Comme vous le savez, pour être GDPR compliant, nous n’utilisons pas de base de données chez Datagma. Et toutes les données qui vous sont délivrées le sont en temps réels.
Si vous soumettez une URL LinkedIn ou un nom de domaine en point d’entrée, il ne peut pas y avoir de confusion, et nous serons sûrs d’avoir la donnée exacte.
Cependant si vous soumettez un nom de société, plusieurs sociétés peuvent porter le même nom, et alors il peut y avoir confusion. De même, si vous soumettez ensemble le nom d’une personne avec un nom de société, il peut y avoir des homonymes (Plusieurs John Smith peuvent travailler chez IBM.)
Pour éviter de vous donner des données erronées, nous avons développé un système de scoring, qui permet de déterminer la fiabilité de celles-ci.
Voici comment ils fonctionnent :
Plus le score est proche de 1, plus nous sommes sûrs de notre donnée.
Ces scores ne sont pas pris en compte lorsque vous utilisez des URL LinkedIn, ou des noms de domaines, en input, qui nous permettent de trouver avec certitude la bonne donnée. Le score sera toujours de 1.Le scoring est valable pour les noms, les noms de sociétés, et les e-mails.
Le paramètre debug (qui peut être true ou false, mais qui par défaut est false) est le paramètre qui permet de filtrer ou non les résultats avec un mauvais score. Si vous ne voulez avoir que de la donnée dont nous sommes certains de la fiabilité alors ne touchez pas ce paramètre.
Si toutefois vous désirez prendre plus de risques mais obtenir plus de résultats alors vous pouvez passer ce paramètre en false et entrez dans le détail des différents scores :
Des scores liés à l’enrichissement de la personne :
personConfidenceScore : Ce score répond à la question, est-ce la bonne personne ?
Si vous soumettez une URL LinkedIn, il n’y a aucun doute, et le score sera toujours 1, mais si vous soumettez un nom + nom de société, nous allons opérer un scoring, pour vous aider à déterminer si nous avons sélectionné la bonne personne. Ce scoring est le résultat du calcul de différents éléments incluant le nom, et les expériences actuel et passé de votre cible.
companyConfidence : Ce score répond à la question, est-ce que la personne a pu changer de société par rapport à la société soumise en input ?
Nous comparons le nom de la société donnée en input, avec le nom de la société que nous obtenons en output.
Attention cette fonction est moins poussée que notre endpoint Job Change Detection qui lui réponds avec une certitude accrue à la problématique des changements de postes
Exemple : Si vous soumettez Raymond Rutjes avec le nom de société Devarium, nous allons détecter que la personne travaille désormais chez Algolia.
Nous allons donc mettre un companyConfidence faible pour vous indiquer un changement de poste probable.
Toutefois nous allons tout de même enrichir les infos sur Algolia, si vous demandez dans le même call l’enrichissement des infos sur la société.
Si vous en revanche vous soumettre Raymond Rutjes avec le nom de société Algolia, le companyConfidence sera de 1.
Des scores liés à l’enrichissement de l’entreprise :
premiumConfidenceScore : C’est le score de référence pour toutes les infos liées à l’objet Compay Premium
Si vous soumettez un nom de domaine ou une URL de société LinkedIn alors le score sera de 1.
Si par contre vous soumettez un nom de société, alors le score peut être plus faible, car le nom de la société en entrée peut être différent du nom en sortie.
Exemple : Vous soumettez Palantir, mais le nom exact de la société est Palantir Technologies
fullConfidenceScore : C’est le score de référence pour toutes les infos liées à l’objet Compay Full
Similaire au score précédent, mais pour les infos “full” c’est-à-dire les levées de fonds, le trafic du site web...
Des scores liés au paramètre companyEmployees :
Ce paragraphe ne vous concerne que si vous désirez utiliser la fonction companyEmployees, qui vous permet d’identifier des employés à des fonctions spécifiques dans les entreprises.
employeeJobScore : Permet de comparer l’input du (ou des) job titles indiqués en entrée avec ceux obtenus en sorties.
Exemple : Si vous soumettez Sales OR head of OR marketing
head of sales = 1
vp of marketing = 1
Account manager = 0
employeeCompanyScore : Permet de comparer l’input de la société indiqué en entrée avec celles obtenu en sortie.
Exemple : Vous soumettez Palantir, mais le nom exact de la société est Palantir Technologies, le score ne sera pas 1.