처음 주제를 정할 때 사람들의 요구, 필요가 무엇인지에 대해 팀원과 열띤 토론을 해봤습니다. 그리고 그 쟁점은 총 4가지였습니다.
- 일상 속에서 필요한 소재가 무엇인가?
- 비즈니스로 연결할 수 있는, 비용을 지불할 가치가 있는 서비스인가?
- 시장성이 높은가?
- 소비자의 수요가 지속적으로 발생할 수 있는가?
이런 아이디어는 상업성을 가져야 하며 동시에 사람들에게 화두가 되는 주제여야 하기에 위와 같은 쟁점을 가지고 토론한 결과, 취업 및 면접 키워드가 이에 맞는 키워드임을 찾았습니다.
-
직무별 맞춤형 면접 질문 생성: 유사 직무 지원자들의 과거 면접 질문 데이터를 바탕으로 직무에 대한 구체적인 맞춤형 면접 질문을 생성합니다. 이를 통해 구직자들은 자신이 지원한 직무에 대한 준비를 보다 체계적으로 할 수 있습니다.
-
지원자가 대답에 따른 적절한 꼬리질문 생성: 구직자의 대답을 분석하여, 해당 대답에 기반한 추가 질문이나 꼬리 질문을 제시합니다. 이를 바탕으로 구직자는 면접관의 예상 질문에 대해 더 깊이 고민하고 준비할 수 있습니다.
-
최신 면접 트렌드 반영: 텍스트 마이닝과 데이터 분석을 통해 최신 면접 트렌드를 파악하고, 이를 면접 질문 생성에 반영합니다.
이 제품의 주요 소비층은 구직 준비생 및 이직을 준비하는 사람들로, 두 계층 모두에게 스스로 면접을 준비할 수 있는 좋은 면접 시뮬레이션 환경을 제공하는 것입니다.
- 7가지 직종과 직무/인성 카테고리를 선택하여 사용자가 필요로 하는 직종과 면접 형태에 맞춰 모델을 변경합니다.
- 1분 자기소개 데이터를 받아 기존 학습 데이터와 해당 자기소개 데이터를 기반으로 대질문을 생성합니다.
- 대질문에 대한 면접자 답변에 대해 기존에 쌓여있는 면접 데이터를 활용하여 적절한 꼬리 질문을 생성합니다.
- 몇 번이고 심층적으로 꼬리 질문을 할 수 있는 변칙적인 상황에 대비하여 꼬리 질문에 대한 답변에 대해서도 꼬리 질문을 생성할 수 있게 구현합니다.
- 이는 유저의 필요에 따라 몇 번이고 가능합니다. 다만 성능이 떨어지는 질문이 나오거나 더 이상 추가 질문이 나올 수 없는 경우 해당 요청에도 질문을 생성하지 않습니다.
- 해당 데이터를 DB로 저장하여 이후 고객이 접속해도 기존 대질문셋이 남아 있어 그 당시 어떤 답변을 했는지 이후에도 스스로 피드백할 수 있도록 유도합니다.