为什么关键词堆砌在传统 ATS 上有效
如今市场上每个传统申请追踪系统都使用某种形式的令牌级匹配作为其排名层。即使营销宣传中提到“AI”，其实现通常是三种方式之一：布尔关键词提取、TF-IDF 加权匹配或使用句子嵌入的语义相似性。三者都有相同的结构性漏洞：它们是确定性的。了解规则的候选人可以可靠地生成他们想要的输出，而不考虑实际的适配性。
Jobscan 的研究记录了这一做法的普遍性，而哈佛商学院关于隐藏工人的研究估计大约有 2700 万名合格的美国人因与能力无关的原因被自动筛查拒绝。
候选人操纵系统的四种方式
- 隐藏的白色文本。 在页面底部输入的一块白色关键词，对人类读者不可见，但对解析器完全可见。
- 重复的技能部分。 技能部分出现两到三次，只有微小的变化。
- 在摘要中复制粘贴职位描述。 候选人逐字复制职位描述的第一段到简历摘要中。
- 为匹配关键词重写要点。 一个真实的要点被重写以反映职位描述，使用更多的专业术语。
为什么“更智能的关键词匹配”不是解决方案
注意到关键词堆砌问题的供应商通常试图通过更智能的关键词模型来解决此问题。他们增加停用词过滤器、语义相似性、基于 BERT 的匹配、GPT-4 摘要。问题是所有这些模型仍然是以令牌为基础的阅读。
解决方案不是更智能的关键词模型。解决方案是完全停止根据关键词进行排名。排名系统必须基于结果来进行阅读，即候选人必须虚构的成就，而不是基于令牌。
我们在亚马逊了解到关于对抗性输入的知识
在创办 CurriculoATS 之前，创始人在亚马逊花费多年从事搜索和推荐工作。对抗性输入是这些系统中的一个老问题。成功的模式是基于卖家无法直接伪造的信号进行排名——真实的购买数据、真实的退货率、经过验证的评价模式。
招聘的方式也是如此。候选人可以写下他们想要的任何关键词；而排名系统应读取其他内容。具体来说，系统会根据收益、团队、系统和问题这四个结果类别来读取简历。模型生成一个 0–100 的复合分数，并提供引用具体发现结果的书面理由。
我们看到的按角色和资历的堆砌率数据
关键词堆砌率在角色和资历方面差异显著。高级工程师和高级产品经理的堆砌率最高，因为他们申请了最多的工作并学习了模式。对高级后端工程师候选人样本的堆砌率约为 38%，最常见的模式是重复的技能部分与职位描述相似的要点组合。而高级产品经理的堆砌率约为 31%。
传统的关键词筛查系统系统性地优先考虑申请人数最多的候选人，而不是资格最好的。与创始人最需要准确信号的资历级别相对应的错配率最高。
创始人本周需要做的事情
如果您怀疑关键词堆砌已经污染了您的候选人名单，可以快速进行三个检查：
- 打开您当前 ATS 中的前五份简历并选择所有文本。如果出现隐藏的白色文本，则该候选人是在堆砌。
- 将简历的经验部分与技能部分进行比较。如果技能列表声称掌握许多技术，但经验中只提到少数，则其余的是堆砌。
- 检查简历摘要是否与职位描述过于相似。