Media > AI活用ユースケース > 採用 > 人材派遣の会社の採用の担当が、求人の媒体ごとの過去の掲載の費用と応募の数から、翌月の媒体ごとの応募の数を Python で予測し、掲載の予算の配分の案を作る

人材派遣の会社の採用の担当が、求人の媒体ごとの過去の掲載の費用と応募の数から、翌月の媒体ごとの応募の数を Python で予測し、掲載の予算の配分の案を作る

実装ステータス:構成例 技術的に実現可能な構成として設計したもの。自社未検証

媒体・エリアごとの過去の掲載の費用と応募の数から、費用を変えたときに応募がどれだけ増減するかを Python で推定します。翌月の予算の中で、プランと費用の組み合わせごとに応募の数の幅を出し、配分の案を並べます。

サマリー
連携・自動化
Python
対象業界
人材/介護/小売/物流
対象部門
採用
対象業務
比較検討/集計・分析
主な課題
データ分析に時間がかかる/判断に時間がかかる/属人化している
AIで行う処理
予測
主な効果
判断支援/属人化解消/工数削減
導入難易度
★★★★☆
実装レベル
本格構成
費用感
個別開発(大)
人間の確認
条件付き
現在工数
12h/月
AI導入後
4h/月
想定削減
67%
年間削減
96h
モデル条件による試算値です。実在企業の実績ではありません。

01導入前 / 導入後の業務フロー

導入前(Before)
  1. 月末に、媒体ごとの管理画面から当月の費用・表示の回数・応募の数を書き出す
  2. 掲載の記録に当月の分を足し、媒体・エリアごとに応募1件あたりの費用を計算する
  3. 翌月の派遣の依頼の見込みを営業から聞き、エリアごとに必要な登録の数を見当づける
  4. 前の月の配分を元に、応募1件あたりの費用が高い媒体を減らし、安い媒体を増やす
  5. 媒体の営業から来た新しいプラン・特集の提案を、過去の似たプランの成績と比べる
  6. 配分の案を作り、採用の責任者の承認を取って、媒体に申し込む
導入後(After)
  1. 人月末に、媒体の管理画面から当月の費用・掲載の日数を書き出し、掲載の記録の決まった場所に置く
  2. 自動月初の朝、Python が掲載の記録と、応募の管理の仕組みから書き出した媒体・エリア・月ごとの応募の件数を読み込む
  3. 自動媒体ごとに、費用・掲載の日数・プラン・時給の帯・月から応募の数を説明するモデルを学び直す
  4. 自動媒体・エリアごとに、翌月に取りうるプランと費用の候補のそれぞれについて、応募の数の中央と幅を出す
  5. 自動予算の中で応募の数の見込みが多くなる組み合わせを上から3つ並べ、前の月と同じ配分の場合と比べる
  6. 自動過去に試したことのない費用の水準、学習の行の少ない媒体・エリアに印を付ける
  7. 人担当が3つの案と印を見て、エリアごとの必要な登録の数と照らし、案を1つ選ぶか手直しする
  8. 人採用の責任者が承認し、担当が媒体に申し込む
  9. 自動翌月の終わりに、選んだ案の見込みと実際の応募の数を比べた当たり方を記録する
各工程の詳しい説明を読む
  1. 月末に、媒体ごとの管理画面から当月の費用・表示の回数・応募の数を書き出す
  2. 掲載の記録に当月の分を足し、媒体・エリアごとに応募1件あたりの費用を計算する
  3. 翌月の派遣の依頼の見込みを営業から聞き、エリアごとに必要な登録の数を見当づける
  4. 前の月の配分を元に、応募1件あたりの費用が高い媒体を減らし、安い媒体を増やす
  5. 媒体の営業から来た新しいプラン・特集の提案を、過去の似たプランの成績と比べる
  6. 配分の案を作り、採用の責任者の承認を取って、媒体に申し込む

(a)平均の費用で比べている。 応募1件あたりの費用は、その月にかけた費用の全体を応募の数で割った平均です。「あと5万円置いたら何件増えるか」は、平均からは分かりません。 平均の安い媒体に予算を寄せた月に、応募がほとんど増えないことがあります。

(b)季節の波と費用の効き方が混ざる。 年度の替わりや夏休みの前は、どの媒体も応募が増えます。その月に予算を増やした媒体は、予算の効果なのか季節なのかが分かりません。

(c)配分の考え方を知っているのは1名。 どの媒体がどのエリアで頭打ちになりやすいかは、長く担当してきた1名の頭の中にあります。その人が休んだ月は、前の月の配分がそのまま使われます。

(d)媒体の営業の提案を比べられない。 「上位のプランにすれば応募が倍になる」という提案を、自社の記録で確かめる方法がありません。

(e)課金の方式が違うものを同じ表で比べている。 掲載の課金はプランの段階で料金が飛び、クリックの課金は1万円単位で動かせます。同じ「応募1件あたりの費用」の列に並べても、次の1万円をどちらに置くかは決められません。 担当は、プランの段階を1つ上げるか、クリックの上限を少し上げるかを、毎月その場の感触で選んでいます。

  1. 【人】 月末に、媒体の管理画面から当月の費用・掲載の日数を書き出し、掲載の記録の決まった場所に置く
  2. 【自動】 月初の朝、Python が掲載の記録と、応募の管理の仕組みから書き出した媒体・エリア・月ごとの応募の件数を読み込む
  3. 【自動】 媒体ごとに、費用・掲載の日数・プラン・時給の帯・月から応募の数を説明するモデルを学び直す
  4. 【自動】 媒体・エリアごとに、翌月に取りうるプランと費用の候補のそれぞれについて、応募の数の中央と幅を出す
  5. 【自動】 予算の中で応募の数の見込みが多くなる組み合わせを上から3つ並べ、前の月と同じ配分の場合と比べる
  6. 【自動】 過去に試したことのない費用の水準、学習の行の少ない媒体・エリアに印を付ける
  7. 【人】 担当が3つの案と印を見て、エリアごとの必要な登録の数と照らし、案を1つ選ぶか手直しする
  8. 【人】 採用の責任者が承認し、担当が媒体に申し込む
  9. 【自動】 翌月の終わりに、選んだ案の見込みと実際の応募の数を比べた当たり方を記録する

7番を人に残しているのが、この設計の要です。 モデルが比べるのは応募の数だけで、どのエリアにどれだけ登録が要るか、媒体との付き合いをどう続けるかは、担当と責任者が決めます。 案は「応募の数を多くする」という1つの物差しで並べたものにすぎません。

5番で「前の月と同じ配分」を並べるのは、動かす価値があるかを見るためです。 案の応募の数の中央が前の月とほとんど変わらなければ、担当は配分を動かさずに済ませます。

6番の印は、モデルの外側の値を見分けるためです。 過去に月20万円までしか置いたことのない媒体に40万円を置いた案は、曲線を延ばした値で、確かめられていません。

02今回想定するシステム構成

構成図
掲載の記録(媒体・エリア・プラン・費用・日数・時給の帯)   応募の件数(媒体・エリア・月の集計)
        │                                                       │
        └──────────────────┬────────────────────────────────────┘
                           ▼【トリガー】月初の朝
Python
   ├──▶ 媒体・エリア・月の表を作る(応募者個人の情報は読まない)
   ▼
statsmodels の NegativeBinomial(loglike_method="nb2"、exposure=掲載の日数)
   │   log(応募の数) = 媒体・エリア + 媒体ごとの費用の効き方 × log(費用) + 月 + 時給の帯
   ▼
Python ── プランと費用の候補ごとの応募の数の中央と幅
   ├──▶ 予算の中で応募の見込みが多い組み合わせを上から3つ
   ▼
配分の案(採用の課の共有のシート)
   ▼
【担当が選んで手直し → 責任者が承認】
役割想定する製品代替候補
実行環境Python(pandas・NumPy)R
処理エンジンstatsmodels の NegativeBinomial(負の二項の回帰)statsmodels の GLM(ポアソン)、scikit-learn の PoissonRegressor
集計Python(候補ごとの幅、予算の中の組み合わせ、当たり方)表計算の計算式
保管社内のファイルサーバー(学習の記録、案、選んだ案、当たり方)-

新しく足すのは Python の処理だけです。 媒体の管理画面と応募の管理の仕組みは、これまでどおり使います。応募の管理の仕組みからは、媒体・エリア・月ごとの件数の集計だけを書き出します。

モデルは statsmodels の負の二項の回帰です。 公式のページ(0.15.0)では、NegativeBinomial の loglike_method の既定は 'nb2' で、分散は μ + αμ² とされています。応募の数は、同じ条件でも月によって平均より大きくばらつくので、平均と分散が等しいポアソンより、ばらつきを別に持つ負の二項が合います。 exposure を渡すと、その対数が係数1で線形の予測に足されるとされているので、掲載の日数を exposure にし、掲載が月の途中で始まった行を日数の分だけ割り引きます。

03どうやって実装するのか

Step1

処理の起点を決める

毎月の初めの朝に動かします。 月末に担当が媒体の管理画面から費用と掲載の日数を書き出して置き、月初にそれを読み込んで学び直します。応募の件数は、月の締めの後に応募の管理の仕組みから書き出します。 月末の数日に来た応募が後から入ることがあるので、締めの翌々営業日に書き出すと決めておきます。

段いつすること
1. 書き出し月末と締めの翌々営業日費用・日数と、応募の件数の集計
2. 学び直し月初の朝媒体ごとの費用の効き方を推定し直す
3. 案の作成学び直しの後候補ごとの幅、予算の中の組み合わせ
4. 当たり方の記録翌月の初め選んだ案の見込みと実際を比べる

媒体の申し込みの締めの前に、案が出ている必要があります。 掲載の課金の媒体は、前の月の中旬に翌月の枠を申し込むことがあります。申し込みの締めが早い媒体は、前の月の中旬にもう1回動かし、その時点の記録で案を作ります。

Step2

入力データを集める

データ中身取得元
掲載の記録月、媒体、エリア、課金の方式、プラン、費用、掲載の日数、表示した時給の帯、職種の区分採用の課のスプレッドシート
応募の件数月、媒体、エリア、職種の区分ごとの応募の件数応募の管理の仕組みの集計の書き出し
プランの一覧媒体ごとのプラン、料金、掲載の日数、申し込みの締め媒体から受け取った料金の表
予算と制約翌月の予算、媒体ごとの下限・上限、エリアごとの最低の掲載採用の責任者が決める表

応募の件数は、集計の値だけを使います。 応募の管理の仕組みには、応募した人の氏名・連絡先・経歴が入っていますが、この構成に要るのは媒体・エリア・月ごとの件数だけです。 書き出しの設定で集計の表だけを出すようにし、個人の行を Python に読ませません。

質を決めるのは、掲載の記録の「掲載の日数」と「時給の帯」の列です。 月の途中で掲載を始めた媒体の応募が少ないのは、費用が効かなかったからではなく、日数が短かったからです。日数が無いと、費用の効き方を低く見積もります。 時給の帯は、同じ費用でも応募の集まり方を変えるので、説明の列に入れます。

Step3

データの取得方法を決める

取るもの範囲使い道
掲載の記録過去3年の月ごと費用・日数・プランの列
応募の件数同じ期間の月ごと正解(応募の数)
プランの一覧翌月の料金の表候補の作成
予算と制約翌月の分組み合わせの条件

応募の経路の付け方を、先に確かめます。 応募の管理の仕組みが、媒体ごとの応募を正しく分けているかを見ます。クリックの課金の媒体から自社の採用サイトに来て応募した人が「自社サイト」と数えられていると、その媒体の費用の効き方が0に近く出ます。 媒体ごとの計測の印(応募のページのURLに付ける印など)がそろっているかを、学習の前に確かめます。

媒体の管理画面からの書き出しは、月ごとの費用の合計で足ります。 日ごとの細かい値は使いません。月をまたぐ掲載は、日数で按分して各月に入れます。

クリックの課金の媒体は、上限ではなく実際に使った費用を入れます。 月の上限を30万円に決めても、クリックが少なければ使われるのは20万円かもしれません。上限の額を費用として学ばせると、使われなかった分まで「効かなかった費用」として数えられ、効き方を低く見ます。 掲載の課金の媒体は、申し込んだプランの料金がそのまま費用です。2つの課金の方式は、行に方式の列を付けて区別しておきます。

Step4

AIへ渡す前に整形する

  1. 行の単位をそろえる … 媒体・エリア・月を1行にします。職種の区分は、行を分けるか列にするかを決めます(この記事は列にします)
  2. 費用の対数 … 費用に1を足して対数にします。掲載の課金の媒体は、プランの料金を費用として入れます
  3. 掲載の日数 … exposure に入れます。0日の行(その月に掲載しなかった)は学習から外します
  4. 月の列 … 1月〜12月をカテゴリにし、年度の替わりと夏休みの前の波を学ばせます
  5. 時給の帯 … 地域の相場と比べた表示の時給の帯(低い・相場・高い)を入れます
  6. 計測の不備の月を外す … 計測の印が付いていなかった月、媒体の不具合で掲載が止まった月を外します

2番で費用の対数を使うのが、頭打ちを表すためです。 応募の数の対数が費用の対数に係数 b で比例するとき、費用を2倍にすると応募は 2 の b 乗倍になります。 b が1より小さければ、倍の費用で倍の応募にはなりません。媒体ごとに b を推定し、媒体の性格の違いとして読みます。

1番で職種を列にするのは、行を細かくしすぎないためです。 媒体・エリア・職種・月に分けると、応募が数件の行ばかりになり、費用の効き方が推定できません。

Step5

AIに処理させる

させるのは、媒体・エリア・月の行ごとに、応募の数の平均を費用・日数・プラン・時給の帯・月から推定し、候補ごとの応募の数を幅で出すことだけです。

させることさせないこと
媒体ごとの費用の効き方(対数の係数)の推定応募した人の選考・順位付け
プランと費用の候補ごとの応募の数の中央と幅予算の総額を決めること(責任者が決める)
予算の中で応募の見込みが多い組み合わせの列挙求人の内容(時給・条件)の表示を決めること

時給の帯は、説明の列として使うだけにします。 「時給の表示を上げれば応募が増える」という見込みは出せますが、表示する時給は実際の条件で決まるもので、応募を集めるために変える値ではありません。 職業安定法の第5条の4は、労働者の募集に関する情報について虚偽の表示又は誤解を生じさせる表示をしてはならないとし、募集を行う者は情報を正確かつ最新の内容に保たなければならないとしています。配分の案には時給の帯を動かす候補を入れず、実際の条件の帯をそのまま使います。

組み合わせは、媒体・エリアごとの候補から1つずつ選ぶ形で探します。 掲載の課金の媒体はプランが数個、クリックの課金の媒体は1万円刻みの費用が候補です。24の組み合わせのそれぞれから1つを選び、合計が予算に収まる中で応募の数の中央の合計が多いものを探します。 候補の数が少ないので、予算を1万円の単位にした動的計画法で厳密に解けます。

組み合わせを探すときの条件は、責任者が決めた表から読みます。

条件例置く理由
予算の総額翌月の募集の予算責任者が決める
媒体ごとの下限年間の契約で最低の掲載がある媒体契約の条件
媒体ごとの上限前の月の1.5倍まで学習の範囲の外に出すぎない
エリアごとの最低の掲載どのエリアも1媒体以上登録が途切れないように
前の月からの動かし幅1つの組み合わせで前の月の±50%まで一度に大きく動かすと効き方の記録が読めない

最後の行の「動かし幅」は、モデルのための条件です。 案が毎月大きく振れると、どの変化が効いたのかが記録から読めなくなります。少しずつ動かすほうが、翌月の学び直しで効き方の推定がはっきりします。

Step6

指示内容を固定する

この構成の中心は生成AIではなく回帰のモデルなので、プロンプトの代わりに、学習と案の作成の設定を示します。

import numpy as np, pandas as pd
import statsmodels.api as sm

df["log_cost"] = np.log1p(df["cost_k"])          # 費用(千円)の対数
X = pd.get_dummies(df[["media_area", "month", "wage_band"]],
                   drop_first=True, dtype=float)
for m in media_list:                              # 媒体ごとの費用の効き方
    X[f"lc_{m}"] = df["log_cost"] * (df["media"] == m)
X = sm.add_constant(X)

mod = sm.NegativeBinomial(df["apps"], X, loglike_method="nb2",
                          exposure=df["days"])
res = mod.fit(method="bfgs", maxiter=500, disp=0)
alpha = res.params["alpha"]                       # ばらつきの大きさ
print(res.summary())

媒体ごとの費用の効き方は、lc_<媒体> の係数で読みます。 係数が0.3の媒体は、費用を2倍にしても応募は約1.23倍、0.8の媒体なら約1.74倍です。係数が負に出た媒体は、モデルの外の事情(計測の印の不備、季節の重なり)を疑います。 費用を増やして応募が減ることは、ふつうは起きません。

fit の結果の要約で、係数の幅も見ます。 係数の幅が0をまたぐ媒体は、費用の効き方がはっきりしていない媒体です。その媒体の案には印を付け、大きく動かさない候補だけを並べます。

候補ごとの見込みと、予算の中の組み合わせは次のように出します。

rng = np.random.default_rng(7)
rows = []
for key, cands in candidates.items():             # 媒体・エリアごとの候補
    Xc = build_X(key, cands, next_month)          # 候補ごとの説明の列
    mu = res.predict(Xc, exposure=cands["days"].to_numpy())
    n = 1.0 / alpha
    sims = rng.negative_binomial(n, n / (n + mu[:, None]), size=(len(mu), 4000))
    lo, mid, hi = np.percentile(sims, [10, 50, 90], axis=1)
    rows.append(cands.assign(mu=mu, lo=lo, mid=mid, hi=hi))

table = pd.concat(rows)
plans = best_k_allocations(table, budget_k=budget, k=3,
                           min_k=min_by_media, max_k=max_by_media)

predict に exposure を必ず渡します。 公式のページでは、exposure の既定は「exog を渡したときは1、渡さないときはモデルの値」とされています。新しい候補の行を exog で渡して exposure を省くと、掲載の日数が1日として計算され、応募の数が日数分の1になります。 公式のページでは which の既定は 'mean' で、線形の予測の指数、つまり平均を返すとされています。

幅は、負の二項の分布から引いて出します。 n = 1/alpha、p = n/(n+μ) とすると、平均が μ、分散が μ + αμ² の分布になります。係数の推定の幅は、この試算に入っていません。 印の付いた候補は、その分だけ幅が狭く見えていると考えます。best_k_allocations は、予算を1万円の単位にした動的計画法で、中央の合計が多い組み合わせを上から3つ返す関数です。

Step7

出力形式を固定する

配分の案の表と、媒体ごとの費用の効き方の表の2つを、採用の課の共有のシートに書き出します。

列(配分の案)中身
案の番号1〜3と、前の月と同じ配分(比べるため)
媒体・エリア組み合わせの単位
プラン・費用案で選んだ候補
応募の数の下・中央・上候補ごとの試算の10%・50%・90%の値
応募1件あたりの費用(中央)費用 ÷ 中央
エリアの合計の中央・下エリアごとの足し上げ
印過去に試していない費用/効き方がはっきりしない媒体/行の少ない組み合わせ
列(媒体ごとの費用の効き方)中身
媒体6つ
効き方の係数と幅lc_<媒体> の係数と、推定の幅
費用を2倍にしたときの倍率2 の係数乗
過去に置いた費用の範囲学習の行の最小と最大

「前の月と同じ配分」の行を必ず並べます。 案の応募の数が前の月の配分とほとんど変わらないなら、配分を動かす手間と媒体との調整に見合いません。 差が大きいときだけ、担当は案を詳しく見ます。

エリアの合計の「下」の列が、担当の見る場所です。 エリアごとに必要な登録の数を、控えめに見ても満たせるかを見ます。満たせないエリアがあれば、予算の総額の相談を責任者に上げる材料になります。

案の表の1行は、たとえば次のようになります(値は説明のための例です)。

案1 | 大手サイトA・首都圏 | 標準のプラン 4週 | 費用 240千円 | 応募 下 38・中央 52・上 68 | 印なし
案1 | クリック課金B・関西 | 上限 150千円   | 費用 150千円 | 応募 下 21・中央 30・上 41 | 印:過去に試していない費用
前月 | クリック課金B・関西 | 上限 80千円    | 費用 80千円  | 応募 下 15・中央 22・上 30 | -

2行目と3行目を並べて読むのが、この表の使い方です。 費用を約2倍にして中央が22から30に増える見込みで、その増え方が、ほかの媒体に同じ額を置いた場合より大きいかどうかを比べます。印の付いた行は、曲線を延ばした値です。

Step8

システムへ連携する

つなぎ先方式内容
掲載の記録共有のスプレッドシートを読む費用・日数・プラン・時給の帯
応募の管理の仕組み媒体・エリア・月の集計の書き出し応募の件数
プランの一覧・予算と制約共有のシートを読む候補と条件
採用の課の共有のシート書き出す案、効き方、当たり方

媒体への申し込みは、担当が管理画面から行います。 この構成は媒体の管理画面に書き込みません。応募の管理の仕組みにも書き込まず、集計の書き出しを読むだけです。

Step9

人が確認する

  1. 3つの案と前の月の配分を比べる … 差の大きい媒体・エリアから見ます
  2. 印の付いた候補を見る … 過去に試していない費用の水準は、小さく試すか見送るかを決めます
  3. エリアの合計の下を見る … 必要な登録の数を満たせないエリアを責任者に上げます
  4. 求人の内容を確かめる … 掲載する求人の時給・条件が実際の条件と合っているかを確かめます
  5. 承認を取って申し込む … 責任者の承認の後、担当が媒体に申し込みます

4番は、配分の案とは別の確認です。 案は費用の置き方を並べるだけで、掲載する中身の正しさは見ていません。 募集を終えた求人が掲載されたままになっていないかも、ここで確かめます。

媒体の営業から新しいプランの提案が来たときも、同じ表で比べます。 提案のプランの料金と掲載の日数を候補に足して動かすと、自社の記録で見た応募の数の幅が出ます。過去に同じ媒体で似た費用を置いたことがなければ印が付くので、「まず1エリアで1か月試す」という返事の根拠になります。

Step10

例外に対処する

起きること対応
媒体の管理画面の書き出しが置かれていないその媒体を前の月の値で仮に置き、印を付ける
応募の件数に計測の印の無い応募が多いその月を学習から外し、計測の設定を直す
新しい媒体を試す学習の行が無いので案に入れず、別の枠で小さく試す
費用の効き方の係数が負に出るその媒体の案を出さず、学習の記録を担当が見る
推定が収束しない媒体・エリアの列を減らして学び直し、印を付ける
媒体のプランの料金が変わるプランの一覧を直して、候補を作り直す
派遣の依頼が急に増える予算の総額の相談として責任者に上げ、案は参考にとどめる
当たり方が前の月より大きく悪化案を出さず、学習の記録を担当が見る
Step11

記録を残す

  • 学習に使った範囲、説明の列、外した月とその理由
  • 媒体ごとの効き方の係数と幅、ばらつきの大きさ(alpha)
  • 3つの案と前の月の配分の表、印
  • 担当が選んだ案と手直しの内容、責任者の承認の日
  • 翌月の当たり方(選んだ案の媒体・エリアごとに、実際の応募の数が下〜上の値に入った割合)

応募した人の情報は、ログにも残しません。 残すのは件数の集計と、案と、決めた内容だけです。

4つ目の「手直しの内容」を残すのは、担当の判断を後から学ぶためです。 案1をそのまま選んだ月と、印の付いた候補を外した月で、翌月の当たり方がどう違ったかを見ると、どの印を重く見るべきかが分かってきます。

04実装レベルの3段階

最小構成:費用と応募の数の散布図を媒体ごとに描き、傾きを読む / 媒体の性格の把握
半自動化:上記+媒体ごとの効き方を推定し、候補ごとの応募の数の幅を出す / 候補ごとの見込み
本格構成:上記+予算の中の組み合わせの案、前の月との比べ、印、当たり方の記録 / 見込みから配分の案まで

本記事の想定は本格構成です。 1件30分が10分になるのは、書き出しの突き合わせ、比べ、配分の案がそろって出てくるからです。残る10分は、案と印を見て選び、求人の内容を確かめる時間です。 半自動化で半年ほど当たり方を見てから本格構成に進みます。 候補ごとの幅が実際の応募をどれだけ含むかを見ないと、組み合わせの案を信用してよいかが分かりません。半年のうちに年度の替わりか夏休みの前の繁忙の月を1回含めます。 応募の集まりやすい月と集まりにくい月の両方で、幅の当たり方を確かめます。

05工数削減シミュレーション

前提値(モデル条件)
対象人数
2 名
月間件数
24 件
1件あたり現在時間
30 分
1件あたり導入後時間
10 分
現在  24件 × 30分 ÷ 60 = 12 時間/月
導入後 24件 × 10分 ÷ 60 = 4 時間/月
月間削減時間
8h
削減率
67%
年間削減時間
96h
年間金額換算(時間単価3,500円)
34万円
モデル条件による試算であり、実際の効果は業務内容・運用方法によって異なります。

自社条件で導入効果を整理したい方へ

このユースケースを自社に当てはめた場合の前提値と削減見込みを、業務ヒアリングをもとに整理します。

AI活用について相談する

06向いている企業・向いていない企業

向いている
  1. 登録スタッフや現場の職種を、複数の求人の媒体に毎月掲載して集めている人材派遣の会社、小売・物流・介護の会社。媒体ごとに掲載の課金とクリックの課金が混ざり、月の予算をどの媒体・エリアにいくら置くかを担当者の経験で決めている場合。媒体の管理画面から月ごとの費用と応募の数を2年分以上書き出せる場合。
向いていない
  1. 使う媒体が1つだけで、配分を考える余地が無い場合。月の応募の数が媒体ごとに数件で、費用との関係を推定できない場合。媒体の費用を年間の契約でまとめて払っていて、月ごとの費用が分からない場合。なお、応募した人の選考や順位付けをする構成ではありません。予算の配分を決めるのは採用の責任者で、求人の内容の表示は職業安定法に沿って人が確かめます。

07最小構成で試す方法

  1. 過去2年の掲載の記録と、媒体・エリア・月ごとの応募の件数を1つの表にする
  2. 媒体ごとに、横軸に費用、縦軸に掲載の日数あたりの応募の数を取った散布図を描く
  3. 横軸と縦軸を対数にした図も描き、点が右上がりの直線に近いかを見る
  4. 媒体ごとに、直線の傾きをざっと読む
  5. 計測の印が欠けていた月を見つけて印を付ける
出てきた内容判断
対数の図で、媒体ごとに傾きが違う費用の効き方を推定して配分する構成に進む
どの媒体も費用をほとんど動かしていない効き方が推定できない。数か月、費用を意図して動かしてから進む
計測の印が欠けた月が多い計測の設定を直すのが先

2行目は珍しくありません。 毎月同じプランで掲載していると、費用を変えたときのことは記録に残りません。媒体ごとに月をずらして費用を上げ下げする期間を作ると、効き方が読めるようになります。 同じ月に全部の媒体を動かすと、季節の波と区別がつかないので、1か月に動かすのは1〜2媒体にします。

散布図は、担当と責任者が一緒に見てください。 「この媒体は費用を増やしても点が上に伸びていない」という形は、数字の表より伝わります。その場で、費用を動かす計画の合意まで取れることがあります。

08実装時につまずきやすいポイント

問題対策
平均の費用で配分を決めてしまう費用の対数の係数で、足したときの増え方を見る
季節の波を費用の効果と取り違える月の列を入れる
月の途中の掲載で効き方を低く見る掲載の日数を exposure に入れる
predict で応募の数が極端に小さい新しい候補の行に exposure を渡す
媒体の応募が自社サイトに数えられる計測の印をそろえ、欠けた月を外す
過去に無い費用の水準を信じる学習の範囲の外の候補に印を付ける
時給の表示を動かす案が出る時給の帯は実際の条件のまま使い、候補にしない
応募者の個人の情報が流れ込む集計の表だけを書き出す設定にする
クリックの課金の上限を費用として学ぶ実際に使った費用を入れる
案が毎月大きく振れる前の月からの動かし幅を条件に入れる
応募の数だけで媒体を評価してしまう登録の面談の後の歩留まりは別の表で見る

上の3行が、この構成の土台です。 どれも「費用が効いたのか、ほかの事情か」を分けることの問題です。最後の行は、この構成の物差しの限界です。 応募が多くても面談に来ない媒体は、案の上では良く見えます。担当が歩留まりの表を隣に置いて選ぶ運用にします。

09セキュリティ・AIガバナンス上の注意点

この構成で扱うデータ: 媒体・エリア・月ごとの費用と応募の件数、プランと料金、予算。応募した人の個人の情報は扱いません。

  1. 個人の情報を読まない … 職業安定法の第5条の5は、求職者等の個人情報を業務の目的の達成に必要な範囲で、目的を明らかにして収集し、その範囲で保管・使用することを求めています。配分の案に要るのは件数だけなので、個人の行を書き出さない設定にします
  2. 応募した人の選考に使わない … この構成は媒体ごとの件数を扱うだけで、誰を選ぶかには関わりません
  3. 求人の表示を応募を集めるために変えない … 令和4年の職業安定法の改正(令和4年10月1日施行)で、求人等に関する情報の的確な表示が義務化されました。配分の案は費用の置き方だけを扱います
  4. 外部へ送らない … 生成AIを使わず、社内のPCで動かします
  5. 媒体の料金の表を外に出さない … 媒体から個別に受け取った料金は、取引の情報です
  6. スクリプトを1人の持ち物にしない … 手順書と、動かし方を知る2人目を用意します

集計の値でも、行が細かすぎると人が分かることがあります。 小さなエリアの小さな媒体で月の応募が1〜2件の行は、採用の課の中では誰の応募か見当がつきます。この構成ではエリアを4つにまとめ、職種は列にして、行を細かくしすぎないようにしています。 共有のシートの閲覧も採用の課と責任者に限ります。

誤りが起きた場合のリスクは、応募が足りずに派遣の依頼に応えられないことと、効かない媒体に予算を置き続けることの2つです。 前者はエリアの合計の下の値で見ることで、後者は当たり方を毎月記録することで抑えます。

10まず何から始めるか

1週目:掲載の記録と応募の件数を1つの表にする

過去2年の掲載の記録に、媒体・エリア・月ごとの応募の件数を並べます。掲載の日数の列が無ければ、媒体の管理画面の履歴から埋めます。

2週目:計測の印を確かめる

媒体ごとの応募が正しく分かれているかを見ます。クリックの課金の媒体から自社の採用サイトに来た応募の数え方を、ここで直します。

3週目:散布図を描く

第8章のとおり、媒体ごとに費用と応募の数の対数の図を描きます。費用を動かしたことのない媒体を書き出します。

4週目:費用を動かす計画を決める

費用を動かしたことのない媒体について、月をずらして上げ下げする計画を責任者と決めます。

2か月目: 媒体ごとの効き方を推定し、候補ごとの幅を出して、担当の配分と並べます。3か月目以降: 予算の中の組み合わせの案を足し、当たり方を毎月見ます。担当が替わっても、同じ表で配分の理由を責任者に説明できるようになった時点で、この構成は完成です。


11関連ユースケース

12この仕組みを理解するための記事

13技術仕様の確認日・参考情報

技術仕様確認日:2026-11-18/最終更新:2026-11-18
確認した内容情報源確認日
NegativeBinomial の loglike_method の既定が 'nb2' で選択肢が nb2・nb1・geometric、nb2 の分散が μ + αμ²、offset が係数1で線形の予測に足されること、exposure の対数が係数1で足されること(0.15.0)statsmodels: NegativeBinomial2026-11-18
predict の which の既定が 'mean' で線形の予測の指数を返すこと、exposure の既定が「exog を渡したときは1、渡さないときはモデルの値」であることstatsmodels: NegativeBinomial.predict2026-11-18
職業安定法第5条の4:募集に関する情報の虚偽の表示・誤解を生じさせる表示の禁止、募集を行う者が情報を正確かつ最新の内容に保つこと。第5条の5:求職者等の個人情報を業務の目的の達成に必要な範囲で収集・保管・使用することe-Gov 法令API: 職業安定法2026-11-18
令和4年の職業安定法の改正(令和4年10月1日施行)で、求人等に関する情報の的確な表示の義務化、個人情報の取扱いに関するルールの整備、求人メディア等に関する届出制の創設が行われたこと厚生労働省: 令和4年職業安定法の改正について2026-11-18

予算の配分は採用の責任者が決め、掲載する求人の内容は実際の条件と合っているかを人が確かめてください。 本記事は上の公式のページで確認できた範囲だけを扱っています。

実装ステータス:構成例。 公開仕様に基づいて設計した構成であり、当社で実際に構築・検証したものではありません。工数の数値はモデル条件による試算です。

自社の業務に使えるAI活用候補を整理します

このユースケース(UC-3804)についてのご相談はこちらから。

AI活用について相談する
目次