engagement sentiment analysis

Come migliorare l’engagement dei candidati con l’intelligenza artificiale

Nel mondo delle risorse umane è molto importante contribuire a definire l’engagement dei candidati e dei dipendenti di un’azienda.

Il candidato che si interfaccia per la prima volta con un’azienda per proporre il suo CV e ricoprire una posizione aperta è simile all’utente che si imbatte in un nuovo brand: le emozioni e percezioni che risultano da quella prima impressione potranno compromettere la sua esperienza di utente/consumatore.

In questo senso, il candidato vive l’esperienza di hiring con la consapevolezza di dover prendere decisioni che avranno delle conseguenze. Se il processo di application è stato lungo e complesso, se il recruiter (o l’azienda) non ha rispettato i tempi di risposta stabiliti o, addirittura, se una risposta non è mai arrivata, è facile lasciarsi condizionare dalle emozioni. Tutto questo può indurlo a giudicare negativamente l’azienda e quindi interrompere il candidate journey. O peggio ancora, condividere l’esperienza negativa online o direttamente con conoscenti.

Come evitare tutto questo? Grazie alla diffusione di soluzioni di intelligenza artificiale, tecnologie di affective computing e sistemi di sentiment analysis permettono di verificare l’employee engagement e la candidate experience per capire come intervenire.

Cosa si intende per Affective Computing?

L’Affective Computing è una soluzione mutuata dall’Intelligenza Artificiale e viene utilizzata per approfondire alcuni aspetti che riguardano l’interazione uomo-macchina. Nello specifico, si impegna ad elaborare sistemi in grado di riconoscere ed esprimere emozioni.

Facciamo una premessa: la tecnologia deve essere sempre utilizzata in modo consapevole, specialmente se parliamo di introdurre soluzioni di IA all’interno delle proprie aziende. Attraverso quest’ultima, le aziende possono intervenire per riconoscere e rispondere in maniera adeguata (e ponderata) ad un bisogno: possono dare valore all’esperienza online degli utenti, comprendere l’associazione emotiva che sviluppano con l’azienda o il brand, scoprire le dinamiche che si celano dietro determinate decisioni dei consumatori (ricorrendo spesso anche alle neuroscienze).

Sentiment Analysis per l’engagement dei candidati

L’obiettivo principale è quello di avere informazioni relative alla candidate experience e all’engagement dei dipendenti.

sentiment analysis candidati

L’intelligenza artificiale ha sviluppato sistemi che hanno trovato applicazione in diversi ambiti e sono in grado di raccogliere e analizzare dati. Parliamo di controllo nell’uso del linguaggio naturale, monitoraggio di immagini e video con analisi delle espressioni facciali e del linguaggio del corpo o sistemi di riconoscimento vocale.

Nel contesto dell’analisi testuale, la Sentiment Analysis è un tool utilizzato per estrarre opinioni da un testo ed è anche nota come Opinion Mining. Se da un lato gli algoritmi di Natural Language Processing (NLP) sono in grado di riconoscere forme e tipologie testuali, dall’altro la sentiment analysis rileva il sentimento positivo o negativo con cui è stato scritto un commento, ad esempio, o qualsiasi altra forma testuale.

In ambito HR, la sentiment analysis può essere applicata per valutare il comportamento sui social, ad esempio, di un candidato che riteniamo interessante. L’algoritmo analizza l’interazione (la scrittura di un post o di un commento) e fornisce dati che permettono di fare una previsione sul profilo del candidato in esame.

Esempi di tecnologie per misurare la Candidate Experience

Come abbiamo già accennato, per valutare la candidate experience e l’engagement esistono diversi sistemi più o meno utilizzati in fase di recruiting. Al centro dell’attenzione non è solo la percezione che si ha dell’azienda (o del brand nel caso di utenti web), ma anche il sentimento che il candidato o il dipendente associa all’azienda e le emozioni che lo animano in determinate situazioni.

engagement e candidate experience

Consideriamo che, in linea di massima, il primo contatto tra candidato e azienda avviene per mezzo del sito web. Attraverso l’Eye Tracking sarebbe possibile monitorare i movimenti oculari del candidato per capire cosa ha guardato e per quanto tempo, scoprendo attraverso la navigazione cosa ha suscitato il suo interesse. Una soluzione analoga potrebbe essere adottata anche in una fase più avanzata del Candidate Journey, ossia quella relativa alla somministrazione dei questionari pre-screening: avere dati relativi ai tempi di risposta per una specifica domanda sarebbe un ulteriore dato per comprendere il profilo del candidato.

Molte aziende hanno anche aggiunto i chatbot sui propri siti web. Si tratta di assistenti digitali costantemente attivi e disponibili all’interazione con i candidati. Anche in questo caso, le tecnologie di analisi testuale (Natural Language Processing e Sentiment Analysis) facilitano l’interazione uomo-macchina: è più facile comprendere i quesiti e fornire risposte adeguate al linguaggio naturale con un processo di Natural Language Generation.

I video-colloqui (live o in differita) arricchiscono il profilo del candidato di ulteriori elementi. Attraverso il rilevamento vocale e l’analisi delle espressioni facciali è possibile individuare ansia e tensione nelle variazioni del tono della voce, nei movimenti degli occhi, o percepire stress mordendosi il labbro o contraendo la mascella.

Queste ed altre tecnologie possono essere adottate in diversi momenti del recruiting (prima o dopo l’assunzione) e anche in ambiti del tutto nuovi allo scopo di contribuire a migliorare l’engagement dei futuri dipendenti di qualunque settore.

Recent Posts

Application form intelligenza artificiale
ricerca e selezione
intelligenza artificiale machine learning
modello semantico
word2vec

CONTATTI

+39 011 586 2407
Via Amedeo Avogadro, 20 – Torino

Copyright © 2020 Inda

Inda è una soluzione di Intervieweb S.r.l. Società del gruppo Zucchetti P.IVA: 10067590017

Privacy policy   Cookie policy