产品经理简历面临两层关卡：先是 ATS（申请人跟踪系统）的关键词匹配，再是 HR 快速人工扫读。两层都没过，再好的项目经历也不会被看到。本文把筛选机制拆开，给出可执行的对齐清单。
一、两层关卡：ATS 先筛，HR 再看
ATS 关卡：系统抽取简历文本，按 JD 关键词（技能、工具、职级、方法论）打分；匹配度低直接过滤。
HR 人工关卡：通过 ATS 的简历，HR 用极短时间决定留不留。HR 先看：最近一份工作、职级匹配度、核心技能关键词是否原词出现、有无明显红旗（空窗期、频繁跳槽、版面混乱）。
> 行业背景：招聘 SaaS 厂商 Moka 在官网列出"AI Screening"作为核心产品能力之一，说明系统提供 AI 筛选简历功能[1]；Enhancv 对 1,066 名求职者的调查发现 50.5% 收到无人工反馈的拒信，68.5% 从未被告知招聘中使用了 AI[2]；哈佛商学院 Joseph Fuller 团队的研究《Hidden Workers: Untapped Talent》指出普遍存在的筛选惯例让公司错过大量有能力的人，并称雇佣此类"隐藏求职者"的公司反馈其在忠诚度和多项表现指标上不逊于传统渠道[3]。
二、常见扣分点（基于公开面试复盘与简历优化实务）
| 扣分点 | 具体表现 | 修正动作 |
|---|---|---|
| 职责当成果 | 写"负责 XX 业务""参与 XX 项目"，无决策、无结果 | 用 STAR 改写：先讲约束与目标，再讲"我决定/主导了什么"，最后给量化结果 |
| 关键词缺失 | JD 里的核心技能/工具/职级名在简历里原词未出现 | 建立 JD 关键词表，逐条在项目描述中原词复用至少一次 |
| 个人角色模糊 | 全篇用"我们""团队"，面试官按最保守解释 | 每段项目第一行显性标注 Owner/Lead/Contributor |
| 版面/格式红旗 | 字号不一、对齐乱、PDF 命名随意、超两页却无重点 | 统一字号/行距，PDF 命名"姓名-岗位-年份"，资深两页以内 |
> 行业背景：Moka 提供 AI Screening 产品功能用于简历筛选[1]；Enhancv 数据显示求职者普遍面临不透明的自动化筛选[2]；哈佛《Hidden Workers》研究指出筛选惯例过度依赖硬性条件会误伤人才[3]。
三、ATS 关键词对齐实操表
| 关键词类别 | 来源 | 对齐动作 |
|---|---|---|
| 硬技能/工具 | JD "Must have" 列表 | 逐条在技能栏+项目描述里原词出现（如"SQL""Python""Figma""Amplitude"） |
| 方法论/框架 | JD "Preferred"/ 面试常考 | 如"A/B 实验""用户分层""北极星指标""RICE 优先级"在 STAR 的 T/A/R 中自然嵌入 |
| 职级/身份信号 | JD "Senior/Lead/Staff" | 用"主导""牵头""跨部门协调""向 VP 汇报"等动词显性职级 |
| 业务领域词 | JD 业务线描述 | 如"增长-留存""搜索-召回""B 端-交付"在项目背景句首出现 |
> 行业背景：Moka 的产品包含 AI Screening 功能[1]；Enhancv 调查显示大多数求职者不知 AI 筛选的存在[2]；哈佛研究指出筛选惯例过度依赖硬性条件[3]。
四、自查清单：投递前 3 分钟必查
- ATS 文本层：另存为 .txt，用 Ctrl+F 搜 JD 里的 Top 10 关键词，每个是否至少命中 1 次？
- HR 视觉层：打印或全屏预览，极短时间内能否看到：目标岗位、最近职级、最强项目的决策-结果、核心技能 3 个？
- 红旗排查：空窗期是否有解释？跳槽频率是否>1次/年？PDF 命名是否规范？
五、常见误区 FAQ
Q1：简历一定要塞进所有关键词才能过 ATS 吗？
A：不是堆砌，是自然嵌入。把关键词放在 STAR 的 S/T/A/R 句子里，既给系统匹配，又给 HR 读出业务语境。
Q2：我是转行/应届生，简历里没有 JD 要求的职级词怎么办？
A：用潜力词替代：如"独立负责过完整产品迭代""主导过 0-1 项目""自学并应用了 XX 技术解决实际问题"。配合课程/竞赛/实习的 STAR 证据。
Q3：两页简历会被 ATS 截断吗？
A：主流 ATS 支持多页解析，但 HR 只看第一页前半。资深候选人可两页，第一页前半必须承载最强信息（目标岗位+最强 STAR+核心技能）。
Q4：内推还要优化 ATS 关键词吗？
A：要。内推帮你绕过 HR 初筛，但简历最终仍要进系统存档、面试官阅读；关键词缺失会让面试官质疑匹配度。
六、简历筛选的数据实况
根据 Enhancv 对 1,066 名求职者的调查，当前招聘流程中存在显著的信息不对称：超过一半的求职者收到拒信时没有任何人工反馈，近七成从未被告知招聘过程中使用了 AI 筛选工具[2]。这意味着简历的第一个"读者"往往不是人，而是算法。Moka 等招聘 SaaS 平台将 AI Screening 作为核心产品能力推向市场[1]。
哈佛商学院的《Hidden Workers: Untapped Talent》研究进一步揭示，普遍采用的筛选惯例系统性地将大量有能力的候选人排除在外[3]。研究称这些被筛选掉的人为"隐藏求职者"，而曾雇佣过他们的公司反馈，这类员工在忠诚度、生产力等多项指标上不逊于传统渠道录用者[3]。
对求职者的启示很直接：你无法控制公司用什么系统、怎么配置筛选规则，但你能控制简历的写法。把简历写得"机器易解析、人易扫视"，是低成本、对所有情况都稳妥的策略。
七、下一步：把简历推进面试邀约
把上述清单跑一遍，你的简历将从"被动被筛"变成"主动对齐"。想把这套方法系统落地到简历与面试全流程，可以看本站作者 Johnny Mai 写的 明嘉Johnny的简历操作系统（按其产品页介绍，这是一份面向想投大厂和外企求职者的中文简历方法论与模板系统）👉 明嘉Johnny的简历操作系统。
参考来源
- Moka: AI Recruiting Platform — 招聘 SaaS 核心能力：AI Screening、AI Interview 等 AI 筛选功能（访问于 2026-10-26）。
- Enhancv: AI Hiring Statistics — 1,066 名求职者调查：50.5% 收到无人工反馈拒信，68.5% 从未被告知使用 AI（访问于 2026-10-26）。
- Harvard Project on Workforce: Hidden Workers — Untapped Talent — 筛选惯例导致公司错过有能力人才；雇佣隐藏求职者的公司反馈其表现不逊传统渠道（访问于 2026-10-26）。