LabBaseのプロフィール選定基準の作り方

LabBase就職で誰に送るかを決める作業は、一人のプロフィールを上から読みながら、いくつかの分岐を順に通していく作業です。学生側が研究内容を軸に詳しく書いているため、条件を粗く置くと候補が広がりすぎ、細かく置くと数が出ません。この記事では、プロフィールを開いてから「送る」「後で送る」「見送る」を決めるまでの分岐を、読む順番に沿って整理します。分岐の順番を社内で決めておけば、誰が読んでも同じ判定に近づきます。以下は、2026年9月23日時点で公式サイトに記載されている内容に基づいて整理しています。

分岐に入る前に、検索でどこまで絞るかを決める

プロフィールを一人ずつ読む前に、検索の段階でどこまで絞るかを決めます。LabBase就職の企業向けサイトは、一つ目の特徴として「豊富なプロフィールと多彩な検索軸」を挙げ、学生自身が記入する詳細なプロフィールがあるからこそ、多彩な検索軸を自在に組み合わせて多面的に検索できるとしています。よくある質問では、プロフィールに記載の研究概要や希望職種、就職先に求めること、活かせるスキルなどを軸に検索することも可能としています。

同サイトは他社との違いとして「理系学生に特化したデータベース」と「学生プロフィールの充実度」を挙げ、研究室を直接訪問しながらデータベースを作り上げてきたため、他社のダイレクトリクルーティングサービスのデータベースと被りが少ないとしています。学生向けサイトも、研究を頑張る理系学生のための就活サービスとして研究優遇付きスカウトを掲げています。他媒体で使っている「大学群」「学部」の条件をそのまま持ち込むと、この媒体の強みを使わないまま候補を削ることになるので、検索では研究の領域だけで緩く切り、細かい判定は分岐に回すのが扱いやすい分け方です。

検索に使う技術・スキルキーワードは、性質の違う二種類に分けておきます。同サイトはキーワードの例として、人工知能、切削、フォトニクス、組み込みシステム、電気化学、半導体デバイス、NMR、HPLC、LC/MS、材料力学、パワーエレクトロニクスといった研究領域の語から、Python、React、TypeScript、Dockerといった開発の語まで挙げています。二つを混ぜて一本の条件にすると、どちらに寄った候補なのかが分からなくなります。

装置名や言語名は、検索の条件にすると対象が一気に少数になります。一段目で母集団を作り、二段目は後で説明する分岐の中で優先順位に使うと、数と質の両方を保てます。一段目の語は、自社の事業領域を現場の社員に書き出してもらい、そこから選ぶと漏れが減ります。

研究概要を読んで、最初の二つの分岐を通す

検索で出た一覧からプロフィールを開いたら、最初に見るのは研究概要です。ここで二つの分岐を続けて通します。一つ目は「研究概要に、文面で触れられるだけの中身があるか」です。研究概要が一行しか書かれていない場合、触れる材料が無いので、送っても定型文に近いものになります。このときは見送るか、希望職種が強く合う場合だけ「後で送る」に回します。

二つ目は「研究の領域が自社の事業とどれくらい近いか」です。ここで人事と現場の判断がずれやすいので、近さの基準を言葉にしておきます。人事は専攻名で近いと判断し、現場は手法で近いと判断することが多く、この二つが混ざったまま判定すると、返信は来るのに面談で噛み合わない候補が増えます。「同じ装置を使っている」「同じ種類のデータを扱っている」のように、手法や扱う対象で近さを決めると、読む人が替わっても判定がぶれにくくなります。

判定の流れをまとめると次のようになります。上から順に見て、どこかで見送りに当たったらそこで止めます。表の順番は、読む手間の少ない欄から先に置いています。

分岐2で「遠い」と判定しても、そこでは止めません。研究が遠くても希望職種が合う学生はいるので、次の分岐で拾えるようにしておきます。分岐1と分岐5だけが見送りにつながり、途中の分岐は層と順番を決めるためのもの、と覚えておくと判定が速くなります。

エラベルの見解

相談で多い思い込みは、「研究が近い学生ほど返信が来る」というものです。実際には、研究が近くても希望職種が研究職以外に向いている学生は珍しくなく、研究の近さだけで順番を決めると、返信率の読み違いが起こります。分岐2と分岐3を分けているのはそのためです。担当者を選ぶときも、ここに差が出ます。理系採用の経験がある担当者は、研究概要と希望職種を別々に読み、どちらで声をかけるかを文面の前に決めています。経験が浅いと、研究が近いという一点で送る相手を決め、希望とずれた文面を量産しがちです。担当者の候補と面談するときは、プロフィールを一つ見せて「この人に何で声をかけるか」を聞いてみると、読み方の違いがすぐ分かります。

希望の向きで、研究の近さと組み合わせる

分岐3では、希望職種と就職先に求めることを読みます。公式サイトが挙げている検索軸には、研究概要と希望職種、就職先に求めることが並んでいますが、判定ではこの三つを一つの「合う・合わない」にまとめないことが大切です。研究内容が自社に近い学生が、その分野の仕事を希望しているとはかぎりませんし、研究は遠くても希望職種が合っている学生もいます。

分岐2と分岐3の結果を組み合わせると、四つの層に分かれます。層ごとに、誰が文面を書くか、何を材料にするかも変わります。右下の層だけを見送りにし、残る三つの層で送る順番を決めます。

週に送れる本数が決まっているなら、最優先の層に何本を割くかを先に決めます。決めていないと、候補が多く出た層から順に埋まり、最優先の層が後回しになります。同サイトはAIアシストの一つとして、募集情報にマッチする学生を自動でピックアップし、具体的にどの部分が自社にマッチしているのかも明確になる機能を案内しています。ピックアップは候補を出す仕組みであって、優先順位を決める仕組みではありません。表示された「マッチしている部分」が研究の話なのか希望の話なのかを読み、上の四つのどこに入るかを人が判定する使い方にします。

経験と条件の分岐で、送る順番を決める

分岐4では、活かせるスキルとプログラミングレベルを見ます。ここは送るかどうかではなく、同じ層の中で誰から送るかを決める分岐です。検索の二段目に置いた経験の語は、ここで使います。同サイトは、26卒の志望職種別・スキル別の学生登録数として、2025年1月時点でプログラミングレベル3以上が18,159人という数字を挙げています。レベルの指標がある以上、社内で「何レベル以上を見るか」を決める話になりがちですが、レベルの定義は媒体側のものです。

導入前の打ち合わせで実際のプロフィール画面を見せてもらい、自社の仕事の言葉でどのレベルが何を指すのかを確かめてから、判定に入れます。定義を確かめないまま「レベル◯以上」を条件にすると、自社の仕事で必要な経験とずれた相手を上位に置くことがあります。確かめたうえで、レベルは足切りではなく並べ替えに使うと、候補を不必要に減らさずに済みます。

分岐5は、勤務地の希望と過去の送信履歴です。勤務地の希望が自社の拠点とまったく合わない場合や、前年に送って返信が無かった層と条件が同じ場合は、ここで見送ります。どちらも話が進みにくいか、同じ結果になりやすい条件です。プロフィールの情報を送信の判断以外、たとえば選考の合否にどこまで使うかは別に社内で決めておき、法令に関わる扱いで迷う場合は、個別の判断を専門家にご確認ください。

見送りを記録して、分岐を月に一度直す

判定の分岐は、「送る条件」より「送らない条件」を決めておくほうが効きます。送る条件だけを決めると、迷った候補がすべて送信対象に入り、文面が薄くなります。見送った候補は、どの分岐で止まったかを一緒に記録しておきます。記録が無いと、翌週に同じ候補を見て同じ判定をやり直すことになります。

分岐ごとの見送り件数を並べると、基準が厳しすぎるのか緩すぎるのかが数字で分かります。分岐1で止まる件数が多いなら検索の段階でもう少し絞る余地があり、分岐5で止まる件数が多いなら勤務地の条件を検索に前倒しできます。登録者は時期によって増えます。同サイトは志望職種別の登録数に2025年1月時点という時点を付して示しており、専攻の広がりについても2026年3月時点の注記を付けているので、数字は時期で変わる前提で、分岐は一度決めて固定せず、月に一度見直すものとして置きます。

スカウト以外の接点で会った学生は、この分岐とは別に扱います。同サイトは、機電系や理系女性など専攻・テーマに合わせたイベントや、個社別の小規模座談会、学生が閲覧するWebメディアへの採用コンテンツ掲載も案内しています。イベントで会った学生にはすでに話した内容があるので、スカウトの分岐を通すより、その会話を起点にした優先順位を置くほうが自然です。文面の型はLabBaseのスカウト文面の型に、週次の回し方はLabBaseの運用スケジュールと送信計画にまとめています。

エラベルの見解

判定の基準を直す手がかりは、返信が来なかった候補の共通点にしかありません。そのため、分岐を作り込むことに何週間もかけるより、二週間走らせてから直すほうが早く合います。見るのは、送った相手を四つの層に分けたときの層ごとの返信の有無です。最優先の層から返信が来ていないなら、分岐2の「近さ」の定義が現場とずれている可能性が高く、二番手の層ばかり返信が来るなら、希望職種の読み方を見直す余地があります。外注先に判定を任せている場合は、判定の理由を層と分岐の番号で記録してもらうと、この振り返りができます。記録の形を最初に決めていない担当者だと、送った事実しか残らず、どこを直すかが決まりません。

まとめ

• 検索は研究の領域だけで緩く切り、細かい判定はプロフィールを読む分岐に回す
• 分岐は研究概要の分量、研究の近さ、希望の向き、経験、勤務地と履歴の順に通す
• 研究の近さと希望の向きは別の軸として組み合わせ、四つの層で送る順番を決める
• プログラミングレベルは媒体側の定義を確かめたうえで、足切りではなく並べ替えに使う
• 見送りはどの分岐で止まったかを記録し、分岐ごとの件数を見て月に一度直す

よくある質問

Q. AIアシストのピックアップだけで送る相手を決めてもよいですか

ピックアップは候補を出す仕組みで、優先順位までは決めません。表示される「マッチしている部分」が研究の話か希望の話かを読み、どの層に入るかを人が判定する使い方が向いています。そのうえで、最優先の層に送る本数を先に決めておきます。

Q. 研究が自社と遠い学生にも送る意味はありますか

希望職種が自社の仕事と合っているなら、送る意味はあります。その場合は研究に触れるより、入社後の仕事の中身で語る文面にします。研究も希望も合わない層は、見送りに回すのが無理のない判断です。

Q. 判定の基準はどのくらいの頻度で見直せばよいですか

月に一度を目安にします。分岐ごとの見送り件数と、層ごとの返信の有無を並べると、どこを直すかが決まります。登録者は時期によって増えるため、一度決めた基準をそのまま使い続けない前提で置いておきます。

※仕様や提供範囲は変わります。掲載した内容は2026年9月23日時点の公式サイトの記載です。契約前に、運営の案内で最新の内容をご確認ください。