なぜ業務が面接に至らないのか
職務の内容は、現代の履歴書スクリーニングのすべての層で失敗します。同じ職務名を持つ候補者間で交換可能であり、差別化する信号はありません。視線追跡研究によると、採用担当者は平均して7.4秒で履歴書の初期レビューを行い、数量的結果が目につき、職務の内容はぼやけます。採用マネージャーはパフォーマンスの提供を予測するための証拠が必要であり、職務の内容の記述はそれを提供しません。研究によると、2700万人のアメリカ人が実際の能力とは無関係な理由で自動スクリーニングによって拒否されています。
インパクトの公式
すべての職務の内容は、3つの構造を持つべきです: 動作語 + 何をしたか + 測定可能な結果。動作語は所有権を示します。中間の節は仕事の名前を示します。測定可能な結果は、評価可能なものに職務の内容を固定します。この公式は、同時にすべての3つの層のスクリーニングを満たします。
ハードナンバーが利用できない場合、代替案を使用します: スコープ、比較、耐久性、認識、または速度。どれでも「責任者」というより強力です。
20の前後リライト
ソフトウェアエンジニアリング
- 前: バックエンド開発とコードレビューを担当。後: 支払いAPIを再構築し、取引失敗を42%削減し、年間180万ドルを節約しました。
- 前: データパイプラインに取り組んだ。後: サブ秒のp99レイテンシで2Mイベント/秒を処理するストリーミングパイプラインを出荷しました。
- 前: モバイルアプリの機能に貢献した。後: 変換を18%向上させ、クラッシュ率を0.9%から0.05%に削減したiOSのチェックアウトの書き直しを所有しました。
マーケティング
- 前: ソーシャルメディアアカウントの管理とコンテンツの作成を行った。後: インスタグラムのフォロワーを6ヶ月で8千から47千に増やし、毎月340の質の高いリードを生成した。
- 前: メールキャンペーンを実施した。後: ライフサイクルメールプログラムを設計し、コンバージョンを31%向上させ、四半期あたり640万ドルのパイプラインを追加した。
- 前: SEO に取り組んだ。後: ブログを18ヶ月で12千から180千の月次有機訪問数に増やした。
セールス
- 前: セールスターゲットの達成に責任を持った。後: 18のエンタープライズアカウントで240万ドルの新しい ARR を獲得し、クォータを135%上回った。
- 前: カスタマー関係の管理を行った。後: 22アカウントのブックを4億1千万ドル ARR で所有し、118%の NRR を達成し、2年間で零のチャーンを実現した。
- 前: Salesforce を使用した。後: テリトリーのパイプラインの清掃を再構築し、予測精度を62%から91%に引き上げた。
プロジェクトマネジメント
- 前: 複数のプロジェクトでクロスファンクショナルチームを率いた。後: 24人のエンジニアを4つのタイムゾーンにわたって調整し、3つの製品ローンチを予定通り、予算内で実現した。
- 前: プロジェクトの状況を追跡した。後: 週次のチェックポイントを導入し、平均プロジェクトサイクル時間を14週間から9週間に短縮した。
カスタマーサクセス
- 前: カスタマーアカウントの管理と問題解決を行った。後: 3,200万ドルの45アカウントのポートフォリオを管理し、96%のリテンション率と1.2日の中央値解決時間を達成した。 ARR
- 前: オンボーディングセッションを実施した。後: オンボーディングカリキュラムを設計し、初期価値までの時間を22日から6日に短縮し、41%のアクティベーションを実現した。
オペレーションズ / ファイナンス
- 前: 月次報告書を確認した。後: 1,100万ドルの繰り返しベンダーの過剰請求を特定し、1クォーターで12カ月の過払いを回収した。
- 前: プロセス改善に取り組んだ。後: 3つの決済プロセッサ間の調整を自動化することで、週次クローズを7日間から2日間に短縮した。
データ/分析
- 前: ダッシュボードを構築した。後: 14の手動レポートワークフローを、90人以上の利害関係者が週に使用する1つのセルフサービス Looker モデルに置き換えた。
- 前: 顧客データを分析した。後: 既存のアラートよりも4週間早くチャーンシグナルを特定し、最初の6ヶ月間に780Kの ARR を保持した。
デザイン
- 前: 製品機能を設計した。後: オンボーディングの再設計を主導し、7日目のアクティベーションを27%向上させ、新しいユーザーごとのサポートチケットを38%削減した。
- 前: デザインシステムに取り組んだ。後: エンジニアとデザイナーの再作業時間をチケットごとに40%削減するコンポーネントライブラリを出荷した。
HR / 採用
- 以前:採用パイプラインの管理を行った。以後:12ヶ月間で38人の役割を4.2週間の平均採用時間で充填し、89%のオファー承認率と94%の1年間の留任率を達成した。
結果指標の重要性について：AI スクリーニング
キーワードベースのATS システムはトークン存在のみを確認していた。結果ベースのモデルはバレット自体を読み、そこで見つけたものに基づいてランク付けする。影響バレットは、候補者がトップティアにランクインするかどうかを決定するために使用される入力となっている。職務リスト形式の履歴書は、見つけるものがないため、低スコアとなる。影響バレット形式の履歴書は、仕事がモデルに読み取れるため、高スコアとなる。
バレットの書き直し方法について：1回の座りで
多くの候補者は、すべてのバレットに同じループを繰り返すことで、60〜90分で履歴書を変換できる。
- バレットを大声で読み上げる。如果同じ肩書きを持つ他の誰かの履歴書にも登場できる場合は、それは職務である。
- 以下の点について問い合わせる：何が変わったか。収益、時間、コスト、範囲、品質、留任率、転換率、エラーレート。
- 数値を追加する。如果正確な数値がない場合は、範囲、比較、または速度を使用する。
- 重要な情報だけに絞り込み、アクション・ヴァーベ、仕事、結果を示す。
- 7秒スキャンに対してテストを行い、記憶している数字が正しいかどうかを確認する。
