X 上有人晒出一份“ATS Score: 98/100”的简历。这个数字很直观,很容易让人以为再多拿两分就能进面试。可帖子没交代评分工具、使用的岗位描述,或者目标公司的实际筛选规则。拿来提醒自己检查格式可以,用来估计录用流程则少了很多信息。
分数只回答了它测到的问题
简历提交后,至少有三个不同的检查。上传系统能否读到内容,岗位硬条件是否符合,读过材料的人能否看到合适的经历。第三方工具有时能帮你找到字符解析或术语缺失,但它未必能知道用人团队在同一级别的候选人中更缺哪类人。
实际检查可以分三步。打开最终文件,选中内容复制到纯文本,检查姓名、日期、公司和经历的顺序。网申有自动填表时,逐项看学校、起止日期和地点有没有填错。最后把岗位的毕业范围、地点、到岗时间、工作授权和必做职责分别标出来。PDF 读得再顺,毕业时间不在范围内,仍要先解决资格问题。
把一个关键词改成一条证据
假设 JD 希望候选人“use SQL to reconcile reporting discrepancies”。简历写了 SQL 和 Excel 两个词,但正文只有“协助分析数据”。可以从真实项目里找到一次排查,写出 SQL 查了什么、如何找到不一致、结果由谁确认。
例如做课程项目时,发现两份订单样本对同一日期的计数不同。你可以说自己按订单号关联、发现取消订单仍被计入、重新核算并把计数口径写进 README。若用的是课程数据,就保留课程场景。一段这种经历能帮助招聘者预见你怎样上手。把一堆工具塞进技能栏很难做到这一点。
哪种情况下还要继续改
优先找一个已知问题,例如上传后自动生成的经历顺序错了,或者 JD 的关键职责在简历里完全没有可见例子。改完用同一个岗位重新检查。若工具分数降了,但文本提取正常、术语准确、实际证据更清楚,就有充分理由保留新版本。投递记录里留一份提交文件和岗位要求,面试时也方便回忆自己写过什么。
用一个岗位做四层测试
可以从过去投过的一份岗位开始,按四层检查。第一层是文件。招聘页面要求哪种格式,就用哪种格式提交。打开你准备上传的文件,看字体正常、页数正确、联系方式还是最新版。要是文件用图片拼成,选择和复制内容可能出现问题。系统提供导入预览时,看自动列出的每段公司、职位和日期,必要时手动纠正。已经导入和最终提交是两个动作,离开页面前看一下有没有申请确认。
第二层是筛选问题。假设岗位要求秋季到岗,你只能下一年春季开始。有些申请允许说明,有些按固定日期筛。简历分数无法告诉你公司是否愿意接受例外。拿同一份经历去投几个类似岗位,先区分哪些通过这一步,哪些因地点和资格不合适应退出短名单。
第三层是内容线索。招聘方最在意的技能应该能在经历正文被看到。比如“熟悉 Tableau”可以在技能栏出现,更有说服力的是一段实际工作说明你用什么数据、如何设计筛选和如何交给使用者。项目描述写出人能核实的动作。按不同地区要求处理语言、照片和个人资料。不要混用不同市场的习惯。
第四层是人工阅读。找一位愿意帮忙的同学,在不解释岗位的情况下,让对方扫一遍你的简历并说出你主要能做什么。再给他看 JD 第一段,问能不能从材料里指出支持某项职责的证据。如果没有找到优先级和证据,分数再高也值得改顺序。
用一条具体差异来比较工具
把同一份简历交给两个评分器,可能看到不同分数。它们可能用了不同词表、段落顺序、版式规则或匹配方式。当其中一个说缺少 Python,而你已经在三段经历写了 pandas 与数据脚本,就看岗位是否把 Python 写成重要条件,以及你的真实经历是否值得明确用这个名字。要是工具建议把一年经验改成三年,或者在页尾藏一整段词,直接舍弃这样的建议。
如果用分数比较两版,至少固定输入的 JD 和文件格式。设想版本一用两栏设计,文本提取后两段公司名称串在一起。版本二改单栏,信息顺序合理,但工具报告“少了三项软技能”。优先解决可直接观察的解析问题,再看缺的词是不是岗位真的重视。企业限制篇幅时,把空间留给更具有可比性的经历。
下一批申请怎样复查
把容易验证的信息留下。用人单位、岗位编号、提交版本、职位主要职责、状态和下一步都可以记在表里。如果收到测评,就看它实际考什么。若同类岗位没有回复,先检查选择范围和硬条件。下一批尝试用同一版材料投几个匹配的岗位,这样才有机会观察问题是否重复。投递量不足或职位受众不同,很难拿一个面试率直接评价一个句子。
有校友愿意帮助,可以请对方只看一份与你真的相关的 JD 与简历,并问“你会把我安排到哪类任务”。这种问法有明确输出,反馈也更能落回改稿。目标一直是让系统成功接收材料,让人读出有效证据,最后让自己能够把经历讲完整。
一份简历送出前的实际核对表
先用岗位原网页与最终 PDF 做一回检查。假设职责列了核对账目、定期汇报、在电子表格中处理交易,挑出最相近的一段工作放到上半页。把误写的公司或工具标出来,特别看 AI 有没有把团队目标写成自己的结果。重复技能可以保留一处。时间线写到月,岗位处理范围写到你自己能解释的粒度。如果岗位需要按规模判断经验,又没有真实测量体量,就先写做过的频率、材料和风险点。
然后拿提交预览核对三项:公司职位对齐,年份和月份对齐,推荐或指定链接可用。另存一份正式提交版。遇到扫描识别错误,重做可编辑文件再导出。若公司要求直接复制到文本框,检查列表符号和换行。申请后再回读一遍确认,不要发现少了附件就立即重投同一个编号,先看系统能否替换。
用一个时间点决定是否还要花力气改
给从未投过相关岗位的人,可以把重点放在拿到可比的第一批反馈。设一个明确的核对时间,比如投递前最后三十分钟处理格式和资格。剩下的精力用来读公司业务、挑相关项目、想一条面试时可追加的细节。下次观察需要什么信息,再改这一项。
对已经遇到几次同类问题的人,改一次可重复验证的地方。如三位读者找不到你负责的数据步骤,就重新组织最近一份项目的第一句。两份不同 JD 各列自己真实会做的工作,别用同一个第三方分数比较相关度。看一下自己的提问能否变得更具体,比如“这份材料里能否找到我会清洗财务记录的证据?”这样的反馈会比单个百分制分数更直接。
Greenhouse 的招聘系统文档提供了一个具体例子:简历解析失败时可能仍然附在候选人资料上,需要补填或检查字段。候选人可以针对可观察的格式问题验证,别把解析提示直接读成录用决定。
常见问题(FAQ)
简历一定得用单栏吗?
如果提交系统能正确提取双栏信息,可以沿用,遇到导入错位就用更简单的排版。遵循岗位要求的文件格式。
关键词应该逐个照抄吗?
同义表达可以替换为雇主熟悉的术语,前提是与你真正做过的任务一致。
工具分数比之前低了,要改回旧稿吗?
先比较两版能否正常提取信息以及是否更切合真实职责。用实际可观察的差异决定。
- 98 分 ATS 简历帖子· Riya Pal / X
- Greenhouse 简历解析问题· Greenhouse Support
带一份投递用简历和岗位描述,检查格式、资格与最重要的项目经历。
