채용 담당자가 처음 7초에 읽는 것
채용 담당자는 이력서를 읽지 않습니다. 그들은 이력서를 스캔하며, 스캔은 콘텐츠 전략보다 시각 인지에 의해 구조화됩니다. Ladders 연구에 따르면, 경력이 있는 채용 담당자는 초기 패스를 할 때 평균 7.4초를 소비하며 페이지의 여섯 개 고정 포인트에 주목합니다. 그들이 스캔에서 추출하는 신호는 키워드가 아닙니다. 그것은: 최근 역할의 공석된 직무에 대한 관련성, 재직 기간 패턴(이 사람이 충분히 오래 머물렀는가?), 경로(각 역할이 마지막 역할보다 더 많은 책임을 나타내는가?), 및 자격 정보의 깔끔함(이력서가 그 사람이 이를 진지하게 대했는가를 보여주는가?)입니다. 키워드는 자동화된 screening을 통과하는 이력서의 연료지만, 실제 채용 결정은 키워드 이상의 계층에서 일어납니다. 이것이 대부분의 ATS 플랫폼이 해결하지 못하는 격차입니다. 그들은 키워드 회상을 위해 최적화하고 200개의 "일치 항목"을 표면화합니다. 채용 담당자는 여전히 7초 스캔을 200번 해야 합니다. 지능적인 screening의 목적은 신호 추출을 상류로 이동시켜 창립자가 실제 자격에 따라 상위 8명의 후보를 읽을 수 있도록 하는 것입니다, 그들의 토큰 밀도가 아니라.
Ladders 시선 맵이 실제로 보여주는 것
여섯 개 고정 포인트: 이름(좌측 상단), 현재 직함-고용주-날짜 블록, 이전 직함-고용주-날짜 블록, 교육, 및 하단 우측 모서리에서 종종 성과가 포함된 총알 포인트. 페이지 중앙은 거의 고정되지 않았습니다. 긴 총알 목록은 거의 전부 스킵되었습니다. 이것은 30개의 이력서를 연달아 읽는 창립자가 각 이력서의 절반 이하를 읽음에도 강력한 의견을 형성하게 되는 이유를 설명합니다: 뇌가 이력서를 그 골격으로 압축했기 때문입니다.
키워드 매칭이 최적화해야 할 잘못된 계층인 이유
대부분의 기존 ATS 플랫폼은 첫 번째 필터로 키워드 매칭을 실행합니다. 채용 공고에 "Python, AWS, 분산 시스템"이 있습니다. 시스템은 이러한 토큰에 대해 모든 이력서를 스캔하고 빈도에 따라 순위를 매깁니다. 이는 실제로 기술을 가진 사람들을 잡아내고, 문서를 채워서 필터를 조작하는 방법을 배운 사람들도 잡아냅니다. 서로 다른 단어로 동일한 기술을 설명한 사람들을 놓치는 문제가 있습니다. "생산 순위 서비스에서 추론 지연을 40% 감소시켰습니다"라고 적은 이력서는 "Python, AWS, ML"을 기술 총알로 나열한 이력서보다 실질적으로 더 강력하지만, 키워드 필터는 잘못된 순서로 점수를 매깁니다. ATS에 의해 75%의 이력서가 거부된다는 Jobscan에서 대중화된 통계는 널리 반복되지만, ERE의 산업 분석이 언급한 바와 같이 그 숫자 뒤에 있는 방법론은 빈약합니다. 실제 실패 모드는 더 구체적입니다: 키워드 필터는 정확한 토큰이 부족한 맥락이 풍부한 이력서를 거부하고, 이를 가지고 있는 맥락이 부족한 이력서를 표면화합니다. 수정책은 필터를 제거하는 것이 아닙니다. 필터 아래에서 평가하는 것입니다.
실제 성과를 예측하는 신호
중요한 네 가지, 순서대로: 정량적 성과(결과에 연결된 숫자, 백분율, 달러 금액), 경험의 관련성(이 사람이 우리가 채용하려는 문제를 해결했는가), 경력 경로(책임이 각 역할에서 증가하는가), 및 기술 일치(명명된 기술이 업무와 일치하는가)입니다. 각 항목은 키워드 스캐너가 하는 방식이 아닌, 사람이 읽는 방식으로 문서에서 추출할 수 있습니다. 이것이 CurriculoATS Impact Scoring이 측정하는 것입니다.
여기 적용되는 Amazon 검색에서 배운 것
CurriculoATS 이전에, 우리의 창립자 Dev는 Amazon의 검색 및 추천 시스템에서 작업했습니다. 채용에 가장 직접적으로 번역된 교훈: 회수는 저렴하고, 순위 매기기가 어려운 부분입니다. Amazon의 검색 인덱스는 쿼리와 일치하는 백만 개의 제품을 찾을 수 있습니다. 제품 팀의 작업은 상위 세 개가 올바른지 확인하는 것입니다. 이력서 screening은 같은 모양을 가지고 있습니다. "제품 관리자"를 포함한 300개의 이력서를 뽑는 것은 5줄 스크립트입니다. 선임 PM이 실제로 전화 스크린을 원할 상위 8명을 반환하는 것이 진짜 엔지니어링 문제입니다. 다중 신호 점수 매기기 방식이 Amazon이 제품을 순위 매기는 방식이며, 이와 같은 접근 방식으로 다른 신호로 후보자를 순위 매깁니다. 우리는 정량적 성과를 중시하는데, 이는 누군가가 실제로 작업을 완료했음을 가장 강력하게 예측하기 때문입니다, 단순히 직위를 가졌던 것이 아닙니다. 우리는 경력 경로를 중시하는데, 5년 동안 책임이 두 배로 늘어난 사람이 직위가 동일하게 유지된 사람보다 통계적으로 더 강력한 채용이라는 것입니다. 우리는 창립자가 이를 감사할 수 있도록 추론을 드러냅니다.
왜 "신호"가 "키워드"보다 중요한가
키워드는 토큰입니다. 신호는 결과와 상관관계가 있는 패턴입니다. "Python"은 키워드입니다. "프로토타입에서 50M 일일 쿼리까지 순위 서비스를 소유했습니다"는 신호입니다. 두 가지 모두 같은 이력서에 나타날 수 있습니다. 단, 전자는 당신이 그 사람과 인터뷰해야 하는지를 알려줍니다. 신호 기반 점수 시스템에서 상위 8명의 후보를 검토하는 창립자는 후보 당 약 30초를 소비하고 방어할 수 있는 결론에 도달합니다. 키워드 순위 시스템에서 상위 8명을 검토하는 창립자는 후보 당 5분을 소비하고 여전히 스크리너가 해야 할 작업을 수행해야 합니다.
창립자가 30초 안에 이력서를 읽는 방법
Ladders 연구가 측정한 동일한 시선 패턴을 신중한 프레임워크로 전환할 수 있습니다. 세 번의 스윕, 순서대로, 각각 몇 초.
- 경로 스윕. 제목과 날짜만 읽습니다. 역할이 더 고위직인지? 재직 기간이 충분하여 그 사람이 성과를 올렸는지? 가장 최근의 역할이 당신이 채용하는 것과 일치하는지?
- 성과 스윕. 숫자가 포함된 총알 포인트만 읽습니다. 이 사람이 측정 가능한 성과를 났는가? 그 성과가 그들에게 실제로 귀속될 수 있는가?
- 자격 미달 스윕. 그 사람을 제외할 모든 것을 찾아보세요: 설명할 수 없는 공백, 9개월 미만의 역할 이탈, 이력서에서 뒷받침되지 않는 기술 주장.
세 번의 스윕, 30초. 후보가 세 개의 모두를 통과하면 전화 스크린으로 나아갑니다. 하나라도 실패하면 넘어갈 수 있습니다. 이것이 바로 CurriculoATS가 첫 패스를 자동화하는 프레임워크이므로 상위 10명의 후보에 대해서만 수동으로 수행합니다.
가장 좋은 이력서 신호
하나의 신호를 유지하고 나머지를 버려야 한다면, 우리는 정량적 성과를 유지할 것입니다. 숫자가 포함된 다섯 개의 총알을 가진 이력서는 순수한 책임의 15개 총알을 가진 이력서보다 실제로 일을 완료하는 사람에게 속할 가능성이 훨씬 더 높습니다. 이유는 선택입니다: 결과를 추적하는 사람은 결과를 추적하는 이력서를 작성합니다. 결과를 추적하지 않는 사람은 작성하지 않습니다.