by 
| 轉換率 | 累計轉換率 | |
| 造訪網站 | 100% | |
| 投遞履歷 | 35% | 35% |
| 約面試 | 8% | 2.9% |
| 發Offer | 36% | 1.1% |
| 到職 | 56% | 0.6% |
國外招募網站Jobvite統計數據指出，在整個招募流程中，只有8%的履歷會進入到面試，面對每天大量投遞進來的履歷，HR該怎麼做好第一關 篩選履歷 的工作，減輕後續用人主管的負擔。
什麼是篩選履歷
履歷篩選 是整個招募流程中的一部分，對HR的工作而言，整個招募可以分為以下幾大步驟：
- 人事規劃
- 招募策略制定
- 募集履歷
- 履歷篩選
- 人才評估與後續執行
履歷篩選透過審查求職者的履歷，來確認他們是否符合職位的要求，可以會篩選的內容包含教育程度、工作經驗、年資、相關技能、證照、語言能力…等。
履歷篩選是傳統招募流程的開端，雖然現在大家越來越認為履歷不是評估求職者技能和潛力的最佳手段，但不可否認的是，如果缺少了履歷篩選，整體的招募流程會變得非常冗長，因為我們是不可能面試所有求職者的。
人工篩選履歷的最佳實務
結構化篩選履歷
先前我們有一篇文章討論到結構化面試對於招募的影響有多大，同樣的對於篩選履歷來說，結構化 篩選履歷的流程與方法對於招募一致性與效率有很大的幫助。
實際作法上，首先公司在撰寫JD(Job Description, 職位描述)時，就要先能夠有清楚的條件，以下舉好與壞的範例：
| 壞的範例 | 好的範例 | 說明 |
| 要有後端開發相關經驗 | 要有5年以上後端工程師經驗 | 直接說明清楚需要的年資 |
| 熟悉後端程式語言 | 有Python 3年以上開發經驗 | 直接說明清楚需要的特定技能，不要模糊 |
| 流利的英文能力 | 流利的英文能力，TOEIC XX 分以上 | 如果是有公正第三方測驗的項目，直接要求分數 |
| 要有數位產品從0到1的經驗 | 要有數位產品從0到1的經驗，請附上產品連結與說明，並清楚描述你在其中的角色 | 避免抽象描述，直接要求舉例 |
當JD有清楚描述對職位的需求時，下一步就是針對每一個求職者，使用一樣的評分標準做評估，做出來的結果會類似下表：
| 5年後端經驗 | 3年Python經驗 | TOEIC 900分以上 | 產品0-1實際案例 | 是否進面試 | |
| Ben Pan | X | X | X | O | 否 |
| Carol Wei | O | X | O | X | 否 |
| Chris Anderson | O | O | O | O | 是 |
| 李天保 | X | X | X | X | 否 |
這樣的結構化 篩選履歷 可以帶來以下好處：
- 篩選標準 一致性
- 降低錯失人才的機率
- 無偏見排除不適合的求職者
可以大幅度降低過程中有某些求職者被偏袒的狀況。
先排除無效和不符合最低標準的履歷
所謂的無效履歷：包含資訊不足(缺乏JD中必要的資訊項)、背景經驗與職缺完全不合(工作經驗全都是設計，卻投了工程師的職缺)、工作狀態完全不合(人住在巴西卻投需要在台北本地工作、需要中文卻不會說中文)…等。
首先可以先把這些無效履歷全都排除，因為這些履歷甚至連往下去看更多細節的必要都沒有。
再來是排除不符合最低標準的履歷，如果在先前的結構化篩選履歷表中，你已經有設定必要條件，例如後端工程師需要Python 2年經驗是絕對必要條件，那就可以先把不符合最低必要條件的履歷也都排除。
優先選出最優秀履歷進行電話篩選
排除無效和不符合標準的履歷後，依照JD要求和求職者過往的工作經驗與成績，直接把明顯突出優秀的履歷篩選出來，接下來透過初步電話面試進行篩選，除了確認工作經驗以外，同時在電話中確認求職者投遞履歷的原因，還有期待的薪資範圍。因為後續面試會耗費不少時間，為了降低面試者的耗費時間，優先篩選出最優秀的履歷，並且確認對方在面試通過後有足夠高的機率願意加入公司。
針對履歷評估潛在的風險
如果履歷上面有以下這些訊號，可以多花一點時間與求職者確認：
- 工作經驗中有未解釋或長時間的空白：對於履歷中出現的長時間空白，要確認是否是因為工作上出了什麼問題，刻意隱瞞某些工作經驗。
- 頻繁換工作，並且每一份工作時間很短：要小心花了許多時間招募，但最後卻在短時間離開公司。
- 工作經驗持續增加，但工作職責沒有提升：可能對於職涯發展缺乏動力。
- 對於工作內容描述很模糊，無法直接講出實際的經驗：這可能代表求職者試圖隱藏他們的經驗不足，或缺乏特定領域的知識。
增加面試前技能測驗
不管如何做履歷篩選，都很難透過履歷去判斷對方專業時做的能力，這時間技能測試是最有效的評估方式，不管是設計師、工程師…所有專業技能的職缺，都可以透過不同複雜程度的技能測驗，確認實際的能力，這更可以有效預測實際到職後的職場表現。
如何透過系統協助優化 篩選履歷
除了HR篩選以外，目前另一種主流的篩選履歷方式是透過系統自動化輔助篩選。系統按照以下步驟運作：
- 掃描JD，確認篩選條件
- 系統自動化把不同人力平台履歷集中下載到單一系統
- 抓出每一個履歷的關鍵資料：例如教育程度、工作經驗、技能、年資、語言能力…等。
- 基於JD要求與履歷抓出來的資料進行匹配度計算。
- 針對匹配度計算做分群與排序。
系統篩選履歷的好處是效率非常高，節省大量時間。同時會減少人為主觀的偏見。但其缺點是可能會錯過很獨特的求職者，或是求職者履歷格式特殊時，資訊可能誤判。另外，雖然自動化篩選減少了人為偏見，但可能會增加潛在偏見。
結論
履歷作為求職者的代表資料，本來就有局限性，許多資訊是無法呈現在履歷中的，同時，我們也很難針對履歷確認求職者是否做了多少程度的美化與誇飾。但又不可否認的是，如果不做履歷篩選，過量的求職者履歷會導致招聘流程非常緩慢，並且增加大量面試者需要投入的時間。
建議的做法是混合系統自動化篩選+HR人工篩選+技能測驗，利用混合式的方式同時增加效率，但又可以確保不錯失特殊的人才。
如果你對於如何透過系統進行自動化履歷篩選有興趣，歡迎與spotONE聯繫。
參考資料：
Guide to Resume Screening: https://blog.talview.com/how-to-screen-resumes-like-a-pro
The Evolution of Resume Screening: 5 Tips for Efficiency: https://toggl.com/blog/resume-screening
Efficient ways to reviewing resumes: https://www.morganmckinley.com/article/efficient-ways-reviewing-resumes
