写了一个“自动投简历”程序后，我发现了这些求职的秘密

编者按：作者罗伯特·库姆斯是纽约布鲁克林的一个通信和网络执行总监。作者想换工作的时候发现很多公司都是机器人回复邮件，于是他也制造了一个发送申请邮件的机器人，申请了上千次工作，在这个过程中也发现了一些筛选简历的其他规则。其实，你网申的简历甚至连机器人都不会阅读，要想找好工作，还是要从人脉入手。本文译自Medium原标题为" I Built A Bot To Apply To Thousands Of Jobs At Once–Here’s What I Learned"的文章，希望对您有所启发。

我有一份很棒的工作，不急着跳槽。作为全国性非营利组织的管理层，我带过一些非常出色的团队。但是在过去的这些年里，他们做的太好了，以至于让我开始思考他们是否还需要我。所以慢慢地，我开始寻求一些新的挑战，一开始是向Google、Slack、Facebook和Squarespace等知名科技公司申请职位（这或许有些天真）。

我很快认清了两件事：

1.  我是在跟他们领域的领导者竞争，所以我的简历并不会有什么优势。

2.  是机器人在阅读求职者的工作申请。

这些机器人是“求职者追踪系统”（ATS），通常会对工作申请进行分类，它们根据应聘者的技能、前任雇主、工作经历、学校背景等关键词自动地筛选出候选人。

当意识到我的对手是机器人时，我决定改变策略——自己也做一个机器人。

我是如何制造出一个“工作申请”机器人的

虽然我不是工程师，但我经常玩技术。通常出于无聊或者创造力爆棚，或者两者都有，我能找到方法使一些事情（比如社交媒体、数据处理、网络内容等等）实现自动化。于是我写了一个鲁布·戈德堡式的精巧爬虫程序（注：鲁布·戈德堡机械Rube Goldberg machine是一种被设计得过度复杂的机械组合，以迂回曲折的方法去完成一些其实是非常简单的工作，例如倒一杯茶，或打一颗蛋等等。）、电子表格和脚本来把我的求职过程自动化，我暂且谦虚地把它称作是我的“机器人“。

我的机器人会搜集人事部经理的联系方式，然后把包含我的简历和个性化求职信的定制邮件发送过去。很快，我就开始想象自己是在把求职过程变成一件超精密的工作。

我追踪了自己的求职信、简历或者领英档案被浏览的次数，还追踪了电子邮件的回复（包括自动回复）。它虽然不是一个很优雅的机器，但是十分高效。我第一次启动它的时候无意地申请了1300份中西部的工作，仅仅用了我穿过街道去买杯咖啡的时间。不过我现在住在纽约市，并没有搬家的打算，所以我很快把它关停了，直到我发布新版本。

经过数次迭代和一些尴尬的小问题之后，我最终确定了5.0版本，该版本在大约三个月的时间里帮我申请了538份工作。

甚至连机器人也不会阅读你的简历

开门见山地说，机器人申请工作这招并不管用。我仍然在寻找合适的工作——听到我的机器人方法不奏效，你可能不会很惊讶。

在你提醒我做了所有职业规划教练和招聘人员都告诉求职者不要做的事之前，先听我说完：我不只是把同样的内容发送到每个能想象到的职位列表——远不止如此。我还测试了不同的邮件标题、不同版本的简历和求职信。我制造机器人，是为了在申请每个新的工作时尽可能多地调整优化可变因素，就像别人可能一次申请一个。

尽管我发现了一些回复的不同之处，但是差距不大。真人阅读邮件时看起来没什么不同。我做了一项A/B测试，把一封正常的求职信和第二句中承认了是由机器人发送的邮件进行了对比：

我原以为在这项A/B测试中，不同的求职信会得到截然不同的回复，然而并没有。

我原以为在这项A/B测试中，不同的求职信会得到截然不同的回复，然而并没有。

现在，所有邮件中的其中一封本应该表现得比别的邮件达到更好的效果。对我来说，我不关心是哪一封邮件；我只是想从其他所有的求职者中脱颖而出。但这似乎并不重要，因为就我从这个试验和其他类似试验中得出的结论，没有人会阅读求职信——甚至像求职者追踪系统这样的机器人也不会阅读求职信。

当求职者追踪系统开启的时候，我的机器人生成的邮件表现稍好，但只是好一点点。

当求职者追踪系统开启的时候，我的机器人生成的邮件表现稍好，但只是好一点点。

我特意把互联网公司作为目标，选择了一个高度依赖简历筛选算法的行业。由于没有技术背景（以及相应的关键词）来通过过滤器，我还要做很多工作，不管有没有机器人。

朋友们很快就指出了这个方法不起作用的主要原因。大部分人告诉我必须要认识一个能帮我把简历转交给招聘经理的人。在尝试与系统作斗争之前，我不经意中了解了它有多强大。2014年的一项研究发现，在美国，30%至50%的雇员来自推荐，而且有推荐人的求职者被录用的概率比没有推荐人的求职者高四倍以上。根据一名招聘顾问的估计，85%的关键职位都是通过推荐获得的。

被推荐的求职者只占申请人数的一小部分，但被录用的可能性是其他人的五倍。

被推荐的求职者只占申请人数的一小部分，但被录用的可能性是其他人的五倍。

这不仅仅是一个“数字游戏”，而是很多数字游戏

但是，即使公司会优先考虑员工推荐，但也必须注意到那些有独特资质的求职者——至少我是这么认为的。

 “即招即用的招聘几乎不会发生在领英申请中。当某个非常有影响力的人遇到一个非常有趣的人，并且说‘让我们为你量身定做一个岗位’的时候，这种情况才会发生。”

我咨询了在Agile.Careers（一个针对高科技管理人员的培训项目）工作的斯科特·乌里格，一个非传统的求职者如何在竞争激烈的就业市场中胜出。他解释说很容易找到适合某种模式的求职者，不过除此之外，“招聘人员基本没什么帮助；他们找的是最符合标准的人。”按照他的观点，招聘人员没有时间去关注常规之外的东西。

艾米 · 西格林，行政通讯招聘公司的总裁，提出了不同的意见：“即招即用的招聘几乎不会发生在领英申请中。当某个非常有影响力的人遇到一个非常有趣的人，并且说‘让我们为你创造一个岗位’的时候，这种情况才会发生。”

所以，这是对提交一份简历然后坐等通知这种传统做法的沉重打击。但是我并不是只提交一份简历，我提交了很多份简历。大数定律表明一定会有一些东西能够从求职者追踪系统中脱颖而出，即使是在那些托朋友将简历放在最上面的候选人之后。

乌里格说还有另一个数字游戏在起作用，他告诉我：“大约80%的职位从来没公布过，而对于更高级别的职位，这个比例可能达到90%。”被公布的职位竞争非常激烈。求职者追踪系统在挑选出最好的候选人方面做的很差，而且最重要的是——最好的职位甚至都没有公布过。

从我开始机器人实验之后，跟我交流过的其他招聘人员说，招聘公告板上的大部分职位要么是由已经跳槽的人事部门员工发布的，要么已经有人填补了这个空缺。（或者，对很多科技公司来说，他们已经决定要雇佣某个持有H1B签证的人，但是需要发布职位满足必要条件。）

总之，你提交的申请比一般求职者多两倍、三倍还是十倍，都不重要——几乎不会对你有所帮助，因为影响因素超出了你（或你的机器人）的控制范围。

少申请，多社交

所以除了灰心丧气之外，这件事还教会了我什么呢？首先，它让我变得更聪明了一点。随着对正面申请的过程几乎失去信心，我从机械地申请上千份工作中学到了三个教训：

1.  关键不在于你怎样申请，而在于你认识的推荐人。如果你不认识，也不要过于担心。

2.  公司试图以最小的风险来填补一个职位，而不是寻找打破常规的人。

3.  你申请了多少工作与你是否会被考虑没有关系，而且那些你没有机会申请的工作也不会考虑到你。

也许我不需要一个精心制作的机器人来发现这些；也许在某些方面，我对数据表明的信息比对机器人是否能真正帮我找到一份工作更感兴趣。但这个项目并不是完全失败了。四十三家公司最终联系了我进行后续面试，我与其中20家进行了交谈。然而几乎在每一个案例中，这些公司的规模都很小（少于50个员工），而且没有一家公司拥有筛选简历的求职者追踪系统。

我对所有的面试官都坦白了我做的事，虽然担心这些会让他们反感，但目前为止他们的反应都很积极；我甚至得到了一些咨询工作。但是与此同时，我已经放弃了用传统的方式申请职位，无论是手动申请还是用机器人。现在我把在非营利组织的工作时间缩减为每周三天，花些时间去跟有趣的人见面，看看能从中学到什么。最后，我希望他们之中某个人会把我的简历带走，并且放到某堆简历的最上面。

原文链接：https://medium.com/fast-company/i-built-a-bot-to-apply-to-thousands-of-jobs-at-once-heres-what-i-learned-46ece659593e

推荐阅读：少做点事：现代世界中的成功法则

编译组出品。译者：Jane，编辑：郝鹏程。