採用データ分析の方法｜応募・通過率・辞退率・採用単価を改善につなげる

部署：人事・採用担当者部署：経営者・責任者レベル：実践公開日 2026.09.23　更新日 2026.10.17

採用ファネルの分析シートを見ながら、ボトルネックを確認しているオフィスデスクのイメージ

関連動画

採用データ分析の方法｜応募・通過率・辞退率・採用単価を改善につなげる

監修: 菊地将（リブランディング株式会社）

応募数や選考通過率、内定辞退率、採用単価を集計していても、「結局どこを直せばよいのか」が分からないままでは、改善にはつながりません。数字を並べるだけでは、どの工程で成果が止まっているのか、なぜ悪化したのかが見えてこないためです。

採用データ分析で大切なのは、同じ定義でデータを整え、職種・チャネル（求人媒体や紹介会社などの応募経路）・選考工程といった軸で切り分け、差が生じた理由を仮説として絞り込むことです。この記事では、応募から入社までの流れ（採用ファネル）全体のデータを対象に、成果が止まっている工程（ボトルネック）の見つけ方から、次の施策の決め方までを、実務の手順に沿って解説します。

採用データ分析は、全体把握から再測定までの5段階で進める

採用データ分析の目的は、数字を増やすことではなく、採用活動のどこで成果が止まっているかを特定し、次に変える施策を決めることです。

応募数、書類通過率、面接通過率、内定承諾率、辞退率、採用単価などを一覧にするだけでは、何を見るかは分かっても、なぜ悪化したのかまでは分かりません。そこで分析では、まず全体の変化を確認し、次に職種・チャネル・選考工程・時期へ分解し、最後に数字の差と現場情報を組み合わせて原因仮説を作ります。施策を決めたあとは、同じ条件で再測定して効果を確認します。次の表は、この5段階で確認することと到達点をまとめたものです。

段階	確認すること	到達点
1. 全体把握	応募から入社までの人数・率・費用・日数	異常がある工程を見つける
2. 切り分け	職種、チャネル、工程、時期などで比較	どこで差が生じているか絞る
3. 原因仮説	辞退理由、対応速度、面接評価などを重ねる	数字が動いた理由の候補を作る
4. 改善	変更する施策と対象を決める	次のアクションを1〜2個に絞る
5. 再測定	同じ定義・同じ切り口で再集計	施策後の変化を確認する

採用データ分析を全体把握、切り分け、原因仮説、改善、再測定の5段階で示したフロー図

この流れは、全体値を見るだけで終わらず、差が出る条件を絞り、原因仮説と改善施策を決めたあとに、同じ条件で再測定する循環になっています。

なお、採用KPIの目標値を決める作業と、取得済みデータを分析する作業は、分けて考えると整理しやすくなります。前者は「何を追うか」を決める作業で、後者は「得られた数字をどう切り分けるか」を考える作業です。指標そのものの設計から確認したい場合は、採用改善の効果測定の全体像を参照してください。

分析の前に、候補者・求人・チャネル・選考・理由・費用の6種類のデータを整える

分析の精度は、集計の方法よりも、元データがそろっているかどうかに左右されます。最初に、候補者1人ずつ応募から入社まで追える状態を作りましょう。

最低限、次の6種類のデータがあると分析を進めやすくなります。表は、データ群ごとの主な項目と、そこから分かることです。

データ群	主な項目	分析で分かること
候補者	候補者ID、応募日、現在ステータス	応募から入社までの進捗
求人	職種、募集部門、雇用区分	職種・部門別の差
チャネル	求人媒体、紹介会社、スカウト、リファラル等	流入元別の成果差
選考	書類、面接、内定、承諾、辞退の日時・結果	工程別の通過・離脱
理由	不合格理由、選考辞退理由、内定辞退理由	数字だけでは分からない原因候補
費用	媒体費、人材紹介料、その他の採用費	チャネル別の採用単価

候補者、求人、チャネル、選考、理由、費用の6データを候補者単位でつなぎ分析する構造図

候補者・求人・チャネル・選考・理由・費用を同じ候補者単位でつなげると、職種やチャネルごとの差を追いやすくなります。

データを整えるうえで特に気をつけたいのが、定義の統一です。たとえば「面接数」に設定件数を含める部署と、実施済みだけを数える部署が混在すると、面接通過率を正しく比較できません。「辞退」も、書類提出前の離脱、面接前辞退、選考中辞退、内定辞退を同じ項目にまとめると、原因がぼやけます。

そのため、データを整える段階では、計算式を考える前に「いつ、誰が、どの状態へ更新するか」を決めておきましょう。

応募・通過率・辞退率・採用単価は、同じ切り口で計算して比べる

採用データは、指標ごとに別々に見るより、同じ職種・チャネル・期間で並べると、原因を追いやすくなります。まず、代表的な計算式を確認します。

指標	計算例	主に確認すること
書類通過率	書類通過人数 ÷ 書類選考人数 × 100	応募者層と採用要件のずれ
面接通過率	面接通過人数 ÷ 面接実施人数 × 100	面接評価・要件・候補者層の差
選考辞退率	選考辞退人数 ÷ 選考対象人数 × 100	選考途中の離脱
内定承諾率	内定承諾人数 ÷ 内定提示人数 × 100	内定後の競争力・フォロー
採用単価	採用費 ÷ 採用人数	チャネルや施策の費用効率

採用単価は、採用にかかった費用を採用人数で割った、採用者1人あたりの費用です。この記事では、前の節で挙げた媒体費、人材紹介料、その他の採用費を含めて考えます。

計算するうえで注意したいのは、会社全体の平均だけで良し悪しを判断しないことです。営業職とエンジニア職では、採用市場も選考方法も違います。求人媒体と人材紹介でも、費用の構造が異なります。

そこで、まずは自社内で次の3つを比べます。

同一職種での、チャネルによる差
同一チャネルでの、職種による差
前月や前四半期との、時系列での差

外部の平均値は参考になりますが、分析の最初から外部基準だけで「高い・低い」を決めると、自社固有の原因を見落としやすくなります。

ボトルネックは、職種・チャネル・工程の順に切り分けて探す

採用ファネル全体で数値が悪化しているように見えても、原因は特定の職種やチャネルに偏っていることがあります。全体値を見た後は、少なくとも「職種×チャネル×工程」の順で切り分けます。

たとえば、ある四半期に100人の応募があり、書類通過30人、一次面接実施20人、内定5人、承諾3人だったとします（考え方を示すための仮の数字です）。会社全体の書類通過率は30％ですが、内訳を見ると、次のような差があるかもしれません。

A職種：応募40人、書類通過20人（通過率50％）
B職種：応募60人、書類通過10人（通過率約17％）

この場合、全体の「30％」だけを見るより、通過率が低いB職種の応募者層や採用要件を確認した方が、改善対象を絞れます。

採用データを全体から職種、チャネル、工程へ段階的に切り分けてボトルネックを特定する図

全体平均で判断せず、職種、チャネル、工程の順に絞ると、差が大きい場所と、次に確認すべき原因候補を特定しやすくなります。

たとえば、B職種をさらにチャネル別に分け、特定の媒体だけ通過率が低ければ、求人原稿の訴求や媒体の特性とのずれが仮説になります。どのチャネルでも同じように低ければ、採用要件や書類選考基準に原因がある可能性が高くなります。

このように、分析で探すのは「数字が低い」こと自体ではなく、「どの条件に限定すると差が大きくなるか」です。

辞退率は「発生地点・理由・選考日数」を重ねて分析する

辞退率は、辞退人数だけでは改善策を決めにくい指標です。どの工程で辞退したか、本人が伝えた理由は何か、そこまでに何日かかったかを重ねて確認します。

たとえば一次面接前の辞退が増えている場合でも、原因の候補は一つではありません。次のようなものが考えられます。

応募から初回連絡まで時間がかかっている
面接可能日の提示が遅い
求人票と面談時の説明に差がある
他社の選考が先に進んでいる
候補者が必要とする情報を面接前に提供できていない

採用辞退を発生地点、辞退理由、選考日数の3要素から分析し原因仮説へつなげる図

辞退人数や辞退率だけでなく、発生した工程、本人が伝えた理由、そこまでにかかった日数を重ねると、改善につながる原因仮説を作りやすくなります。

参考として、海外の研究を一つ挙げます。インド・ハイデラバードのIT/ITES業界で働く344人を対象に、time to fill、time to hire、応募完了率、オファー承諾率などの採用指標と候補者体験の関係が分析されています。日本企業へそのまま数値を当てはめることはできませんが、採用データを「企業側の効率」だけでなく「候補者側で何が起きているか」とあわせて見る必要性を考える材料になります。

理由の分析では、自由記述をそのまま眺めるのではなく、「他社決定」「条件」「選考速度」「仕事内容」「勤務地」「連絡・対応」「理由不明」など、自社で使える分類へ整理すると、比較しやすくなります。

採用単価は応募単価ではなく最終成果までつなげて見る

採用コストを分析するときは、「安く応募を集められたチャネル」が最も効率的とは限りません。応募から採用までに何人が残るか（歩留まり）を、同じチャネル単位で追う必要があります。

たとえば、媒体Aは40万円で40応募、2人採用、媒体Bは40万円で20応募、4人採用だったとします（仮の数字です）。応募単価（応募1件あたりの費用）と採用単価を比べると、次のようになります。

媒体A：応募単価1万円、採用単価20万円
媒体B：応募単価2万円、採用単価10万円

応募単価だけで比べると媒体Aの方が安く見えますが、採用まで見ると媒体Bの方が低コストです。

ただし、単価だけで予算配分を決めるのは避けましょう。職種、採用難易度、採用人数、入社後の定着などの条件が違えば、単純には比較できないためです。まず同じ職種・同じ期間でチャネルを比較し、必要に応じて選考通過率や採用数を重ねます。採用単価の計算方法や相場は、採用コストの相場と計算方法で確認できます。

原因仮説は一つの数値から断定せず、追加比較で絞り込む

採用データ分析で避けたいのは、「通過率が低いから面接官が悪い」「辞退率が高いから待遇が悪い」と、一つの数字だけで原因を決めることです。

異常値を見つけたら、次の表のように追加の比較を入れると、仮説の精度が上がります。

見つかった状態	次に比較するもの	原因仮説の例	次の確認・施策
応募数が減少	職種別・チャネル別・求人別	特定求人だけ流入減	原稿・掲載条件・流入元を確認
書類通過率が低下	職種別・チャネル別	ターゲット外応募が増加	求人要件と訴求を見直す
面接通過率に差	面接官別・職種別	評価基準のばらつき	評価項目と判定基準を確認
選考辞退が増加	工程別・日数別・理由別	連絡や日程調整の遅れ	応募〜面接までの日数を短縮
内定辞退が増加	職種別・理由別・競合状況	条件・仕事内容・意思決定速度	内定前後の説明・フォローを確認
採用単価が上昇	チャネル別・職種別・通過率	応募は多いが採用につながらない	予算配分と媒体選定を再確認

表の「原因仮説の例」は、断定ではなく確認の出発点です。追加の比較で裏づけが取れた仮説から、右端の「次の確認・施策」に進みます。

仮説を立てたら、施策を一度に増やしすぎないようにしましょう。変更点が多いと、翌月に数字が改善しても何が効いたのか分かりません。改善対象を絞り、再測定できる状態を残します。

採用管理システム（ATS）や表計算では、掛け合わせて比較できる状態を作る

採用管理システム（ATS）を使う場合も、導入しただけでは分析できません。ステータス、チャネル、職種、辞退理由などが一定のルールで記録されて初めて、比較できるデータになります。

各社の公開情報では、HRMOS採用には求人別・経路別、面接官別などのレポートが用意され、sonar ATSは応募経路やエントリー時期など複数の指標を掛け合わせるクロス集計に対応しているとされています。こうした機能は、全体値を表示するためではなく、差が生じている条件を絞るために使うと効果的です。

表計算でも同じ考え方で分析できます。候補者ごとに1行を持ち、職種、チャネル、各工程の日付・結果を列で管理しておけば、ピボットテーブルなどで職種別・チャネル別の人数や率を比較できます。

ただし、年齢などの属性を扱う場合は、用途に注意が必要です。厚生労働省は、募集・採用で年齢を理由とした制限を設けることを原則禁止しています。属性データを分析に使う場合も、法令や社内ルールを確認し、採否の基準へ安易に持ち込まない運用にしましょう。

週次は異常検知、月次は原因分析と改善判断に使う

採用データは、すべてを同じ頻度で詳しく分析する必要はありません。週次と月次で役割を分けると、運用しやすくなります。

週次では、応募数、未対応件数、面接設定数、選考辞退など、進行中の異常を早く見つけます。月次では、職種・チャネル・工程別の通過率、辞退理由、採用単価、選考日数などを比較し、改善施策を決めます。

月次レビューでは、次の5点を固定すると、分析がぶれにくくなります。

前月から大きく変化した数字は何か
変化はどの職種・チャネル・工程に偏っているか
数字以外の情報で説明できることは何か
次月に変える施策は何か
何の数字で改善を確認するか

この記録を残しておくと、「数値が悪いから何となく施策を変える」状態から、「仮説を持って変更し、同じ条件で再測定する」状態へ移行できます。

自社の採用データ分析を確認するチェックリスト

最後に、自社の分析環境を確認してみましょう。

候補者単位で応募から入社まで追える
職種名・チャネル名・選考ステータスの表記が統一されている
各工程の日付を記録している
辞退理由を工程別に分けている
費用をチャネル別に紐づけられる
全体値だけでなく職種別に比較している
職種内でチャネル別に比較している
通過率の差を面接官・時期など別軸でも確認している
数字と辞退理由などの定性情報を組み合わせている
改善施策の前後で同じ定義の指標を再測定している

すべてを最初から整える必要はありません。まずは「どこがボトルネックか分からない」という課題に直結する項目から揃え、分析対象を一つずつ増やす方が継続しやすくなります。分析項目や改善の優先順位を社内で整理するときは、チェックシートなどの共通フォーマットを使うと、担当者間で認識を合わせやすくなります。

まとめ

採用データ分析では、KPIを一覧化するだけでなく、同じ定義でデータを整え、「職種×チャネル×工程×時期」で切り分けることが重要です。全体値から異常を見つけ、差が大きい条件を絞り、辞退理由や選考日数などを重ねることで、改善すべき場所と原因仮説が見えてきます。

応募・通過率・辞退率・採用単価のどれか一つだけで判断せず、採用ファネル全体をつなげて確認してください。最初の一歩は、気になる職種を一つ選び、チャネル別・工程別に通過率と辞退の発生地点を見ることです。そのうえで改善施策を1〜2個に絞り、同じ条件で再測定すれば、採用データを「報告用の数字」から「次の判断に使える材料」へ変えられます。

参考文献・データ元

この記事で参照した情報を確認できます。

厚生労働省「募集・採用における年齢制限禁止について」／令和7年4月1日時点の案内を掲載／https://www.mhlw.go.jp/stf/seisakunitsuite/bunya/koyou_roudou/koyou/topics/tp070831-1.html ／属性データを採否基準へ安易に使用しない際の制度確認に使用。
株式会社ビズリーチ「HRMOS採用の機能一覧」／公開日確認できず（2026年9月23日閲覧）／https://hrmos.co/ats/about/ ／求人別・経路別、面接官別などの分析機能の確認に使用。
Thinkings株式会社「採用管理システムsonar ATS 機能」／公開日確認できず（2026年9月23日閲覧）／https://sonar-ats.jp/function/ ／応募経路やエントリー時期などを掛け合わせるクロス集計機能の確認に使用。
Phebi Priyadarsini, S.S. Sreejith, “Identifying the most effective recruitment metrics using analytical hierarchy process”／Future Business Journal／2026年／https://link.springer.com/article/10.1186/s43093-026-00848-z ／採用指標を体系的に比較する研究背景の確認に使用。
Phebi Priyadarsini, Sreejith S.S, “Role of recruitment analytics in optimizing candidate experience and employer brand image: a HC BRidge Framework perspective”／Future Business Journal／2025年／https://link.springer.com/article/10.1186/s43093-025-00642-3 ／採用効率指標と候補者体験の関係を補助的に確認するため使用。

‹ 親記事: 採用改善の効果測定は何をどう見ればいい？指標体系とPDCAの全体像

関連記事

関連テーマ

AIO SEO MEO 口コミ・風評対策オウンドメディア集客

資料ダウンロードはこちら