ガイド一覧に戻る
実践ガイド

スカウト返信率を上げる方法

返信率2倍を実現する5つのステップ

スカウト返信率は媒体・職種・運用品質で大きく変動します。本ガイドではまず自社の返信率を可視化するところから始め、ターゲット定義から即日フォローまで媒体問わず適用できる5ステップを解説します。

最終更新: 2026年5月|出典: Wantedly公式, LinkedInヘルプ, doda公式 他(ページ末尾参照)

現状把握

あなたの会社のスカウト返信率は何%ですか?

即答できる採用担当者は意外と少ない。媒体・職種・送信担当者でばらつき、月次でしか集計できていないケースも多いのが実態です。改善の第一歩は、自社の現状を「媒体 × 職種 × 担当者」で可視化すること。 公開されている業界ベンチマークは、自社実勢とは乖離していることが多いためです。

01

媒体別に集計する

Wantedly・ビズリーチ・LinkedIn・doda・Greenなど、使っている媒体ごとに送信数・開封数・返信数を月次で集計。媒体特性で返信率は5倍以上変動します。

02

職種別に集計する

エンジニア・ビジネス職・デザイナーなど、職種ごとに返信率は大きく異なります。同じ媒体でも職種で2〜3倍変動するため、職種別の最適化が必要です。

03

担当者・テンプレ別に集計する

同じ媒体・同じ職種でも、文面・送信者で返信率は2〜3倍差がつきます。担当者・テンプレごとに分けて測ることで、勝ちパターンが見えてきます。

参考: 公開されている媒体別ベンチマーク

媒体公式・公開記事から得られる返信率の目安は以下のとおりです。ただしいずれも採用代行や上位運用ケースを含んだ数値であり、自社実勢とは乖離していることが多いため、参考値として捉えてください。

Wantedly

約20%

Wantedly公式

LinkedIn

13%以上

運用品質基準

ビズリーチ

約8%

全体平均

doda

非公表

開封率は約75%

※ 媒体構造により返信ハードルが大きく異なります(カジュアル面談前提のWantedlyと面接確約構造のdodaダイレクトを単純比較するのは適切ではありません)。自社の現在地を測ることが、改善の起点になります。

原因分析

返信率を下げる5つの根本原因

「テンプレ感が出ている」はよく指摘されますが、それは5つの構造的な原因の表層にすぎません。返信率が上がらない理由を構造的に理解することが、効く打ち手の前提です。

01

ターゲット定義が曖昧なまま送っている

返信率への影響: 最大AIスカウトで改善可能

Must/Want/NGの評価軸が言語化されていないと、送信対象の絞り込みがブレます。「年収500〜700万・SaaS経験あり」程度の粗いフィルタで大量送信すると、候補者から見て「自分宛ではない」と判断され、開封すらされません。

LinkedIn公式によれば、個別送信メッセージは一括送信より返信率が20%高い。ターゲット精緻化は文面改善の前提条件であり、最も投資対効果の高い改善ポイントです。

02

本文のパーソナライズが不足している

返信率への影響: 大AIスカウトで改善可能

「貴殿のご経歴を拝見し」「ぜひ一度お話を」といった抽象的な定型文は、候補者から見て「テンプレート送信」と即座に見抜かれます。プロフィールの具体的な箇所(直近の職務・特定スキル・公開記事など)に触れているかどうかが返信率を分けます。

Wantedly公式の成功事例では、現場メンバーが候補者プロフィールを読み込んで個別メッセージを書く運用に切り替えたことで返信率を0.5%→20%に改善した事例が公開されています。

03

件名・冒頭文が弱い

返信率への影響: 大

スマホ受信トレイで見えるのは件名の最初の15〜20文字程度。ここに「【スカウト】」「【お知らせ】」などの定型句や会社名が入っていると開封率が大きく落ちます。本文も冒頭3行で「自分宛のメッセージだ」と感じさせられないと最後まで読まれません。

doda公式のプレミアムオファー機能は受信トレイ上位に2週間表示される構造で開封率77%を達成。同じ媒体でも「目に入る位置」「文頭の具体性」で開封率は大きく変動します。

04

送信タイミング・媒体選定が最適化されていない

返信率への影響: 中

候補者の生活リズム(通勤時間・昼休み・帰宅後)と職種特性(エンジニアは夜型、営業職は朝型など)を踏まえずに、送信担当者の都合だけで一斉送信していませんか。媒体ごとの開封率ピーク時間帯も異なるため、同じ文面でも送信時間で返信率は1.5〜2倍変動します。

媒体・職種別に「曜日 × 時間帯 × 返信率」をマトリクス集計すると、自社にとっての最適枠が特定できます。多くの企業ではこの分析が運用に組み込まれていません。

05

返信後の初動フォローが遅い

返信率への影響: 中AIスカウトで改善可能

せっかく返信があっても、こちらの返信が翌日以降にズレ込むと候補者の温度感は急速に冷めます。スカウト返信時点で候補者は他社からも声をかけられている前提に立ち、24時間以内、理想は数時間以内に次のアクションを返すことが「実質返信率(=面談まで進む率)」を分けます。

スカウト経由の候補者は応募者より「声をかけられたから応じた」状態のため、温度感の冷めが早い。フォローのスピードが面談実施率に直結します。

シミュレーション

返信率を2倍にできれば、年いくら得しますか?

月100通送って返信3件の会社と、返信6件の会社では、年間で得られる採用機会の数が3倍違います。 送信量を増やすより、返信率を上げる方が圧倒的に費用対効果が高い。貴社の状況を入力して、改善余地を概算してみてください。

Input 1

月間のスカウト送信数

100通 / 月
20通1,000通

Input 2

現状の返信率

3%
1%20%

Input 3

返信1件あたりの想定価値

3.0万円 / 件

返信から面談・選考に進んだ場合の採用機会の想定価値。3万円は新卒・若手中途の目安、エンジニア・ハイクラス層は10万円以上で試算するケースもあります。

現状の年間返信数

36件 / 年

100通 × 12ヶ月 × 返信率3%

返信率を2倍にできた場合

+36件 / 年

返信率 3% → 6% に改善した場合の追加返信数

追加で得られる採用機会価値

108万円/ 年

追加返信数 × 返信1件あたりの想定価値

※ あくまで概算シミュレーション。実数値は媒体・職種・採用フェーズ・歩留まりにより大きく変動します。「返信率2倍」は5ステップを全て実行した場合の目安として設定しています。

AIスカウトを詳しく見る

返信率2倍は、運用設計で実現できます

送信量を増やすのではなく、ターゲット精緻化と文面構造化で返信率を底上げする。Tasonal AIスカウトは評価項目の構造化と「固定×可変」スカウト文設計で、媒体問わず返信率を仕組みで上げます。

実践ステップ

返信率2倍を実現する5つのステップ

5つの根本原因に対応する5ステップ × 3アクション = 15項目を整理しました。上のステップから順に着手することで、返信率の改善が積み上がります。

各項目をクリックすると詳細が開きます

1

Step 1: ターゲット定義の精緻化

Must/Want/NGの3軸で送信対象を絞り込み、媒体特性に合わせる

3項目
1-AMust/Want/NGの3軸で評価項目を構造化する
仕組み化が必要

「Must=絶対条件」「Want=あれば歓迎」「NG=除外条件」を採用責任者と現場で合意します。曖昧な「マッチしそうな人」ではなく、誰が読んでも同じ判断ができる粒度まで言語化することが、送信対象の精度を上げる前提条件です。

1-B媒体特性に合わせてターゲット層を変える
すぐできる

Wantedlyはカルチャー訴求が刺さる若手層、ビズリーチはキャリア訴求型のミドル〜ハイ層、Forkwell/Greenは技術訴求型のエンジニア層、というように媒体ごとの読者特性が異なります。同じ求人でも媒体ごとにターゲットの切り出し方を変えることで返信率が上がります。

1-C候補者プロフィールを必ず読み込んでから送る
すぐできる

テンプレ一斉送信ではなく、候補者の直近職務・特定スキル・公開した記事などを1つは具体的に拾います。LinkedIn公式データでも、個別送信は一括送信より返信率が20%高いとされます。読み込みに5分かけても、返信率が2倍になればROIは十分に合います。

2

Step 2: 件名・冒頭文の設計

受信トレイで最初に目に入る15〜20文字で「自分宛」と感じさせる

3項目
2-A件名の冒頭に「会社名・定型句」を置かない
すぐできる

「【スカウトのお知らせ】」「株式会社○○より」といった定型句や会社名を冒頭に置くと、スマホ表示で候補者の名前や具体的な訴求が見えなくなります。冒頭は「候補者個人に向けた具体的なメッセージ」または「数字を含む明確な訴求」を置きます。

2-B件名は20文字以内、冒頭に候補者固有要素を入れる
すぐできる

スマホの受信トレイで見えるのは件名の最初の15〜20文字程度。この範囲に「○○のご経験を拝見しまして」「△△職の□□様へ」など、候補者個人に紐づく要素を入れます。テンプレ化された定型句では開封率が大きく落ちます。

2-C本文の冒頭3行で「自分宛だ」と感じさせる
すぐできる

本文の冒頭3行で候補者のプロフィールから具体的な要素を引きます。「直近で○○のプロジェクトに携わられたとのこと」「△△のスキルセットに関心を持ちました」など。3行目までに「テンプレ感」が出ると候補者は読み飛ばします。

3

Step 3: 本文を「固定 × 可変」で構造化する

テンプレートと個別パートを分離し、品質と運用効率を両立

3項目
3-A本文を「導入・個別訴求・会社訴求・CTA」の4ブロックに分ける
仕組み化が必要

本文を①導入(候補者プロフィールへの言及)②個別訴求(候補者のこの経験がなぜ自社にフィットするか)③会社訴求(自社で実現できること)④CTA(具体的な次のアクション)の4ブロックに分けます。構造を明確にすると個別パートだけ書き換える運用が可能になります。

3-B「固定パート(会社訴求・CTA)」のテンプレを職種別に整備
仕組み化が必要

求人ごと・職種ごとに「固定パート」をテンプレ化します。エンジニア向けには技術スタック・開発体制、営業向けには商材・顧客層、デザイナー向けにはプロダクト・デザインプロセス、というように。職種別に「固定パート」を充実させると、可変パートに集中できます。

3-C「可変パート(個別訴求)」はAIに下書きさせ、人が最終調整する
ツール活用

候補者プロフィールを読み込んだ上での個別パートは、AIに下書きを作らせて人が最終調整するワークフローが効率的です。テンプレ全文をAIで生成すると「AI感」が残りますが、可変パートだけAI生成して人がチェックする運用なら、品質を保ったまま運用工数を圧縮できます。

4

Step 4: 送信タイミングを媒体・職種ごとに最適化

「曜日 × 時間帯 × 媒体 × 職種」の最適枠を自社データで特定する

3項目
4-A「曜日 × 時間帯 × 返信率」を媒体ごとにマトリクス集計する
仕組み化が必要

送信日時と返信有無を媒体ごとに記録し、月次でマトリクス化します。多くの媒体は管理画面で送信ログを出力できます。スプレッドシートに転記して曜日 × 時間帯のヒートマップを作ると、自社にとっての最適枠が浮かび上がります。

4-B職種特性に合わせて送信タイミングを変える
仕組み化が必要

エンジニアは夜型(21〜23時帯)、営業職は朝〜昼休み、デザイナーは平日午後、というように職種ごとに開封率ピークが異なります。全候補者に「平日朝9時一斉送信」する運用から、職種別の送信時刻を設定する運用に切り替えます。

4-C媒体ごとの「目に入る位置」を意識する
ツール活用

doda公式のプレミアムオファー(受信トレイ上位2週間表示)の開封率は77%。媒体ごとに「目に入る位置に置く」機能(上位表示・プラチナ枠等)が用意されているため、自社の優先求人にはこうした機能を選択的に使う設計を検討します。

5

Step 5: 返信後の初動フォローを24時間以内に

返信が来た瞬間が勝負。スピードを仕組みで担保する

3項目
5-A返信通知を即時に検知する仕組みを整える
仕組み化が必要

媒体の管理画面を1日1回見るだけだと、返信から半日〜1日のラグが発生します。各媒体の通知をSlack等に集約し、返信が来た瞬間に担当者が認識できる状態を作ります。複数媒体を使っている場合は、通知を1箇所に集約することが特に効きます。

5-B返信に対する初動メッセージをテンプレ化しておく
すぐできる

返信内容のパターン(前向き・温度低め・質問あり・条件確認)ごとに初動メッセージのテンプレをあらかじめ用意します。担当者が「何を書こうか」と考えている時間が短縮され、返信から数十分〜数時間で次のアクションを返せます。

5-C面談日程の提案は返信と同時に出す
仕組み化が必要

「ぜひお話を」だけで終わると、そこから日程調整の往復が始まり、最短でも数日かかります。初動メッセージに「来週○日・△日・□日の以下の枠でいかがでしょうか」と具体的な候補日を3つ以上含めることで、返信→面談確定までの空白期間を最小化できます。

データ検証

返信率と送信設計の相関データ

5ステップの効果を、各媒体の公式・公開データで裏付けます。 特に「個別送信 vs 一括送信」と「開封率」の2点は、媒体公式が明確に数値を公表しています。

個別送信 vs 一括送信

+20%

LinkedIn公式によれば、一通一通個別送信されたメッセージは、マス送信されたメッセージより返信率が20%高い。テンプレートで送られたメールよりも高い返信実績が確認されています。

出典: LinkedIn公式ヘルプ

プレミアム表示時の開封率

77%

dodaダイレクトのプレミアムオファー機能(受信トレイ上位に2週間表示)の開封率は77%。媒体ごとに「目に入る位置」を確保する仕組みがあれば、開封率は大きく変動します。

出典: doda公式

返信率改善の成功事例(媒体公式報告)

Wantedly: 0.5% → 20%(40倍)

現場メンバーが候補者プロフィールを読み込んで個別メッセージを書く運用に切り替えた事例。テンプレ送信からパーソナライズ送信への転換で返信率が劇的に改善(Wantedly公式 Three Shake事例)。

Wantedly: 25%超 を達成

内製でスカウト作成プロセスを改善し、媒体平均(約20%)を上回る25%超の返信率を実現した事例(Wantedly公式 PRUM事例)。

ビズリーチ: 全体平均8% → 13.49%(+68%)

評価項目の精緻化とスカウト文の構造化で、ビズリーチ全体平均8%に対して13.49%の返信率を維持した事例(BizReach withHR公式 Chatwork事例)。

キーインサイト

返信率改善の本質は「文面を書き換える」ことではなく、「ターゲット定義 × 文面構造 × 運用品質」を仕組みとして回すことです。公開されている成功事例の共通点は、いずれも「候補者プロフィールを読み込む運用」と「文面の構造化」を組み合わせている点。単発の文面改善ではなく、運用設計そのものを変える必要があります。

運用設計を、AIで仕組み化する

評価項目の構造化、固定×可変のスカウト文設計、フィードバック学習による継続改善。Tasonal AIスカウトは、返信率を上げるための運用設計をプロダクトに組み込みました。

AI活用

AIを活用した返信率改善

5ステップのうち、特に「ターゲット定義の構造化」「文面の固定×可変設計」「フィードバック学習」はAIスカウトツールで仕組み化できます。手作業で運用するのには限界がありますが、 AIを活用すれば運用品質を保ったまま規模を拡大できます。

機能 01

評価項目の構造化と候補者優先順位付け

Must/Want/NGの3軸で評価項目を構造化し、候補者プロフィールに対して自動でスコアリング。優先順位の高い候補者から送信する運用が可能になり、ターゲット精緻化が仕組みとして回ります。

Step 1 に対応

機能 02

「固定×可変」のスカウト文生成

求人ごとの固定パート(会社訴求・CTA)はテンプレ化し、可変パート(個別訴求)は候補者プロフィールに基づいてAIが下書き。人が最終調整するワークフローで、品質を保ったまま運用工数を圧縮します。

Step 2, 3 に対応

機能 03

フィードバック学習による継続改善

返信があった候補者・面談化した候補者のパターンをAIが学習し、次回以降のターゲット選定とスカウト文に反映。運用を続けるほど、自社にとっての最適化が進みます。

Step 1, 5 に対応

手作業の運用 vs AI活用

手作業の場合

  • 1通あたり10〜15分のプロフィール読み込み
  • 担当者により品質にばらつきが出る
  • ターゲット定義が暗黙知化しやすい

AI活用の場合

  • 評価項目構造化で送信対象を自動優先順位付け
  • 固定×可変パートで品質を一定に保つ
  • フィードバック学習で運用が改善し続ける
アクションプラン

何から始めるか — 段階別ロードマップ

15項目をいきなり全部やる必要はありません。「今日から / 1週間以内 / 1ヶ月以内」の3段階に分け、それぞれの期間で着手しやすい施策を整理しました。

Today

今日から

テンプレ・運用ルールの見直しだけで効くクイックウィン。今日のうちに着手できる。

  • 件名の冒頭から「【スカウト】」「会社名」を外し、候補者個人に紐づく要素に差し替える
  • 本文の冒頭3行に必ず候補者プロフィールへの言及を入れるルールを定める
  • 返信に対する初動メッセージのテンプレを準備する(パターン別に3〜4種)

Week 1

1週間以内

ターゲット定義と運用ログ整備。社内ルールとして定着させる。

  • Must/Want/NGの3軸で評価項目を構造化し、採用責任者と現場で合意
  • 送信日時と返信有無を記録するスプレッドシートを整備、月次集計を開始
  • 返信通知を媒体横断でSlack等に集約し、初動を24時間以内に統一

Month 1

1ヶ月以内

AI活用と仕組み化。返信率を「会社の標準」にする。

  • AIスカウトツールで「固定×可変パート」の構造化と職種別テンプレを整備
  • 媒体別・職種別の「曜日 × 時間帯 × 返信率」マトリクスを完成させ、最適枠で送信運用に切り替え
  • 返信率を月次でモニタリングする運用ダッシュボードを設置

1ヶ月で本格的に上げたい場合は、自走と並行してAIの活用を

運用ルールと仕組み化を進めても「人が間に入る限り品質と規模のトレードオフ」が残ります。AIスカウトツールを併走させることで、返信率の構造的な改善が短期間で実現できます。

FAQ

よくある質問

まとめ

返信率改善は、「文面」ではなく「運用設計」から

スカウト返信率を上げる最も効果的なアプローチは、ターゲット定義の精緻化と文面の構造化を仕組みで回すことです。単発の文面改善ではなく、運用設計そのものを変える必要があります。

5ステップのうち、まず取り組むべきは「Step 1 ターゲット定義」と「Step 2 件名・冒頭設計」。この2つだけでも返信率は目に見えて改善します。 さらにAIスカウトを導入すれば、評価項目の構造化と「固定×可変」スカウト文設計を仕組みとして回せます。

返信率が上がらない本当の原因は「文面が悪い」のではなく、「ターゲットと運用設計が曖昧」なこと。運用設計は今日から変えられる最もROIの高い改善ポイントです。

Tasonal AIスカウト

テンプレ送信から、AIで個別最適へ。

Tasonalは評価項目の構造化、「固定×可変」のスカウト文設計、選考結果のフィードバック学習で、 媒体問わずスカウト返信率を仕組みで底上げします。

本ページのデータ出典

※ 公開されている媒体別ベンチマークは、採用代行や上位運用ケースを含んだ数値です。自社実勢との乖離があり得るため、参考値として捉えてください。