Predicting Corporate Recommendation Intention Using Deep Learning: A CNN-BiLSTM Analysis of Job Platform Data from Korea and the US

직무만족은 기업 추천의도와 밀접하게 연결되어 있으며, 이는 기업의 외부 이미지 형성 및 인재 유치에 중요한 역할을 한다. 본 연구는 한국과 미국의 주요 취업 플랫폼인 잡플래닛과 글래스도어에서 수집된 리뷰와 평점 데이터를 바탕으로, 종사자들의 기업 추천의도를 예측하는 딥러닝 모델을 구축하고 그 영향을 분석하였다. 구체적으로, 종사자들이 작성한 Pros 리뷰, Cons 리뷰, 직무만족 평점, 5개의 세부 평점 등의 정보를 CNN-BiLSTM 모델에 적용하여 추천의도를 예측하였다. 또한, 각 직무 요인과 정보가 예측에 미치는 영향을 평가하였다. 분석 결과, 직무만족 평점이 가장 중요한 예측 변수로 확인되었으며, Cons 리뷰가 Pros 리뷰보다 추천의도 예측에 더 큰 영향을 미쳤다. 글래스도어와 잡플래닛 간의 데이터 특성 차이에 따라 예측 성능이 달랐는데, 글래스도어에서는 사내문화가 중요한 요인으로 작용한 반면, 잡플래닛에서는 복지 및 급여가 더 큰 영향을 미쳤다. 이는 국가별로 종사자들이 중요하게 생각하는 직무 요인이 다르며, 각 플랫폼의 데이터 특성에 따라 예측 모델의 성능이 상이함을 시사한다. 본 연구는 한국과 미국 종사자들이 어떠한 요인에 의해 기업 추천 의도를 형성하는지를 분석한 최초의 연구로서, 종사자들의 만족도를 향상시키고 효과적인 인사 전략을 수립하는 데 중요한 시사점을 제공한다. 특히, 직무 관련 데이터와 평점이 추천의도에 미치는 영향을 심층적으로 분석함으로써, 향후 연구와 실무에서 국가별로 차별화된 접근 방식을 취할 필요성을 강조한다.