El mapeo avanzado de palabras clave es similar al mapeo de palabras clave convencional, pero en lugar de que los usuarios asignen manualmente palabras clave a términos relacionados, nuestra herramienta NLP automatiza el proceso. Durante una conversación de búsqueda de empleo, el asistente AI de su cliente preguntará a los candidatos qué puestos les interesan en la empresa del cliente o en una ubicación específica. Cuando el candidato responda con el título del puesto, se iniciará el proceso de mapeo avanzado de palabras clave.

Lógica avanzada de asignación de palabras clave

1. Durante una conversación sobre búsqueda de empleo, tu asistente AI preguntará a los candidatos qué puestos de trabajo les interesan en tu empresa o en una ubicación específica.
2. El candidato responderá con el puesto de trabajo que desea ocupar.
3. El puesto de trabajo que se envíe se comparará con otros puestos alternativos en el conjunto de datos de ocupaciones de O*NET , que incluye una amplia gama de puestos y descripciones de trabajo de diversos sectores.
4. Este sistema identificará y comparará esta palabra clave del puesto de trabajo con otros títulos similares o estrechamente relacionados.
5. En tiempo real, el NLP seleccionará las palabras clave más relevantes asociadas a ese puesto de trabajo.
6. El NLP hará que su asistente AI sugiera esos títulos de trabajo al candidato para que los tenga en cuenta en su búsqueda de empleo, ayudándole a encontrar ofertas de trabajo relevantes incluso si el título exacto que buscó no está incluido en el feed.

Ejemplo: Si un candidato busca trabajos de "panadero", su asistente AI puede sugerirle otros puestos de trabajo como "chef pastelero" o "ayudante de panadería" para que los tenga en cuenta en su búsqueda de empleo.

Contexto de ubicación

El procesamiento del lenguaje natural ( NLP utilizará el contexto de ubicación dentro de la conversación para conectar directamente los nombres de lugares con ubicaciones físicas mediante la búsqueda geográfica, lo que permitirá identificar nombres de lugares y códigos postales de manera más eficaz y eliminar la confusión al reconocer diferentes lugares en nuestro sistema NLP . Esto incluye la capacidad de comprender abreviaturas de estados (por ejemplo, "empleos en MA" como "empleos en Massachusetts", no "puestos de asistente médico") y determinar nombres de ciudades similares a títulos de trabajo (por ejemplo, "Baker, CA" frente a "Pastry Cook").

Si no se proporciona ningún contexto de ubicación , su asistente AI enviará una solicitud de "Contexto laboral" ("Suena bien. ¿Qué buscas hacer en [nombre de la empresa]?").

Contexto laboral

NLP utilizará el contexto laboral dentro de la conversación, donde analizará la respuesta del NLP a la pregunta "¿Qué puesto te gustaría desempeñar en la empresa?".

En este contexto, el enfoque se centra en comprender el rol que desea desempeñar el candidato dentro de la empresa especificada, utilizando los extractores de nombres de marca, O*NET y entidades de empleo, dando prioridad a filtros como "Tiempo parcial" o "Estudiante" para refinar la búsqueda, mientras que la ubicación resulta completamente irrelevante.

Sin contexto

Cuando no se dispone de contexto para ayudar en el proceso de toma de decisiones, el NLP debe extraer toda la información relevante de la conversación y continuarla sugiriendo al candidato que elija entre las opciones disponibles que puedan aclarar la intención.

Si bien su asistente AI incluye una solicitud para que los candidatos seleccionen una ubicación exacta cuando se encuentran varias opciones, aún no dispone de una solicitud similar para otros tipos de entidades.

• Ejemplo: En los casos en que diferentes entidades se superponen parcialmente en el texto (ubicación del trabajo frente a categoría del trabajo), priorizamos el valor más largo (por ejemplo, "Baker City" se resolvería como "ubicación del trabajo" en lugar de "categoría del trabajo").

Contexto inferido

En ocasiones, el NLP puede utilizar información previa compartida durante la conversación para proporcionar al candidato una correspondencia de palabras clave relevante. Al combinar esta información, se reducen las posibilidades de ambigüedad y el NLP puede inferir el contexto de la búsqueda de empleo. Un ejemplo concreto es la frecuente confusión entre entidades de ubicación y marca, que puede resolverse mediante esta lógica.