キーワードやスコアの適切な設定について

この記事では、レコメンド条件を作成する際に覚えておくと役に立つ情報をご紹介します。レコメンド条件にどういったタグを設定すれば良いのか、タグレベルの相場はどんなものか、必須タグに何をいれるべきか、技術力スコアはどう考えれば良いのかなど解説します。

1. キーワード設定のコツ

キーワードは絞り込みをする上で重要な役割を果たしますが、多数設定すると候補者の数がとても減ってしまうので、1〜3個程度にしましょう。 また、言語ではなくフレームワークのタグを設定した方が良い候補者がレコメンドされやすくなる場合もあります。

キーワードのレベルの相場

キーワードレベルは5が平均で、10に近づくほどレベルが上がっていきます。初めて設定する場合は、採用要件に合わせて下記のようなレベル設定を行うと良いでしょう。

  • 1〜3:そのスキルに興味を持っている、少し触れたことがある
  • 4〜6:実際にそのスキルを活用したことがあり、アウトプットしている
  • 7〜10:そのスキルをメインに活用して日々の業務にあたった経験がある

またタグの内容の難易度、知名度によっても相場が異なります。

RubyやRailsと言ったポピュラーな言語やフレームワークだと平均レベルでも7程度に設定するのが良いでしょう。一方で、あまり有名でない言語やフレームワーク、高いスキルを持つ人が少ない分野(機械学習など)はレベルが高く出づらいので、タグレベルは少し低めに設定する必要があります。

2. 技術力スコア設定のコツ

技術力スコアは、GitHubやQiitaなどのアウトプットからエンジニアスキルを得点化した値です。 技術力スコアは3.0が平均で、3.5を超えると、上位4%に入るほどの優秀なエンジニアである可能性が高まります。4.0を超えるエンジニアはその界隈の有名人の場合がほとんどですので、スカウトをする場合は慎重を要することが多いです。

初めて設定する場合は、採用要件に合わせて下記のような目安でレベル設定を行うと良いでしょう。

  • 〜3.0:経験年数3年目前後までのレベルに該当する若手層
  • 3.0〜3.3:経験年数3年目以上のレベルに該当する中堅層
  • 3.3〜3.5:リードエンジニアなどに該当する優秀層
  • 3.5〜:CTOなども含まれる超優秀層

3. キーワード設定や技術力スコア設定の不適切な例

(1) キーワードの数が少ない

editedキーワード1つ奴2

キーワードの数が少ない場合、適切に絞りきれないことが多いです。

例えば「Python」をレベル8で設定していたとしても、Web系なのか解析系なのかなどの指定が無ければ、これらは混合してレコメンドされることになります。さらに細かい領域で絞れるように、キーワードを複数重ねましょう。キーワード設定画面で「キーワードプリセット」や、「カテゴリ」を活用すると作成しやすいです。

editedキーワード3つくん


(2) マイナーなキーワードを高レベルで設定している


editedマイナーキーワード5つ奴


マイナーなキーワード(高水準な技術を持っている人が少ないようなキーワード)を、高いレベルで複数設定してしまうと、今度は絞りすぎであることが多いです。

マイナーなキーワードはレベルを低くして1〜2個程度でも十分効果的です。

(3) 技術力スコアを拡げすぎている


editedEスコア拡げすぎ奴


例えば上の画像の例では、技術力スコアの幅が2.5もあり、拡げすぎです。技術力スコアは 0.3〜0.5程度の幅から拡げていくのが良いでしょう。

例えば、3.2〜3.5などの区間から始めて、徐々に下限・上限をスライドさせていくとうまく見つかるかもしれません。

(4) ビジネススコア・影響力スコアを極端に絞っている


editedB_Iスコア絞りすぎ奴-1

通常のエンジニア採用であれば、ここまでの絞りは不要です。

むしろ条件にマッチしているこれらのスコアが高いエンジニアを省いてしまうことになるため、適切な絞りとは言えません。特にこだわりのない場合には、ビジネススコアや影響力スコアは、基本的に1.0〜5.0 で設定することを推奨しています。


以上、キーワードやスコアの設定について解説してきました。各キーワードによって相場が異なるので、何度か繰り返し設定し直しながら、理想的なレコメンド条件を完成させましょう。