6つの独立したサブスコア。あなたを引き下げている正確な箇条書き。求人票が求めていて言及し忘れた正確なキーワード。すべて決定論的、再現可能、無料。
解析性 · 15%。パーサーはあなたのPDFを読めますか?主要ATSエンジンが使うのと同じライブラリ(Tika、pdfplumber、mammoth)でテキストを再抽出します。画像内にラスタライズ、OCR層の背後に隠蔽、パーサーが追えない列に分割されている場合、このスコアは下がり、どのページか伝えます。
スキルマッチ · 40%。役職に必要なスキルのうちCVに表示されているもの。キュレーション済みスキルグラフは何千もの同義語(MLからmachine learning、k8sからkubernetes、'tensorlfow'のようなタイポ)で、つづりに関わらず正当なスキルを捕捉します。
経験 · 15%。あなたの年数と職位は求人票の基準を超えますか?各役職の日付範囲を抽出し、関連する総経験を計算し、求人票から解析した最低年数と比較します。シニア箇条書き密度はタイトルに対してサニティチェックされます。
学歴 · 10%。最高学歴は求人票の基準以上ですか?学士、修士、博士は正規化され、認定ヒントが表面化され、求人票が「または同等の経験」と言う場合、ブートキャンプ卒業生を決して罰しません。
成果密度 · 10%。あなたの箇条書きのうち定量化されているのは何個?強いCVは箇条書きの55-75%に数字があります。それ未満では、AI書き直しエンジンが現在「と改善を行った」で終わる箇条書きに測定可能な成果を提案します。
連絡先整合性 · 10%。メール、電話、所在地、LinkedIn、解析可能なヘッダー。解析できないヘッダーで8ポイントを失うCVがどれだけ多いか驚くべきです。メール、電話、都市がすべて最初の150文字内にあることを確認します。
85〜100 · 強。ほとんどのシニアCVは1回の完全パスでここに到達。提出して進む。
70〜85 · 良。キーワードフィルターを通過するが一部のエッジケースパーサーで失う。もう1回のパスの価値あり。
55〜70 · 境界。自動化ステップから除外される可能性。解析性問題か必要スキル不足のいずれか。
40〜55 · 弱。パーサーが回復するテキストは非常に少ない。解析性を先に修正、スコアは後。
0〜40 · 拒絶。ほぼ確実に画像のみのPDF。選択可能テキストで再エクスポート。
はい。PDFまたはDOCXをアップロード、6つのサブスコアすべてを取得、どの行が下げたかを確認、結果をエクスポート。スコア自体に有料の壁はありません。
典型的な1〜2ページPDFで60秒未満で最初のスコア。より大きな文書(8+ページの学術CV)は2〜3秒長くかかります。
テキスト抽出層はTaleo、Workday、Greenhouse、Lever、iCIMS、Ashbyが内部で使用するものをカバーします。スコアリング層はブラックボックスLLMではなく決定論的スキルグラフを使用するため、同じCVは常に同じスコアを取得します。
PDFまたはDOCXが最も信頼性が高い。貼り付けたプレーンテキストも機能しますが、書式シグナルを失います。スキャンされた画像PDFは、まずOCRするまで解析性で低スコア。
85+は強い。70〜85は良い。55〜70は境界(キーワードのみのフィルターステップで失う可能性が高い)。55未満はパーサーが苦戦することを意味し、求人票に合わせる前に修正すべき。
はい。テーブル、読み順を保持しないマルチカラムレイアウト、画像内テキスト、カスタムセクション名(「私の旅」)、埋め込まれない特殊フォント、画像のみのPDFはすべて特定の解析性警告として表面化します。
いいえ。スコアは独自のパーサーによって決定論的に計算され、LLMによるものではありません。オプションのAI書き直しステップのみがClaudeを呼び出し、選択したスニペットのみに。
PDFまたはDOCXをアップロード。パーサーが見逃す全ての行を確認。
履歴書をチェック →