選考辞退分析 /AI分析
紹介会社・候補者とのやりとり・アンケートの3つの視点から、辞退の予兆と要因を早期に検知します。
■このテーマで解決できること
「辞退が多いが、原因がつかめない／予兆を早く察知したい」
そんな課題に対し、3つの視点から辞退の要因と予兆を可視化し、辞退を防ぐための打ち手を提案します。
■3つの分析軸
このテーマは、見たい観点に応じて3つの軸で分析できます。
① 紹介会社軸 ―― 辞退理由が紹介会社経由できちんと拾えているか
- 紹介会社ごとに、辞退理由をきちんと回収できているかを可視化
- やりとりの期間が空きすぎている学生を特定し、フェードアウトを防止
- よりコミュニケーションを強化すべき紹介会社と、その対策を提案
② 企業と学生とのやりとり軸 ―― 候補者の"温度感"の低下を検知
- 返信数・応答時間・未返信などから、辞退リスクが高い学生を抽出
- 辞退リスク学生の共通傾向を分析
- 一定期間同じ選考ステップに滞在し、推移が遅くなった学生IDを一覧化
- 早期に連絡を促すための改善策を提案
③ フリーアンケート軸 ―― 過去の辞退者の回答傾向から予兆を発見
- 前年度の辞退者の回答傾向を学習
- 似た回答をする「辞退してしまうかもしれない学生」を早期発見
■出力サンプル
- 各紹介会社の辞退理由ヒアリング状況／やりとりが滞っている紹介会社の一覧
- 辞退リスクが高い学生リストと、その根拠・改善策
- 長期間ステップ滞在学生ID一覧
- フリーアンケート回答に基づく要注意学生の抽出
■活用シーン・次のアクション
- リスクの高い学生へ、温度感が下がる前に個別フォロー
- 滞留している学生の選考ステータスを見直し・更新
- 辞退理由の回収が弱い紹介会社へ、ヒアリング強化を依頼
■使うデータ・対象・頻度
- 使うデータ：紹介会社とのやりとり履歴／企業と学生のLINE・メール文面と返信率などの数値／フリーアンケートの回答データ
- 対象年度：新卒 （27・28卒）
- 更新頻度：隔週（第2・第4火曜）
■注意点
- 生成結果は参考情報（補助的な情報）です。
- 必ず担当者が内容を確認し、最終判断にご活用ください。
- 不自然な表現や実情にそぐわない内容が含まれる場合があります。そのまま利用せず、参考としてご利用ください。
- 分析対象の情報が不足している場合、正しく結果が出力できない場合があります。