Trust Score Algorithmus

Der Trust Score ist der proprietäre Algorithmus von Sentry Analytics, der die Arbeitgeberreputation auf einer Skala von 0-100 bewertet.

🎯 Übersicht

Der Trust Score aggregiert Daten aus mehreren Quellen und wendet eine gewichtete 5-Säulen-Formel an, um eine einzige, umsetzbare Metrik zu erstellen.

Trust Score = Rating Quality (30%) + Sentiment (25%) + Volume (20%) + Consistency (15%) + Recency (10%)

📊 Die 5 Säulen

1. Bewertungsqualität (30%)

Was es misst: Durchschnittliche Sternbewertung von Bewertungsplattformen

Berechnung:

# Normalize 1-5 star rating to 0-100 scale
rating_score = ((avg_rating - 1) / 4) * 100

# Example: 3.8 stars
score = ((3.8 - 1) / 4) * 100 = 70

Datenquellen:

• Kununu (1-5 stars)
• Google Reviews (1-5 stars)
• Indeed ratings

2. Sentiment-Analyse (25%)

Was es misst: Prozentsatz positiver Bewertungen (KI-analysiert)

Berechnung:

# Count reviews by sentiment
positive = count(reviews WHERE sentiment = 'POSITIVE')
total = count(reviews)

sentiment_score = (positive / total) * 100

# Example: 60% positive reviews
score = 60

KI-Modell: Gemini 2.5 Flash kategorisiert jede Bewertung als:

• POSITIVE - Mitarbeiter empfiehlt das Unternehmen
• NEGATIVE - Mitarbeiter hat erhebliche Bedenken
• NEUTRAL - Gemischt oder sachlich ohne starke Meinung

3. Bewertungsvolumen (20%)

Was es misst: Gesamtzahl der Bewertungen (mehr = zuverlässiger)

Berechnung:

# Logarithmic scale (diminishing returns)
if reviews >= 1000: score = 100
elif reviews >= 500: score = 90
elif reviews >= 200: score = 80
elif reviews >= 100: score = 70
elif reviews >= 50:  score = 60
elif reviews >= 20:  score = 50
else: score = 30  # Too few reviews

Begründung: Ein Unternehmen mit 500 Bewertungen ist vertrauenswürdiger als eines mit 10, aber 5000 gegenüber 500 macht einen geringeren Unterschied.

4. Konsistenz (15%)

Was es misst: Wie stabil die Bewertungen sind (niedrige Standardabweichung = hohe Konsistenz)

Berechnung:

# Standard deviation of ratings
std_dev = calculate_std_dev(all_ratings)

# Lower std_dev = higher score
if std_dev < 0.5:   score = 100  # Very consistent
elif std_dev < 0.8: score = 80
elif std_dev < 1.0: score = 60
elif std_dev < 1.5: score = 40
else: score = 20  # Highly polarized

Begründung: Ein Unternehmen mit durchgängig 3,5★-Bewertungen ist vorhersehbarer als eines mit 50 % 5★ und 50 % 1★.

5. Aktualität (10%)

Was es misst: Wie aktuell die Bewertungsdaten sind

Berechnung:

# Days since most recent review
days_old = (today - last_review_date).days

if days_old <= 7:    score = 100  # Very fresh
elif days_old <= 30: score = 80
elif days_old <= 90: score = 60
elif days_old <= 180: score = 40
else: score = 20  # Stale data

Begründung: Aktuelle Bewertungen spiegeln die aktuelle Unternehmenskultur wider; alte Bewertungen können veraltet sein.

🚦 Risikostufen

Der Trust Score wird Risikostufen zugeordnet:

Punktbereich	Risikostufe	Bedeutung
80-100	🟢 LOW	Ausgezeichnete Arbeitgeberreputation
60-79	🟡 MEDIUM	Guter Ruf, kleinere Bedenken
40-59	🟠 ELEVATED	Gemischte Bewertungen, weitere Untersuchung erforderlich
20-39	🔴 HIGH	Erhebliche Bedenken
0-19	⚫ CRITICAL	Ernsthafte Warnsignale

📈 Berechnungsbeispiel

Unternehmen: BMW Deutschland

Säule	Rohdaten	Punktzahl	Gewichtung	Gewichtet
Bewertungsqualität	3.97★ im Durchschnitt	74	30%	22.2
Sentiment	50 % positiv	50	25%	12.5
Volumen	5.621 Bewertungen	100	20%	20.0
Konsistenz	0,9 Standardabweichung	60	15%	9.0
Aktualität	3 Tage alt	100	10%	10.0
GESAMT				73.7

Endgültiger Trust Score: 74/100 (MITTLERES Risiko)

🔄 Automatische Aktualisierungen

Trust Scores werden neu berechnet, wenn:

1. Neue Bewertungen gescraped werden (löst sofortige Neuberechnung aus)
2. Manuelle Aktualisierung über Dashboard oder API
3. Wöchentlicher Wartungsjob veraltete Daten aktualisiert

📊 Score-Aufschlüsselungs-API

Detaillierte Aufschlüsselung über API abrufen:

curl "https://sentryanalytic.com/api/company/bmw/trust-score"

Antwort:

{
  "company_name": "BMW",
  "trust_score": 74,
  "risk_level": "MITTEL",
  "breakdown": {
    "rating_quality": 22.2,
    "sentiment": 12.5,
    "volume": 20.0,
    "consistency": 9.0,
    "recency": 10.0
  },
  "data": {
    "avg_rating": 3.97,
    "positive_percent": 50,
    "review_count": 5621,
    "std_dev": 0.9,
    "last_review": "2025-12-25"
  }
}

🆚 Vergleich mit Wettbewerbern

Merkmal	Sentry Analytics	Glassdoor	Kununu
Daten aus mehreren Quellen	✅ 4 Quellen	❌ Einzeln	❌ Einzeln
KI-Sentiment-Analyse	✅ Gemini 2.5	❌ Keine	❌ Grundlegend
Transparenz	✅ Vollständige Aufschlüsselung	❌ Versteckt	❌ Versteckt
Gewichtung der Aktualität	✅ Ja	❌ Nein	❌ Nein
Echtzeit-Aktualisierungen	✅ Bei Bedarf	❌ Verzögert	❌ Verzögert

---

Der Trust Score Algorithmus wird basierend auf Nutzerfeedback und Datenqualitätsanalyse kontinuierlich verbessert.