第4章: オファー設計の科学 — 行動経済学で承諾率を最大化する

前章からの接続 — ファネル最終関門の「意思決定科学」

第3章では選考プロセス全体の体験設計（スピード・コミュニケーション）を扱いました。 本章は、候補者ジャーニーの最終関門であり、承諾か辞退かが決まるオファー段階に焦点を絞ります。 ここは行動経済学・意思決定科学の実証知見が、最も直接的に承諾率へ効く領域です。

アンカリング — 最初の数字が交渉全体を支配する

給与交渉における最も強力な効果がアンカリングです。 最初に提示された数字（アンカー）が基準点となり、その後の提案・反対提案をその方向へ引き寄せます。 実証研究では、最初の提示額が最終結果の50〜85%を説明するとされます（Galinsky & Mussweiler 2001系）。

• 端数効果: 「¥5,230,000」は「¥5,200,000」より強くアンカーする。端数は「よく調べている・根拠がある」という推論を生むため。
• アンカーの解毒法: 採用側が候補者の高すぎる希望額に引きずられないためには、自社のBATNA（代替案）・目標値・相手の留保価格を意識的に想起する。

レンジ提示の科学 — Ames & Mason（2015）のBolstering Range

「単一額と範囲（レンジ）、どちらで提示すべきか」という実務の問いに、Ames & Mason（2015, Journal of Personality and Social Psychology）が 5つの実験（Tandem Anchoring研究）で答えを出しました。レンジには3種類あり、効果が大きく異なります。

「高ければ高いほど有利」は俗説

MBA的な通説「初期要求は高いほど有利」を、Maaravi & Segal（4実験・約1,000名、HRマネージャーも対象）が反証しました。 アンカリングの反応関数は逓減します——低〜中程度の要求では反対提案が上がりますが、 高すぎる要求では頭打ちになり、さらに交渉決裂（impasse）を招き、将来また交渉する意思も下げます。 「高く、しかし過剰でなく」——これがBolstering rangeが優れる理由とも整合します。

損失回避と現状維持バイアス — 「辞める」意思決定の心理

候補者にとって、内定承諾は「新しい仕事を得る」だけでなく「現職を失う」意思決定でもあります。 ここに損失回避（loss aversion）と現状維持バイアス（status quo bias）が働きます。 Kahneman, Knetsch & Thaler（1991）の保有効果・損失回避研究が理論基盤です。 人は「得るもの」より「失うもの」を強く重み付けするため、慣れた現状に固執します。

カウンターオファーが効く心理メカニズム

graph LR
  A[転職の意思決定] --> B[この魅力的な機会を<br/>取るべきか？<br/>ゲインのフレーム]
  C[現職のカウンターオファー] --> D[今持っている全てを<br/>手放してよいのか？<br/>ロスのフレーム]
  D --> E[現状維持バイアス最大化<br/>損失回避で翻意]

  style A fill:#3b82f6,stroke:#1d4ed8,color:#fff
  style C fill:#ef4444,stroke:#dc2626,color:#fff
  style E fill:#6b7280,stroke:#4b5563,color:#fff

カウンターオファーが候補者を翻意させるのは、意思決定の問いを 「このワクワクする機会を取るべきか？」から「今すでに持っているもの（人間関係・地位・安心）を全部手放してよいのか？」へ リフレームするからです。この瞬間に損失回避が最大化します。

参照点とフレーミング — 同じ報酬を「大きく」見せる

プロスペクト理論の核心は、効用は絶対額ではなく「参照点からの乖離」で評価されるという点です。 候補者の「期待年収（＝参照点）」をどこに設定させるかが、同じオファー額への満足度を左右します。

• 参照点の早期再設定: 候補者の非現実的に高い期待は、オファー提示時ではなく選考プロセス中に市場データ・社内公平性の説明で再設定（re-anchor）しておく。 オファー時に初めて期待とのギャップが露呈すると、損失フレーム（「期待より下」）で受け止められ承諾率が下がる。
• トータルリワードの一括提示: 基本給・賞与・ストック・福利厚生・研修などを金銭換算し、年額の総和として一括提示すると、 個別項目を月額で刻むより大きなアンカーを形成できる。ただし確実性効果により、候補者は変動報酬（ストック等）を確定額より割り引いて評価する点に注意。

選択のパラドックス — 選ばせすぎると決められない

「候補者に自由に選ばせれば満足度が上がる」も、条件つきの俗説です。Iyengar & Lepper（2000）のジャム実験では、24種類の陳列は関心を引くものの購入は3%、 6種類の陳列は30%が購入しました。選択肢過多は決定麻痺（decision paralysis）を招きます。

さらにデフォルト効果（Madrian & Shea の401k研究）では、自動加入の参加率は85%超で、 約80%がデフォルトの拠出率・運用商品をそのまま受容しました。オファー設計への示唆は明確です。

公正性と給与交渉 — 「なぜその額か」と交渉研究のアップデート

第2章のColquittメタ分析（手続的公正 > 分配的公正）は、オファー設計に直結します。オファー額そのもの（分配）だけでなく、なぜその額なのか・どういう基準で決めたのか（手続的・情報的公正）を丁寧に説明することが、 承諾率と入社後エンゲージメントの双方に効きます。低めのオファーでも、手続きが公正なら承諾・定着しうるのです。

給与交渉のジェンダー差 — 俗説のアップデート

エンジニア視点: オファーを「実験可能なパラメータ」として設計する

行動経済学の知見は、オファーを調整可能なパラメータの集合として捉え直させてくれます。 提示形式（単一/レンジ/Bolstering）、参照点の設定タイミング、トータルリワードの見せ方、デフォルトの有無、説明の厚み—— これらはすべて、承諾率という目的関数を動かす変数です。

• 仮説を持つ: 「Bolstering rangeで提示すると承諾率が上がる」といった検証可能な仮説を立てる。
• 効果を測る: 提示形式・説明の厚みをコホートで比較し、承諾率とcNPS・入社後定着を追跡する。
• 倫理境界を守る: 変数の調整は「正直な情報の提示方法」の範囲にとどめる。実態の偽装は心理的契約違反として長期に跳ね返る。

ただし、実際のオファーには法的制約が重くのしかかります。日本では内定＝労働契約の成立であり、 提示条件・辞退・取消には固有のルールがあります。次章では、この法と実務の土台を固めます。