AIで求人票を書き直したら応募数が2.3倍に！中小企業HR担当の採用改革レポート

採用担当ひとりで8職種を回す地獄から抜け出した話

「また応募がゼロだ……」

東京・渋谷区にある従業員52名のITシステム開発会社「株式会社ネクストブリッジ」。人事・総務を一手に担う田中麻衣さん（32歳）は、2025年の秋、毎週月曜日にIndeedの管理画面を開くたびに胃が痛くなっていた。

エンジニア、営業、カスタマーサポート、バックオフィス——8職種の求人を同時に管理しながら、社内の労務手続き、入退社対応、健康診断の段取りまで抱えている。採用に使える時間は、正直1日2〜3時間が限界だ。

採用代行を使えばいい？　月30万円のリテイナーは中小企業には重すぎる。ヘッドハンターに頼む？　1人採用するたびに年収の30〜35%が飛んでいく。「うちの規模で、そんな予算はない」と田中さんは言い切る。

そんな田中さんが2025年10月からChatGPTとIndeedのデータを組み合わせた「求人票のABテスト改善」を始め、3ヶ月後の2026年1月には月間応募数が2.3倍に跳ね上がった。採用コストは1人あたり平均22万円削減。しかも、作業時間は週10時間から週3時間に減った。

この記事では、田中さんが実際に使ったプロンプト、つまずいた失敗談、そして「明日から真似できる手順」をすべて公開する。

第1章　まず「なぜ応募が来ないか」をデータで見た

感覚で書いた求人票の末路

田中さんが最初にやったのは、感情を排して「現状の数字を直視する」ことだった。Indeedには「インプレッション（求人が表示された回数）」「クリック数」「応募数」という3段階のデータが蓄積されている。これを過去6ヶ月分、職種ごとに洗い出してみると、衝撃的な事実が見えてきた。

業界平均と比較すると、クリック率は同業他社の平均（3.8〜4.5%）の半分以下。「表示はされているのに、クリックされていない」という状態だった。つまり、求人のタイトルや冒頭の一文が弱く、求職者がスクロールで素通りしているわけだ。

競合他社の求人票を「分解」する

次に田中さんがやったのは、競合他社の求人票を10社分コピーしてChatGPTに読み込ませ、「何が違うのか」を分析させることだった。

# 競合求人票の分析プロンプト（競合リサーチ用）

あなたは採用マーケティングの専門家です。
以下の求人票10件を読んで、下記の観点で分析してください。

【分析する観点】
1. タイトルに使われているキーワードのパターン
2. 冒頭3文で使われている「求職者の感情に訴える表現」
3. 給与・待遇の見せ方の工夫
4. 「仕事内容」の書き方（箇条書きか文章か、具体性の度合い）
5. 応募を後押しする締めの一文

【求人票データ】
（ここに10社分の求人票テキストを貼り付ける）

分析結果は、「共通して使われている表現パターン」と
「差別化に使えそうな表現」に分けて教えてください。

この分析で判明した最大の問題は、ネクストブリッジの求人票が「会社目線」で書かれていたことだ。「即戦力の方を求めています」「チームワークを大切にできる方」——これは会社が何を求めるかを書いているだけで、求職者が「自分にとって何がいいか」を判断する材料がほとんどない。

競合他社の上位表示求人は、冒頭から「あなたのスキルを活かせる環境があります」「残業月平均8時間、でもやりがいは本物です」など、求職者が読んで「自分のことだ」と感じる書き方をしていた。

気づき①：求人票は「会社の要件書」ではなく「求職者への手紙」として書く。主語を「弊社は〜」から「あなたは〜」に変えるだけで、クリック率が変わる。

失敗談①：分析だけして満足してしまった

実はこの段階で田中さんは一度つまずいている。「分析レポートが出て満足してしまい、2週間何も変えなかった」というのだ。AIが出してくれる分析は読み物として面白いが、それ自体は何も変えない。「分析→即リライト」という流れを意識的に作らないと、インプットで終わってしまう。田中さんは以降、「分析プロンプトを実行したら、必ずその日のうちにリライトを1本やる」というルールを自分に課した。

第2章　実際に使ったリライトプロンプトと手順

「ゼロから書く」より「既存をリライト」のほうが速い

田中さんが最初に試したのは、求人票をゼロからAIに書かせることだった。しかし、これは失敗だった。AIが生成した求人票は確かに「それっぽい」のだが、会社の実情や文化が入っていないため、面接に来た候補者と「思っていた会社と違う」というミスマッチが起きやすい。

そこで方針を変え、「既存の求人票をたたき台にしてリライトする」アプローチに切り替えた。これが正解だった。

# 求人票リライトプロンプト（基本形）

あなたは採用コピーライターです。
以下の【元の求人票】を、【リライト条件】に従って書き直してください。

【元の求人票】
（ここに現在の求人票テキストをそのまま貼り付ける）

【リライト条件】
・対象読者：27〜35歳、現職でエンジニア経験3〜5年、転職を検討中だが
　まだ積極的に動いていない層
・求職者が感じている不満：「今の会社では技術的な成長が止まっている」
　「裁量がなく、言われたことをやるだけ」
・この求人票で伝えたい最大の魅力：新技術への挑戦機会と、少人数ゆえの
　意思決定の速さ
・トーン：正直で親しみやすい。過度な誇張表現は使わない
・文字数：全体で800〜1000文字
・必ず含める要素：
  - 冒頭に「この求人が刺さる人物像」を1〜2文で
  - 仕事内容は箇条書き5〜7項目
  - 「こんな人には向いていないかもしれません」という正直な一文
  - 応募を迷っている人への締めの一文

出力は求人票本文のみ。説明文は不要です。

「こんな人には向いていないかもしれません」という逆張りの一文を入れるのは、田中さんが競合分析で発見したテクニックだ。正直に書くことで信頼感が上がり、応募後のミスマッチが減る。実際、このフレーズを入れた求人票では、面接辞退率が23%から11%に下がった。

ペルソナ設定を精密にするほど結果が変わる

最初のうち、田中さんはペルソナを「27〜35歳のエンジニア」程度の粒度で設定していた。しかしこれでは求人票の文章がぼんやりしてしまう。そこで、実際に採用できた過去の優秀な社員3名のプロフィールをもとに、「理想の応募者像」を詳細に書き出してChatGPTに渡すようにした。

# ペルソナ深掘りプロンプト

以下の情報をもとに、この求人に応募してほしい「理想の候補者ペルソナ」を
詳細に作成してください。

【採用できた優秀社員の共通点（実際の情報）】
- 前職：SIer or Web系スタートアップ出身が多い
- 転職理由：「もっと幅広い技術を触りたい」「上流から携わりたい」
- 趣味・休日の過ごし方：個人開発、技術ブログ、勉強会参加
- 転職活動時の悩み：「中小企業は安定性が不安」「社風がわからない」

【出力してほしいペルソナ情報】
1. 名前（仮）・年齢・現在の状況
2. 平日夜にどんな気持ちで転職サイトを開いているか（心理描写）
3. 求人票を見るときに真っ先に確認するポイント3つ
4. この会社の求人を見て感じる「不安」と「期待」
5. 応募ボタンを押す直前に何を考えているか

このペルソナを使って、後続の求人票リライトに活用します。

このペルソナを作ってからリライトした求人票は、クリック率が平均2.1%から4.7%に上昇した。「誰かひとりに向けて書く」という原則は、求人票でも同じように機能する。

第3章　ABテストの設計と「勝ちパターン」の発見

Indeedでの正しいABテストのやり方

AIでリライトした求人票が「本当に効果があるか」を確かめるために、田中さんはABテストを実施した。Indeedには公式のABテスト機能はないが、「同じ職種の求人を2本同時掲載し、2週間後に数字を比較する」という方法で代替できる。

ルールはシンプルだ。

• A案：既存の求人票（変更なし）
• B案：AIでリライトした求人票
• 比較期間：2週間（平日10日分）
• 判定基準：クリック率と応募転換率の両方が上回ったほうを採用

最初のテストでは、Webエンジニアの求人でB案（AIリライト版）がクリック率3.8%、応募転換率5.1%を記録し、A案（2.1%・3.2%）を大幅に上回った。

失敗談②：「盛りすぎ」で逆効果になった求人票

全職種でうまくいったわけではない。カスタマーサポートの求人でAIに「魅力的に書いて」と指示したところ、「業界トップクラスの研修制度」「キャリアアップが明確に描ける環境」などの表現が入った求人票が生成された。クリック率は上がったが、面接に来た候補者から「求人票に書いてあったキャリアパスの話を詳しく聞かせてください」と言われ、田中さんが「……実はそこまで整備されていなくて」と答える羽目になった。

応募は増えたが、内定承諾率がむしろ下がるという最悪の結果だ。

この失敗から、田中さんはプロンプトに必ず「誇張表現は使わない。書けることは実際に社内に存在する制度・文化のみ」という制約を入れるようにした。また、AIが生成した求人票を現場マネージャーに5分でいいから読んでもらい、「実態と違う表現がないか」を確認するステップを追加した。

失敗の教訓：AIは「魅力的に書く」という指示に忠実すぎる。「正直に、かつ魅力的に」と制約をセットで渡すこと。

「勝ちパターン」を蓄積するプロンプト

3ヶ月間のテストを通じて、田中さんは「効果が出た求人票の共通点」をAIに分析させ、自社専用の「勝ちパターン集」を作った。これが最終的に一番の資産になった。

# 勝ちパターン抽出プロンプト

以下の【高パフォーマンス求人票】（クリック率4%以上・応募転換率5%以上）と
【低パフォーマンス求人票】（クリック率2%未満・応募転換率3%未満）を比較して、
「うちの会社の求人で効果が出る表現パターン」を抽出してください。

【高パフォーマンス求人票】
（ここに効果が出た求人票を3〜5件貼り付ける）

【低パフォーマンス求人票】
（ここに効果が出なかった求人票を3〜5件貼り付ける）

【出力してほしい内容】
1. タイトルの書き方パターン（効果あり vs なし）
2. 冒頭文の構造パターン
3. 仕事内容の箇条書きで使うと効果的な動詞・表現
4. 給与・待遇の見せ方の差
5. 締めの一文のパターン
6. 「うちの会社の求人票作成チェックリスト」（10項目）として整理

このチェックリストは今後の求人票作成の標準テンプレートとして使います。

このチェックリストを作ってからは、新しい職種の求人票を作るときに「チェックリストを渡してリライトさせる」だけで、初稿から高品質なものが出てくるようになった。

第4章　3ヶ月後の成果と、今の運用フロー

数字で見る3ヶ月間の変化

2025年10月にスタートし、2026年1月末時点での成果をまとめると、以下のようになる。

採用コストが1人あたり22万円削減できた理由は、主に2つある。ひとつは、応募数が増えたことで「母集団形成のために追加で有料掲載枠を買う」必要がなくなったこと。もうひとつは、面接辞退と内定辞退が減ったことで、採用1件あたりの面接工数が大幅に下がったことだ。

現在の「週3時間」運用フロー

田中さんの現在の求人票管理は、以下のフローで週3時間以内に収まっている。

月曜（30分）：データ確認
Indeedの管理画面でクリック率・応募数を確認。前週比で10%以上落ちた求人票をピックアップ。

火曜（60分）：リライト実施
ピックアップした求人票をChatGPTでリライト。ペルソナと勝ちパターンチェックリストを毎回プロンプトに添付。

水曜（30分）：現場確認とアップロード
リライット版を担当マネージャーにSlackで共有し「実態と違う表現がないか5分で確認をお願いします」と依頼。OKが出たらIndeedに反映。

隔週金曜（60分）：ABテスト結果の集計と勝ちパターン更新
2週間分のテスト結果をChatGPTに渡し、勝ちパターンチェックリストを更新。

ChatGPT以外に使っているツールと費用

追加投資はChatGPT Plusの月3,000円のみ。「採用コストを22万円削減できたなら、ROIは計算するまでもない」と田中さんは笑う。

今後の課題：スカウト文面にも展開中

現在、田中さんはこの手法をIndeedのスカウトメール文面にも展開している。スカウトの返信率は業界平均が5〜8%と言われるが、ペルソナに合わせてパーソナライズしたスカウト文面では返信率が14%を記録している。「次は面接の質問設計にもAIを使いたい」と話してくれた。

田中さんのコメント：「AIが全部やってくれるわけじゃないけど、『考える時間』と『書く時間』を大幅に短縮してくれる。その分、候補者と話す時間、現場マネージャーと採用要件を詰める時間に使えるようになった。それが一番大きな変化かもしれない。」

まとめ：ひとり人事でも「採用のPDCA」は回せる

田中さんの事例を振り返ると、やっていることは実はシンプルだ。「データを見る→問題を特定する→AIでリライトする→ABテストで検証する→勝ちパターンを蓄積する」——この5ステップを愚直に繰り返しただけ。特別なスキルも、大きな予算も必要なかった。

大事なのは、AIに「全部お任せ」しないことだ。ペルソナを自分で考える、現場に確認を取る、数字で結果を検証する——この人間の判断が入って初めて、AIの出力が「使えるもの」になる。

この記事で紹介したプロンプトは、そのままコピーして使える。まず1本、今一番応募が少ない求人票をリライトするところから始めてほしい。2週間後、Indeedの数字を見たとき、きっと「やってよかった」と思えるはずだ。

採用担当がひとりでも、予算が限られていても、データとAIを組み合わせれば戦える。田中さんの3ヶ月間が、それを証明している。

※本記事の数値は取材をもとに構成したものです。効果は企業・職種・市場環境によって異なります。