スカウト
AIスカウトのベストプラクティス
評価項目の構造化からスカウト文面のカスタマイズ、 返信率を高める運用ノウハウまで、AIスカウトのベストプラクティスを解説します。
1. 評価項目を構造化する
AIスカウトの精度は評価項目の構造化で決まります。Must/Want/NGを明確に設計することで、AIが適切な候補者を選別できるようになります。
- 求人要件からMust（必須）条件を抽出
- Want（歓迎）条件を優先度順に設計
- NG（不適合）条件を定義して除外ルールを作成
- 現場メンバーとレビューして認識を合わせる
Must条件は3〜5項目に絞るのがコツです。多すぎると候補者プールが極端に狭くなります。
2. スカウト文面をカスタマイズする
Tasonalのスカウト文は「固定パート」と「AI可変パート」の2層構造。自社のトーンを保ちながら、候補者ごとにパーソナライズされたメッセージを生成します。
- 固定パートに自社の強み・カルチャーを記載
- AI可変パートに候補者に響くポイントの挿入箇所を設定
- 文面のトーン（フォーマル/カジュアル）を選択
- テスト生成で品質を確認し、文面テンプレートを確定
スカウト文の長さは300〜500文字が最も返信率が高い傾向にあります。長すぎると読まれません。
3. 候補者の優先順位を活用する
AIが評価項目に基づいて候補者をスコアリングし、優先順位付けを行います。高スコアの候補者から順にアプローチすることで、効率的にスカウトを実行できます。
- ダッシュボードでスコア分布を確認
- Aランク（高マッチ）から優先的にアプローチ
- 各候補者のスコア内訳を確認して、刺さるポイントを把握
- 送信前に候補者プロフィールとAI評価を照合
全員に一律のアプローチをするのではなく、スコア上位20%に注力する方が圧倒的に効率的です。
4. フィードバックで返信率を継続改善
スカウトの結果（返信/未返信・応募/辞退）をフィードバックすることで、AIのターゲティングと文面生成の精度が向上し続けます。
- 返信の有無・応募の有無をシステムに記録
- 「返信はあったが辞退」のケースは理由を記録
- AIの候補者評価と実際の結果の差分を分析
- 月次で返信率・応募率の推移をレビュー
返信率だけでなく「面接に至った率」を重視することで、質の高いスカウトに最適化できます。