채용플랫폼 분석 및 제안
[멘토 피드백]
1) A/B 테스트 성공 지표는 '안 한 그룹(대조군) 대비' 비율로
2) 시각화 및 디테일 good
‘코드잡’이라는 임의의 플랫폼 상정
공고 비율 + 경쟁률 숫자 표기
설문조사 결과, 시각화 100% 이상인 경우 첨언
마지막, 앞에 내용 까먹지 않게 정리
마지막, 현황 - 제안 - 한계 - 뭘 해볼 수 있다 등 정리 good
3) 그룹 2, 3만 더 뽑아서 본 것 good
더 깊게 들어가서 분석, 의미부여
전달, 스토리, 재미, 뾰족
4) 채용 사전 과제 결과물이었으면, 통과 시킬 정도로 완성도 높음
------------------------------------------------------------
[회고]
우리 조는 6명으로 시작했지만, 이내 4명만 남게 되었다.
두 명이 중간에 그만두었기 때문이다.
하지만 조별플젝을 하는데에 어려움을 겪지는 않았다.
오히려 인원이 적기 때문에 의견을 모으기가 더 수월한 면도 있었다.
데이터 분석은 데이터를 받는다고 해서 프로젝트 주제를 정하기가 쉽지 않다.
각자 데이터를 파악하는 시간이 필요하고,
그런 탐색을 거친 다음에도 각자가 보고 관심을 가지는 방향이 다르기 때문이다.
지난번 프로젝트도 그랬지만,
이번에도 각자가 관심있는 분야를 알아서 탐색하고,
나중에 모양이 예쁘게 모아보는 것을 목표로 했다.
우리가 받은 데이터는 크게 두 부분으로 나뉘었는데,
조화롭게도 두 명씩 각 부분에 관심을 가졌다.
채용 플랫폼의 주 고객층은 회사와 구직자인데,
로그팀은 구직자, 데이터 테이블팀은 회사에 관심을 가진 것도 균형있었다.
그렇게 각자 분석한 내용들을 모아보니 구조가 잘 짜여졌다.
덕분에 멘토에게도 칭찬받고, 다른 팀원들에게도 좋은 반응을 이끌어냈다.
한 가지 고민은,
데이터 분석 프로젝트는 초반부터 방향을 명확히 정해서
추진력있게 일을 진행하기 어렵다는 특징이 있는데,
이런걸 어떻게 하면 잘 조율할 수 있을지
다음 번에는 어떻게하면 조금 더 시행착오를 줄일 수 있을지
그런 면이 고민이 된다.
그래도 파트 1 프로젝트와 달라진 점은,
내가 팀원들을 좀 더 신뢰하고 존중했다는 점이다.
덕분에 팀원들과 의견을 모아서 프로젝트를 해나갈 수 있었다.
지난 번에도 느꼈지만,
데이터 분석은 값을 계산하는데에서 그치지 않는다.
계산한 결과를 해석하고, 의미를 부여하고, 전달하는 것 까지가 데이터 분석가의 역할이다.
그리고 이런 사고방식은 대학원에서 잘 훈련받았다.
대학원과 다른 점은 그러니깐 연구와 다른 점은,
결과가 빠르게 나오고, 좀 더 유연하고 자유롭게 해석할 수 있다는 점이다.
현실의 문제를 직접 다룬 다는 점도 더 재미있게 느껴진다.
——————————————————————————————
[다른 팀의 반응]
------------------------------------------------------------
� 보고서 요약: 국내 채용시장 및 채용 플랫폼 이용 패턴 분석
1. 분석 목적 및 배경
목적: 채용 성사 여부 데이터가 없어 지원 행위를 기준으로 분석. 지원자와 기업 간 연결 구조 및 행동 특성 파악.
배경: 1세대 플랫폼(사람인, 잡코리아) → 광고형 / 2세대 플랫폼(원티드, 로켓펀치) → 성과형 모델 전환. 사용자 행동 기반의 정교한 매칭 전략 필요.
2. 데이터 개요
Company: 5,163개 기업 분석에 사용됨.
User: Application 기준 36,732명(지원자), 로그 기준 21,383명.
Job: 약 14만 개 공고. “SW 개발” 비중이 가장 큼.
Log: 2022~2023년 이벤트 로그, 총 274개의 prefix와 93개의 parameter 포함.
3. 데이터 분석 결과
3.1 Application 기반 유저 분석
대표 직무/경력 유형 추출: SW 개발 경력자 비율 높음.
3.2 로그 기반 유저 클러스터링 (RFM + KMeans)
3.3 기업 클러스터링 (로그-스케일 회귀 기반 분류)
1) 8개 그룹으로 구분
Group 1: Follow, Bookmark, Application 모두 높음
Group 2: 관심(Follow, Bookmark)은 높으나 실제 지원 적음 → 미스매치 발생.
Group 3: 지원률 높음. “나만 알고 싶은 기업” 특성.
2) 경쟁률 분석
SW 개발 직무의 경쟁률 가장 높음.
신입 > 경력 > 인턴 순으로 경쟁률 높음.
원격 가능 > 원격 불가능, 연봉 공개 여부는 큰 영향 없음.
3.4 지원자-기업 매칭 분석
Sankey Diagram으로 연결 패턴 시각화.
구직진행형(Cluster 4) → 그룹 1,3에 집중.
실속형(Cluster 1) → 그룹 1 선호.
유령구직자(Cluster 2) → 그룹 2 선호.
4. 주요 인사이트 및 제안
(1) 유령구직자 대상
듀오링고 사례처럼 앱 아이콘 변형 등 호기심 유발 전략 제안.
(2) 구직완료형 대상
이직 제안 또는 멘토링 유도 → 공급자 역할 확장.
(3) 디자인/마케팅 직무 미스매치 해소
“눈팅형” 유저와 “그룹 2” 기업 연결 강화.
기업엔 A/B 테스트 기반 공고 개선 전략
구직자에겐 “알짜배기 공고” 마케팅
(4) 경쟁률 높은 기업 특성 공유
그룹 3의 “신예 유망기업” 가능성 분석
공고 포맷이 지원율에 영향을 줄 수 있음.
[참고자료]
- 채용 플랫폼 발전사, 혁신의 숲 https://brunch.co.kr/@markinnoforest/49
- 원티드랩 사업보고서, KRX https://kind.krx.co.kr/common/disclsviewer.do?&
- 사람인 사업보고서, KRX https://kind.krx.co.kr/common/disclsviewer.do?&
- 듀오링고 브랜드 분석, 디자인 컴퍼스 https://designcompass.org/brands/duolingo/
- “지원까지 단 5분” Z 세대, 채용공고 ‘연봉’부터 본다, 한경 https://magazine.hankyung.com/business/article/202503219336b
