每个创始人我们交谈都在白板上画出相同的图景。申请、筛选、面试、录用。四个盒子，每个盒子之间有一条箭头。白板从不对人们认为的工作撒谎。它也从不显示工作实际上在哪里出现问题。在十个创业招聘渠道中，有九个瓶颈在筛选阶段，而且差距非常大。
本文讨论了为什么筛选是唯一控制结果的阶段，为什么标准的申请人跟踪系统优化了除筛选之外的所有内容，以及如何改变，使得一个五人团队可以运行一个招聘渠道，以击败拥有人才负责人的C系列公司。
招聘漏斗并不是四个相等的盒子
招聘漏斗在白板上看起来是对称的，但实际上并非如此。一个阶段几乎决定了所有下游指标：筛选。无论你让谁通过筛选，你都会面试他们。无论你面试谁，你都会向他们提供机会。无论你向谁提供机会，他们都会加入。如果筛选不佳，你就会在不可能被录用的候选人身上进行昂贵的面试循环。根据 SHRM 2025 招聘基准报告，平均 US 招聘时间约为 44 天，大部分时间花在筛选和短名单窗口，而不是提供或入职窗口。初创公司可以为招聘速度做的最重要的事情是修复筛选层，而不是购买更快的调度器或更漂亮的职业页面。
大多数团队之所以忽略这一点，是因为筛选看起来很枯燥。日历工具和 offer 信自动化看起来像产品。筛选看起来像阅读。所以工具专注于易于演示的部分，而决定结果的部分被留给了每周房间里地位最低的人作为手动工作。
为什么大多数 ATS 优化了错误的层
大多数申请人跟踪系统都是在 2008 年至 2016 年之间为企业 HR 团队构建的，他们的问题不是筛选质量，而是工作流可见性。一个拥有 5,000 名员工和二十名招聘人员的公司需要审计跟踪、结构化阶段、 EEO 报告和每个申请人的单一事实来源。因此，传统的 ATS 优化了这些方面，而筛选则使用附加在顶部的布尔关键字过滤器处理。该过滤器是几乎每个初创公司招聘漏斗实际泄漏的层。
Greenhouse、Lever、Workable 和 Ashby 是各自领域的优秀产品。它们是管道管理工具。价格也反映了这一点。Workable 的起步价为每月 149 美元，适用于员工人数少于 20 人的团队，并根据员工人数而非招聘人数进行扩展。根据买家在 PriceLevel 上报告的数据，Greenhouse 的费用大约为每个席位每月 50 美元至 150 美元，另外还需要支付四位数的实施费用。您需要为一个工作流产品付费，其区别在于不是筛选质量。然后，在此价格之上，您仍然需要自己阅读每份简历。
哈佛商学院关于管理工作未来项目有一个名称来描述这种现象：隐藏工人。约瑟夫·富勒 2021 年的研究估计，2700 万合格的美国人因自动化关键词筛选而被过滤掉，原因与他们是否能做这份工作无关。这是优化错误层的代价。
我们在亚马逊关于排名系统的经验
在 Curriculo ATS 之前，我们的创始人 Dev 在亚马逊工作了多年，负责搜索和推荐。这些系统的经验几乎可以直接应用于招聘。当输入数据混乱，用户很忙时，唯一重要的是排名函数。如果前十个结果是好的，用户会很满意，转化率会很高。如果前十个结果是错误的，任何 UI 的润饰都无法挽救体验。您可以拥有最干净的零售电子商务的分面过滤器，但如果排名器很差，仍然会输掉。
招聘的形势是一样的。招聘人员或创始人会查看前十到十五份简历。其他200份简历基本上不存在。因此，唯一重要的问题是是否有合适的候选人在前十名之内。其他所有功能，包括电子邮件模板、Slack集成和offer letter PDF，都取决于这一决定。如果排名器是基于关键词的，前十名将是那些撰写简历最有策略的人。如果排名器根据结果（收入、团队、交付系统、解决问题）进行阅读，前十名将是那些做过最相关工作的人。
这就是为什么我们围绕多信号评估构建了Curriculo ATS，它产生一个0–100的综合评分，并为每个候选人附上一段解释评分理由的文字。创始人关心的就是这段文字。它让您在不盲目信任排名器的情况下信任它。在我们的影响评分页面上阅读更多关于评分工作原理的信息。
每位创始人应该在漏斗
上跟踪的指标大多数初创公司创始人只追踪时间到填充率，并就此止步。时间到填充率是一个滞后指标，告诉你三周前漏斗就已经有问题。真正能够预测漏斗健康的领先指标更容易被量化，但却很少被衡量。追踪四个指标：申请者到初审比例（低于5%意味着筛选过程丢失了信号，高于12%意味着筛选过程太宽松）、初审到复审转换率（低于30%意味着短名单上的人选不正确）、每位候选人理由段审核时间（超过90秒意味着模型没有增加杠杆作用）以及短名单在AI和人类之间的重叠度（低于60%意味着要么AI模型要么人类出错，创始人需要调试哪一个出错）。McKinsey研究總結在2023年和2024年的《人才形态》中显示，基于技能的招聘采用率从2020年的40%攀升到2024年的大约60%，而区分团队做得好的运营信号是第二个指标：初审到复审转换率。运行结果基础筛选的团队往往会落在40-55%；运行基于关键词的筛选的团队往往会落在18-28%。差距在于模型，而不是招聘人员。每周审核这四个数据可以快速发现漏斗问题，并在同一个招聘周期内纠正，而不是等待时间到填充率在一个月后拉响警报。
初創公司創始人如何在本周修復篩選過程
如果你是一位創始人，在沒有招聘人員的情況下招聘，且你的漏斗有問題，改變的幅度比你想象的要小。
- 停止按关键词密度排名。 如果当前的 ATS 按令牌匹配排序，每个申请了五个以上职位的候选人都在操纵它。切换到按结果（产生的收入、领导的团队、交付的系统）排名的系统，或者手动阅读每份简历。没有中间立场是有效的。
- 以结果而非职责来撰写 JD。 用「在前六个月内，这个人将交付 Y」取代「负责 X」。该文件就是你的筛选标准。结果到结果的匹配大约比职责到关键词的匹配有一个数量级的更有用。
- 将短名单限制在十二人以内。 十二人足够小，你可以在一次会议中阅读每个推理段落。超过十二人，注意力就会下降，决定就会变得随机。
- 保持一个可见的拒绝标准。 写下两个具体的使候选人失去资格的原因。没有「生产 ML 经验」或「没有创始人/0-1 历史」。如果你不能写下两个原因，你还不知道这个角色。
- 每周审查漏斗，而不是每季度。 创业公司的招聘速度是以天为单位，而不是周。每月审查太慢，无法发现漏洞。
这些都不是新鲜事。新鲜的是，几乎没有团队同时做这五件事。