エンジニア採用は、まず自社が求める条件を満たすエンジニアを探し「候補者リスト」に追加するところから始まります。候補者を探す手段はいくつかありますが、エンジニア採用媒体を利用する場合は、職歴やスキルといった条件を指定して候補者を抽出する「検索機能」を利用するのが一般的です。

この記事では、LAPRASで候補者を探す際に役立つ「候補者検索」機能をご紹介します。

「レコメンド検索」で技術力・スキルから候補者を探す

レコメンド検索の特長

レコメンド検索では職歴、スキル、経験など技術的な要件を細かく設定して候補者を検索したり「タグレベル」や「技術力スコア」といった数値化された技術情報から候補者を絞り込めます。

レコメンド検索の使い方

レコメンド検索を使いたい場合は、LAPRAS SCOUT上部のヘッダーメニューから「候補者検索」を選びます。その後、左側の検索メニューより「レコメンド」に検索方法を切り替えます。

レコメンド条件を作る

レコメンド条件の作成画面が開いたら「レコメンド条件の新規作成」を選択します。

左側のタブより絞り込みの条件を設定し、その後「この条件でレコメンド」のボタンを押すと、条件に当てはまる候補者を抽出できます。

検索条件の絞り込みタイプには「基本」と「詳細」があり、上部のタブから切替可能です。

レコメンド検索の絞り込み条件

絞り込みタイプ：基本・詳細の検索条件はそれぞれ以下の通りです。

絞り込みタイプ：基本の場合

スキル・技術力・転職意欲

・スキル：使用言語・フレームワークなどをテキストで入力、活動量＝少・中・多から選択（AND/OR検索可能）
・技術力：ジュニア、ミドル、ハイ、スーパーハイクラスから選択
・転職意欲：高・中・なし・未入力から複数選択

転職意欲の最終変更日

・転職意欲の最終変更日：1週間以内・1ヶ月以内・3ヶ月以内から選択

興味のある雇用形態

・興味のある雇用形態：社員・副業・フリーランス・インターンシップ・未入力から複数選択

必須の情報

・必須の情報：やりたいこと、職歴から複数選択

絞り込みタイプ：詳細の場合

タグ／タグレベル、技術力スコア

・タグ／タグレベル：使用言語・フレームワークなどをテキストで入力、レベルを1～10段階から選択（AND/OR検索可能）
・技術力スコア：アウトプットからエンジニアスキル得点化した値を上限・下限で指定

タレントプールに入っている候補者

・タレントプールに入っている候補者：含める・含めないから選択

LAPRASユーザーから検索

LAPRASでは、LAPRASに登録しているエンジニアはもちろん、非登録ユーザーも検索対象に含めることができます。「絞り込みタイプ：詳細」では、LAPRASユーザーから検索するかどうかをチェックボックスで指定できます。チェックを入れた場合、LAPRAS上での入力項目を参照した絞り込みができます。

以下の「＊」がつく項目は「LAPRASユーザーから検索」にチェックを入れた場合の絞り込み条件です。

＊転職意欲・転職意欲の最終変更日

・転職意欲：高・中・なし・不明から複数選択
・転職意欲の最終変更日：1週間以内・1ヶ月以内・3ヶ月以内から選択

＊希望する年収・希望する働き方

希望する年収：下限・上限を数値で入力

希望する働き方：フルリモート・一部リモート・出社・指定なしから複数選択

＊希望する雇用形態・希望する業態

・希望する雇用形態：雇用形態：社員・副業・フリーランス・インターンシップ・指定なしから複数選択
・希望する業態：自社開発・受託開発・SES・指定なしから複数選択

職務経歴内検索・やりたいこと検索

・職務経歴内検索：「職務経歴」項目内のフリーワード検索が可能（AND/OR検索可能）
・やりたいこと検索：「やりたいこと」項目内のフリーワード検索が可能（AND/OR検索可能）

エンジニア以外の職種で絞り込み・所属企業

・エンジニア以外の職種で絞り込み（β版）：候補者が入力した職種でフリーワード検索が可能
・ 所属企業：所属企業名（過去を含む）で検索が可能

住まい・英語のレベル

・ 住まい：住まいのエリアを「◯◯地方」から選択
・ 英語のレベル：ネイティブ・ビジネス以上・日常会話以上から選択

連絡手段・必須の情報

・ 連絡手段：メール・Twitter（X）DM・連絡手段なしから複数選択
・必須の情報：Wantedly・GitHub・Qiita・connpass・SpeakerDeck・Teratail・やりたいこと・職歴から複数選択

除外タグ／タグレベル・その他条件

・除外タグ／タグレベル：除外したいスキルや特長を入力
・その他条件：居住不明も含む・海外在住も含む・フリーランスも含むから複数選択

レコメンド検索を上手に使うポイント

レコメンド検索の絞り込み条件はたくさんありますが、技術的な要件から絞り込みをかけたい場合に特に重要なものが「タグ」と「技術力スコア」です。ここでは、レコメンド検索を上手に使いこなすためのポイントをご説明します。

タグでの絞り込みは1～3個程度に留める

タグはAND検索が可能ですが、一度に多数のタグを設定すると、該当する候補者の数が非常に少なくなってしまいます。すべてを満たすことが絶対条件である場合を除き、1〜3個程度を目安に設定しましょう。

タグはエンジニアのアウトプットから自動生成されるため、アウトプットによく使用されている言葉で検索すると、ヒットしやすくなります。

【おすすめのタグ】

・プログラミング言語（Ruby、Java、JavaScriptなど）
・フレームワーク（Rails、Springboot、Reactなど）
・開発に使用するツール・手法（CircleCI、Vimなど）
・技術的によく使用されるテーマ（テスト自動化、リファクタリングなど)

タグレベルはタグの認知度によって調整

タグレベルは10段階で、平均はレベル5です。RubyやRailsとIったポピュラーな言語やフレームワークの場合、下記のレベルが目安となります。

【タグレベルの目安】

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

あまり有名でない言語やフレームワーク、アウトプットが比較的少ないインフラ関連や機械学習のアウトプットはレベルが高く出づらいため、タグレベルは低めに設定しましょう。

ただし、タグレベルを適切に設定できても、タグの数が少なすぎると絞り込みが不十分になってしまいます。

例えばPythonをレベル8で設定した場合に、Web系や解析系などのタグ設定が無ければ、Webアプリ開発エンジニアとデータサイエンティストが一緒にレコメンドされてしまいます。タグを複数設定して、スキル領域でも絞り込めるようにしてください。

しかし、高いタグレベルにマイナーなタグを複数設定してしまうと、絞り込み過ぎて候補者が見つかりにくくなります。マイナーなタグは、タグレベルが低めの場合に1〜2個ほど設定するくらいに留めたほうがいいでしょう。

技術力スコアは幅を持たせて微調整する

技術力スコアは平均が3.0で、3.5%を超える優秀なエンジニアは上位4%に限られます。さらに4.0を超えると、CTOなどの実績がある著名なエンジニアである可能性が高いため、スカウトは慎重に進めましょう。

【技術力スコアの目安】

〜3.0：経験の浅いジュニア層またはWeb上でアウトプットをしていないエンジニア
2.8〜3.4：ミドル層
3.4〜4.0：リードエンジニアなどに該当するリーダークラス層
4.0〜：実績と知名度を兼ね備えたスーパーハイクラス層

まずは3.2〜3.5で設定し、0.3〜0.5程度の幅で上下に数値をスライドさせていくと、採用要件に適した範囲が見つかります。

レコメンド検索と候補者検索の違い

LAPRASにはもうひとつ「候補者検索」という検索機能があります。レコメンド検索と候補者検索を比較すると、次のような違いがあります。

候補者検索：検索タブがシンプルで使いやすく条件に該当するエンジニアがの概要が把握しやすいため「日々の検索」向き

候補者検索について詳しく知りたい方は、こちらの記事をご覧ください。

レコメンド検索：検索条件を詳細に設定できるため、精度の高い検索が可能。候補者検索で思うような候補者と出会えない場合には積極的に利用してみてください。

まとめ：技術スキルに基づく詳細な検索にはレコメンド検索も有効

レコメンド検索は、検索条件を細かく設定できるため、自社の採用要件を満たした候補者をピンポイントで探すのに適した機能です。しかし、その反面、特にタグ／タグレベルの設定では一定のエンジニアリング知識が必要になるため、使いこなすのにはコツが要ります。

候補者検索とワンセットにして、

「非エンジニアのHR担当者は候補者検索を使い、採用活動に協力する社内エンジニアはレコメンド検索を使う」

「候補者検索で一次スクリーニングを行い、その中からよりレコメンド検索で詳細な検索をしてアプローチ対象者を選定する」

といった使い方がされる場合もあります。

今回ご紹介したタグ／タグレベルや技術力スコア設定のポイントなども参考にしながら、上手に使いこなして候補者探しに効率的に取り組んでいきましょう！