リクルーターが最初の7秒間に読むもの
リクルーターは履歴書を読まない。彼らはそれをスキャンし、そのスキャンはコンテンツ戦略よりも視覚認知によって構成されている。Laddersの研究によると、経験豊富なリクルーターは最初のパスで平均7.4秒を費やし、ページ上の6つのアンカーポイントに注目する。彼らがそのスキャンから抽出する信号はキーワードではない。それらは：オープンな仕事に対する最近の役割の関連性、在籍パターン（この人は十分に長く滞在したか？）、キャリアの軌道（各役割が前よりも責任が増しているか？）、および資格のクリーンリネス（履歴書がその人が真剣に取り組んでいるように見えるか？）である。キーワードは自動スクリーニングを通過させる燃料だが、実際の採用決定はキーワードの上の層で行われる。これはほとんどのATSプラットフォームが解決できていないギャップである。彼らはキーワードの取り込みを最適化し、200の「一致」を表面化させる。リクルーターは依然として200回7秒のスキャンを行う必要がある。インテリジェントスクリー二ングの目的は、その信号抽出を上流に移動させ、創業者がトークン密度ではなく実際の価値に基づいて上位8人の候補者を読むことができるようにすることである。
Laddersの視線マップが実際に示すもの
6つの固定点：名前（左上）、現在の役職-雇用者-日付ブロック、前の役職-雇用者-日付ブロック、教育、そして時折、達成事項を含む箇条書きがある右下隅。ページの中央にはほとんど注目が集まらなかった。長い箇条リストはほぼ完全にスキップされた。これは、30の履歴書を連続して読む創業者が、各履歴書の半分にも満たない部分を読んで強い意見を持つ理由を説明している。脳は履歴書をその骨組みに圧縮しているためである。
キーワードマッチングは最適化する誤ったレイヤー
ほとんどのレガシーATSプラットフォームは、キーワードマッチングを最初のフィルターとして実行する。職務記述には「Python、AWS、分散システム」が含まれている。このシステムは、それらのトークンについてすべての履歴書をスキャンし、頻度によってランク付けする。これはスキルを持っている人を捕まえ、文書を詰め込むことでフィルターをゲームすることを学んだ人も捕まえる。しかし、同じスキルを異なる言葉で説明した人を見逃す。履歴書に「生産ランキングサービスの推論遅延を40％削減」と書かれているものは、「Python、AWS、ML」というスキルの箇条書きがあるものよりも実質的に強力だが、キーワードフィルターはそれらを間違った順序でスコアを付ける。Jobscanが一般的に広めた統計「ATSによって75％の履歴書が拒否される」は広く繰り返されているが、EREの業界分析が指摘するように、その数字の背後にある方法論は薄弱である。実際の失敗モードはより具体的である：キーワードフィルターは、正確なトークンが欠けているコンテキスト豊かな履歴書を拒否し、それらを持つコンテキスト貧弱な履歴書を表面化させる。修正策はフィルターを削除することではない。それはその下で評価することである。
実際にパフォーマンスを予測する信号
4つが重要であり、順序がある：定量化された成果（数値、割合、結果に関連付けられたドル額）、経験の関連性（この人は私たちが雇っているものの近くの問題を解決したか）、キャリアの軌道（責任が役割を超えて成長しているか）、およびスキルの整合性（名前の付けられたスキルが仕事と一致するか）。これらのそれぞれは、文書を人間が読む方法で読むモデルによって履歴書から抽出できる。これがCurriculoATSのインパクトスコアリングが測定するものである。
私たちがAmazonの検索から学んだことがここに適用される
CurriculoATSの前に、私たちの創業者DevはAmazonの検索と推薦システムに取り組んでいた。採用に最も直接的に翻訳された教訓：リコールは安価であり、ランキングが難しい部分である。Amazonの検索インデックスは、クエリに一致する100万の製品を見つけることができる。プロダクトチームの仕事は、上位3つが正しいことを確認することである。履歴書のスクリーニングは同じ形をしている。「プロダクトマネージャー」を含む300の履歴書を引き出すことは、5行のスクリプトである。本当にシニアPMが電話インタビューを希望する8つを返すことが実際のエンジニアリング問題だ。マルチシグナルスコアリングは、Amazonが製品をランク付けする方法であり、同じアプローチが異なる信号を用いて候補者をランク付けする。私たちは定量化された成果を重視する、なぜならそれが実際に仕事を発注した人が持つ最も強力な予測因子であるからだ。私たちはキャリアの軌道を重視する、なぜなら責任が5年間で2倍になった人は、役職が変わらなかった人よりも統計的に強力な雇用であるからだ。私たちは理由を露出させ、創業者が監査できるようにする。
なぜ「信号」が「キーワード」よりも重要なのか
キーワードはトークンである。信号は結果と相関するパターンである。「Python」はキーワードである。「プロトタイプから5000万のデイリークエリまでのランキングサービスを所有していた」は信号である。両方とも同じ履歴書に出現する可能性がある。ただ一つ、誰を面接すべきかを教えてくれる。
創業者が30秒で履歴書を読む方法
Laddersの研究で測定された同じ視線パターンを意図的なフレームワークにすることができる。3つのスイープ、順序は以下の通り、それぞれ数秒。
- キャリア軌道のスイープ。 タイトルと日付だけを読む。その役割はより上級になっているか？任期はこの人が成果を上げるのに十分長いか？最近の役割は募集しているものと一致しているか？
- 成果のスイープ。 数字を含む箇条書きだけを読む。この人は測定可能な成果を上げたか？その成果は彼らに合理的に帰属できるか？
- 不適格者のスイープ。 この人を除外する要因を探す：説明できないギャップ、9ヶ月未満のロールホッピング、履歴書が裏付けていない主張されたスキル。
3つのスイープ、30秒。候補者がすべてのスイープをクリアした場合、電話インタビューに進む。いずれかに失敗した場合は、次に進む。これはまさにCurriculoATSが最初のパスのために自動化しているフレームワークであり、上位10人の候補者についてのみ手動で行う。
単一の最良の履歴書信号
もし一つの信号を残し、他をすべて取り除く必要がある場合、私たちは定量化された成果を保持するだろう。数値を含む5つの箇条書きがある履歴書は、単なる責任の15の箇条書きがある履歴書よりも実質的に成果を上げる人のものである可能性が高い。その理由は選択：成果を追跡する人は成果を追跡する履歴書を書くからである。成果を追跡しない人は、それをしない。