Понятно, что иногда авторы отзывов промахиваются с оценкой, но в 98% случаев, если в тексте негатив, то и количество звезд меньше 4-х. Фильтр по оценке использовали от противного, сначала изучали все отзывы с оценкой 5 и 4 звезды и размечали их как позитивные, при этом отмечали, что этот кластер отработан.
Интересная была задача. На каждом новом этапе сталкивались с новыми затыками))))
новом этапе сталкивались с новыми затыками)))) - стандартный рабочий процесс
просто МОНСТР! Столько работы! Браво👏
А какая практическая польза от этих данных?
Ну вот узнали допустим что 70% людей недовольны зарплатами, что дальше с этим всем делать?))
p.s. лично у меня особая ненависть к тем компаниям, которые вместо поднятия зарплат предлагают дикие бонуса за "пригласи друга на работу" и в итоге сайты по поиску работы завалены обьявлениями от частных лиц типа "ищем курьера в яндекс или работника склада в озон", и вместо 1 обьявления от 1 фирмы выходят сотни такого мусора ... еще и часто не пишут куда зовут, узнаешь только на моменте подачи заявки.
И к сожалению чем хуже условия тем агрессивнее реклама и дольше висит вакансия, этакий отрицательный отбор.
Для HR, команд управления репутацией и вообще менеджмента важно понимать, откуда идёт основной источник негатива.
Разве не интересная статистика, что крайне много негатива идёт от соискателей, т.е. даже не от сотрудников? Это же просто супер полезная информация, которая говорит, что для роста HR репутации и бренда нужно не ЗП поднимать, а нормальную работу с HR-командой провести.
И это, кстати, гораздо выгоднее, чем поднятие ЗП всем и вся.
18 тыщ отзывов распределить по категориям ещё и где-то вручную это весело)))
Очень весело)) Видимо это развлечение на пару суток!))