JD 한 장에서 핵심 키워드 추출하는 5가지 방법 — ATS 매칭의 출발점

ATS 2.0 시대의 핵심 룰 중 하나는 하이퍼 퍼스널라이제이션입니다. JD에 맞춰 30분 다듬는 작업이 매칭 점수를 의미 있게 끌어올린다는 점은 Jobscan, Resume Worded 등 외부 시뮬레이션 도구들이 일관되게 보여주는 패턴 — 도구마다 정확한 % 향상폭은 다르지만, 맞춤화 안 한 이력서가 가장 낮게 나온다는 결론은 공통입니다.

그런데 이 작업의 첫 단계 — "JD에서 무엇을 핵심 키워드로 봐야 하나?" — 가 가장 막힙니다. JD를 한 번 읽으면 모든 단어가 다 중요해 보이고, 두 번 읽으면 어디부터 손대야 할지 막막해집니다.

이 글은 JD 한 장에서 ATS와 7초 스캐너 둘 다가 가중치 두는 핵심 키워드를 5가지 방법으로 추출하는 가이드입니다. 그리고 추출한 키워드를 본인 이력서에 매핑하는 방법까지 다룹니다.

이전 글 참고: ATS 2.0의 전체 7가지 규칙은 2026 ATS 2.0의 7가지 새 규칙에서 다뤘습니다. 이 글은 그중 6번 규칙(맞춤화)의 실전 가이드입니다.

---

1. JD를 보는 새 관점 — 모든 단어가 동급이 아니다

JD는 한 장의 평이한 문서처럼 보이지만, 실제로는 가중치가 다른 단어들의 layered 문서입니다.

가중치	무엇	예
⭐⭐⭐ 최상	직무명·핵심 hard skill·기술 스택	"Senior Backend Engineer", "Kubernetes", "Go"
⭐⭐ 상	책임 동사·도메인·산업 키워드	"Architect", "scale", "fintech"
⭐ 중	Soft skill·일반 표현	"team player", "communication"
(가중치 없음)	회사 보일러플레이트, 복지, 평등 고용 문구	"We are an EOE"

이 가중치를 아는 것만으로도 어디부터 봐야 할지가 분명해집니다. 5가지 추출 방법은 이 가중치를 효율적으로 발견하는 도구입니다.

---

2. 방법 #1 — 시각적 신호: 굵게·반복·서론에 들어간 단어

JD를 작성한 사람이 의식적·무의식적으로 강조한 단어들이 있습니다. 이걸 시각적 신호로 잡습니다.

잡는 방법:

• 글머리 첫 줄(서론)에 등장하는 단어 — 채용 회사가 가장 먼저 강조하고 싶은 것
• 굵게(bold)·이탤릭으로 강조된 단어 — 작성자가 의식적으로 강조
• 요건 리스트 첫 3개 항목 — 가장 중요하다고 판단해 위에 둔 것
• "must have" / "required" / "essential" 옆에 나오는 단어 — 직접적인 가중치 시그널

빠른 발견: JD를 텍스트로 복사 → 공백·줄바꿈만 보면서 작성자가 어디에 시각적 가중치를 줬는지 한눈에 보입니다.

예시: "We're looking for a Senior Backend Engineer with 5+ years of experience scaling distributed systems" → 직무명, 시니어리티, 핵심 도메인(distributed systems)이 첫 줄에 응축됨.

---

3. 방법 #2 — 반복 빈도: 3번 이상 등장하는 단어

JD 작성자가 의식하지 못한 채로 반복하는 단어 — 그 단어가 그 포지션의 본질입니다.

잡는 방법:

• JD 전체에서 같은 단어(또는 동의어)가 3번 이상 반복되면 핵심 키워드
• 동의어 그룹화: "managed / led / drove / oversaw"는 같은 그룹으로 카운트
• 도구 / 기술 이름이 두 번 이상 나오면 hard skill 가중치 ⭐⭐⭐

빠른 발견: ChatGPT나 Claude에 "다음 JD에서 3번 이상 반복되는 단어와 빈도를 알려줘"라고 요청. 1초 작업.

예시: 어느 마케팅 PM JD에서 "data-driven" 4번, "experimentation" 5번, "growth" 7번 등장 → 이 포지션의 본질이 "growth + experimentation + data-driven decisions"임이 즉시 분명해짐.

---

4. 방법 #3 — 동사 vs 명사 분리: 책임의 형태를 본다

JD의 핵심 동사와 핵심 명사는 다른 시그널입니다.

종류	무엇을 알려주나	본인 이력서 어디에 반영?
핵심 동사 (Architect, Scale, Drive, Build)	이 포지션의 책임 형태	Experience 섹션의 불릿 시작 동사
핵심 명사 (Kubernetes, ARR, NPS, Pipeline)	측정 대상·도메인	Skills 섹션 + Experience 메트릭

잡는 방법:

• JD의 책임 리스트(Responsibilities)를 살펴보고 동사만 추출 → 본인 이력서 불릿 동사 다양성에 반영
• 요건(Requirements)에서 명사·도구 이름만 추출 → Skills 섹션 + 메트릭 강조점에 반영

예시: JD가 "Architect, scale, mentor"를 반복적으로 쓰면, 본인 이력서 불릿도 "Architected... / Scaled... / Mentored..."로 시작하도록 동사 매칭.

---

5. 방법 #4 — 회사·팀 시그널: 직접 명시된 것을 본다

JD 안에는 회사가 명시적으로 던지는 직접 시그널이 있습니다. 이걸 놓치면 큰 가중치 손실.

잡는 방법:

• 회사 단계: "early-stage", "Series B", "post-IPO" → 본인 경력 중 비슷한 단계의 회사 경험을 위로
• 팀 사이즈: "team of 8", "global team of 50" → 본인이 비슷한 사이즈 팀 경험 강조
• 고객·도메인: "B2B SaaS", "fintech", "healthcare" → 본인 경력 중 같은 도메인이 있으면 Summary에 반영
• 방법론: "OKR", "Scrum", "lean startup" → Skills 섹션 또는 Experience 불릿에 자연스럽게

이 시그널들은 ATS 키워드 매칭에서 직접 매칭 가중치가 가장 높은 부류입니다 — 회사가 이미 결정한 환경·도메인·방법론이라 정확히 일치하면 점수가 큽니다.

예시: JD가 "B2B SaaS scaling from $5M to $50M ARR"이라고 명시 → 본인 Summary가 "scaled B2B SaaS from $2M to $30M ARR"이라면, 두 단어("B2B SaaS", "ARR scaling")만 정확히 매칭시켜도 최상위 가중치 확보.

---

6. 방법 #5 — AI 역산: JD를 모델에 던지고 키워드 추출 시키기

가장 빠르고 강력한 방법. 위 4가지를 모두 AI가 자동으로 분석하게 합니다.

프롬프트 템플릿 (Claude / ChatGPT / Bullets 등 어디서든):

다음 JD를 분석해줘. 

1) 가중치별 핵심 키워드 추출:
   - ⭐⭐⭐ Hard skill / 기술 스택 / 도메인 (5개)
   - ⭐⭐ 책임 동사 (5개)
   - ⭐ 회사·팀 시그널 (단계, 사이즈, 도메인, 방법론)

2) 반복 빈도가 3 이상인 단어와 빈도

3) 이 포지션의 한 줄 본질 ("이 회사는 [어떤 사람]을 찾고 있다")

4) 이 키워드들을 영문 이력서의 어느 섹션(Summary / Skills / Experience)에 
   어떻게 반영해야 가장 강한지 추천

JD: [붙여넣기]

이 프롬프트 하나로 30분 작업이 2분으로 줄어듭니다. 그리고 아래 6장에서 다룰 매핑 단계로 바로 넘어갈 수 있습니다.

---

7. 추출한 키워드를 본인 이력서에 매핑하기

키워드 추출은 시작입니다. 진짜 작업은 매핑 — 추출한 키워드가 본인 이력서에 어떻게 들어가 있는지 점검하는 것입니다.

매핑의 3가지 결과

결과	무엇	다음 액션
✅ 잘 매핑됨	키워드가 본인 이력서의 메트릭·맥락과 함께 자연스럽게 들어가 있음	그대로 둠
⚠️ 약하게 매핑됨	키워드는 언급됐지만 메트릭·맥락 없이 표면적으로만	메트릭 추가, 동사 강화
❌ 누락됨	JD 강조 키워드가 본인 이력서에 아예 없음	본인 경력에서 해당 키워드와 맞는 경험을 찾아 추가

매핑 예시

JD에서 추출한 핵심 키워드 5개: Kubernetes, distributed systems, mentorship, incident response, B2B SaaS

본인 이력서에 매핑:

• ✅ distributed systems: "Built distributed payment system processing $80M/yr" — 잘 매핑됨
• ✅ B2B SaaS: Summary에 명시됨
• ⚠️ Kubernetes: Skills 섹션에 단순 나열만 — Experience 불릿에 결과와 함께 등장하도록 보강 필요
• ⚠️ mentorship: "Mentored juniors" 한 줄만 — 인원·결과 추가 필요
• ❌ incident response: 누락 — 본인의 on-call·MTTR 경험을 찾아 추가

이 매핑이 끝나면 약 5분이면 어느 부분을 어떻게 다듬어야 하는지가 분명해집니다.

---

8. 점수 한 숫자보다 매핑 시각화가 더 신뢰할 수 있는 이유

여기서 한 가지 솔직해질 때입니다. 시중에 나와 있는 ATS 점수 계산기는 결과가 도구마다 들쭉날쭉합니다. 같은 이력서에 같은 JD인데 어떤 사이트는 78점, 어떤 사이트는 32점을 내놓는 일이 흔합니다.

이유는 명확합니다 — 정확한 점수는 채용 회사가 실제로 쓰는 ATS만 알고 있고, 외부 시뮬레이션 도구는 각자 다른 알고리즘을 쓰기 때문입니다. 그래서 "점수 한 숫자에 의존하면 오히려 잘못된 방향으로 다듬게 됩니다."

대신 이 글에서 다룬 키워드 매핑(✅⚠️❌) 은 검증 가능한 정보입니다:

• 어떤 키워드가 어디에 어떻게 들어가 있는가
• 어디를 보강해야 하는가
• 보강한 후 매핑이 어떻게 바뀌는가

이게 점수 한 숫자보다 훨씬 행동 가능한 정보입니다.

---

9. 자동화 — 30분을 5분으로 (Bullets 3가지 기능)

위 5가지 추출 방법 + 매핑 작업은 처음 한 JD에선 30분이 걸립니다. 30군데 지원이라면 15시간. smartbullets.ai는 이 워크플로우를 세 단계로 자동화합니다 — 본 글의 5가지 추출법이 각 단계에 어떻게 흡수되는지 함께 정리합니다.

① Chrome Extension — JD 수집 자체를 0초에

이 글의 5가지 추출법을 적용하려면 우선 JD를 손에 넣어야 합니다. Chrome Extension은 LinkedIn · Indeed · Greenhouse · Lever · Wanted 등에서 본 JD를 한 번 클릭으로 저장하면서 동시에 ATS 최적화 키워드를 자동 추출 (방법 #1 시각적 신호 + 방법 #2 반복 빈도 + 방법 #5 AI 역산을 자동 실행). 30군데 지원의 첫 단계 비용이 사라집니다.

② Rewriting — 키워드 매핑 + STAR/TAR 자동 최적화

본인 이력서 문장과 추출된 JD 키워드의 관련도를 계산해서 자연스럽게 삽입하고, STAR · TAR 등 검증된 포맷으로 최적화한 변형 이력서를 생성합니다. 이 글에서 다룬 매핑(✅ 잘 매핑, ⚠️ 약함, ❌ 누락)이 자동으로 표시되고, 약한·누락 자리가 즉시 보강된 새 이력서가 나옵니다. 점수 한 숫자가 아니라 검증 가능한 매핑 정보 + 정리된 결과물.

③ Bullet Creator — 누락 자리에 새 임팩트 불릿 생성

매핑 결과 ❌ 표시된 키워드가 본인 경력에 실제로는 있지만 이력서엔 빠진 경우 — Bullet Creator(SKILL · TOOL · GOAL · IMPACT 4단계 채팅)로 그 키워드가 자연스럽게 들어간 새 X-Y-Z 임팩트 불릿을 생성. 본인 입력 수치가 그대로 유지되어 면접에서 검증 가능. 그 다음 다시 ② Rewriting 사이클.

사이클: Chrome Ext로 JD 수집·키워드 추출 → Rewriting으로 매핑·최적화 → 누락 자리만 Bullet Creator로 보강 → 다시 Rewriting. 30분 작업이 5분으로 줄고, JD가 바뀔 때마다 다시 5분이면 끝입니다.

---

10. 마무리 — JD를 보는 새 습관

JD를 받으면 다음 5가지 질문을 30초 안에 던지세요.

1. 첫 줄에 무슨 단어가 있나? (시각적 신호)
2. 3번 이상 반복되는 단어는? (빈도)
3. 핵심 동사 5개와 핵심 명사 5개는? (책임 형태)
4. 회사 단계 / 팀 사이즈 / 도메인 / 방법론은? (직접 시그널)
5. AI에 던졌을 때 결과는? (역산)

이 5가지가 답해지면, JD의 핵심 키워드 10–15개가 손에 들어옵니다. 그 다음은 매핑 → 보강 → 다시 매핑의 사이클입니다.

이전 글: 2026 ATS 2.0의 7가지 새 규칙 | 한국 경력을 영문 이력서 임팩트로 바꾸는 법

---

참고: 본 글의 통계와 트렌드는 2026년 4월 시점의 글로벌 ATS·이력서 트렌드 리서치를 기반으로 합니다.