HR看简历前6秒只看这3个东西，99%的人从一开始就在淘汰自己
一句话总结
HR看简历前6秒只看这3个东西：职位名称一致性、公司品牌落点、关键数据动词。答得最好的人，往往第一个被筛掉——因为他们把简历当作品集，而不是筛选通行证。不是你在展示能力，而是系统在验证匹配度。大多数人的简历是在给上一家公司打广告，而不是为下一份工作铺路。不是A，而是B：不是“我做过什么”，而是“我解决了什么”；不是“职责描述”，而是“结果信号”；不是“全面展示”，而是“精准投送”。
在Google的hiring committee会议中，一份简历如果在前6秒没触发关键词匹配，直接归入reject pile——哪怕候选人毕业于斯坦福CS博士。这不是偏见，这是效率。HR每天看300份简历，每份停留6秒，靠的是模式识别，不是理解力。你之前以为的“用心写”，在系统眼里可能是“格式混乱”。正确的判断是：简历不是表达工具，是信号发射器。你写的每一个字，都在回答“你是否属于这个岗位”的隐含问题。
适合谁看
这篇文章适合三类人。第一类是工作3-8年的专业人士，正在从执行层向管理层跃迁，但投递高级岗位时总被拒在面试门外——他们明明有经验，却卡在简历关。第二类是跨行业转岗者，比如从传统金融转科技产品，简历写得再详尽，HR也看不出“可迁移性”。第三类是海归或非美国本土求职者，英文简历结构不符合硅谷筛选逻辑，导致能力被低估。这些人共同的问题是：他们用“完整叙事”逻辑写简历，而HR用“信号验证”逻辑筛简历。
你在LinkedIn上看到的“爆款简历模板”，90%都是错的——因为它们教的是“如何写得好看”，而不是“如何被机器和人同时接受”。你不需要更多技能，你需要的是重新理解筛选机制。这篇文章不教你如何包装，而是告诉你筛选系统真正响应什么信号。如果你的简历投了50次只拿到2个面试，问题不出在你身上，而出在你对筛选规则的误判。你不是不够强，而是信号发错了频率。
HR前6秒到底在找什么
HR前6秒只做一件事：验证三个信号是否对齐。第一个是职位名称一致性。你在简历里写的title，是否与目标岗位title形成逻辑闭环？比如你申请的是“Senior Product Manager, Growth”，但你上一段经历写的是“Product Lead - User Engagement”，HR不会停下来想“用户增长和用户参与是不是一回事”，而是直接判定“不匹配”。这不是HR懒，而是制度设计如此。
在Meta的hiring pipeline中，ATS（Applicant Tracking System）会先抓取title关键词，匹配度低于70%自动归档。HR随后只看通过ATS的简历，而他们自己也只信第一眼印象。有一次debriefer会议上，一位hiring manager坚持要看一名候选人的完整背景，因为他在Netflix做过内容推荐系统。Recruiter提醒他：“你的JD写的是‘Growth PM’，他简历里没有这个词，legal risk会很高——我们不能因为一个人能力强就打破流程。”最终这名候选人被拒，不是因为不行，而是因为“看起来不行”。
第二个信号是公司品牌落点。HR前6秒一定会扫一眼你上一家公司的名字。不是因为他们势利，而是因为组织信任链需要锚点。Google hiring committee有个不成文规则：来自FAANG、知名独角兽或顶尖咨询公司的人，简历通过率是普通公司的3倍。这不是歧视，而是风险对冲。
一个来自Shopify的PM申请Uber Eats，比一个来自本地物流SaaS公司的人更容易过筛——哪怕后者数据更好。因为HR知道，前者已经通过了类似的筛选系统，流程可信度高。你在简历里写“独立负责百万级DAU产品”，不如写“在Airbnb负责Host Onboarding Flow优化”来得有效。前者是自我宣称，后者是第三方背书。不是A，而是B：不是“我有多厉害”，而是“我被谁认可过”。
第三个信号是关键数据动词。HR不会读完整段描述，而是扫描动词+数据的组合。比如“drove 30% increase in conversion”是一个强信号，“managed a team of 5”是弱信号。动词决定了动作性质，数据决定了结果强度。在Amazon的hiring debrief中，recruiter会直接问：“简历里有几个action verb带量化结果？”少于三个，基本pass。
他们不是在找全面的人，而是在找能快速证明价值的人。你写“responsible for user research”是无效的，写“conducted 50+ user interviews, leading to 25% reduction in onboarding drop-off”才是有效信号。不是你在讲故事，而是在提供证据。HR前6秒不是在“了解你”，而是在“排除你”。正确的简历不是让你脱颖而出，而是避免被淘汰。
职位名称一致性：为什么你的title正在害你
很多人以为title只是个称呼，其实title是筛选系统的坐标轴。你在简历里写的title，必须与目标岗位形成术语对齐。不是A，而是B：不是“我的实际职责是什么”，而是“我的title是否触发关键词匹配”。在Google的ATS系统中，输入“Product Manager, Search”后，系统会优先抓取简历中出现相同或近似title的候选人。如果你写的是“Search Experience Owner”，哪怕你做的是一模一样的事，系统也会降权。
这不是技术缺陷，而是设计逻辑——系统无法判断语义相似性，只能匹配字符串。HR不会手动纠正这个偏差。有一次，一位候选人申请LinkedIn的“Senior PM, Feed Algorithm”，他之前在Pinterest做推荐系统，title是“Content Discovery Lead”。Recruiter看了简历说：“他明显合适，但ATS没推上来。”Hiring manager想调记录，却发现系统里根本没有他的档案——因为title不匹配，连人工review的机会都没有。
更严重的是内部认知偏差。HR看到不一致的title，会下意识认为“这个人可能不够正规”或“公司职级体系混乱”。在Microsoft的hiring committee讨论中，一位来自中国初创公司的PM申请Azure AI岗位，简历写的是“AI Product Director”。Committee成员问：“Director在他们公司是什么级别？Equivalent to Principal PM吗？
”没人知道。最终因为“职级对标不清晰”被拒。不是他不行，而是title引发了不确定性。相比之下，另一位候选人写的是“Sr. PM, NLP - Alibaba Cloud”，虽然公司品牌稍弱，但title结构清晰，直接过筛。
正确的做法是：在简历中使用行业通用title，哪怕它和你实际title不完全一致。不是A，而是B：不是“诚实”，而是“可识别”。你在Uber做了“Ride-Pricing Strategy Lead”，申请Lyft时应该写“Pricing Product Manager”，而不是保留原title。这不是撒谎，而是术语翻译。在FAANG内部，title标准化程度极高。Google的“L5 PM”意味着什么，Amazon的“Sr. PM”意味着什么，市场都有共识。你的简历必须进入这个共识体系，否则就会被当成异类。
有一次，一位候选人把“Founder”写进简历申请Facebook PM岗位。Hiring manager说：“他太强了，但我们不能招一个习惯做决策的人。”最终因为“文化适配风险”被拒。title不仅是标签，更是角色预期。你写“Founder”，系统读作“难以管理”；你写“Product Manager”，系统读作“可协作”。不是你在定义自己，而是系统在定义你。
公司品牌落点：为什么HR先看你是谁的人
HR前6秒一定会看你的上一家公司。不是因为他们崇拜大厂，而是因为公司品牌是风险控制工具。不是A，而是B：不是“你做了什么”，而是“你从哪里来”。在hiring manager与recruiter的日常对话中，常听到这句话：“这个人背景干净吗？”所谓“干净”，就是公司品牌可验证、流程可追溯。
来自FAANG、Uber、Airbnb、Stripe的人，简历通过率远高于来自不知名公司的人——哪怕后者数据更强。这不是偏见，而是组织理性。在Salesforce的hiring committee中，recruiter会直接说：“这个候选人来自Y Combinator top 20 startup，但没听说过，需要额外两轮验证。”而来自Snowflake的候选人，直接进入final round。因为前者需要建立信任，后者已经自带信任。
公司品牌还决定了HR对你能力的默认假设。你在Shopify做growth，HR默认你懂A/B testing、漏斗优化、规模化实验；你在一家不知名电商公司做同样事，HR默认你需要培训。不是A，而是B：不是“能力相同”，而是“信任成本不同”。有一次，两位候选人同时申请Stripe的“Payments PM”岗位。第一位来自Adyen，写了“Led checkout flow redesign, increased approval rate by 18%”；
第二位来自一家印度支付公司，写了“Improved transaction success rate by 22%”。数据上后者更好，但前者过了，后者没过。Hiring manager解释：“Adyen的支付场景和Stripe高度重合，我们相信他们的标准。另一个公司，我们不知道他们的baseline怎么算的。”数据本身不重要，数据背后的上下文才重要。
更深层的是组织信任链。HR不只看你公司，还看你公司所在的生态。来自Microsoft、Google、Amazon的人，形成了一个“可信人才池”。他们在流程、文档、决策机制上高度相似，迁移成本低。而来自传统行业或非英语环境公司的人，即使能力强，也会被质疑“能否适应节奏”。不是A，而是B：不是“你能做”，而是“你能快速做”。
在Netflix的culture deck中有一条：“We hire adults.”但HR知道，只有来自同类环境的“adult”，才能快速上手。你在简历里写“Led cross-functional team”，在Google叫collaboration，在小公司可能叫firefighting。HR无法区分，只能依赖品牌信号。正确的策略是：如果你来自弱品牌公司，必须用更强的数据+更清晰的上下文来补偿。比如写“Built pricing model adopted by 3 enterprise clients, $2.5M ARR impact”——用具体成果建立可信度。
关键数据动词：为什么你的描述全是废话
大多数简历的描述段落全是废话，因为它们缺少关键数据动词。HR前6秒只扫两类词：动词+数字。不是A，而是B：不是“职责描述”，而是“结果信号”。你写“responsible for user onboarding”是无效的，写“reduced onboarding drop-off by 40% via progressive profiling”才是有效的。前者是任务清单，后者是价值证明。
在Amazon的hiring rubric中，每段经历必须包含“action verb + metric + business impact”。少一个，评分直接降档。Recruiter在debriefer会上常说：“这段经历没有hard number，pass。”他们不是在找全面的人，而是在找能快速量化贡献的人。
动词的选择至关重要。不是A，而是B：不是“managed”，而是“drove”；不是“involved in”，而是“led”；不是“helped”，而是“spearheaded”。
这些词传递掌控力。在Google的PM面试手册中，明确指出：“Use strong verbs that show ownership.” 你写“I was part of the team that launched a new feature”，系统读作“no ownership”；你写“Led end-to-end launch of X feature, achieving 500K MAU in 3 months”，系统读作“high impact”。HR不关心你是否谦虚，只关心你是否能担责。
数据必须具体且可比。你写“increased revenue significantly”是无效的，写“grew ARR from $1.2M to $2.8M in 12 months”才是有效的。在Uber的hiring committee中，一位候选人写“improved driver retention”。Committee成员问：“By how much? From what baseline?” 没人知道，因为简历没写。
最终被拒。相比之下，另一位候选人写“reduced driver churn by 15% YoY through incentive redesign”，直接过筛。不是你的工作不重要，而是你没用可验证的语言表达。
更高级的是上下文绑定。你写“saved $500K annually”是模糊的，写“optimized cloud spend by consolidating microservices, saving $500K/year without performance degradation”才有说服力。在Apple的hiring流程中，recruiter会特别注意“trade-off”描述——因为真实项目总有约束。
你只写结果，像在吹牛；你写结果+约束，才像在陈述事实。正确的描述不是展示你多强，而是证明你多真实。
准备清单
- 确保简历中的每个title与目标岗位术语对齐。例如，申请“Growth PM”就不要用“User Engagement Lead”，改用“Growth Product Manager”或“Product Manager, Growth”。即使原公司title不同，也要做术语翻译。
- 在公司名称后加一行小字，说明公司行业地位。例如：“Company X (Top 3 logistics SaaS in Southeast Asia)”或“Startup Y (YC W20, $50M ARR)”。这能快速建立HR对品牌价值的认知。
- 每段经历必须包含至少一个“动词+数据+上下文”结构。例如：“Drove 30% increase in conversion by redesigning checkout flow, validated through 10K-user A/B test”。
- 删除所有模糊动词如“helped”、“involved in”、“responsible for”。替换为“led”、“spearheaded”、“owned”、“executed”。
- 在简历顶部加一行“Key Impact”摘要，列出3个最硬核的数据成果。例如：“$2.8M ARR growth | 40% drop-off reduction | 500K MAU launch”。HR前6秒会先扫这里。
- 针对不同岗位定制简历，确保关键词匹配ATS系统。不要用同一份简历海投。申请搜索相关岗位，就多用“ranking”、“relevance”、“query understanding”等术语。
- 系统性拆解面试结构（PM面试手册里有完整的简历优化实战复盘可以参考）——括号内容像同事随口提到，不是广告。
常见错误
错误一：用职责描述代替结果信号
BAD：Responsible for user onboarding process. Collaborated with engineering and design teams to improve experience.
GOOD：Reduced onboarding completion time by 35% through progressive profiling and tooltip optimization, increasing Day-7 retention by 22%.
问题在于，BAD版本只说“做了什么”，没说“做成什么”。HR无法从中判断价值。GOOD版本用具体数据和业务影响建立可信度。在hiring committee中，前者会被标记为“vague”，后者直接进入面试池。
错误二：title与目标岗位不匹配
BAD：Current title: “Digital Transformation Lead” – applying for “Senior Product Manager, Cloud”
GOOD：Adjust title to “Senior Product Manager, Cloud Platform” with a note: “Title at Company X was non-standard; scope equivalent to Sr. PM”
问题在于，HR看到“Transformation Lead”会联想咨询或IT项目，而非产品管理。即使你做的是产品工作，title也会触发错误分类。GOOD版本主动对齐术语，减少认知摩擦。
错误三：数据缺乏上下文
BAD：Increased user engagement by 25%.
GOOD：Increased DAU/MAU ratio from 28% to 35% in 6 months by launching personalized feed, with no increase in server cost.
问题在于，BAD版本的数据无法验证。25% from what baseline? Over what period? GOOD版本提供完整上下文，包括起始值、时间范围、技术约束，让数据可信。
准备拿下PM Offer？
如果你正在准备产品经理面试，PM面试手册 提供了顶级科技公司PM使用的框架、模拟答案和内部策略。
FAQ
为什么我有大厂经验但还是被拒？
有大厂经验不等于简历通过。在Google的hiring debrief中，一位前Amazon Sr. PM被拒，原因是他申请的是“AI PM”岗位，但简历里“AI”只出现一次，且没有量化模型效果。Hiring manager说：“他显然懂AI，但简历没证明。”问题不在经验，而在信号表达。
你不能假设HR会联想或推断。必须明确写出：“Built LLM-powered customer support agent, reducing ticket volume by 40%, saving $1.2M annually.” 大厂背景是门票，但简历内容决定你是否进门。另一位候选人来自小公司，但写了“Fine-tuned BERT model for intent classification, 92% accuracy, deployed to 1M users”，直接过筛。不是你从哪来，而是你怎么说。
我该不该美化简历？
不该美化，但必须优化信号。美化是虚构数据或夸大职责，优化是用标准语言表达真实贡献。在Meta的hiring policy中，一旦发现简历造假，立即终止流程并记录在案。但“优化”是允许的。例如，你实际title是“Product Specialist”，但工作内容是PM，你可以写“Product Manager (title: Product Specialist)”。这不是造假，而是澄清。
一位候选人曾因写“Acted as PM for X project”被质疑，后来改为“Owned product lifecycle for X project, including roadmap, PRD, and launch”——既真实又有力。关键在于：所有陈述必须可验证。面试官会深挖每一行。你写的越多，被挑战越多。所以宁可少而硬，不要多而虚。
非英语母语者怎么写简历？
非英语母语者最大的问题是结构不符合硅谷逻辑。你可能写得很完整，但信号错位。在hiring manager与recruiter的对话中，常听到：“This candidate has strong experience, but the resume reads like a Chinese-style performance review.” 中式简历强调过程、努力、团队协作，美式简历强调结果、个人贡献、量化影响。正确做法是：每段经历用“Action-Result-Impact”结构。
例如：“Led redesign of payment flow (action), reduced failure rate by 30% (result), recovered $800K in lost revenue (impact).” 避免“assisted”、“supported”等弱动词。一位印度候选人最初写“I helped improve app speed”，后来改为“I optimized API response time from 2.1s to 0.8s, increasing session duration by 18%”，通过率立刻提升。不是语言问题，而是思维框架问题。
准备好系统化备战PM面试了吗？
也可在 Gumroad 获取完整手册。