はたらこねっと。 掲載料金|はたらこねっとの求人掲載は求人広告代理店ONE

派遣の求人・派遣社員のお仕事を探すなら【はたらこねっと】人材派遣、派遣会社情報が充実

はたらこねっと

何か良い情報 ないかな? 企業リリース情報を見る• 便利ツール• 記事の内容カテゴリから探す• 記事の種別カテゴリから探す• 記事のタイプから探す• サービス情報をDBから検索• セミナー・ プレゼント• Web担に ついて• 記事を投稿してみる (メンバー登録が必要です)• メンバー• ディップ株式会社 商品開発本部 メディアプロデュース統括部 グロースハック部 山下ロルミス氏 190万件から最適な求人を選んでもらう、KGIは「応募数」 「」「」「」は、ユーザー(求職者)が、最適な求人を探して応募するためのサイトだ。 サイトには、労働力を求める企業からの依頼を受けて、多くの求人情報が掲載されている。 たとえば「バイトル」には、ハローワークからの情報も含めて約190万件もの求人情報が掲載されている。 この部署のKGIは、ユーザーが望みの仕事に出会えた数、つまり「応募数」である。 また、主なKPIとしては、UUベースのCVRやUUあたり応募件数を設定している。 レコメンドで応募数をアップ では具体的に、求職者はどのようにして応募したい仕事に出会うのだろうか? 主な流入元はもちろん検索だ。 Google検索で「新宿 カフェ バイト」でバイトルのサイトに入ってくると、条件に合った求人情報の一覧が表示される。 そのなかから、給与や勤務時間、勤務地といった条件を見て、条件に合った求人の詳細情報の閲覧に進むことになる。 一覧表示で確認できる情報の例 とはいえ、1社だけの情報を見て応募まで至るケースは少ない。 そのため、閲覧している仕事と近いものをレコメンデーションすることが重要となる。 レコメンデーションは、機械学習で行動の相関情報を得てカスタマイズしています。 それまでも別の分析ツールは使用していたが、誤差が大きいという問題があった。 分析の精度をあげ、ミスジャッジを減らすためAdobe Analyticsの導入を決めた。 グロースハック部では、アクセス解析を行う際に「職種」「雇用形態」「エリア」などで分析することも多い。 例えば、「エリア」で分析するにあたって、「新宿」で何回訪問したのか、「新宿」とかけあわせた条件(たとえば渋谷)など、さまざまな切り口で、より深い分析を行いたいという希望があったのだ。 Adobe Analyticsは、他の分析ツールに比べ、多様な切り口で、より高い精度で分析することが可能だ。 さらに、分析データをAdobe Targetと連携してそのまま活用できるため、ユーザーごとのミクロな分析が実現できるようになったという。 実際に高い効果があった施策3つ グロースハック部では、Adobe TargetとAdobe Analyticsを活用し、週に1本ペースで新たな施策を打つなどハイペースで改善に取り組み続けている。 その中でも特に効果が高かった施策例を順番に見ていこう。 それによると、ユーザーは「場所(エリア)」と「通勤時間」を重要視する場合が多い。 そこでディップでは、両方に深く関わる「職場の駅」に注目。 Adobe Analyticsのデータによると、1人のユーザーは、1つの求人を見たら、同じ駅の別の求人情報を閲覧している割合が37%もあることから、Adobe Targetを利用して同一駅のレコメンドを加えた。 ユーザーが閲覧している求人と同じ駅に限定し、閲覧相関の高い求人をレコメンドした その結果、レコメンド利用率が174%、そこから求人詳細を見てもらえるようになったことで、求人詳細の閲覧数が108%、応募率(CVR)が109%となった。 レコメンド利用率:174%• 求人詳細の閲覧数:108%• ディップではこの機能を利用し、同一駅だけでなく、求職者のこだわりに合わせたレコメンドを自動で行うようにした。 例えば、通勤時間を重視しているユーザーには通勤時間に寄せたレコメンドを、給与を重視しているユーザーには給与に寄せたレコメンドを行うといった具合だ。 その結果、応募率はさらに107%に向上したという。 しかしディップでは、応募入力フォームの最適化を図るEFO(Entry Form Optimization)の一環として、フロー変更を実施した。 ユーザーが求人情報を見て応募入力フォームに遷移したあと、ログイン状態と非ログイン状態のときで、応募入力フォームから確認画面への遷移率を比較すると、ログイン状態の時のほうが遷移率が26%高かった。 ログイン状態の時なら応募入力フォームにはすでに会員情報が入っており、入力の手間が省けるからだ。 しかし、ログイン状態のときでもすべてのユーザーが確認画面まで行くわけではなく、応募入力フォームで離脱しているケースも存在した。 そこでディップでは、Adobe Targetを使って、ログイン時には応募入力画面をカットして、いきなり応募確認画面に行くようにフローを変更した。 ログイン時は応募入力画面を省略し、いきなり確認画面に遷移することで手間がかかる印象を少なくし、ユーザー体験の向上をはかった これによって、入力フォームから確認画面への遷移率は114%改善し、入力フォームから完了までの遷移率(応募率)は103%へ向上した。 「とはいえ、入力フォームからいきなり確認画面になることで、ユーザーが応募を急かされているように感じ、嫌悪感を抱かないかも心配だった」(山下氏)。 そこで、その後のサイト再訪問回数もあわせて確認したところ、再訪問回数は101%という結果であり、むしろ改善していることがわかった。 入力から確認の遷移率:114%• 入力から完了(応募)の遷移率:103%• 学生と主婦では、希望職種も異なれば働き方も違うはずだ。 そこでディップでは、主婦タブを利用しているユーザーを対象に、「職種の検索数」「応募UU数」「掲載求人数」を指標として、ユーザーのニーズを洗い出し、各指標の重みを加えてスコアリング。 その結果を元に、主婦が職種を探しやすくなるよう、業種の表示順を変更した。 主婦タブ利用ユーザーの「職種の検索数」「応募UU数」「掲載求人数」を基に表示順を変更 結果、職種を利用した検索率は118%、求人詳細の閲覧率は106%、応募率は106%となった。 この施策は最初に「バイトル」で実施されたが、その後、「はたらこねっと」など他のサイトにも横展開している。 職種を利用した検索率:118%• 求人詳細の閲覧率:106%• 応募率:106% 運用の成功の秘訣は、開発部をまきこんだ体制づくり 「Adobe Target」と「Adobe Analytics」はともに、できることの多い高機能な製品だ。 それだけに使いこなすには工夫が必要だ。 まず重要となるのは、熱意を持ってこのソリューションを社内に浸透させようと努力するキーマンの存在である。 ディップでは山下氏がその1人だった。 導入当初、Adobe Targetの構築は外注で行っていた。 そこから山下氏は、充分にパフォーマンスを出すために、上長と協力して社内のシステム開発部を巻き込んで開発体制づくりを行っていった。 システム開発部、そして経営層と会話をしながら、ツールを活用できる体制を社内に作り上げたのだ。 Adobe Targetそのものの構築は、システム開発部内に専用の開発チームを用意してもらい、スピード感を持って行ってもらっています。 設計や実装指示書を作るのはグロースハック部ですが、実装は開発チームで行っています。 このスピード感こそ、他社ではなかなか真似ができない、ディップの強みの1つだ。 この施策展開のハイペースさは、前述した分業体制に支えられているというわけだ。 とはいえ、安全・安定を重視する情報システム部と売上拡大を目的とするマーケティング側では、一般的に考え方にギャップが出ることが多い。 しかし、ディップの実装チームはもともとフロントエンドエンジニアの集団ということから、なぜこうした施策を打ちたいのか、ユーザーの傾向や施策の目的までしっかり伝えることでそのギャップを埋めている。 例えば、「ここにアニメーションを入れたい」と言うと、開発側からは、「手間がかかるのになぜ?」と言われがちですよね。 でも、「こういう目的があって、ユーザーはこう感じるだろうから、このアニメーションがあった方がわかりやすいんです」というように、「ユーザーにこういう体験をしてほしい」「こういう目的でこれを行いたい」と意図を詳細に伝えることで、逆に開発側から「それならこういう手段があるよ」と提案をしてもらうこともあるんです(山下氏) 全員で積極的に提案を行うチーム運営 ディップのグロースハック部には約20名が所属しているが、その全員がユーザー行動を分析し、改善提案を行っている。 提案採用のポイントは、「目的や意図が明確ならやってみるといい」というスタンスと「否定しない」こと。 ただし、施策を実施する優先順位はインパクトに応じて決めているという。 社内でも勉強会を行うなどして、その前提がブレないように気を付けている。 ちょっとしたセグメントのミスで違う数値が出てしまうこともある。 「セグメントが合っているかどうかには細心の注意をはらい、結果の数値が仮説と比べてどう出ているかもよく見るようにしています」(山下氏)という。 UXの向上により利用者のCVRやロイヤリティが高まり、有料集客のウェイトが下がった事が推察される。 アドビから見た、ディップ社の成功の秘訣 アドビ システムズ株式会社 アドビ カスタマー ソリューション統括本部 シニア コンサルタント 橋本翔氏 アドビから見て、ディップが成果をあげている要因はどこにあるのだろうか。 コンサルタントの橋本氏が考える成功の要因は下記の3点だ。 匿名ユーザーに対するレコメンドの出し分けは機械学習を利用したAdobe Targetの得意分野だ。 さらに、山下様のようなUXとデジタル双方の視点を持ち合わせたスペシャリストが社内にいらっしゃることで、勉強会の実施などにより、全体的なスキルの底上げをされていることも成功の大きな要因だと思います(橋本氏) 究極の理想のユーザー体験は、探すのではなく選ぶこと 今後、山下氏はグロースハック部として主に下記の3点に取り組んでいく。 サイト内だけでなく、広告など外部チャネルの改善につなげる• 基盤データとの連携• 直接、顧客(求人企業)へ働きかける事ができる直販営業の強みを生かし、企画、開発部門で一体となって、これを実現していきたい」と山下氏は語る。 ディップはこれからも、Adobe TargetとAdobe Analyticsを活用し、さらなるユーザー体験の改善に取り組んでいく。

次の

はたらこねっとの口コミ・評判

はたらこねっと

何か良い情報 ないかな? 企業リリース情報を見る• 便利ツール• 記事の内容カテゴリから探す• 記事の種別カテゴリから探す• 記事のタイプから探す• サービス情報をDBから検索• セミナー・ プレゼント• Web担に ついて• 記事を投稿してみる (メンバー登録が必要です)• メンバー• ディップ株式会社 商品開発本部 メディアプロデュース統括部 グロースハック部 山下ロルミス氏 190万件から最適な求人を選んでもらう、KGIは「応募数」 「」「」「」は、ユーザー(求職者)が、最適な求人を探して応募するためのサイトだ。 サイトには、労働力を求める企業からの依頼を受けて、多くの求人情報が掲載されている。 たとえば「バイトル」には、ハローワークからの情報も含めて約190万件もの求人情報が掲載されている。 この部署のKGIは、ユーザーが望みの仕事に出会えた数、つまり「応募数」である。 また、主なKPIとしては、UUベースのCVRやUUあたり応募件数を設定している。 レコメンドで応募数をアップ では具体的に、求職者はどのようにして応募したい仕事に出会うのだろうか? 主な流入元はもちろん検索だ。 Google検索で「新宿 カフェ バイト」でバイトルのサイトに入ってくると、条件に合った求人情報の一覧が表示される。 そのなかから、給与や勤務時間、勤務地といった条件を見て、条件に合った求人の詳細情報の閲覧に進むことになる。 一覧表示で確認できる情報の例 とはいえ、1社だけの情報を見て応募まで至るケースは少ない。 そのため、閲覧している仕事と近いものをレコメンデーションすることが重要となる。 レコメンデーションは、機械学習で行動の相関情報を得てカスタマイズしています。 それまでも別の分析ツールは使用していたが、誤差が大きいという問題があった。 分析の精度をあげ、ミスジャッジを減らすためAdobe Analyticsの導入を決めた。 グロースハック部では、アクセス解析を行う際に「職種」「雇用形態」「エリア」などで分析することも多い。 例えば、「エリア」で分析するにあたって、「新宿」で何回訪問したのか、「新宿」とかけあわせた条件(たとえば渋谷)など、さまざまな切り口で、より深い分析を行いたいという希望があったのだ。 Adobe Analyticsは、他の分析ツールに比べ、多様な切り口で、より高い精度で分析することが可能だ。 さらに、分析データをAdobe Targetと連携してそのまま活用できるため、ユーザーごとのミクロな分析が実現できるようになったという。 実際に高い効果があった施策3つ グロースハック部では、Adobe TargetとAdobe Analyticsを活用し、週に1本ペースで新たな施策を打つなどハイペースで改善に取り組み続けている。 その中でも特に効果が高かった施策例を順番に見ていこう。 それによると、ユーザーは「場所(エリア)」と「通勤時間」を重要視する場合が多い。 そこでディップでは、両方に深く関わる「職場の駅」に注目。 Adobe Analyticsのデータによると、1人のユーザーは、1つの求人を見たら、同じ駅の別の求人情報を閲覧している割合が37%もあることから、Adobe Targetを利用して同一駅のレコメンドを加えた。 ユーザーが閲覧している求人と同じ駅に限定し、閲覧相関の高い求人をレコメンドした その結果、レコメンド利用率が174%、そこから求人詳細を見てもらえるようになったことで、求人詳細の閲覧数が108%、応募率(CVR)が109%となった。 レコメンド利用率:174%• 求人詳細の閲覧数:108%• ディップではこの機能を利用し、同一駅だけでなく、求職者のこだわりに合わせたレコメンドを自動で行うようにした。 例えば、通勤時間を重視しているユーザーには通勤時間に寄せたレコメンドを、給与を重視しているユーザーには給与に寄せたレコメンドを行うといった具合だ。 その結果、応募率はさらに107%に向上したという。 しかしディップでは、応募入力フォームの最適化を図るEFO(Entry Form Optimization)の一環として、フロー変更を実施した。 ユーザーが求人情報を見て応募入力フォームに遷移したあと、ログイン状態と非ログイン状態のときで、応募入力フォームから確認画面への遷移率を比較すると、ログイン状態の時のほうが遷移率が26%高かった。 ログイン状態の時なら応募入力フォームにはすでに会員情報が入っており、入力の手間が省けるからだ。 しかし、ログイン状態のときでもすべてのユーザーが確認画面まで行くわけではなく、応募入力フォームで離脱しているケースも存在した。 そこでディップでは、Adobe Targetを使って、ログイン時には応募入力画面をカットして、いきなり応募確認画面に行くようにフローを変更した。 ログイン時は応募入力画面を省略し、いきなり確認画面に遷移することで手間がかかる印象を少なくし、ユーザー体験の向上をはかった これによって、入力フォームから確認画面への遷移率は114%改善し、入力フォームから完了までの遷移率(応募率)は103%へ向上した。 「とはいえ、入力フォームからいきなり確認画面になることで、ユーザーが応募を急かされているように感じ、嫌悪感を抱かないかも心配だった」(山下氏)。 そこで、その後のサイト再訪問回数もあわせて確認したところ、再訪問回数は101%という結果であり、むしろ改善していることがわかった。 入力から確認の遷移率:114%• 入力から完了(応募)の遷移率:103%• 学生と主婦では、希望職種も異なれば働き方も違うはずだ。 そこでディップでは、主婦タブを利用しているユーザーを対象に、「職種の検索数」「応募UU数」「掲載求人数」を指標として、ユーザーのニーズを洗い出し、各指標の重みを加えてスコアリング。 その結果を元に、主婦が職種を探しやすくなるよう、業種の表示順を変更した。 主婦タブ利用ユーザーの「職種の検索数」「応募UU数」「掲載求人数」を基に表示順を変更 結果、職種を利用した検索率は118%、求人詳細の閲覧率は106%、応募率は106%となった。 この施策は最初に「バイトル」で実施されたが、その後、「はたらこねっと」など他のサイトにも横展開している。 職種を利用した検索率:118%• 求人詳細の閲覧率:106%• 応募率:106% 運用の成功の秘訣は、開発部をまきこんだ体制づくり 「Adobe Target」と「Adobe Analytics」はともに、できることの多い高機能な製品だ。 それだけに使いこなすには工夫が必要だ。 まず重要となるのは、熱意を持ってこのソリューションを社内に浸透させようと努力するキーマンの存在である。 ディップでは山下氏がその1人だった。 導入当初、Adobe Targetの構築は外注で行っていた。 そこから山下氏は、充分にパフォーマンスを出すために、上長と協力して社内のシステム開発部を巻き込んで開発体制づくりを行っていった。 システム開発部、そして経営層と会話をしながら、ツールを活用できる体制を社内に作り上げたのだ。 Adobe Targetそのものの構築は、システム開発部内に専用の開発チームを用意してもらい、スピード感を持って行ってもらっています。 設計や実装指示書を作るのはグロースハック部ですが、実装は開発チームで行っています。 このスピード感こそ、他社ではなかなか真似ができない、ディップの強みの1つだ。 この施策展開のハイペースさは、前述した分業体制に支えられているというわけだ。 とはいえ、安全・安定を重視する情報システム部と売上拡大を目的とするマーケティング側では、一般的に考え方にギャップが出ることが多い。 しかし、ディップの実装チームはもともとフロントエンドエンジニアの集団ということから、なぜこうした施策を打ちたいのか、ユーザーの傾向や施策の目的までしっかり伝えることでそのギャップを埋めている。 例えば、「ここにアニメーションを入れたい」と言うと、開発側からは、「手間がかかるのになぜ?」と言われがちですよね。 でも、「こういう目的があって、ユーザーはこう感じるだろうから、このアニメーションがあった方がわかりやすいんです」というように、「ユーザーにこういう体験をしてほしい」「こういう目的でこれを行いたい」と意図を詳細に伝えることで、逆に開発側から「それならこういう手段があるよ」と提案をしてもらうこともあるんです(山下氏) 全員で積極的に提案を行うチーム運営 ディップのグロースハック部には約20名が所属しているが、その全員がユーザー行動を分析し、改善提案を行っている。 提案採用のポイントは、「目的や意図が明確ならやってみるといい」というスタンスと「否定しない」こと。 ただし、施策を実施する優先順位はインパクトに応じて決めているという。 社内でも勉強会を行うなどして、その前提がブレないように気を付けている。 ちょっとしたセグメントのミスで違う数値が出てしまうこともある。 「セグメントが合っているかどうかには細心の注意をはらい、結果の数値が仮説と比べてどう出ているかもよく見るようにしています」(山下氏)という。 UXの向上により利用者のCVRやロイヤリティが高まり、有料集客のウェイトが下がった事が推察される。 アドビから見た、ディップ社の成功の秘訣 アドビ システムズ株式会社 アドビ カスタマー ソリューション統括本部 シニア コンサルタント 橋本翔氏 アドビから見て、ディップが成果をあげている要因はどこにあるのだろうか。 コンサルタントの橋本氏が考える成功の要因は下記の3点だ。 匿名ユーザーに対するレコメンドの出し分けは機械学習を利用したAdobe Targetの得意分野だ。 さらに、山下様のようなUXとデジタル双方の視点を持ち合わせたスペシャリストが社内にいらっしゃることで、勉強会の実施などにより、全体的なスキルの底上げをされていることも成功の大きな要因だと思います(橋本氏) 究極の理想のユーザー体験は、探すのではなく選ぶこと 今後、山下氏はグロースハック部として主に下記の3点に取り組んでいく。 サイト内だけでなく、広告など外部チャネルの改善につなげる• 基盤データとの連携• 直接、顧客(求人企業)へ働きかける事ができる直販営業の強みを生かし、企画、開発部門で一体となって、これを実現していきたい」と山下氏は語る。 ディップはこれからも、Adobe TargetとAdobe Analyticsを活用し、さらなるユーザー体験の改善に取り組んでいく。

次の

はたらこねっとに退会する方法を解説!メルマガの停止方法は?

はたらこねっと

条件・基本特徴• 経験者優遇• 経験必須• 新卒・第二• 20代活躍• 人材紹介• 紹介予定• 無期派遣• 正社員登用• 勤務先公開• 大量募集• 勤務地固定• 学生歓迎• 履歴書不要• WEB登録• WEB選考完結 就業条件・働き方• 残10未満• 残20以上• 17時~出社• 1日4h以下• Wワーク可• 平日休み• 土日祝のみ• シフト勤務• 大手企業• 外資系• ベンチャー• 学校・公的• ブランクOK• 産休・育休• 社会保険制度• 研修制度• 資格支援• 制服あり• 服装自由• 禁煙・分煙• 駅5分以内• バイク自転車• 車OK• 寮・社宅• 社員食堂• 派遣活躍中• OPスタッフ• 少人数• ルーティン• 英語不要• PC不要 活かせるスキル・経験• Word• Excel• PowerPoint• Access• 英語力• 語学力• CAD• DTP• WEB• プログラム• ネットワーク• 仕事内容 【A】CM等をご覧頂いたお客様からお電話をお受けし、弊所サービスをご案内。 仕事内容 【A】CM等をご覧頂いたお客様からお電話をお受けし、弊所サービスをご案内。 業務状況によってお願いする可能性があります。 1ヶ月以内にスタート• 休日・休暇 土曜 日曜 祝日 土・日・祝日休みの週休2日のお仕事です。 1ヶ月以内にスタート• 仕事内容 【概要】・お客様情報などの、PCへのデータ入力・郵送物の対応、手配・各種資料の作成・各種契約書のチェック・所員の労務管理... などの中から、あなたにあった業務をご担当いた• 【平日のみの勤務もOK】[1]時給1,450円~(交通費支給なし)[2]時給1,350円~(1日1000円まで実費支給) 1ヶ月以内にスタート• 期間・時間 長期 [朝][昼][夜][深夜]のシフトパターン多数!![1]8:00~17:00(60分休憩)[2]9:00~18:00(60分休憩)[3]19:00~6:00[4]21:00~6:00(60分休憩)• 下記、いずれかのチームへ配属です。 【カードの問合せ受付】諸変更(住所、名義)、• ・外資系企業でのお仕事・残業なしのお仕事・がっつり残業で稼げるお仕事・遅め出社のお仕事など、さまざまございます。 即日スタート• 休日・休暇 月曜 火曜 水曜 木曜 金曜 土曜 日曜 祝日 ・土日祝日休みの職場・週3~週4日のお仕事など、ご希望をお聞かせください。 付随するデータ入力、電気とガスのセットプランのご案内もお願い.

次の