PVではなく応募数で測る採用記事の効果測定

採用記事を公開すると、PVは順調に伸びる。でも応募数は変わらない。どの記事が応募に繋がっているのかわからないまま、「とにかく記事を増やそう」と本数だけが積み上がっていきます。

この記事では、採用記事の効果を応募数で測り、どの記事が機能しているかを特定する手順を、ChatGPTを使った方法で解説します。

なぜPVで測ると応募に繋がらないのか

採用記事の効果をPVで測ると、応募に繋がらない理由は3層あります。

第1層：PVは「読まれた」を測るが「行動した」を測らない

PVは、そのページが表示された回数です。読者が記事を読んだかどうか、最後まで到達したかどうか、応募ボタンを押したかどうかは測りません。

• 記事Aは月間1,000PV、応募0件
• 記事Bは月間100PV、応募3件

PVだけで判断すると、記事Aの方が「効果がある」と見えますが、実際に機能しているのは記事Bです。

第2層：記事の目的が測定指標とズレている

採用記事の目的は「応募者を増やすこと」ですが、測定指標がPVになると、目的が「読まれること」にすり替わります。

すると、記事の内容も「PVが取れる題材」に引っ張られます。

• 「〇〇業界の平均年収」→ 検索ボリュームは大きいが、自社への応募には繋がらない
• 「転職活動の進め方」→ 一般論なので自社を選ぶ理由にならない

これらの記事はPVを稼ぎますが、読者は「情報を得て去る」だけです。

第3層：記事ごとの貢献度が見えない

採用サイト全体で「応募数」は測定できますが、「どの記事を読んだ人が応募したか」は測定していないケースがほとんどです。

その結果、どの記事が機能しているかわからず、「とりあえず記事を増やす」という判断になります。記事が増えても、機能していない記事ばかりが積み上がります。

ChatGPTで応募数を測る仕組みを作る手順

以下の手順で、記事ごとの応募貢献度を測定できます。

ステップ1：記事の種類を3つに分ける

まず、採用記事を目的別に3つに分類します。

プロンプト例：

採用サイトの記事を、目的別に3つに分類してください。

- 記事一覧：[既存記事のタイトルリスト]

分類基準：
1. 認知記事：業界や職種の情報を提供し、自社を知らない人を引き込む記事
2. 理解記事：自社の文化・働き方・制度を説明し、自社を理解してもらう記事
3. 決断記事：応募を後押しする情報（社員の声、選考プロセス、FAQ）を提供する記事

各記事がどのタイプか、理由とともに分類してください。

ChatGPTは、記事を3つに分類します。

例：

• 認知記事：「エンジニアのキャリアパス」「業界トレンド解説」
• 理解記事：「1日の働き方」「リモートワーク制度」
• 決断記事：「選考の流れ」「よくある質問」

この分類により、「どの段階の記事が足りないか」が見えます。

ステップ2：記事ごとにUTMパラメータを設定する

次に、各記事から応募ページへのリンクにUTMパラメータを付けます。

プロンプト例：

以下の記事リストに対して、応募ページへのリンクに付けるUTMパラメータを生成してください。

記事リスト：
- [記事タイトルとスラッグのリスト]

UTMパラメータの形式：
- utm_source=blog
- utm_medium=organic
- utm_campaign=recruit
- utm_content=[記事のスラッグ]

各記事の応募リンクを、UTMパラメータ付きのURLで出力してください。

ChatGPTは、記事ごとのUTMパラメータ付きURLを生成します。

例：

https://example.com/apply?utm_source=blog&utm_medium=organic&utm_campaign=recruit&utm_content=engineer-day-in-life

このURLを、各記事の「応募する」ボタンに設定します。

ステップ3：応募データにUTMパラメータを記録する

応募フォームで、UTMパラメータを記録する仕組みを追加します。

多くの応募管理システム（ATSやGoogle Forms）では、URLパラメータを隠しフィールドに渡せます。設定方法が不明な場合、ChatGPTに聞きます。

プロンプト例：

Google Formsで、URLのUTMパラメータを自動的にフォームの隠しフィールドに記録する方法を教えてください。

実現したいこと：
- 応募者が utm_content=engineer-day-in-life 付きのURLから来た場合、その値をフォームに自動記録したい

ChatGPTは、設定手順を出力します（Google Formsの場合は、事前入力URL機能を使います）。

この設定により、応募データに「どの記事から来たか」が記録されます。

ステップ4：月次で記事別の応募数を集計する

月末に、記事別の応募数を集計します。

プロンプト例：

以下は今月の応募データです。

[応募データ：日付、氏名、utm_content]

このデータから、utm_contentごとの応募数を集計し、降順で表示してください。

ChatGPTは、記事別の応募数を集計します。

例：

1. engineer-day-in-life：5件
2. remote-work-policy：3件
3. selection-process：2件

ステップ5：記事の種類別に応募率を分析する

ステップ1で分類した「記事の種類」と、ステップ4の「応募数」を照合します。

プロンプト例：

以下のデータから、記事の種類別に応募への貢献度を分析してください。

記事の分類：
[ステップ1で分類した結果]

記事別の応募数：
[ステップ4で集計した結果]

分析してほしいこと：
1. 認知記事・理解記事・決断記事のうち、どれが最も応募に繋がっているか
2. 応募数が0の記事の共通点
3. 次に書くべき記事の種類

ChatGPTは、データを分析して提案を出します。

例：

• 決断記事（選考プロセス、FAQ）の応募率が高い
• 認知記事はPVは多いが応募は少ない
• 理解記事（働き方、制度）が不足しているため、認知から決断への橋渡しができていない

この分析により、「どの種類の記事を増やすべきか」が明確になります。

ステップ6：応募0の記事をリライトまたは削除する

3ヶ月間応募が0の記事は、リライトするか削除します。

プロンプト例：

以下の記事は3ヶ月間応募が0件でした。

記事タイトル：[タイトル]
記事URL：[URL]

この記事をリライトして応募に繋げるには、どこを修正すべきか提案してください。

現在の記事の構成：
[記事の見出しリスト]

修正の方針：
1. 記事の種類を変える（認知→理解、理解→決断など）
2. CTAの位置と文言を変える
3. 自社独自の情報を追加する

ChatGPTは、リライトの方向性を提案します。

リライトしても応募が増えない場合は、その記事を削除し、リソースを他の記事に集中させます。

ChatGPTでは対応できない領域

この手順でも、以下は解決できません。

応募フォームの離脱率

記事から応募ページには来ているが、フォームを送信せずに離脱している場合、記事の問題ではなくフォームの問題です。

フォームの項目が多すぎる、入力エラーが頻発する、といった問題は、フォーム分析ツール（Google AnalyticsのForm Tracking、Hotjarなど）で調べる必要があります。

応募の質

応募数が増えても、選考を通過しない応募ばかりでは意味がありません。「どの記事経由の応募が、選考通過率が高いか」を測定するには、採用管理システム（ATS）と連携して、応募経路ごとの選考通過率を追う必要があります。

記事以外の要因

採用市場の状況、競合の動き、求人広告の出稿状況など、記事以外の要因が応募数に影響します。記事の改善だけで応募数をコントロールすることはできません。

sonataで記事別の応募貢献度を自動集計

sonataは、各記事に自動的にUTMパラメータを付与し、応募データと照合して記事別の応募数を集計します。

月次レポートでは、「応募が0の記事」「応募率が高い記事の共通点」「次に書くべき記事の種類」を自動で提案します。どの記事が機能しているかを毎月手作業で調べる必要がなくなり、データに基づいて記事の優先順位を決められます。

採用記事の効果を応募数で測りたい方は、sonataの無料トライアルをお試しください。