🤫 Como BURLAR o Robô de CURRÍCULOS de Qualquer Empresa e GARANTIR Sua VAGA!

Se vocês assistiram o último vídeo que a gente postou aqui no canal, vocês viram que eu ensinei uma técnica nova, né, de prospecção de vagas, algo assim, né?

Onde tu entra em contato diretamente com os responsáveis pelo recrutamento e, né, tenta uma oportunidade, tenta marcar reunião e tudo mais, manda currículo, enfim.

Fica um pouco mais próximo, é mais fácil de tu conseguir vaga, principalmente se for uma vaga local, tá?

Então fica muito mais fácil ter essa comunicação direta em vez de ficar mandando currículo com mais, sei lá, 10.000 programadores.

E se vocês assistiram o vídeo, vocês também ouviram eu falar que a gente tem que ter uma mentalidade de guerra.

Então eu preciso atacar em todas as frentes, seja indo atrás de recrutadores, indo atrás dos donos da empresa e tudo mais, eu também preciso atacar no método antigo, né, no método tradicional.

Eu tenho que continuar fazendo isso, tá? Então a gente ataca por todas as frentes, existe uma lei que se chama Lei dos Grandes Números.

E não é possível que um grande número, um grande número de sementes que tu vai plantar, uma arvorezinha, uma vagazinha não vai nascer para esse pobre juninho.

Então, para te ajudar mais ainda, eu passei praticamente um mês estudando ATSs, tá?

O que que é uma ATS? É um robô que lê e filtra os dados do teu currículo.

E descobri como funciona os algoritmos, eu realmente estudei cada algoritmo, eu testei, eu comprei os ATSs para testar.

Isso foi uma grana bem fodida, tá? Então, deixem o like aqui embaixo, se inscrevam no canal.

Eu vou ensinar nesse vídeo cinco formas diferentes de burlar, de hackear os ATSs principais que a gente tem no mercado.

Depois que eu lançar isso daqui, provavelmente, daqui a algum tempo, eles vão atualizar esses scripts para mudar a forma que eles filtram os currículos.

Então, aproveitem, alterem o currículo de vocês e vocês vão ser chamados com certeza, muito, de forma muito, cara, 100% a mais de chance para vocês conseguirem a vaga de vocês.

Beleza? Então, deixa o like, se inscrevam no canal e bora pro vídeo, cinco formas diferentes de tu conseguir burlar os sistemas de ATS e colocar teu currículo lá no topo.

O primeiro ponto que eu percebi foi: esses ATSs, eles não leem só o conteúdo, não é um parse apenas dos dados que a gente vê, das colunas, né, das informações, é muito mais do que isso.

Uma coisa estranha que eu percebi é que ele lê melhor Word, arquivos Word, eu não entendi isso.

Realmente não entendi, o algoritmo lê melhor, provavelmente pela biblioteca que eles utilizam, mas isso acontece em praticamente todo o ATS que eu testei.

Mas enfim, ele lê melhor e pontua melhor, inclusive, dá um score melhor para currículos que estão em Word, bem estranho isso.

Eu prefiro receber em PDF, que eu odeio abrir em Word, porque abre no meu iPhone sem formatação nenhuma, então assim, quando você for mandar para recrutador diretamente, eu recomendo que seja em PDF, tá?

Se quiser subir em Word para plataformas, LinkedIn e Gupy, por exemplo, beleza, pode subir, tá?

Mas enfim, parece que eles leem melhor o Word, não me pergunte porquê, eu testei o algoritmo, o código me parece muito parecido para testar os dois, e não foi só um ATS, tá, foram cinco ATSs que eu testei, e todos leem metadados de dados.

O que que são metadados, tá? A gente tem os dados do arquivo, o arquivo binário e tudo mais, né, a gente tem todos os dados ali.

Mas a gente tem dados que a gente não vê, são dados secretos, dados internos dos arquivos para o sistema operacional fazer a leitura, e as linguagens de programação, descendo o nível, elas estão, né, em algum momento na linguagem da máquina, ela consegue ter acesso a esses metadados, tá?

Então, toda linguagem de programação, praticamente, hoje em dia consegue ter acesso a esses metadados, e esses sistemas leem metadados, por quê? Porque existe um robô que antes faz a leitura e preenche alguns metadados dos arquivos.

Eu não entendi porquê, na verdade eu entendi, eles têm uns sistemas tal para ficar mais rápido, porque daí eles editam direto o próprio arquivo com os dados que eles encontraram dentro do arquivo principal, Word, PDF, não precisam ter um banco de dados externo, então eles acabam editando os metadados do próprio arquivo com as pontuações, com os dados que eles encontraram, é, ali no arquivo em si, e depois um outro sistema só lê os metadados e faz o ranqueamento e tal, enfim, então eles têm esse tipo de trabalho, eu não iria por essa arquitetura, mas a maioria foi, então parece que funciona, né?

Então, o que que vocês precisam fazer? Todo arquivo que vocês forem mandar, vocês precisam alterar os metadados do arquivo.

Então, no Word, no PDF, vocês devem alterar cinco metadados, e eu vou explicar cada um para vocês, eu vou até olhar aqui porque eu não vou lembrar de cabeça, tá? Mas, os que eu separei aqui são os seguintes: DC dois pontos title, que é o título do documento, então tu vai colocar lá o título certinho, o título vai ser o teu cargo, tá, para vaga, inclusive.

Então, por exemplo, se a vaga, se a vaga tá lá, analista júnior de tecnologia, sei lá, analista júnior no JS, você vai colocar lá, analista júnior no JS, tá bom? Você vai colocar isso no título.

Beleza, autor, né? A gente tem o DC dois pontos creator, tá? Então, tu vai colocar o teu nome completo.

Beleza? Depois a gente tem o CP, CP, não é DC, CP, vai estar aparecendo aí no vídeo, CP dois pontos keywords, tá? Palavras-chave que são embutidas, essas palavras-chave, tu vai colocar, é, palavras que estão na descrição da vaga, tá, separados por vírgula, Node JS, especialista, júnior e tudo mais, enfim, tu vai colocar tudo que tá lá, tá bom?

Cara, isso aqui muda, eu, eu, depois eu vou falar da pontuação que eu consegui a mais fazendo isso, tá? Inclusive, com a Gupy, com outras plataformas que tem por aí, isso realmente funciona.

Aí a gente tem o CP dois pontos description, que vai ser umas duas linhazinhas onde tu vai resumir muito, muito a tua experiência, tá? Então, tu vai colocar de forma resumida com base na vaga, com base na vaga, é como se fosse uma descrição da vaga, só que tu vai colocar para ti, então, tipo, como profissional, tal, enfim, tu vai colocar ali uma listagem.

Vou dar um exemplo, uma vaga Node JS, é, que utiliza Express e Prisma ORM, colocar lá, é programador, é, desenvolvedor júnior, como tá lá na vaga, se lá tá desenvolvedor, você vai botar desenvolvedor, na, no currículo, desenvolvedor júnior, especialista, se tiver especializado, vai botar especialista, em Node JS, Express, TypeScript, tá, tá, tá, tá ali uma descrição, uma descrição breve, e depois tem o CP dois pontos category, que é a categoria do documento, nessa categoria, tu pode só colocar assim, é, currículo, tá? Só botar algo qualquer, é uma descrição, realmente, uma categoria de arquivo, que no caso vai ser um currículo, aí tu bota só um currículo, tá?

Eu coloquei várias palavras diferentes, não alterou em nada o score, beleza? Mas ele lê, todos leem, tá bom?

E aí, em Word, tu consegue editar os metadados, e aqui eu tô falando com programadores, espero, vocês vão ter que ir atrás de como fazer isso, eu não vou ensinar aqui, tá? Vão atrás de como alterar metadados de um arquivo.

Vocês deveriam saber, por favor, então vocês precisam editar os metadados lá no Word, vocês podem usar o Word para isso, tá, para o arquivo Doc, Docx, e para PDF é um pouco mais chatinho, mas eu sei de um aplicativo, que eu até tinha anotado, acho que era Sejda, S E J D A, PDF editor, se tu baixar, tu consegue editar os metadados, mas, cara, vai no ChatGPT, pesquisa como é que faz isso aí e faz a edição utilizando isso que tá na tela, beleza? Esses metadados que eu te ensinei antes, esse é um primeiro ponto.

Eu consegui 20 pontos a mais, e 20 pontos é muita coisa, tá? Depois eu vou explicar o sistema de pontuação, mas 20 pontos a mais só colocando metadados, então façam isso, vai funcionar.

Inclusive, o sistema da Gupy, eles priorizam, tá, currículos que têm esses metadados, para vocês terem noção, eu testei, eu comprei uma licença, eu testei, e eles fazem isso.

Inclusive, eu tava até pensando aqui, né, ninguém, cara, é engraçado, né, tu vai olhar uns canais do YouTube por aí, é todo mundo falando, não façam duas colunas, não façam três colunas, e ninguém parou para estudar, ninguém parou para pegar cada um e testar, o que eu vou ensinar aqui para vocês, eu realmente testei e funcionou, ninguém mais fala sobre isso no mercado, não tem nenhum conteúdo desse, nem no Brasil, nem no exterior, imagina que no exterior não tenha, mas no Brasil eu sei que não tem, então, deixem um like aqui, comentem aqui para ajudar o vídeo e compartilhem esse vídeo também, tá?

Vamos para o segundo ponto, esse segundo ponto, cara, ele é muito importante, muito importante que vocês façam.

Existe uma coisa que a gente chama de densidade de palavras-chave, existem alguns algoritmos que identificam a densidade, é a melhor palavra possível, tá? Então, como que essa densidade funciona? Eu vou explicar de forma bem leiga para vocês, tá? Depois, quem puder, pesquisa por algoritmo TF-IDF, daí tu vai entender um pouco sobre essa parte de densidade.

Algoritmo padrão, então, basicamente é o seguinte, como funciona um ATS? Tu coloca a descrição da tua vaga, e aí ele, ele vai checar os pontos principais, as palavras-chave, então, Node JS, tá, júnior, especialista, é remoto, presencial, híbrido, ele vai pegar esse tipo de coisa, tá?

Ele vai pegar a tua formação, ele vai pegar e tudo mais, ele vai pegar toda a formação, na verdade, tudo isso olhando para a vaga, vai pegar qual é o nível de informação requerida pela empresa e tudo mais, ele vai pegar tudo isso, e ele vai entender quantas vezes se repete, e ninguém fala isso, tá? Eu li os algoritmos, eu tive acesso, não me perguntem como, a alguns que não estão abertos, e eles leem estes arquivos.

Eles leem o arquivo da vaga, o texto da vaga, e ele olha quantas vezes se repetiram aquela palavra na vaga, Vitor, por que que ele olha? Por que quer dizer que aquilo é importante? Se Node JS se repete quatro vezes, quer dizer que isso é muito importante.

Então, o ATS espera que no currículo isso se repita de duas a três vezes mais, ou seja, se lá é tão importante a ponto de Node JS repetir quatro vezes, cinco vezes, enfim, tanto faz, né, digamos que se repita cinco vezes a palavra Node JS, e outras palavras se repetem duas, três, uma vez, quer dizer que Node JS é muito mais importante que as outras.

E isso é um algoritmo de densidade, então, o algoritmo de densidade entende isso, e aí o que que ele faz? Ele vai olhar o teu currículo e falar assim, se isso é tão importante a ponto de repetir cinco vezes na vaga, esse cara tá repetindo 12 vezes no currículo dele, oito vezes no currículo dele, 10 vezes no currículo dele, ou seja, é o mesmo nível de importância, ele dá para essa informação.

Ou seja, os dois estão pareados, a vaga está equivalente ao currículo, e aí ele vai fazer esse match, tá? Eu vou ler para vocês o seguinte, eu até anotei aqui, resumo profissional, pelo que eu vi, a média do que eles procuram é de duas a três vezes as palavras-chave.

Então, tu vai procurar lá no, vou até pedir para o ChatGPT fazer isso, procurar na vaga as palavras com uma ordem de densidade, e tu vai pegar essas palavras e repetir várias vezes no currículo, tá? Por isso que tem que ser um currículo para vaga, para cada vaga, né? É complicado a vida do júnior, é foda, mas vai ter que gerar vários, e me desculpe, é a realidade.

Título de cargo, então, o cargo, o título do cargo, desenvolvedor, é, desenvolvedor especialista júnior é foda, desenvolvedor júnior Node JS, tu vai repetir isso daí, eu até tinha anotado de dois, é, 2.5, de duas a 2.5 vezes, eu fiz uma média, tá, porque alguns pedem três, outros dois, enfim, fiz uma média, 2.5 vezes ali, de duas a três, então, se lá se repetir desenvolvedor Node JS quatro vezes, tu vai repetir isso umas oito, 10 vezes, tá bom? Nove vezes, enfim, tem que ficar nessa média.

E aí isso para título de cargo, experiência profissional, duas vezes, é a média, às vezes pede uma vez, duas vezes, enfim, então tu vai ter que repetir duas vezes a experiência profissional, tá? Os nomes que estiverem na experiência profissional.

De habilidades, 1.5 vezes, então vai estar lá as habilidades, as linguagens, vai ter que repetir pelo menos duas vezes, tá? Bota como duas vezes aí, então se lá se repetir Express quatro vezes, tu vai ter que botar oito vezes Express no teu currículo, tá? Então, densidade de informação, palavras-chave é fundamental, beleza?

Então, todo ATS, a maioria dos ATSs não é IA, tá? A maioria dos ATSs é um algoritmo de densidade, então é muito mais simples do que vocês imaginam, e aí a parte de educação, tu vai ter que repetir pelo menos uma vez, tá? Que é a tua escolaridade, formação e tudo mais, beleza? Se pede ensino médio completo, tem que repetir pelo menos uma vez, ensino médio completo.

E o terceiro ponto, ele é um ponto que contradiz a maioria dos influenciadores tech por aí que dizem que o ATS lê por sessão, na verdade, não é bem isso, se tu olhar o código, se tu olhar, realmente estudar o código deles, tu vai entender que não é isso daí, isso daí é um, eles falam, lê por sessão, mas até que assim, é difícil explicar tecnicamente, mas do jeito que eles estão falando, tá correto, só que eles deixam a entender de forma errada, eles deixam a entender que no currículo tu não pode ter duas sessões em colunas, tu pode, tá? Tu pode, mas existe um sistema de pontuação em sessões da página, onde eu vou explicar isso daí.

Então, qual é a sequência que o ATS faz de leitura? Primeira coisa que geralmente, pelo menos quatro dos cinco que eu testei, que são os principais, eles leem primeiro os metadados, depois eles leem o documento, tiram todo o texto do documento, todo o texto, tá? Então, ele extrai esse texto e traz em texto puro, esse é o primeiro passo.

Então, ele vai ignorar a organização que tu colocou ali, então, ele vai ter esse texto puro, esse é o primeiro passo, um segundo passo é, pegando o texto puro, não, não pegando a imagem, ele não converte em imagem para ler as sessões, tá? Muitas pessoas falam isso, estão erradas, ele vai pegar o texto e vai tentar entender como as sessões se dividem dentro daquele texto puro.

Por exemplo, na parte de cima, ele tá falando de tempo de experiência, então, tá falando sobre experiência, né? Depois tá falando de um resumo, aí tem resumo e não sei o texto, provavelmente aquilo é o resumo, então, ele vai identificando de acordo com as palavras, tal, e ali existe algumas MLs que atuam nesse sentido para tentar entender qual é o contexto de cada sessão dentro do currículo.

Então, ele vai procurar palavra-chave, por exemplo, experiência, eu até anotei algumas que eu encontrei aqui, ó, ele busca por experiência ou experience, educação ou education, e habilidades ou skills, ele vai procurar isso e vai tentar entender as sessões, tá bom?

Depois, a gente tem um entity extraction, né, que é um extrator de entidade, então, ele vai procurar padrões específicos de dados que são pré-programados, então, tem alguns padrões, eu até coloquei alguns exemplos aqui, tá? Para anos de experiência, ele procura 5 anos, 5 anos, 5 mais anos, experiência de 5 anos, para graduação, graduado em, formado em, bacharel em, então, ele vai procurando esse tipo de formatação, para tecnologia, Python, Java, SQL, tal, qualquer palavra que esteja na lista de tecnologia do sistema, então, ele vai procurar tudo isso, tá? E vai categorizar.

Depois, ele vai um negócio que se chama relevance scoring, tá, que é basicamente um juiz final ali, onde ele vai pegar os dados extraídos, vai ter o algoritmo de pontuação daquilo que eu tinha falado no passo anterior, e vai ter um score final, beleza?

Então, ele vai dar uma nota, tá, baseado em quão bem as coisas, as informações têm de match com a vaga, e não como as coisas estão organizadas no currículo, tá bom?

E aqui entra a lição principal desse terceiro ponto que eu passei para vocês, tá? Que é o seguinte, se, e aí existem, os ATSs, eles têm, é, eles têm um termo em inglês, eu não lembro qual é o termo em inglês que tá lá no algoritmo, mas eles começam a cortar, então, se não tem alguma informação que tem na vaga, por exemplo, se na vaga ele diz que tu tem que ter pelo menos três anos de experiência, e isso não está no currículo, não tem essa informação, ele vai automaticamente te tirar, e aí isso é regra de 100%, tá?

Se está na vaga e não está no teu currículo, cortou, acabou, é corte na hora, então, o que que tu vai ter que fazer? Tu vai começar a plantar informações, então, vou dar um exemplo, tá? 5 anos de experiência, tá lá, 5 anos, deve, sei lá, pleno 5 anos de experiência, tá lá, 5 anos, aí tu vai colocar, 5 anos de experiência, atuando há 5 anos, experiência sólida de 60 meses, sabe?

Tu vai começar a colocar, plantar informações que digam para o ATS, a vaga se equivale ao meu currículo, tudo que tá lá tem aqui, então, tu vai começar a plantar várias informações que são no final a mesma, ditas de formas diferentes para ver se tu consegue ser captado pelo ATS, aquela informação que poderia te cortar seja encontrada, e aí sim, claro, tu pode usar variações de linguagem, então, sei lá, mais 5 anos de experiência, 5 mais anos, 5 anos de atuação, 60 meses de experiência, experiência consolidada desde 2019, tu vai pegar coisas desse sentido, tá? Para que tu consiga, por exemplo, graduação em tecnologia, graduação em análise e desenvolvimento de sistemas, graduação e análise e desenvolvimento de sistemas, bacharel, é, ele pegava também de outro, que era formação superior, é, diploma, então, tu vai repetindo esse tipo de coisa, pelo menos umas duas, três vezes, para que tu consiga chamar a atenção do ATS para pontos que são obrigatórios na vaga, beleza?

Inclusive, tem três pontos do currículo que são prioridade para o ATS, tá, que eu identifiquei, o primeiro ponto que é prioridade para o ATS, resumo profissional e objetivo profissional, o teu resumo profissional é muito importante, tá? As tuas experiências, e aí quando fala de resumo, é resumo mesmo, trabalhei durante tanto tempo, fiz, atuei, mudei, enfim, tudo isso, ele vai tentar fazer match com os dados que estão na vaga.

Então, isso é prioridade máxima do ATS, ou quando ele lê um, um dado de um, depois a gente tem a prioridade alta, tá, que geralmente dá dois pontos, a prioridade máxima ali, que é a parte de resumo, objetivo profissional, vai te dar três pontos, tá? A parte de prioridade alta, até tô olhando aqui, dá dois pontos, que é o que eu tinha visto lá, e a prioridade média, descrição de experiência, sessão de habilidades, te dá um ponto, beleza?

Tem esse peso específico no algoritmo final de pontuação, tá? Então, prioridade máxima, resumo profissional, objetivo profissional (3 pontos), prioridade alta, título de cargo e a primeira linha de cada XP (2 pontos), e olha só, a primeira linha é a utilizada pelo ATS, ele, inclusive, todos os algoritmos fazem isso, tá? Tu economiza dado, então, a primeira linha na experiência é a que vale mais, e aí, como um ponto abaixo, a descrição completa da experiência vale com um peso de um, tá bom? Se isso for, se tiver um match com a vaga.

E o quarto ponto é que é usado NLP, tá, que são, basicamente, IAs de linguagem natural, processamento de linguagem natural, basicamente, a gente vai processar, então, existe um, sim, um modelo de inteligência artificial que, depois de toda essa extração de texto, de toda essa análise, ela vai pegar alguns contextos do que foi retirado e fazer as últimas correções.

Então, nesse sentido, existe um mapa semântico que é criado das palavras, e no espaço vetorial fica uma próxima da outra, tá? Então, é dividido no mapa vetorial, e as imagens que têm relação, elas estão mais próximas dentro daquele espaço vetorial, tá? É complicado eu te explicar essa parte de tecnologia, vocês podem ir procurar sobre NLP, entender um pouco sobre essa parte vetorial também.

Então, já que essas palavras que têm características parecidas, estão próximas nesse espaço vetorial, é importante que quando tu for, é, inclusive, entendam, não é só palavra-chave, tá? Não é só palavra-chave, é espaço vetorial, então, sei lá, digamos que tá lá escrito assim, ó, já desenvolveu tal coisa, tu vai falar, colocar, criou, desenvolveu, é, projetou, sei lá, cara, implementou, estabeleceu, tu vai usar palavras que estão próximas no espaço vetorial da NLP.

E aí, no fim, o que que tu vai ter que fazer, tá? Procurar palavras que têm um sentido muito próximo, que são sinônimas, tá? Mas um pouco diferentes, porque assim, a NLP, ela começa a entender que, estranhamente, tu tem muitas palavras que se parecem com uma das palavras principais da vaga, isso no teu currículo, né?

Então, então ela começou, cara, algo aqui está muito parecido, eu consegui uma pontuação absurda, tá? Praticamente 40 pontos a mais só por causa disso, só por ficar repetindo palavras que estão mais próximos no espaço vetorial da NLP.

Alguém já falou isso aqui para vocês? Acho que não, então, eu vou mostrar um teste que eu tinha feito aqui, tá? Então, eu coloquei lá na experiência, eu coloquei, experiência em Python, trabalho com dados, uso SQL, a maioria das pessoas vai colocar lá, porque tem dados lá na vaga, ele vai colocar dados aqui, então, Python tá lá na vaga, ele vai botar aqui, SQL vai botar aqui, então, olha só como é que tá, experiência em Python, trabalho com dados, uso SQL, uma bosta, né, essa descrição, mas ele acha que o ATS vai ler e vai passar, não vai.

E aí eu consegui 10 vezes a pontuação, mudando e deixando desse jeito, ó, desenvolveu soluções em Python para análise de big data, utilizando SQL para extração e manipulação de data sets complexos, implementando algoritmo de machine learning para insights preditivos, dança absurda, um monte de palavra aqui, quando eu fui ver, estavam próximos no espaço vetorial, então funciona, tá?

Então, basicamente, façam isso nos currículos de vocês, usem palavras sinônimas várias vezes, não é só a palavra que estava lá, é importante que tu repita ela, mas tu pode repetir ela com sinônimos dentro de um espaço vetorial, é claro, Vitor, eu não tenho como saber se aquela palavra realmente é sinônimo ou não, se tu encontrou na internet que é, a NLP provavelmente foi treinada do mesmo jeito que tá na internet, então, vai estar próximo no espaço vetorial.

É importante que tu repita as palavras, sim, por exemplo, se tem lá SQL e tem vários SQL lá, tu vai ter que repetir naquele múltiplo, três vezes mais, duas vezes mais, mas tu pode também usar esse, tu não vai precisar só ficar repetindo SQL, SQL, SQL, SQL, tu vai poder botar SQL junto com outro texto, e aí tu vai, e é isso que é o complicado, cara, é isso que é o complicado, porque é todo um mapeamento que tu precisa para cada vaga, então, realmente é um, é bem trabalhoso isso daqui, tá?

E o último ponto que eu percebi, rodando mesmo os ATSs, foi que, estranhamente, tem um bug nos rejects que são utilizados, expressões regulares, tá? Essas expressões regulares, elas têm um bug que os últimos dados do que estavam, isso eu testei em todos, tá? Todos têm o mesmo bug, todos têm o mesmo bug, isso eles achatam, o rejects, ele vai pegar mais dados acima, mais dados abaixo da busca, então, por exemplo, eles vão fazer uma busca por Python, mas eles pegam 20 caracterizantes e 20 caracteres depois, e guardam no mesmo espaço de análise para depois ir para a NLP.

Então, o que que tu pode fazer? Colocar palavras-chave no final da última sessão, então, tu tá na sessão de resumo profissional, e tu tá indo para a próxima sessão, joga lá no final da, do resumo profissional, algumas palavras-chave que tu quer que vão para o próximo, para a próxima sessão, e tu vai otimizando o espaço, colocando coisas estratégicas no final de cada sessão, do que tu quer que a próxima sessão, né, que, por exemplo, tem o resumo profissional e depois experiências, se tu quer que nas experiências tu tenha mais dados, mas já tá muito socado aquela área ali, né, de experiência, pode colocar um pouquinho de dado lá no resumo profissional, e o rejects, ele vai acabar pegando um pouco mais em cima, e vai pegar as últimas palavras, que são as palavras que tu quer que vão junto para a experiência, tá? Para a parte de experiências, enfim, né, de vagas que tu já trabalhou, beleza?

E aí tu consegue reaproveitar e otimizar ainda mais o ATS, colocando palavras-chave nas últimas sessões, beleza? Então, isso eu testei, realmente funciona, e eu consegui uma pontuação, acho que foi três de pontuação a mais, mas funcionou em todos os testes que eu fiz, deu três de pontuação a mais.

E um aviso legal, tá, para as empresas que eu citei aqui, eu não estou recomendando que as pessoas hackeiem o ATS de vocês.

Eu tô explicando como os ATSs funcionam, então, é, para fins didáticos e para fins de ajudar as pessoas.

Se vocês querem que o algoritmo de vocês seja diferente, melhorem o algoritmo de vocês, eu vou te falar, muitos são muito mal escritos e mal pensados, tem formas melhores de fazer algumas coisas lá, mas enfim, vocês são meio preguiçosos, né, deu para ver, código atualizado assim, a, a toque de caixa.

Mas enfim, o que eu tô tentando explicar para as pessoas aqui é, informações reais repetidas de uma forma correta e organizada de uma forma correta.

Se vocês ficarem irritadinhos comigo, posso fazer nada, o problema é de vocês.

Então é isso, esses hacks técnicos aqui são armas de precisão, se tu fizer de forma precisa, tu vai ser chamado, tá?

Eu testei isso daqui, eu testei em outras empresas, eu fui chamado também, inclusive, tem umas entrevistas que talvez eu grave aqui para o canal, então funciona, façam em casa, testem, continuem com a mentalidade de guerra que vocês vão conseguir a primeira vaga logo.

Eu sei que é chato, mas dá para, é, é assim, quando vocês conseguirem a primeira vaga, o negócio anda, beleza?

Continuem que vai dar certo.

Então é isso, deixa o like, se inscrevam no canal, o link do curso tá aqui no primeiro comentário fixado, lá tem muito mais conteúdo do que isso aqui, eu abro muito mais coisas lá do que eu abro aqui no canal do YouTube, então, se inscrevam lá no curso.