リクルーターが最初の7秒で読むもの
リクルーターは履歴書を読みません。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造化されています。The Laddersの研究によると、経験豊富なリクルーターは平均して7.4秒で初期のパスを通過し、ページの6つのアンカー点に焦点を当てます。彼らがそのスキャンから抽出するシグナルは、キーワードではありません。最も最近の役割の開催ジョブへの関連性、在職期間（この人が十分な期間滞在したか？）、トラジェクトリー（各役割が前のものよりも多くの責任を表すか？）、資格のクリーンさ（履歴書が真剣に作られたように見えるか？）です。キーワードは、履歴書を自動スクリーニングを通過させる燃料ですが、実際の採用決定はキーワードの層の上で行われます。これは、ほとんどのATSプラットフォームが解決できないギャップです。彼らはキーワードの再生を最適化し、200の「一致」を表面化します。リクルーターはまだ7秒のスキャンを200回行う必要があります。インテリジェントスクリーニングの目的は、創設者がトップ8の候補者を実際の功績に基づいて読むようにシグナル抽出を上流に移動することです。
The Laddersのガゼマップが実際に示すもの
6つのフィクセーションポイント：名前（左上）、現在の役割-雇用者-日付ブロック、前の役割-雇用者-日付ブロック、教育、そしてバレットポイントが時々含まれる右下隅。ページの中央にはほとんどのフィクセーションがなかった。長いバレットリストはほとんどスキップされた。創設者が30の履歴書を一気に読むと、半分以下しか読んでいないにもかかわらず強い意見を持つことの理由がわかります。脳は履歴書をその骨格に圧縮しているからです。
キーワードマッチングが最適化するべき層が間違っている理由
の大部分のレガシー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として実行しています。求人描述には「Python、AWS、分散システム」があります。システムは、すべての履歴書をこれらのトークンでスキャンし、頻度でランク付けします。これにより、スキルを持っている人を捕捉し、フィルタを操作するためにドキュメントを詰め込むことを学んだ人も捕捉します。しかし、同じスキルを異なる言葉で説明した人を逃しています。プロダクションランキングサービスで推論遅延を40%削減したという履歴書は、「Python、AWS、ML」をスキルとしてリストした履歴書よりも実質的に強いですが、キーワードフィルタはそれらを間違った順序でスコアリングします。Jobscanが普及させた、75%の履歴書がATSによって拒否されるという統計は広く繰り返されていますが、EREの業界分析によると、その数字の背後にある方法論は薄いです。実際の故障モードはより具体的です。キーワードフィルタは、正確なトークンが不足しているコンテキスト豊富な履歴書を拒否し、トークンを持っているコンテキスト不足の履歴書を表面化させます。修正するには、フィルタを削除するのではなく、フィルタの下で評価する必要があります。
実際にパフォーマンスを予測するシグナル
4つの要素が重要です。順序は、数量的成果（結果に付随する数字、パーセンテージ、ドル額）、経験の関連性（この人が解決した問題は私たちが採用する問題に近いか）、キャリアトラジェクトリー（責任は役割ごとに増加しているか）、スキルの一致（名前付きスキルは仕事に合致しているか）。これらの要素はすべて、人間がドキュメントを読むようにモデルがドキュメントを読み取ることで、履歴書から抽出できます。CurriculoATS インパクトスコアリングがこれを測定します。
アマゾン検索から学んだこと、この場で適用できること
の前に Curriculo ATS で、創設者 Dev は Amazon の検索およびレコメンデーションシステムに取り組んだ。採用に最も直接翻訳された教訓は、リコールは安価であるが、ランキングが難しい部分であるということである。Amazon の検索インデックスは、1 つのクエリに一致する 100 万の製品を見つけることができる。製品チームの仕事は、上位 3 つの製品が正しいことを確認することである。履歴書の選考も同様の形をとる。「製品マネージャー」を含む 300 の履歴書を抽出するのは、5 行のスクリプトである。シニア PM が実際に電話面接したい 8 つの履歴書を返すのが、実際のエンジニアリング問題である。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、同じアプローチで、異なるシグナルを使用して、候補者をランク付けする。達成度の高い実績を重視するのは、それが実際に仕事を遂行したことを示す最も強い予測因子だからである。キャリアトラジェクトリを重視するのは、5 年間で 2 回責任が倍増した人は、タイトルが同じままだった人よりも統計的に優れた採用であるからである。理由を公開することで、創設者がそれを監査できる。
「シグナル」が「キーワード」よりも重要な理由
キーワードはトークンである。シグナルは、結果と相関するパターンである。 「Python」はキーワードである。「ランキングサービスをプロトタイプから 500 万の日次クエリまで所有した」はシグナルである。両方が同じ履歴書に現れることができる。ただし、どちらか一方のみが、面接するかどうかを判断する。シグナルベースのスコアリングシステムから上位 8 人の候補者をレビューする創設者は、約 30 秒で候補者ごとに決定を下し、擁護できる。キーワードランクシステムから上位 8 人の候補者をレビューする創設者は、5 分を費やし、依然としてスクリーナーがすべき仕事を実行する必要がある。
創設者が履歴書を 30 秒で読む方法
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変えることができる。3 つのスイープ、順序に従い、それぞれ数秒ずつ。
- トラジェクトリースイープ。 タイトルと日付のみを読む。役割はよりシニアなものになっているか。任期は十分に長く、人物が成果を出せたか。最新の役割はあなたが採用するものと一致しているか。
- 成果スイープ。 数値が含まれるバレットポイントのみを読む。この人物は測定可能な成果を生み出したか。成果は彼らに帰属できるか。
- 除外スイープ。 人物を除外するものを探す：説明できないギャップ、9ヶ月未満のロールホッピング、リジュームが裏付けるものではないスキルを主張すること。
3つのスイープ、30秒。候補者が3つのスイープすべてに合格すると、電話面接に進む。1つでも失敗すると、次の候補者に進むことができる。これは、Curriculo ATS が最初のパスを自動化するフレームワークなので、手動で行うのは上位10人の候補者だけである。
一番優れた履歴書の信号
もし1つの信号だけを残し、残りを捨てなければならないとしたら、数量化された実績を残すことにするだろう。5つの実績を数字で表した履歴書は、15の責任のみを記載した履歴書よりも、結果を出す人に属する可能性が高い。理由は選択である：結果を追跡する人々は、結果を追跡した履歴書を書く。結果を追跡しない人々はそうしない。
