Post #360

Разгадка (начало здесь) Почему Яндекс одновременно в топе и в антитопе у аналитиков? Ключевая проблема этого опроса: мы видим выбор, но не понимаем, чем он объясняется. Что мы можем предположить? Первой нашей гипотезой было то, что Яндекс — это конгломерат сервисов, и именно различия в имидже отдельных подразделений дают эту противоречивую картину. Но такая картина характерна не только для Яндекса: Противоречивый рейтинг у Яндекса (-34% и +31%), Т-Банка (-21% и +30%) и Альфа-банка (-15% и +16%). Т-Банк и Альфа, хотя и имеют много продуктов, пока не создали такой разветвленной экосистемы сервисов, как Яндекс. При этом у таких экосистем, как VK и Сбер, рейтинг преимущественно негативный. То есть дело не только в том, что Яндекс состоит из разных частей. Вторая гипотеза родилась в обсуждении с Филиппом Управителевым. Речь о разрыве между внешним имиджем бренда и тем, как устроена «внутренняя кухня». Противоречивый рейтинг Т-Банка и Альфы скорее говорит в пользу этой гипотезы. Все три бренда воспринимаются как технологически продвинутые, но что происходит с работой аналитиков внутри, мы можем судить лишь косвенно — по результатам опроса. Скорее всего, возникает разрыв между ожиданиями (связанными с имиджем бренда) и реальными условиями работы, которые выясняются уже в процессе собеседования. Имидж технологического лидера формирует завышенные ожидания: аналитики массово откликаются на вакансии, но, (не)получив офер, испытывают разочарование. Обобщая: Яндекс — это big tech-магнит для аналитиков по масштабу задач, но не тот работодатель, по которому существует консенсус, что внутри все так же хорошо, как выглядит снаружи. Сильный бренд обещает очень многое, но большая и неоднородная экосистема не всегда одинаково хорошо исполняет эти обещания. Как мы можем подтвердить проверить эти гипотезы? 1️⃣ Самый простой способ – конкретизировать выбор, переформулировав вопрос с «рассматриваете» на «если вам напишет рекрутер…». Это позволит избежать зашумления ответов с мотивацией типа «меня туда не возьмут, поэтому не рассматриваю». Это улучшит консистентность, но не решит проблему. 2️⃣ Довольно простой способ - добавить открытый вопрос с просьбой пояснить выбор топа и антитопа. Полторы тысячи ответов вполне можно обработать — это не критичное усложнение, которое окупится интересными инсайтами. 3️⃣ Также можно дополнить анкету вопросом о том, в какие компании аналитик уже проходил собеседования, чтобы отделить реальный опыт от представлений. 4️⃣ Более сложный вариант — добавить вопросы о каждом конкретном работодателе и затем связать ответы с попаданием в топ или антитоп. С точки зрения анкеты это относительно просто, но увеличит ее длину и снизит долю завершивших опрос. 5️⃣ Еще более сложный путь — построить объяснительную модель на основе сегментации. Данные о респондентах уже есть, их можно связать с ответами. Именно это отличает настоящую аналитику: мы не только измеряем среднюю температуру, но и понимаем, у кого она повышена. Например, можно выделить кластеры,в которых проявляется разное отношение к компаниям: 🅰️ Связать факторы принятия офера с (не)предпочитаемыми компаниями. 🅱️ Связать стаж и специализацию аналитика с (не)предпочитаемыми компаниями. 6️⃣ Отдельно стоит выделить предложение Виталия Болатаева изменить саму методологию сравнения: отказаться от топа и антитопа и перейти к попарным сравнениям — такой рейтинг будет менее противоречивым. Благодарим за обсуждение Елену Проворову, Александра Артемьева, Катерину Цимботу, Юрия Волкова, Марию, Виталия Болатаева и Павла Савченко.