採用データ分析とは？やり方・見るべき指標一覧と課題別の活用方法

「応募は来ているのに、なかなか採用につながらない」「採用コストが年々増えているが、何が原因かわからない」。こうした悩みを抱える人事担当者は少なくありません。

しかし、採用データ分析とはそもそも何を指すのか、どのデータを集めればよいのか、分析結果をどう改善に活かせばよいのか、といった疑問を持つ方も多いのではないでしょうか。

本記事では、採用データ分析の基本的な考え方から、収集すべきデータ一覧、具体的な分析方法、課題別の活用手法、そしてツールや実践のポイントまで、採用・人事向けAIツールを提供するJAPAN AIが網羅的に解説します。

採用データ分析とは？

採用データ分析とは、応募から入社に至るまでの採用プロセスで発生するさまざまなデータを収集・可視化し、採用活動の課題を特定して改善に活かす手法です。「採用分析」とも呼ばれ、近年では多くの企業が取り組みを始めています。

具体的には、応募者数や選考通過率、内定辞退率、採用単価といった定量データを集計し、「どの選考フェーズにボトルネックがあるのか」「どの採用チャネルが費用対効果に優れているのか」を明らかにします。

従来の採用活動では、担当者の経験や勘に頼った意思決定が一般的でした。しかし、データ分析を取り入れることで、属人的な判断に偏らず、再現性のある採用改善が可能です。採用データ分析を導入すれば、施策の効果検証を定量的に行えるため、限られた予算と人員で最大の成果を引き出せます。

採用データ分析が必要とされる背景

採用データ分析が注目される背景には、いくつかの構造的な変化があります。

まず、売り手市場の長期化が大きな要因です。2026年7月時点で有効求人倍率（季節調整値）は1.18倍、dodaの転職求人倍率は2.71倍と、企業間の人材獲得競争は依然として激しい状況が続いています。限られた候補者を確実に採用するためには、採用プロセスのどこに問題があるかを正確に把握する必要があります。

また、採用チャネルの多様化も背景の一つです。求人媒体や人材紹介、ダイレクトリクルーティング、リファラル採用など、候補者との接点が増えたことで、「どのチャネルにどれだけ投資すべきか」の判断が複雑化しています。

さらに、経営層からのROI説明要求も高まっています。採用コストが増加する中で、「なぜこの媒体に出稿するのか」「採用単価は適正か」といった問いに対して、データで根拠を示す力が人事部門に求められるようになりました。

こうした環境の変化により、勘と経験だけに頼る採用活動では最適な意思決定が難しく、データに基づく採用改善が不可欠です。

出典:厚生労働省「一般職業紹介状況（令和8年7月分）について」
出典:パーソルキャリア「転職求人倍率レポート（2026年7月）」

採用データ分析で収集すべきデータ一覧

採用データ分析を始めるにあたって、まず「どんなデータを集めるか」を整理しましょう。採用活動で収集できるデータは、大きく人数・コスト・期間・その他の4カテゴリに分類できます。

以下では、採用データ分析で収集すべき代表的な指標を一覧で紹介します。

人数に関するデータ

採用プロセスの各フェーズにおける人数データは、採用データ分析の基本中の基本です。

これらの数値を選考フェーズごとに追跡することで、どの段階で候補者が離脱しているかが明確になります。フェーズ間の通過率を算出すれば、改善すべきボトルネックを特定できます。

コストに関するデータ

採用活動にかかるコストデータは、費用対効果の検証に欠かせません。

特に採用単価は、「採用コスト合計÷採用人数」で算出でき、採用活動全体の効率を測る代表的な指標です。なお、採用単価の分子に含める費目（広告費のみか、人件費やツール費まで含めるか）は企業によって異なるため、自社内で定義を統一したうえで媒体間や時系列での比較に用いてください。

期間・時間に関するデータ

採用のスピードに関するデータも、採用データ分析において重要な役割を果たします。

採用活動全体の所要日数が長すぎると、優秀な候補者が他社に流れてしまうリスクが高まります。なお、内定から入社までの期間には候補者側の退職時期など企業側では短縮しにくい要因も含まれるため、選考プロセス内で改善可能な区間（応募〜書類選考、面接〜内定）を重点的に計測しましょう。

その他のデータ

定量データに加えて、以下のようなデータも採用データ分析に活用できます。

• 採用チャネル別データ：どの経路からの応募が多いか、質が高いか
• 応募者属性データ：経験年数や保有スキルなどの分布
• 面接評価スコア：面接官による評価の傾向やばらつき
• 入社後の定着率・離職率：採用時の判断が入社後のパフォーマンスに影響しているか
• 候補者アンケート結果：選考体験に対する候補者の満足度

特に、面接官の所感や候補者からのフィードバックといった定性データは、数値だけでは見えない課題を浮き彫りにしてくれます。定量データと定性データを組み合わせることで、より立体的な採用データ分析が可能です。

採用データ分析の基本原則

採用データ分析では、データを集めた後に「比較する」「時系列でみる」「要因を探る」の3つの基本原則を押さえることで、データから有意義な示唆を引き出せます。

以下では、それぞれの原則を具体例とともに紹介します。

• 比較する：媒体別・職種別・部署別・前年比などの切り口でデータを対比する
• 時系列でみる：月次・四半期・年次の推移からトレンドや季節変動を把握する
• 要因を探る：数値変化の背景にある原因をフェーズ・属性・外部要因に分解して特定する

比較する

データは単体で見ても意味を持ちにくく、何かと比較することで初めて「良い・悪い」の判断ができます。比較の切り口としては、以下のようなものがあります。

• 媒体別比較：求人媒体Aと媒体Bで、応募数・通過率・採用単価はどう違うか
• 職種別比較：エンジニア採用と営業採用で、採用活動全体の所要日数に差があるか
• 部署別比較：部署ごとの内定承諾率に偏りがないか
• 前年比較：昨年同時期と比べて、応募数や歩留まりに変化があるか

たとえば、「媒体Aは応募数が多いが採用単価が高い。媒体Bは応募数は少ないが費用対効果が高い」といった比較ができれば、予算配分の最適化に直結します。

時系列でみる

データを時系列で追跡することで、トレンドや季節変動を把握可能です。月別・四半期別・年別の推移を確認し、「応募数が減少傾向にあるのか」「特定の月に辞退率が跳ね上がるのか」といったパターンを見つけましょう。

時系列分析のポイントは以下の通りです。

• 月次推移：直近12か月の応募数・通過率・採用単価の推移を折れ線グラフで可視化する
• 季節変動：年度末や賞与支給後など、転職市場が活発化する時期の傾向を把握する
• 施策前後の比較：求人原稿の改善やプロセス変更の前後でデータがどう変化したかを確認する

時系列データを蓄積することで、「この時期にはこの施策を打つべき」といった精度の高い採用計画を立てられます。

要因を探る

数値の変化を確認したら、次は「なぜそうなったのか」を深掘りします。たとえば、ある月の歩留まり率が急に下がった場合、以下のような要因分解をして考えてください。

1. どのフェーズで下がったか：書類選考なのか、一次面接なのか、最終面接なのか
2. どの属性で下がったか：特定の職種やチャネル、面接官に偏りがないか
3. 外部要因はあるか：競合企業の大量採用や市場環境の変化など

要因を特定することで、「面接官Aの通過率が極端に低い→面接基準のすり合わせが必要」「媒体Cからの応募は多いがミスマッチが多い→ターゲット設定を見直す」といった具体的な改善アクションにつなげられます。

採用データ分析の具体的な方法

採用データ分析を実務で活用するには、代表的な分析指標の計算方法と読み解き方を理解しておく必要があります。採用データ分析で、使用頻度の高い4つの分析手法を具体的に紹介します。

採用活動全体のコスト

採用コストの分析は、経営層への報告や予算策定で必ず求められるテーマです。

採用単価の計算式：採用単価 ＝ 採用コスト合計 ÷ 採用人数

さらに、媒体別に採用単価を算出すると、投資効率の比較が可能です。

この例では、ダイレクトリクルーティングCの費用対効果が最も高いことがわかります。媒体間で比較する際は、分子に含める費目を統一して算出してください。

応募経路ごとの内定率

採用チャネルの効果を測るには、応募数だけでなく内定率まで追跡することが重要です。

チャネル別内定率の計算式：チャネル別内定率 ＝ そのチャネルからの内定者数 ÷ そのチャネルからの応募者数 × 100

応募数が多い媒体が必ずしも効果的とは限りません。内定率まで含めて評価することで、「量」と「質」の両面からチャネルの実力を判断できます。

歩留まり率

歩留まり率は、採用データ分析の中でも特に重要な指標です。各選考フェーズの通過率を算出し、どこにボトルネックがあるかを特定します。

歩留まり率の計算式：歩留まり率 ＝ 次のフェーズに進んだ人数 ÷ 現フェーズの人数 × 100

この例では、最終面接の歩留まり率が37.5%と低く、ここがボトルネックだとわかります。原因としては、面接官の評価基準のばらつきや候補者とのミスマッチ、競合他社との併願状況などが考えられます。

歩留まりをファネル図として可視化すると、経営層やチームメンバーへの共有もスムーズです。

採用データ分析におけるAI活用について詳しく知りたい方は、「AI採用とは？できること・活用業務例やメリットデメリット」の記事もあわせてご覧ください。

【課題別】採用データ分析の具体的な手法

採用データ分析は、自社が直面する課題に応じて「見るべきデータ」と「改善アクション」を使い分けることで、実務上の成果に直結します。採用担当者が直面しやすい4つの課題ごとに、どのデータを見て、どう改善につなげるかを解説します。

費用対効果の高い採用媒体を見極めたい

見るべきデータ：媒体別の応募数・書類通過率・内定率・採用単価

費用対効果を正しく評価するには、単純な応募数やクリック数ではなく、最終的に何人採用できたかを基準にする必要があります。分析の手順は以下の通りです。

1. 利用している全媒体の費用・応募数・採用数を一覧化する
2. 媒体別の採用単価を算出する
3. 媒体別の内定率・入社後定着率も含めて総合評価する

たとえば、採用単価が安くても入社後3か月以内の離職率が高い媒体は、実質的なコストが高くなります。コストと質の両面で評価することが、費用対効果の本質的な見極めにつながります。

分析結果をもとに、成果の低い媒体への出稿を減らし、費用対効果の高い媒体に予算を集中させましょう。

選考辞退・内定辞退を減らしたい

見るべきデータ：フェーズ別辞退率・辞退理由・連絡〜返答の日数

選考辞退や内定辞退は、採用活動の歩留まりを大きく低下させる要因です。まずはどのフェーズで辞退が多いかを特定しましょう。

辞退率の計算式：辞退率 ＝ 辞退者数 ÷ 該当フェーズの対象者数 × 100

辞退が多いフェーズが特定できたら、次は辞退理由の分析です。辞退者へのアンケートや人材紹介会社からのフィードバックを通じて、以下のような理由を把握します。

• 他社の選考が先に進んだ
• 面接の印象が悪かった
• 条件面（年収・勤務地）が合わなかった
• 選考期間が長すぎた

特に、応募から面接までの日数や面接から結果通知までの日数が長い場合、候補者の志望度が低下しやすくなります。選考スピードの改善は、辞退率の低減に直結する施策です。

早期離職者を減らしたい

見るべきデータ：入社後の定着率・離職率・採用時の評価データとの相関

早期離職（入社後1年以内の離職）は、採用コストの損失だけでなく、現場の負担増にもつながります。分析のポイントは、採用時のデータと入社後のパフォーマンスを紐づけることです。

• 面接評価スコアが高かった人材は定着しているか
• 特定のチャネルから入社した人材の離職率に偏りはないか
• 入社前に提示した業務内容と実際の業務にギャップがないか

たとえば、「人材紹介経由の入社者は定着率が高いが、求人媒体A経由の入社者は6か月以内の離職率が30%」というデータが得られれば、媒体Aの求人原稿の内容や入社後のオンボーディング施策を見直すきっかけになります。

採用データ分析は、入社がゴールではなく、入社後の活躍・定着まで含めて評価することで真の効果を発揮します。

採用活動の効率を高めたい

見るべきデータ：採用活動全体の所要日数・選考フェーズ別の所要日数・面接回数

採用活動の効率化には、プロセス全体の所要日数分析が有効です。

まず、「求人公開→応募→書類選考→面接→内定→入社」の各フェーズにかかる日数を計測します。そのうえで、以下の観点で改善余地を探ります。

• 書類選考に時間がかかりすぎていないか：選考基準の明確化やスクリーニング項目の見直しで短縮できる可能性がある
• 面接の日程調整に時間がかかっていないか：面接官のスケジュール確保やオンライン面接の活用で改善できる
• 不要な選考ステップがないか：面接回数が多すぎる場合、候補者の負担増と辞退リスクにつながる

データに基づいてプロセスを見直すことで、採用の質を落とさずに工数を削減し、人事担当者の業務効率を高められます。

AIを活用した書類選考の自動化も、選考スピードの改善に有効な手段です。

採用データ分析をAIで加速するなら「JAPAN AI HR」

採用活動のデータ分析を本格的に推進するには、データの収集・可視化・分析を効率的に行える基盤が欠かせません。JAPAN AI HRは、書類選考のAIスクリーニングからAI面接、面接議事録の自動生成・評価レポート作成まで、採用プロセス全体をワンプラットフォームでカバーする人事支援AIプラットフォームです。既存のATSとも連携でき、採用データの一元管理と分析の高度化を同時に実現します。最短約1週間で利用を開始でき、専任チームによる導入サポートも充実しています。

工数削減から
採用力強化まで伴走支援

採用業務のAX化

トータル支援サービス

JAPAN AI HR

採用業務のAX化

トータル支援サービス

JAPAN AI HR

✓

一連の採用フローを効率化する
採用特化型AIプラットフォーム

✓

自社特有の業務に合わせたAIエージェ
ントの作成、個別開発にも対応

✓

採用業務の棚卸しからAIへの代替まで
伴走するAXコンサルティング

資料請求はこちら

採用データ分析に活用できるツール

採用データ分析を効率的に進めるには、適切なツールの活用が欠かせません。ここでは、代表的な2種類のツールを紹介します。

採用管理システム（ATS）

ATS（Applicant Tracking System）は、応募者情報の管理から選考プロセスの追跡、データ分析まで一元的に行える採用管理システムです。

ATSを導入する主なメリットは以下の通りです。

• データの一元管理：複数の求人媒体からの応募情報を一箇所に集約できる
• 自動集計・レポート機能：歩留まり率や採用単価、所要日数などを自動で算出し、ダッシュボードで可視化できる
• 選考プロセスの標準化：選考ステータスの管理が統一され、属人的な運用を防げる

2026年時点では、AI連携機能を搭載したATSが増加しています。応募書類の整理や候補者とのマッチング支援など、データ分析の高度化を支援する機能が充実してきました。

ATSを選定する際は、自社の採用規模・利用媒体数・必要な分析機能を基準に比較検討しましょう。

Googleアナリティクス

自社の採用サイト（採用ページ）を運営している場合、Googleアナリティクスを活用したアクセス解析も有効です。

採用サイトにおける主な分析項目は以下の通りです。

たとえば、「求人媒体Aからの流入は多いが、応募転換率が低い」というデータがあれば、求人原稿の内容と採用ページの情報にギャップがある可能性が考えられます。

ATSとGoogleアナリティクスを組み合わせることで、「集客→応募→選考→入社」の全プロセスをデータで可視化でき、より精度の高い採用データ分析が実現します。

出典:Google アナリティクス ヘルプ「[GA4] エンゲージメント率と直帰率」

採用データ分析を効果的に行うポイント

採用データ分析でデータを集めてツールを導入しても、それだけでは成果につながりません。分析を形骸化させず実際の改善に結びつけるためには、目的の明確化・定性データの活用・AI活用の3つのポイントを押さえることが重要です。

目的を明確にしてからデータを収集する

採用データ分析で最も重要なのは、「何を改善したいか」を先に定義することです。目的が曖昧なまま手当たり次第にデータを集めると、集計作業に追われるだけで改善につながりません。たとえば、以下のように目的とデータを紐づけて整理しましょう。

目的を明確にすることで、収集すべきデータが絞り込まれ、分析の効率も上がります。

定量データだけでなく定性データも活用する

数値データだけでは、課題の「原因」まで見えないことがあります。たとえば、「一次面接の歩留まりが低い」という定量データがあっても、それだけでは原因が面接官のスキルにあるのか、候補者の質にあるのか、面接の進め方にあるのかは判断できません。ここで役立つのが定性データです。

• 候補者アンケート：「面接で会社の魅力が伝わったか」「選考で不満に感じた点はあるか」
• 面接官の所感：「候補者の志望度が低かった」「求めるスキルセットと合わなかった」
• 人材紹介会社のフィードバック：「他社と比較して年収水準が低いと感じている候補者が多い」

定量データで「どこに問題があるか」を特定し、定性データで「なぜ問題が起きているか」を深掘りする。この組み合わせが、実効性のある改善策を導き出します。

AI・生成AIの活用

2026年現在、採用領域におけるAI活用は急速に進んでおり、従業員500名以上の企業を対象とした調査では、採用AI活用企業は58.3%に達しています。

採用データ分析においても、AI・生成AIの活用が新たな選択肢として注目されています。

• 応募書類の整理・分類：AIが応募書類を解析し、求める要件との関連性を整理する
• 面接支援：生成AIが面接の文字起こしや要約を行い、評価の標準化を支援する
• データ分析の効率化：採用データの傾向分析やレポート生成をAIが自動で実行する

ただし、AI活用にあたっては公平性・透明性の確保と人間による適切な監督が重要です。AIはデータ処理や傾向分析に強みを持ちますが、最終的な採用判断は応募者の適性・能力に基づいて人間が行う必要があります。AIの出力結果を無批判に採用判断へ反映するのではなく、評価基準の妥当性や候補者への影響を定期的に検証してください。

AIツールを導入する際は、自社の採用プロセスのどの工程でAIが効果を発揮するかを見極め、段階的に活用範囲を広げていくアプローチが推奨されます。

出典:TalentX「AIネイティブ採用調査2026」

採用データ分析に関してよくある質問

採用データ分析はどのくらいの頻度で行えばよいですか？

基本的には月次での定期レビューを推奨します。応募数や歩留まり率、採用単価などの主要指標を毎月確認し、前月比や前年同月比で変化を追跡しましょう。加えて、四半期ごとに採用戦略レベルの振り返りを行うと、中長期的な改善につなげやすくなります。採用繁忙期には週次でのモニタリングも有効です。

応募数が少なくても採用データ分析は意味がありますか？

はい、意味があります。サンプル数が少なくても、媒体別の傾向把握や時系列での変化追跡は可能です。たとえば「媒体Aからの応募は少ないが通過率が高い」「先月より応募数が減っている」といった気づきは、少数のデータからでも得られます。まずは手元にあるデータから分析を始め、蓄積が増えるにつれて精度を高めていきましょう。

採用管理システムを導入すれば、すぐに分析を始められますか？

ツールを導入しただけでは、すぐに精度の高い分析はできません。目的の設定やデータ入力ルールの整備、運用体制の構築が先に必要です。たとえば、選考ステータスの更新ルールが統一されていなければ、歩留まりデータの正確性が損なわれます。まずは小さな範囲で運用を開始し、データの入力精度を高めながら分析範囲を広げていくことが成功のコツです。

採用データ分析で採用活動を改善しよう

本記事では、採用データ分析の基本から、収集すべきデータ一覧、分析の基本原則、具体的な方法、課題別の活用手法、そしてツールや実践のポイントまでを解説しました。

• まず目的を定める：「何を改善したいか」を明確にしてから、必要なデータを収集する
• 3つの基本原則を意識する：比較する、時系列でみる、要因を探る
• 定量×定性の両面で分析する：数値データだけでなく、候補者や面接官の声も活用する
• 小さく始めて改善サイクルを回す：完璧を目指さず、手元のデータから分析を始める

採用データ分析は、一度やって終わりではなく、継続的にデータを蓄積し改善を繰り返すことで効果を発揮します。

まずは自社の採用活動で「最も改善したい課題」を一つ決め、それに関連するデータの収集から始めてみてください。データに基づく採用活動が、採用力の向上と組織の成長を支えます。

JAPAN AIとは

JAPAN AIは、法人向けの国産生成AIプラットフォームです。AIチャット・議事録・エージェントなどのすぐ使える標準機能から、自社専用AIアプリのノーコード開発まで、全部門のAI活用をひとつの基盤で支えます。ジーニーグループのこれまでのDX・AX支援実績をもとに、ツールの提供にとどまらず、活用テーマの設計から現場での定着・成果創出まで専門チームが伴走します。

JAPAN AIの機能・活用事例・料金体系がわかるサービス紹介資料を無料でお送りします。

▼資料イメージ

• JAPAN AIでできること（AIチャット／議事録／エージェント／アプリ開発 ほか）
• ChatGPTなど汎用AIツールとの違い
• 業種・部門別の活用シーンと導入事例
• 導入から定着までの支援体制
• 料金体系とセキュリティ・ガバナンス対応

▼簡単1分！JAPAN AIの資料請求