Extractor de Empleos de Indeed - convertir una búsqueda en filas estructuradas
Indeed es el mayor portal de empleo del mundo, y para la mayoría de los puestos en la mayoría de los mercados es donde una vacante aparece primero. Su búsqueda está hecha para ojear: escribes un puesto y un lugar, aplicas un filtro o dos y haces scroll. Eso funciona cuando buscas un empleo. Funciona mal cuando la pregunta es de mercado - cuál es la tarifa habitual para este puesto en esta ciudad, qué empleadores están contratando ahora mismo, cómo ha cambiado desde el mes pasado. El Extractor de Empleos de Indeed responde a eso convirtiendo una búsqueda en una tabla: una fila por oferta, con el puesto, el empleador, la ubicación, la retribución anunciada, el tipo de contrato, la antigüedad de la publicación, un extracto de la descripción, el enlace a la oferta y la propia clave de empleo de Indeed.
El diseño de este servicio pone el filtrado donde corresponde - en Indeed. Una URL de búsqueda de Indeed codifica sus propios parámetros: las palabras clave como q, la ubicación como l (un código postal o una ciudad y un estado), un radio alrededor de esa ubicación, un filtro de tipo de contrato que cubre jornada completa, jornada parcial, contrato, prácticas y temporal, un filtro de publicado en los últimos N días y una elección entre orden por relevancia o por fecha. Construye la búsqueda que quieras en Indeed, copia la URL y la ejecución hereda todo. No es solo cómodo, es la forma más barata de trabajar: acotar una búsqueda no cuesta nada, mientras que exportar una amplia cuesta filas.
Dos propiedades de los datos de Indeed conviene preverlas antes de construir nada sobre la exportación. La primera es la clave de empleo. Toda publicación en Indeed lleva un identificador jk - el valor que ves en un enlace viewjob - y llega como job_key. Esa es la columna por la que deduplicar. Casar por puesto y empresa parece equivalente pero no lo es, porque el mismo rol se anuncia a menudo más de una vez, a veces por una agencia de selección y el empleador simultáneamente, y una coincidencia textual fusionará dos vacantes reales o dividirá una. El identificador no. La segunda es la antigüedad de la publicación: Indeed la escribe de forma relativa en la tarjeta de resultado y no como fecha, así que describe la oferta en el momento de la ejecución y no puede compararse entre ejecuciones hechas en momentos distintos. Registra la fecha de tu ejecución y deriva de ella las fechas reales.
Otros dos matices mantienen honesto el análisis. El salario en Indeed es unas veces una cifra que introdujo el empleador y otras un rango que Indeed modela cuando el empleador lo omitió; la tarjeta etiqueta cuál, y esa etiqueta viaja en la cadena salary, así que debería sobrevivir hasta tus datos en lugar de perderse al parsear - la retribución declarada y la estimada responden a preguntas distintas y no deberían promediarse juntas. Y Indeed intercala colocaciones patrocinadas con los resultados orgánicos, lo que significa que la posición en la lista refleja gasto publicitario además de relevancia. Ninguna de las dos es un fallo que haya que sortear; simplemente así funciona el portal, y conocerlas es la diferencia entre un benchmark salarial defendible y uno engañoso. Empieza gratis: tus primeras 500 filas no cuestan nada y no necesitan tarjeta.