iT邦幫忙

2024 iThome 鐵人賽

DAY 6
0

上一篇提到提高履歷回應率的基礎——「造樣造句」與「量化成就」,有些夥伴說要更細節的操作步驟,這邊來提供給大家。

求職的第一步就是撰寫一份能吸引 Recruiter 目光的履歷,這往往是進入下一階段的關鍵。正如前面提到的,從量化求職的角度來看,一份能拿到正面回應的履歷就是「好」履歷。本篇將重點介紹兩個實戰技法——「造樣造句」和「量化成就」,幫助你具體操作,提升履歷的正面回應率。

ATS 系統與其運作邏輯

在進入具體技巧之前,先來了解一下 ATS(Applicant Tracking System,申請者追蹤系統)的運作方式。ATS 是許多公司用來管理求職者資料的軟體,它可以自動篩選、排序和管理大量的履歷。ATS 通常會根據關鍵字、技能和經驗等因素,來篩選出最符合職缺要求的候選人。

https://ithelp.ithome.com.tw/upload/images/20240920/20140087rsAIoAYMZA.png

ATS 的運作方式

  • 關鍵字篩選:ATS 會掃描你的履歷,尋找與職缺敘述(JD)中的關鍵字匹配的部分。如果你的履歷包含了足夠多的關鍵字,系統就會認為你的資格與職缺相符,將你的履歷推薦給 Recruiter。

  • 排名打分:某些 ATS 系統會對履歷進行打分,根據關鍵字的匹配度、出現頻率和位置,給予每份履歷一個分數。Recruiter 會優先查看高分的履歷。

  • 自動淘汰:如果你的履歷中缺少關鍵的技能或經驗,ATS 可能會自動將你的履歷淘汰,Recruiter 甚至不會看到你的申請。

ATS 的限制

  • 語意理解有限:大多數 ATS 無法理解複雜的語言或同義詞。它們主要依賴關鍵字的直接匹配,因此,如果你沒有使用與 JD 完全一致的詞彙,可能會被系統忽略。

  • 格式要求嚴格:ATS 對於履歷的格式有一定要求,過於複雜的排版、表格或圖片可能導致系統無法正確解析你的履歷內容。

簡單來說,建議履歷用最簡單、無聊的版本也沒關係。於複雜的格式或圖片可能會導致系統無法正確讀取你的履歷。

對應為什麼「造樣造句」有效?

  • 提高關鍵字匹配度:直接使用 JD 中的關鍵字,能確保你的履歷在 ATS 中獲得較高的匹配度。
  • 減少被篩選掉的風險:避免使用過於創新的表達方式,確保 ATS 能夠正確理解你的技能和經驗。
  • 增加 Recruiter 的好感:Recruiter 在閱讀履歷時,也更容易注意到與 JD 相符的關鍵字,提升你進入下一輪的機會。

高回應率履歷的實戰技法

造樣造句

「造樣造句」是一個強化履歷針對性的簡單但有效的技巧。核心原理是:使用職缺敘述(JD)中的關鍵字和句型,來編寫你的履歷。這不僅能幫助你通過 ATS 系統的篩選,還能讓 Recruiter 迅速理解你的技能與該職位的匹配程度。

實作步驟

以下我們同樣以這份媒體業職缺(非業配)作為舉例。上次有提到它的 JD。

https://ithelp.ithome.com.tw/upload/images/20240920/20140087ctNS1B32WJ.png

  1. 分析職缺敘述:首先,將職缺的 JD 複製到文件中,分別標記出「基本條件」和「偏好條件」。

基本條件有

* 4 年以上構建可擴展 Web 應用的經驗
* 熟悉 Python、Git、MongoDB、Redis
* 深入了解 Flask 和/或 Celery 加分
* 優秀的分析和溝通能力
* 對 HTTP 和相關技術以及 API 開發有深刻理解
* 有在 Google Cloud 上開發的經驗
* 熟悉各種架構風格

加分項:

* 曾經使用或實現 real-time API
* 有 cluster environments 和/或 containers 的工作經驗,例如 Kubernetes、Docker
  1. 識別關鍵字:在 JD 中找出關鍵的技能和經驗描述。例如,「4 年以上 API 開發經驗」、「熟悉 GCP」這樣的要求。這些就是你需要在履歷中強調的關鍵點。

  2. 使用關鍵字修改履歷:將 JD 中的關鍵字融入你的履歷中。例如,如果 JD 要求「熟悉 API 開發」,你可以在履歷中寫「在 XXX 專案中開發並維護多個 RESTful API,並應用於高流量環境中」。這樣的描述不僅對應 JD,還能量化你的成就。這步驟先不要怕寫的這步驟先不要怕寫的一樣或很陽春,這步驟叫做「造樣造句」的目的就是讓你可以「先求有,再求好」。

JD 要求 初步履歷撰寫
熟悉 Python、Git、MongoDB、Redis 熟悉 Python、Git、MongoDB、Redis 等技術,並在過去的項目中廣泛應用。
對 HTTP 和相關技術以及 API 開發有深刻理解 深刻理解 HTTP 相關技術,具備 API 開發經驗

如果目的只是要通過 ATS 的話,上述會非常夠。但要進入 Recruiter 的法眼,你還需要進一步的「量化成就」。

  1. LLM(語言模型)協助:如果你不確定如何重新表述,可以使用像 ChatGPT 來幫助你。你可以請它幫你根據 JD 改寫履歷中的特定段落,確保是 ATS-friendly 的。

善用「結果導向法」來量化成就

將你的成就量化,可以讓 Recruiter 更直觀地了解你的影響力和能力。這邊我建議使用結果導向法(Result-Oriented Approach)。

結果導向法是一種在履歷中強調你所取得的成果和成就的寫作方式,特別注重可量化的成就,以突出你的價值和對組織的貢獻。與僅僅描述職責和任務不同,結果導向法強調你如何為過去的雇主或項目帶來實際的、可衡量的結果。

核心特點:

  • 強調成果: 不僅列出你做了什麼,更要強調你取得了什麼成就(影響)。
  • 量化成就: 使用數據、百分比、金額等具體數字來量化你的成果,才能更加具體和可信度。
  • 突出影響力: 說明你的行動如何對團隊、部門或整個組織產生正面的影響。
  • 相關性: 確保你的成就與申請的職位或行業相關,展示你如何為未來的雇主帶來價值。

結果導向法的技巧:

  • 使用強有力的動詞: 使用如「增加」、「降低」、「提升」、「優化」等動詞,突出你的影響。
  • 提供具體數據: 例如,「將銷售額提高了20%」、「處理了 1M 的請求」、「使客戶滿意度提升至95%」。當然有時數字可以馬賽克(像是 13% 可以說超過 5%),可以說不方便提供(但確實會降低回應率)。
  • 強調結果: 聚焦於你行動的最終成果,而非僅僅描述過程。

舉例

JD 要求 造樣造句 量化成就
1. 4 年以上構建可擴展 Web 應用的經驗 具有 4 年以上構建可擴展 Web 應用的經驗。 主導開發了 3 個可擴展的 Web 應用,每分鐘支持超過 200 萬次請求,系統可用性達到 99.99%。
2. 具有 Python、Git、MongoDB、Redis 的經驗 熟練使用 Python、Git、MongoDB、Redis 等技術。 使用 Python 和 MongoDB 開發的後端服務,每日處理 1000 萬次數據查詢,將數據檢索速度提升 30%。
3. 深入了解 Flask 和/或 Celery 者優先 對 Flask 和 Celery 有深入了解。 使用 Flask 構建的 API 服務,支持 50 萬用戶的訪問;利用 Celery 實現 OOO 技術,將任務處理效率提高 40%。
4. 優秀的分析和溝通能力 擁有優秀的分析和溝通能力。 領導一個 6 人團隊完成為期 6 個月的項目,按時交付並超出預期目標;跨部門協作使項目進度提升 20%。
5. 對 HTTP 和相關技術以及 API 開發有極好的理解 對 HTTP 和相關技術以及 API 開發有極好的理解。 設計並實現了 25 個高性能 API,日均請求量達 800 萬次,將 API 響應時間減少 35%。
6. 具有 Google Cloud 開發經驗 具有 Google Cloud 開發經驗。 在 Google Cloud 上部署並管理了 5 個應用,利用自動擴展功能,將服務器成本降低 25%。

排序

另外一個很重要的點是「排序」,一個是對應職缺需求的排序,另一個是自身「履歷」的排序。通常來說,寫在越前面的表示越重要,這是大方向,至於要不要遵守則會看你履歷的故事怎麼說。但建議對你來說,越重要的「經歷」就需要放在越前面。

小結

在求職過程中,履歷的重點是清楚回應公司需求,並展示你的技能和經歷如何滿足這些需求。透過「造樣造句」和「量化成就」兩個技法,你可以更有策略地編寫履歷,確保你能通過系統和 Recruiter 的雙重篩選,並提升正面回應率。

不論是根據 JD 修改關鍵字,還是對成就進行量化,這些實戰技巧都能幫助你更好地針對每一個職缺進行量身打造,讓你的履歷脫穎而出。這兩個方式都需要經過練習,但熟能生巧,大概在二十篇履歷後你會更深入抓到訣竅。如果你還有問題,歡迎進入 Facebook 交流群,可匿名分享你的狀態。

如果您有興趣持續追蹤並交流,歡迎關注系列文,或進入 Line 匿名社群一起聊聊、分享您的狀況
https://line.me/ti/g2/DoM7pR6C6J-xAYYHHoZuPuuUrOh1vRcp_R2XPw
通關密語: data

進來後先看記事本!


上一篇
履歷到底怎麼樣算好?能進到下一關就是好履歷——提升回應率要對準職缺敘述 JD
下一篇
到底哪些工作可以丟、哪些能力要補強?透過「差異分析」來確認狀態並提升回應率
系列文
量化求職法:用關鍵數據追蹤並優化求職策略,提升跨國求職成功率30
圖片
  直播研討會
圖片
{{ item.channelVendor }} {{ item.webinarstarted }} |
{{ formatDate(item.duration) }}
直播中

尚未有邦友留言

立即登入留言