求人媒体ごとの過去の応募数と掲載条件・時期から来月の応募数を見込み、採用目標に足りない職種と媒体の追加案を出す

処理の起点を決める

毎月15日に動かします。 翌月の掲載を決めるのが20日ごろなので、その5日前に見込みと案がそろっていれば、採用課が確認し、課長と相談し、媒体に申し込む時間が取れます。

15日にしているのは、前月の応募数が確定しているからでもあります。 応募者管理システムには、媒体からの応募が数日遅れて取り込まれることがあります。月初に動かすと、前月の最後の数日の応募が欠けたまま学習します。 前月の応募数が確定する日を、運用の中で先に確かめておきます。

新店の開業や大きな改装が決まったときは、採用課が手で動かせるようにします。 新店の採用は数十名をまとめて採るので、通常の月次とは別に、開業の3か月前から見込みを出します。

入力データを集める

質を決めるのは、掲載の記録です。 応募数は応募者管理システムにきれいに残っていても、その月にどの媒体にどのプランで何日掲載したかが残っていないと、応募が多かった理由が分かりません。 掲載の記録がスプレッドシートで担当者ごとにばらばらなら、まずここをそろえます。

採用計画は、店舗から上がってきた数字をそのまま使います。 店舗の欠員の見込みは、退職の申し出が月の途中で増えると変わります。予測を動かす15日の時点の採用計画を写して保存し、後から計画が変わったときは、どの時点の計画で不足を判定したかが分かるようにします。計画が変わった募集だけを、採用課が手で動かし直せるようにしておきます。

時給は、エリアの中での相対的な水準に直して持ちます。 同じ1,100円でも、都市部と郊外では意味が違います。エリアごとの自社の提示時給の中央値との差を特徴量にします。

データの取得方法を決める

応募の記録から取るのは件数だけです。 氏名や連絡先、年齢は予測に使いません。応募者管理システムの書き出しの段階で、個人を特定できる列を外します。

自社の採用サイトとハローワークからの応募も、媒体の1つとして数えます。 応募者管理システムに経路が記録されていれば、ほかの媒体と同じ形で集計できます。経路が「その他」や空欄になっている応募は、どの媒体の数字にも入れず、件数だけを別に数えます。 空欄の割合が大きい月は、応募の取り込みの設定が崩れている合図です。

地域の求人の統計は、予測する時点で公表されている値だけを使います。 統計は月ごとに公表されますが、翌月の値は予測する時点ではまだありません。学習のときも、その月の時点で公表されていた値を使います。 後から公表された値を学習に入れると、本番では手に入らない情報を使ったモデルになります。

AIへ渡す前に整形する

1. 月次への集計 … 応募の記録を、月 × 媒体 × 職種 × エリアの件数にします。応募が0件の月も、0の行として残します
2. 掲載の記録の結合 … 同じ月・媒体・職種・エリアの掲載の記録を結合し、掲載日数とプランを付けます
3. 掲載していない月の扱い … 掲載していない月の0件と、掲載したのに0件だった月を分けます。前者は学習から外し、後者は残します
4. 時給の水準 … エリアごとの中央値との差に直します。記録の無い古い月は空のままにします
5. 時期の特徴量 … 月、前年同月の応募数、直近3か月の平均を作ります
6. 地域の求人の動き … その月の時点で公表されていた最新の値を付けます
7. 歩留まりの計算 … 職種 × エリアごとに、直近12か月の応募から採用までの割合を出します
8. 重複の除去 … 同じ人が複数の媒体から応募した場合の数え方を決め、そろえます

3番目を軽く見ないでください。 掲載していない月の0件を学習に入れると、モデルは「この媒体はこの時期に応募が来ない」と覚えます。 実際は掲載していなかっただけです。掲載していたかどうかは、掲載の記録からしか分かりません。

AIに処理させる

させるのは、媒体 × 職種 × エリアごとの翌月の応募数を、「ふつうの見込み」と「控えめな見込み」の2本で予測することです。 不足の判定と追加の案は、予測の後にプログラムの規則で出します。

控えめな見込みで判定するのは、足りないときの損のほうが大きいからです。 応募が多すぎれば面接を断るだけで済みますが、少なすぎれば店舗は翌月も人手が足りないまま回します。低めの見込みで目標に届くかを見て、届かないものだけを手当てします。

特徴量は次のとおりです。

追加の案は、予測のモデルから効果を出しません。 モデルの入力の「掲載のプラン」を上のプランに変えて予測し直せば数字は出ますが、それは過去のデータの中の相関で、プランを上げれば応募が増えることを示すものではありません。 案には、そのエリア・職種で過去にその媒体・プランを使ったときの応募数の実績を並べ、実績の無い組み合わせは「実績なし」と明記します。

指示内容を固定する

生成AIは使わないので、プロンプトはありません。 代わりに、学習と予測の設定を固定して記録します。

# 学習の設定（毎月同じ）
対象: 月 × 媒体 × 職種 × エリア の応募数（掲載した月だけ）
期間: 直近36か月
ふつうの見込み: HistGradientBoostingRegressor(loss='poisson',
                 categorical_features='from_dtype')
控えめな見込み: HistGradientBoostingRegressor(loss='quantile', quantile=0.2,
                 categorical_features='from_dtype')
検証: TimeSeriesSplit(n_splits=5, gap=1)  # 1か月空けて検証
評価: 媒体ごと・エリアごとの絶対誤差、控えめな見込みを下回った割合

# 予測の規則
- 予測する月の地域の求人の動きは、その時点で公表済みの最新の値を使う
- 学習期間に掲載の実績が6か月未満の 媒体×職種×エリア は予測しない
  → 「実績不足」として人へ回す
- 予測が前年同月の実績の半分未満、または2倍を超えたら「要確認」を付ける

# 不足の判定
- 必要な応募数 = 採用目標 ÷ 歩留まり（直近12か月）
- 控えめな見込みの合計が必要な応募数を下回る募集を「不足」とする
- 歩留まりの元になる応募が30件未満の職種×エリアは、エリア全体の歩留まりを使う

検証に TimeSeriesSplit を使うのは、未来の月で学習して過去の月を当てるのを防ぐためです。 scikit-learn のドキュメントでは、時系列のデータのための分割で、通常の交差検証と違ってシャッフルせず、各回の学習の期間は前の回を含んで広がっていくとされています。gap を指定すると、学習と検証の間を空けられます。本番では前月の応募が確定してから翌月を予測するので、1か月空けた検証が本番の条件に近くなります。

「実績不足は予測しない」を規則に入れているのも、意図してのことです。 掲載したばかりの媒体や、新しいエリアの募集は、モデルが似た組み合わせから数字を出してしまいます。その数字がもっともらしいほど、人は疑いません。 予測しないと決め、人に回します。

出力形式を固定する

募集ごとに、次の形の表を出します。

機械が読む形は、次のJSONです。

{
  "target_month": "2026-11",
  "job": "夜間品出し",
  "area": "東エリア",
  "required_applicants": 0,
  "forecast_mid_total": 0,
  "forecast_low_total": 0,
  "status": "shortage | ok | insufficient_history | check",
  "by_media": [
    { "media": "", "plan": "", "mid": 0, "low": 0, "last_year_actual": 0 }
  ],
  "options": [
    { "media": "", "plan": "", "past_applicants": [0], "past_cost_per_applicant": 0,
      "note": "実績あり | 実績なし" }
  ]
}

表とJSONの両方を出すのは、読む人が違うからです。 表は採用課が見るためのもので、JSONは翌月に実績と突き合わせるために保存します。見込みと実績を同じ形で並べられないと、外れた理由を記録できません。

options には、効果の見込みの数字を入れません。 過去の実績の数字だけを並べ、「このプランなら何件増える」とは書きません。 第7章の「AIに何をさせるのか」で述べた理由です。

システムへ連携する

媒体には申し込みません。 掲載を決めて媒体に申し込むのは、採用課の仕事のままです。媒体の管理画面に自動で申し込む連携は作りません。 予算を伴う判断を、予測の数字だけで実行させないためです。

応募者管理システムにも書き込みません。 読むのは書き出したCSVだけです。

人が確認する

人が見るのは、「不足」「実績不足」「要確認」の募集だけです。 「届く」の募集は一覧で流し見ます。

1. 「不足」を先に見る … 不足の大きい順に、追加の案と過去の実績を見て、足し方を決めます。店舗の事情（近くの競合の開業など）があれば足します
2. 「要確認」を見る … 見込みが前年同月から大きく離れた理由を、特徴量の値から確かめます。掲載の記録の入力漏れが原因のことが多くあります
3. 「実績不足」を決める … 新しい媒体やエリアは、担当者が見込みを立てます
4. 課長と相談して決める … 追加の掲載の費用を含めて決めます
5. 翌月の終わりに外れた理由を記録する … 見込みと実績の差が大きかった募集について、理由を1行で残します

1番目で、案をそのまま採らないでください。 案は過去の実績を並べただけで、その媒体がいまも同じように応募を集められるかは分かりません。 媒体側のプランや料金が変わっていることもあります。

目標は、1件8分です。 60件のうち不足と要確認が1〜2割という想定で、それより多い月は、掲載の記録が漏れているか、地域の求人の動きが大きく変わっています。

確認の画面には、見込みの根拠になった値を並べます。 前年同月の実績、直近3か月の平均、掲載のプランと日数、地域の求人の動きの値です。担当者は、見込みが低い理由を「前年同月が低かったから」なのか「掲載日数が短いから」なのかで見分けられます。 理由が掲載の側にあれば、掲載日数を延ばすだけで足りることもあります。

例外に対処する

2行目がいちばん大事な例外です。 掲載の記録が漏れている月を「掲載していない」と扱うと、前処理の3番目で学習から外れ、さらに予測の入力も間違います。 記録が無いことと、掲載していないことは、人に聞かないと区別できません。

例外で止めた募集は、止めた理由と一緒に一覧の先頭に出します。 止まったまま20日の締め切りを迎えると、その募集だけ見込みの無いまま掲載が決まります。止めた募集の数を、通知の1行目に書きます。

記録を残す

• 取り込んだデータの写し（応募・掲載・採用・計画・統計）と取り込んだ日時
• 学習に使った期間と設定、モデルの版
• 予測の結果（JSON）と、判定・案
• 採用課が決めた掲載と、案から変えた点
• 翌月の実績と、見込みとの差、外れた理由
• 媒体ごと・エリアごとの誤差の推移

モデルの版と学習に使った期間を残すのは、毎月学習し直すためです。 先月と今月で見込みが大きく変わったとき、データが変わったのか、モデルが変わったのかを切り分けられるようにします。

5つ目が、この構成の改善の材料になります。 「競合の開業」「時給の改定」「媒体のプラン変更」のように外れた理由がたまると、どの特徴量を足せば外れが減るかが見えてきます。