User Tracker multidispositivo
Captura de actividad del usuario en cualquier dispositivo
J4MATCH — Recomendaciones de empleo que cruzan dispositivos, contexto y perfil
Plataforma cloud que combina Big Data, Machine Learning y multidispositivo para que los portales de empleo lleguen al candidato adecuado con la oferta adecuada en el canal adecuado.
El reto
Una oferta de empleo enviada al destinatario equivocado, en el momento equivocado, es ruido.
Los portales de empleo cuentan con catálogos extensos y bases de usuarios activos, pero la conexión entre lo que ofrecen y lo que el candidato realmente busca sigue siendo imprecisa. La actividad del usuario está fragmentada en distintos dispositivos, los perfiles cambian con el tiempo y los canales de comunicación se han multiplicado. Sin una capa que cruce todo eso, las recomendaciones se quedan a medio camino entre el spam y la utilidad.
"J4MATCH nos permitió trabajar con criterio arquitectónico una capa que muchas plataformas todavía no abordan: cómo escuchar al usuario a través de sus dispositivos para devolverle, después, una recomendación útil en el canal que él autorice."
Iker Barrena — Director de Hispavista Labs
Datos del proyecto
Cliente
Trabajos.com — Portal de empleo
Periodo
Enero 2016 – Diciembre 2018 (3 años)
Rol HVLabs
Plataforma cloud, Big Data y motor de recomendación con Machine Learning
De desarrollo y evolución continua del servicio
años
Timeline del proyecto
3 años, de necesidad interna a servicio replicable
J4MATCH nació en 2016 a partir de un requerimiento del portal Trabajos.com y se desarrolló como una plataforma con vocación de servicio externo: pensada desde el inicio para que otros portales pudieran integrarla.
La solución
Cinco componentes que convierten la actividad dispersa en una recomendación útil
User Tracker multidispositivo
Módulo que captura la actividad del usuario independientemente del dispositivo en el que se encuentre. La trazabilidad cross-device es la base sobre la que el resto del sistema construye su inteligencia.
Middleware cloud para captura y almacenamiento
Componente que recibe los datos, los estructura y los almacena de forma que el sistema de recomendación pueda explotarlos. Sin esta capa intermedia, los modelos aprenden ruido.
Motor de recomendación con Machine Learning
Algoritmos que cruzan perfiles de usuario y perfiles demandados para identificar las ofertas más relevantes para cada candidato. La inteligencia está en la afinidad, no en el volumen.
Canal de comunicaciones autorizado
Distribución de las recomendaciones a través de los canales que el propio usuario autoriza. El consentimiento del destinatario es parte de la arquitectura, no una nota legal al pie.
Panel de métricas del servicio
Visualización del estado del sistema y de su rendimiento, que permite al operador entender cómo está funcionando el servicio en lugar de tener que deducirlo a posteriori.
Por qué te importa
Lo que aprendemos aquí se aplica a cualquier servicio que necesite recomendar contenido relevante en tiempo y canal adecuados
J4MATCH no es solo un proyecto de portales de empleo. Es la demostración de que recomendar bien exige integrar tres capas: capturar el contexto del usuario, modelar la afinidad con criterio y distribuir el resultado por el canal que el usuario autoriza.
Casos de éxito
¿Tu operación tiene un problema parecido?
Cuéntanos el reto. En 30 minutos te decimos si tiene solución con lo que ya tienes.
"*" señala los campos obligatorios