왜 키워드 펠링이 기존 ATS
에서 작동하는지오늘날 시장에서 존재하는 모든 기존의 지원자 추적 시스템은 어떤 형태의 토큰 수준의 일치를 순위 계층으로 사용합니다. 마케팅에 "AI"가 쓰여있다고 하더라도, 구현은 보통 세 가지 중 하나입니다. 볼어 키워드 추출, TF-IDF 중량 일치, 또는 문장 임베디션을 사용하여 의미적 유사성. 세 가지 모두 같은 구조적 취약성을 가지고 있습니다. 규칙을 아는 후보자는 실제 적합성에 관계없이 원하는 결과를 안정적으로 생산할 수 있습니다.
잡스캐인의 연구 자료는 이러한 관행이 얼마나 널리 퍼져 있는지 기록하고 있으며 하버드 비즈니스 스쿨의 숨겨진 노동자에 대한 연구에서는 27백만 명의 자격을 갖춘 미국인들이 능력과 관련이 없는 이유로 자동화된 검진을 통해 거부당한다고 추정하고 있습니다.
4가지 방법 후보가
시스템을- 숨겨진 흰색 텍스트 페이지 하단에 흰색으로 입력된 키워드 블록, 인간 독자에게 보이지 않지만 파서에게는 완전히 볼 수 있습니다.
- 반복된 기술 섹션 기술 섹션은 소규모 변동으로 2~3번 나타난다.
- JD 복사-연착 취업자 는 직무 설명의 첫 번째 문항을 직무 서술에 그대로 복사한다.
- 발렛의 키워드와 일치하는 글씨를 다시 작성합니다. 실제 총알은 더 기술적인 용어로 직업 설명에 반영되도록 다시 쓰인다.
왜 "더 똑똑한 키워드 일치"가
를 해결하지 않는가키워드 채우기 문제를 알아차리는 공급자는 보통 더 똑똑한 키워드 모델로 해결하려고 노력합니다. 그들은 스톱 워드 필터, 의미적 유사성, BERT 기반의 일치, GPT-4 요약을 추가합니다. 문제는 이 모델들은 여전히 토큰을 읽고 있다는 것입니다.
해결 방법은 더 똑똑한 키워드 모델이 아닙니다. 해결책은 키워드 순위를 완전히 중단하는 것입니다. 랭커는 결과를 얻기 위해 읽어야 합니다. 후보자가 가짜로 만들어내는 가상의 업적을 만들어야 할 것들이죠. 토큰을 위해서가 아닙니다.
아마존에서 적대적 입력에 대해 배운 것은
Curriculo ATS 이전, 창업자는 아마존에서 수년간 검색 및 추천 작업을 했습니다. 반대의 입력은 그런 시스템에서 오래된 문제입니다. 작동하는 패턴은 판매자가 직접적으로 제조할 수 없는 신호, 실제 수익률, 검증된 검토 패턴에 따라 순위를 매기였습니다.
고용은 같은 방식으로 작동합니다. 후보자는 원하는 키워드를 쓸 수 있습니다. 순위위자는 다른 것을 읽어야 합니다. 구체적으로, 시스템은 수익, 팀, 시스템, 문제 등 네 가지 결과 범주에 대한 서사진을 읽습니다. 모델은 발견된 특정 결과를 인용하는 필기적 추론으로 0–100의 복합 점수를 생성합니다.
역할과 선임자에 따른 충전률 데이터
키워드 포스팅 비율은 역할과 노후에 따라 크게 달라진다. 시니어 엔지니어와 시니어 제품 관리자는 대부분의 직업에 적용하고 패턴을 배웠기 때문에 샘플링된 시니어 백엔드 엔지니어링 후보자의 채용률은 38% 정도였으며 가장 일반적인 패턴은 직업 설명에 반영된 총알과 결합된 복제 기술 섹션입니다. 시니어 PMs의 경우, 비율은 약 31%였다.
Legacy 키워드 스크리닝은 가장 자격을 갖춘 후보보다는 가장 많이 적용된 후보자를 체계적으로 촉진하고, 부합률은 설립자가 가장 정확한 신호를 필요로 하는 선배단에서 가장 높습니다.
이 주 설립자가 하는 일은
키워드 스태핑이 쇼트리스트를 오염시켰음을 의심한다면, 세 가지 빠른 확인이 당신에게 알려줄 것입니다:
- 현재 ATS에서 상위 5개의 서사진을 열고 모든 텍스트를 선택하십시오. 숨겨진 흰색 텍스트가 나타나면, 후보자는 채우고 있습니다.
- 자기소개서의 경험 섹션과 기술 섹션을 읽어보세요. 기술 목록은 많은 기술을 주장하지만 경험은 몇 가지를 언급한다면 나머지는 채우기입니다.
- 자기소개서 요약이 직무 설명에 너무 잘 반영되는지 확인하세요.
