如何通過 ATS 篩選：完整的履歷優化指南

什麼是 ATS？為什麼它決定了你的求職結果

**應徵者追蹤系統（Applicant Tracking System，ATS）**是企業招募流程的第一道關卡。它收件、解析、把履歷塞進結構化資料庫、依職缺描述計分、再排序給人資看。Workday、Greenhouse、Taleo、iCIMS、Lever、SmartRecruiters 幾乎涵蓋了所有美國 Fortune 500 雇主。Jobscan 2024 年稽核發現，Fortune 500 公司有 97% 在用 ATS；Capterra 2023 年調查指出，美國 100 人以上的雇主有 78% 採用。

哈佛商業評論的「Hidden Workers」研究（Fuller 等，2021）估算，約有四分之三的履歷根本沒進到人類招募人員手上。你真正的對手不是某個仔細閱讀的人，而是要填 12 個欄位的解析器，加上一個拿你和職缺比對的排序演算法。

如果你投了 80 份只回了 4 份，這不是針對你個人。是 ATS 在你還沒被任何人看到之前先過濾掉了。好消息是：ATS 的規則是機械式的，看懂之後就不必再猜。

要先了解 ATS 系統本身可以看什麼是 ATS，這篇專注在如何調整履歷以通過篩選。

ATS 怎麼運作（5 步驟）

1. 解析 — 從檔案抓出文字，並嘗試識別聯絡資訊、工作經歷、學歷、技能、證照等區塊。圖片型 PDF 或 Canva 中重疊文字框的版型常在這一步掛掉。
2. 分類 — 把解析出來的資料對應到資料庫欄位：current_employer、job_title、start_date、end_date、bullet_points、skills[]。欄位空著，篩選搜尋就會看不到你。
3. 關鍵字比對 — 將履歷文字和職缺描述比對。新一代 ATS 用 TF-IDF 與同義詞詞典，舊系統還在做精確字串匹配。
4. 排序 — 每位候選人會得到一個分數，Greenhouse 與 Workday 直接顯示 0–100 的匹配百分比。
5. 篩選 — 招募人員設門檻（例如「只看匹配率 75% 以上、有 kubernetes 關鍵字」），低於門檻的履歷不會被看到。

把 ATS 想成不是在「讀」你的履歷，而是用你的履歷在「填表」。你的工作就是讓那張表好填。

為什麼大多數履歷會被淘汰

招募人員調查與 Jobscan 評分資料指出，常見原因有 5 個：

• 缺關鍵字：職缺描述的具體用語沒出現在履歷。
• 格式爆炸：表格、文字方塊、頁首頁尾、多欄、圖形。
• 檔案格式錯：圖片型 PDF、.pages、Google Doc 分享連結。
• 段落標題不標準：「我的旅程」這類標題會被解析器跳過。
• 內容過於通用：履歷投哪都長一樣，自然不會在特定職缺中脫穎而出。

每一個都是可修的。後面就是修正清單。

關鍵字優化：地基中的地基

關鍵字是 ATS 優化最關鍵的槓桿。Jobscan 2024 年的數據顯示，匹配率達 75% 以上的履歷，獲得面試的機率約是 50% 以下履歷的 3 倍。

步驟 1：拆解職缺描述

把 JD 印出來或貼到文件中，標出三類：

• 硬技能：工具、技術、證照（Python、Salesforce、PMP、Tableau、AWS Lambda）
• 重複出現的軟技能：「跨部門協作」「利害關係人管理」「數據驅動決策」
• 領域用語：「敏捷開發」「GAAP 合規」「GTM 策略」「設計系統治理」

只要在「需求」段落出現、或被提到兩次以上，就值得納入。

步驟 2：用一模一樣的措辭

JD 寫「project management」，就不要只寫「managed projects」。先把名詞片語照寫一次，再用其他變體在鄰近條列出現，文意才不會卡。

步驟 3：縮寫與全稱都放

第一次出現用「全稱（縮寫）」：「Search Engine Optimization (SEO)」、「Customer Relationship Management (CRM)」。舊版 ATS 只認其中一種，這是兩面下注。

步驟 4：放在對的位置

• 技能區塊：解析器最容易抓的關鍵字清單區。
• 工作經歷條列：把關鍵字嵌進有成果的句子裡。
• 專業摘要：頂端 2–4 句，密度最高。
• 段落標題：用「Work Experience」「Skills」這類標準字。

步驟 5：不要堆砌

白色文字塞關鍵字、頁尾連寫「Python Python Python」、技能區放 60 個無關項目——現代 ATS 都會懲罰，最終看到的招募人員也會印象很差。匹配率到 75–85% 就夠了，硬追 100% 反而會做出「人類讀不下去」的履歷。

不想自己找關鍵字差距，可以把履歷與 JD 貼到 Tailor 看 gap 報告。

格式：很多人偷偷在這一關掛掉

格式是強的人也常自爆的地方。解析器在做接近 OCR 的工作，幫它一把。

該做的

• 單欄版面，段落間有清楚分隔
• 標準字型：英文 Arial、Calibri、Helvetica、Garamond；中文微軟正黑體、思源黑體。內文 10–12pt、標題 14–16pt
• 標準項目符號（圓形或方形）
• 粗體與斜體可以用，現代 ATS 都吃
• 全部靠左對齊
• 段落順序：聯絡資訊、摘要、經歷、學歷、技能、證照

該避免的

• 表格：連簡單的「兩欄技能表」都可能搞亂解析器。
• 文字方塊：脫離主文流的內容可能被忽略。
• 頁首頁尾：有些 ATS 會直接把它們連同你的聯絡資訊一起丟掉。
• 多欄履歷：印出來漂亮，解析時錯亂。
• 圖示、icon、Logo：完全無法解析，技能星等是常見災區。
• 創意段落標題：「我創造影響力的地方」拿去 portfolio 網站；履歷上就是「Work Experience」。

檔案類型

允許的話交 .docx，主流 ATS 對 Word 解析最穩。文字型 PDF（用 Word 或 Google Docs 匯出）通常也 OK；但圖片化的 PDF 與部分設計工具的輸出（舊版 Canva、影像吃重的 InDesign）會直接讓解析失敗。截圖永遠不要送。

完整模板拆解可見 ATS-friendly resume template。

各區塊優化要點

聯絡資訊

放在內文裡而非頁首。包含姓名、城市與州（或國家）、Email、電話、LinkedIn URL。技術或創意職可加 GitHub 或作品集。完整街道地址不必放，反而可能觸發地點過濾。

專業摘要

2–4 句。先講你的專業身分，加 1–2 個量化成就，最後一句鉤住目標職位。

工作經歷

倒序排列。每筆包含：

• 公司、地點、日期（Month Year – Month Year）
• 職稱（用業界通用名稱，不要用內部稱呼）
• 3–6 條成就條列，動詞開頭、有數字最好

句型公式：[動詞] [做了什麼] [工具或方法] [量化結果]。

技能

分類列出，逗號分隔或簡單條列：

• 程式語言：Python、TypeScript、Go、SQL
• 雲端與基礎建設：AWS（Lambda、EKS、RDS）、Terraform、Docker
• 資料：Airflow、dbt、Snowflake、Kafka
• 方法：Agile、Code Review、On-call、Mentoring

12–20 個具體技能即可，不必到 60 個。5 年沒用的舊技能可以拿掉。

學歷

學位、學校、畢業年份。GPA 只在 3.5 以上、且畢業 3–5 年內值得放。工作 5 年以上之後，課程清單可以拿掉。

證照

附發證單位與年份：「AWS Solutions Architect – Associate (2024)」「PMP (2022)」。過期證照通常不放，除非象徵基礎訓練。

客製：大多數人跳過的步驟

通用履歷對任何 JD 通常匹配率 40–55%；客製化後能到 75–85%。差距就在這 30 個百分點裡。

客製不等於從零重寫，而是：

1. 重讀 JD，把每段最相關的條列調到前面
2. 在誠實對應的地方換上 JD 的具體用語
3. 改寫摘要，貼近職缺語氣
4. 把 JD 的 must-have 技能調到技能區塊前段

有 master resume 之後，每份應徵約 15–20 分鐘可完成。延伸閱讀：2026 履歷建議、履歷格式指南、AI 履歷優化指南。

該丟掉的迷思

• 「白色文字塞關鍵字還是有用」：沒了。現代 ATS 偵測得到，招募人員一打開也立刻看到，部分公司會直接列入黑名單。
• 「PDF 永遠最佳」：2026 年不一定。Word 在主流 ATS 解析更穩；表單要求 PDF、或設計職強調版面才送 PDF。
• 「關鍵字越多越好」：超過 85% 開始顯得不自然。
• 「所有 ATS 都一樣」：Workday、Greenhouse、Lever、Taleo 解析方式略有不同，照本指南做都能過閘。
• 「AI 寫的履歷一定能過 ATS」：解析確實沒問題，但人類關卡常因為內容太通用而失分。延伸閱讀 ChatGPT 履歷 prompts。

10 分鐘 ATS 自我稽核清單

投件前跑一次：

1. 單欄版面、無表格無文字方塊
2. 段落標題標準（Work Experience、Education、Skills）
3. 聯絡資訊放在內文而非頁首
4. 標準字型，內文 10–12pt、標題 14–16pt
5. JD 關鍵字出現在摘要、技能、至少 2 條工作條列
6. 縮寫與全稱都有
7. 每個工作條目都有日期、雇主、地點、3–6 條量化成果
8. 技能區塊 12–20 項，沒有 1–5 顆星評等
9. 存成 .docx（或文字型 PDF）
10. 沒有圖片、icon、大頭照

要把整份稽核自動化，把履歷與 JD 一起貼進工具就會出 gap 報告。

結論

ATS 優化不是魔法，是一張機械化的清單：把格式整理乾淨、按 JD 嵌入關鍵字而不過度、按解析器期待的方式安排段落、每次投遞都做一輪客製。這些就是讓「投 80 份回 4 份」變成「投 25 份回 8 份」的差別。重點從來都是數學。