第4章: 採用KPI設計 — ファネルを数字で制御するデータドリブン採用

なぜ採用をKPIで管理するのか

「採用は感で決めるもの」——そう言われてきた時代があります。 優秀なリクルーターの直感、長年培った目利き力、面接での「なんとなく合いそう」という印象。 こうした曖昧な基準が、長らく日本の採用現場を支配してきました。

しかし採用を「システム」として捉えると、全く異なる景色が見えてきます。 システムにはインプット（応募者）・プロセス（選考）・アウトプット（採用者のパフォーマンス）があり、 各工程にはボトルネックが存在します。KPI（Key Performance Indicator）はそのシステムのパフォーマンスを定量的に可視化する指標です。

ATSが採用現場にもたらした最大の変革は、この「採用のシステム計測インフラ」を提供したことです。 以前は人事担当者がExcelで手作業管理していた数値を、ATSはリアルタイムで自動集計し、 ダッシュボードに可視化します。データがなければ改善は勘頼みになりますが、 KPIが揃えば改善のサイクル（計測→分析→仮説→施策→再計測）を高速で回せます。

5つのコア採用KPI

採用KPIには数十種類の指標が存在しますが、実務上の核心は5つに絞られます。 それぞれの定義・計算式・日本ベンチマーク・ATSでの計測方法を順に解説します。

Time to Hire（採用リードタイム）

定義: 候補者が応募またはコンタクトされた日から、内定承諾（offer accept）が完了するまでの日数。 候補者の体験時間を表す指標であり、「候補者視点」のKPIです。

日本の中途採用における職種別ベンチマーク（2024〜2025年調査）は以下の通りです。

Time to Fill（充足期間）

定義: 求人（Requisition）がオープンした日から、オファーが承認（offer accepted）されるまでの日数。 Time to Hireとの違いは「求人の公開から」計測する点です。 つまり求人票の作成・承認プロセスを含む「組織視点」のKPIです。

graph LR
  A[求人オープン
（Req. Open）] --> B[候補者の
最初の接触]
  B --> C[内定承諾
（Offer Accept）]

  subgraph ttf[Time to Fill]
    A
    B
    C
  end

  subgraph tth[Time to Hire]
    B
    C
  end

  style ttf fill:#1e1e2e,stroke:#f97316
  style tth fill:#1e1e2e,stroke:#3b82f6

米国 SHRM（Society for Human Resource Management）の2025年調査によると、 Time to Fill の平均は44日（2021年比+24%悪化）。 日本では中途採用で平均 80〜100日 とさらに長い傾向があります。 ATSは求人作成から充足まで全ステップを自動ログするため、Time to Fill の正確な計測が初めて可能になります。

Cost per Hire（採用単価）

定義: 採用にかかった総コストを採用人数で割った1人あたりのコスト。 コストは内部コストと外部コストの2種類に分類します。

日本の Cost per Hire ベンチマーク（2024〜2025年調査）は以下の通りです。

Quality of Hire（採用の質）

定義: 採用した人材が入社後にどの程度のパフォーマンスを発揮したかを示す複合指標。 採用KPIの中で最も重要でありながら、最も測定が難しい指標です。

計算式の例は以下の通りです。

Quality of Hire が「後追い指標」で難しい理由は2つあります。 第一に、計測できるのは入社後6〜12ヶ月以降になるため、採用プロセスの改善にすぐ活かせません。 第二に、パフォーマンスは採用品質だけでなく、オンボーディングの質・チーム環境・業務内容にも左右されるため、 採用の貢献分を分離することが困難です。それでも、Quality of Hire の定点観測なしに「採用が改善された」とは言えません。

Offer Acceptance Rate（内定承諾率）

定義: 内定承諾者数 ÷ 内定出し人数 × 100（%）。 採用プロセス全体の「最終ゲート」の歩留まりを示す指標です。

Offer Acceptance Rate が低い場合（エンジニア採用で60%未満など）、 主な原因は3つに絞られます: ①他社との競合（報酬・ポジションの魅力度）、 ②選考期間中の候補者体験の悪化、③オファー提示後のフォロー不足。 ATSはオファー送付から承諾までのタイムラインを記録するため、 どのタイミングで候補者が離脱しているかを可視化できます。

採用ファネルのコンバージョン率分析

採用KPIの全体像を「ファネル」として捉えると、各ステージの通過率（コンバージョン率）が明確になります。 100人の応募者が最終的に採用される典型的なパターンを見てみましょう。

このファネルから読み取れる各ステージの通過率は次の通りです。

「平均値の罠」: 層別分析の重要性

「書類通過率30%」という数字は、全体平均です。 しかし現実には職種・チャネル・採用担当者・求人票の内容によって通過率は大きく分散します。

• 職種別分散の例: エンジニア職の書類通過率10%、営業職40%。 前者は技術要件が厳しく後者はポテンシャル採用が多いため当然の差ですが、 それを認識せずに「全体30%」で見ていると改善の方向性を誤ります。
• チャネル別分散の例: 人材紹介経由70% vs 求人広告経由20%。 紹介会社が事前スクリーニングするため通過率が高くなりますが、 それをひとまとめにすると「広告経路の書類通過率が低い問題」が埋没します。
• 担当者別分散の例: 面接官Aの通過率40% vs 面接官Bの15%。 この差が「厳格さの違い」なのか「評価基準の不統一」なのかをATSのデータで判別できます。

コンバージョン改善の具体的施策

各ステージのコンバージョン率を改善する施策を、ATSで計測可能な観点から整理します。

ATS導入ROIの試算

ATSの導入コストは月額数万円〜数十万円かかりますが、適切に活用すれば短期間でROIを回収できます。 典型的なROI計算式は以下の通りです。

日本の実導入事例

日本企業のATS導入ROI事例を紹介します（各社公開情報・2024年）。

ROI試算テーブル

年間採用10名規模・採用担当2名の企業を想定した試算です。

この試算では初年度の純削減は約85.8万円（71,500円 × 12ヶ月）。 ATS年間費用36万円に対してROIは約140%となります。 さらに、採用単価削減・内定辞退率低下・採用品質向上の効果を加えると、 典型的なROIは初年度300〜500%と報告されています。

エンジニア視点のコラム: 採用KPIはSLO設計に似ている

エンジニアにとって馴染み深い概念にSLO（Service Level Objective: サービスレベル目標）があります。 実は採用KPIの設計は、SLOの設計と構造的によく似ています。

アラート設計: KPIが閾値を超えた時の通知

SLOにアラートが不可欠なように、採用KPIにも閾値超過時のアラート設計が重要です。 優れたATSはKPIダッシュボードにアラート機能を持ち、以下のような自動通知を実現します。

• ・ Time to Hire が目標値の150%を超えた求人: 採用担当者とHiring Managerに自動通知
• ・ 特定の面接官の承認率が全体平均の±2σを超えた場合: 評価基準のキャリブレーション促進
• ・ Offer Acceptance Rate が前月比10%以上低下: オファー条件・競合状況の緊急レビュー

次章（第5章）では、ATSが変えた採用担当者の1日の実務フローを詳しく見ていきます。 KPIのダッシュボードを眺めるだけでなく、日々の業務の中でKPIを意識しながら動くとはどういうことか—— Recruiter と Hiring Manager の役割分担から始めて、スコアカード設計・エージェント連携まで解説します。