リブセンスでデータサイエンティストをしている北原です。今回は転職ドラフトの指名承諾後採用率分析結果の紹介です。今回も企業視点に立った内容になっています。以前の記事は指名承諾までの話でしたが、今回は指名承諾後の採用までの話です。指名承諾率分…

リブセンスでデータサイエンティストをしている北原です。今回は転職ドラフトの指名承諾率分析結果の紹介です。今回はどちらかというと企業視点に立った内容になっています。 転職ドラフトでは、採用された時の年収が選考プロセスの初期にほぼ決まりますし、…

リブセンスでデータサイエンティストをしている北原です。転職ドラフトの提示年収の伸び率分析結果の紹介です。 公開されているように転職ドラフトでの提示年収は急激に上昇しています。インフレも続いているのでスキルベースで提示年収が決まるならば、イン…

リブセンスでデータサイエンティストをしている北原です。ゆるめのデータ分析結果の紹介です。 転職ドラフトでは好きなエディタを入力する欄があり、転職ドラフトReportにて人気エディタランキングが発表されてきました(2022年版, 2020年版, 2019年版)。その…

目的 マッチング精度 好みの個人差が反映されやすい評価項目 データ 分析方法 結果 容姿の好み 容姿整い度：女性は個人差が大きいが、男性は容姿が整っていないことを許容しない 美人度：女性皆かっこいい人が好み、男性20代で個人差が大きい 顔の濃さ：女性…

ユースケース 例1：企業別の想定提示年収（平均値） 状況 グラフ データ 問題設定 例2：求人別の採用率（比率） 状況 グラフ データ 問題設定 例3：企業別の高評価特徴（回帰モデルの係数・切片） 状況 グラフ データ 問題設定 階層ベイズのイメージ 少しだ…

これは Livesense Advent Calendar 2023 DAY 6 の記事です。 リブセンスでデータサイエンティストをしている北原です。先日開催された第25回日本感性工学会大会での紹介型マッチングアプリknewに関する発表紹介の続きです。 前回に引き続き、分析で知りたい…

リブセンスでデータサイエンティストをしている北原です。先日開催された第25回日本感性工学会大会で、紹介型マッチングアプリknewに関する発表をしたので、内容の一部を2回に分けて紹介します。なお、記事の一部で簡単にknewの機能紹介をします。 今回と次…

リブセンスでデータサイエンティストをしている北原です。今回もknewのデータ分析の紹介です。最後のほうで簡単にknewの機能紹介もします。 好みのタイプではないはずなのになぜか好きとか、自分と合わないタイプの人だと思っていたけど話してみたら気が合う…

内容的には「見た目と中身、どっちが大事？」問題第二弾です。内面と外面が連絡先交換や全体満足度に与える影響を分析しました。「どうせ見た目でしょ」と思いますよね。半分正解ですが、半分不正解です。それほど単純なものではないようです。

先月開催された人工知能学会全国大会で、紹介型マッチングアプリ[knew](https://knew.jp/)の満足度に関する発表をしてきたので、簡単に内容を紹介します。なお、発表タイトルは「提案型オンラインデーティングサービスにおける相手に対する満足度の因果探索…