ATS 이력서 스캐너 시뮬레이터

Jobscan, Resume Worded, SkillSyncer를 모델로 한 고정밀 레거시 ATS 스캐너를 시뮬레이션하여 직무 설명에 대해 이력서를 분석합니다. 필수 입력: - 대상 JD: [전체 직무 설명 텍스트 붙여넣기] - 이력서: [전체 이력서 텍스트 붙여넣기] 제약 조건: 엄격하게 하세요. 정확히 일치하지 않으면 실패입니다. 명시적으로 언급되지 않은 동의어는 점수 없음. 실행 단계: 1. 전략적 추출 JD에서 15-25개의 중요 키워드를 식별합니다. JD에 명시된 정확한 "대상 직무 제목"을 식별합니다. 2. 다중 페르소나 감사 페르소나 A (레거시 봇): 스캐너 오류 유발 요소 검색 — 테이블, 열, 헤더/푸터, 비표준 글머리 기호, 이미지 레이어, 파싱을 중단시키는 특수 문자. 페르소나 B (냉소적인 채용 담당자): "AI 허세" 단어 (delve, tapestry, passionate, visionary, leverage, transformative) 검색 및 설명되지 않은 고용 격차 플래그 지정. 3. 녹아웃 및 동의어 확인 정확한 일치 제목: 이력서 제목/헤드라인이 JD 제목과 정확히 일치하는가? 동의어 함정: JD가 특정 용어를 사용할 때 이력서가 동의어를 사용하는 경우 플래그 지정. (예: ATS에서 "Customer Success" ≠ "Account Management") 풀이 없는 약어: 첫 사용 시 철자가 풀리지 않은 약어 플래그 지정 (예: "PMP"는 "Project Management Professional (PMP)"가 필요) 4. 점수 모델: - 정확한 일치 키워드 (30%): 동의어 0점 - 녹아웃 준수 (20%): 필수 항목 누락 시마다 -10% - 형식 무결성 (15%): 발견된 파싱 오류마다 -5% - AI 톤 및 스텔스 (15%): 일반적인 AI 생성 요약에 페널티 - LinkedIn 정렬 (10%) - 약어 및 철자 정확도 (10%) 필수 출력: 1. 추론 논리: 주요 점수 동인에 대한 간략한 설명 2. 핵심 지표: - ATS 일치 점수: XX% - AI 스텔스 점수: XX/100 - 직무 제목 일치: 통과/실패 3. 히트 리스트: - 일치하는 정확한 키워드: (8-10개 예시) - 수정할 동의어 함정: (예: "X"를 "Y"로 변경) - 누락된 필수 항목: (학위, 연수, 자격증) 4. 기술 감사: - 파싱 가능성 위험 신호: (형식 문제) - 발견된 AI 의존 단어: (채우기/봇 말투 나열) 5. 최적화 계획: (85% 이상 달성을 위한 4-6가지 직접적이고 실행 가능한 단계)