profesional. De la misma manera, el algoritmo evita que una compañía reciba cientos de propuestas o currículums que no correspondan al perfil del profesional buscado. El algoritmo además aprende de la respuesta ante sus sugerencias. Esta iniciativa ya ha sido incorporada a su app móvil tanto para ofertas de empleo tradicional como proyectos freelance.
En palabras de Francesc Font, CEO de Nubelo: “Tenemos siempre presente que el algoritmo no proponga candidaturas no aptas para un trabajo. De igual modo se ha diseñado el sistema para que ningún profesional se quede sin posibilidad de resultar recomendado ante una oportunidad que encaje con su perfil profesional”.
Metodología Algoritmo de Recomendación de Nubelo
El ARN es un buscador de recomendaciones muy especial que toma en cuenta todo el conjunto de datos que describen una oferta, incluso interpreta semánticamente los textos libres de la descripción. En su esencia, el ARN genera el perfil ideal del candidato en base a 24 parámetros ajustables que le aportan la versatilidad necesaria para sacar todo el partido a la estructura de los datos que maneja. Ordena mediante un ranking decimal el millón de profesionales existente y los candidatos que se presenten a la oferta o proyecto, teniendo en cuenta su similitud con el ideal. Con ello, ya está en disposición de proponer a los mejores candidatos a la empresa y sólo las ofertas que se ajustan al candidato.
De estos 24 parámetros, 8 determinan la fuerza del “Perfect Matching” y los 16 restantes regulan el peso relativo de la reputación. Cada uno de los parámetros permite un ajuste fino de tal forma que los datos más significativos del matching o la reputación puedan ser considerados preferentes frente a aquellos datos que presenten mayor ruido o incertidumbre.
En relación a las variables de coincidencia se incluyen las habilidades técnicas, la ubicación y la semántica entre descripción de puesto de trabajo y el currículum. Para la reputación hay algunas compartidas entre trabajadores por cuenta ajena y profesionales freelance como son disponer de perfil social (linkedin, behance, github). Otras variables son específicas de profesionales autónomos como la valoración de clientes previos, la tasa de éxito entre ofertas presentadas y ganadas o ser guardado como profesional favorito por la empresa en el portal de Nubelo.
Cargando ...
Los comentarios están cerrados.