人材紹介/HR TechのLLMO実践ガイド｜求人検索AIで指名される最適化【2026年版】

結論：人材紹介・HR TechのLLMOで最初にやるべき3つ

人材業界・HR Techの検索市場は、2026年5月時点で「リクナビ・マイナビ・doda」のような従来型求人サイトから、生成AIによる「対話型キャリア相談」へ急速に重心がシフトしています。ChatGPT・Gemini・Perplexityで「未経験OK Webエンジニア転職」「30代 年収アップ 業界」「育休復帰 在宅勤務 求人」と聞くユーザーが激増し、AIの回答内に求人企業・エージェント・求人媒体が直接登場するようになりました。最初にやるべきことは3つです。

1. 企業ブランドエンティティ統合：企業名・事業ブランド・採用ブランド（採用専用サブブランド）を Organization + EmployerAggregateRating で紐付け、AIに「同一採用主体」と認識させる
2. OpenWork / Lightning / OpenESS / 転職会議連携：生成AIは口コミサイトの集約評価を強く参照する。自社採用サイトから sameAs で正規プロファイルにリンク
3. JobPostingスキーマ + 年収・職種データの構造化：各求人ページに JobPosting を完全実装。年収・勤務地・職種・雇用形態を構造化することで、AIの比較表に正確に載る

本ガイドは、人材紹介エージェント・求人媒体・採用ブランディングを行う企業の採用責任者・採用広報担当者向けに、求人検索AIで指名される最適化を5,500字以上で解説します。

求人検索の特殊性：なぜLLMOがSEOより重要になりつつあるのか

求職者の情報収集行動は、生成AI時代に4つの特殊性を持ちます。これを踏まえずに従来の求人媒体掲載・SEOだけを続けると、優秀層へのリーチが急速に縮みます。

「キャリア相談」が生成AI上で完結

かつての転職プロセスは「リクナビNEXT検索 → エージェント面談 → 求人紹介」でしたが、現在は「ChatGPTにキャリア相談 → AIが業界・企業を推奨 → 公式サイトかエージェント問合せ」へ移行しています。生成AIに推奨されない企業・エージェントは、検討候補から最初の段階で外れます。

口コミサイト・年収サイトへの強い依存

求職者は応募前に必ずOpenWork（旧Vorkers）、転職会議、Lightning、ライトハウス（旧カイシャの評判）、エンライトハウス、OpenSalaryなどを参照します。これらは生成AIの主要データソースで、口コミ評点が低い企業は推奨候補から事実上除外されます。

年収・職種・勤務地の多次元比較

求職者の評価軸は「年収・職種・勤務地・雇用形態・福利厚生・社風・成長性」と多次元です。生成AIが「30代 営業 年収600万以上 リモート可」と複合条件で検索された際、構造化データが整っていない求人は条件マッチング段階で弾かれます。

個人情報保護法・職業安定法の規制

求人広告には職業安定法・労働基準法・男女雇用機会均等法の制約があります。「若手活躍」「主婦歓迎」のような表現は違反となるため、LLMOで引用率を上げたい一心で表現を誇張すると、行政指導の対象となります。後述の個人情報保護セクションで詳述します。

企業ブランドエンティティ統合の実装

人材LLMOの第一歩は、企業エンティティと採用ブランドの紐付けです。例えば「リクルート」「リクルートホールディングス」「Recruit」「リクルートキャリア」が同一企業群として認識されていないと、口コミ評価が分散します。詳細はエンティティ統合ガイドを参照。

Organization + EmployerAggregateRating の実装

{
  "@context": "https://schema.org",
  "@type": "Organization",
  "@id": "https://example-hr.co.jp/#organization",
  "name": "株式会社サンプル",
  "alternateName": ["Sample Inc.", "サンプル", "Sample"],
  "url": "https://example-hr.co.jp",
  "logo": "https://example-hr.co.jp/logo.svg",
  "foundingDate": "2010-04-01",
  "numberOfEmployees": {
    "@type": "QuantitativeValue",
    "value": "350"
  },
  "industry": "IT・ソフトウェア",
  "address": {
    "@type": "PostalAddress",
    "streetAddress": "千代田区丸の内1-1-1",
    "addressLocality": "千代田区",
    "addressRegion": "東京都",
    "postalCode": "100-0005",
    "addressCountry": "JP"
  },
  "sameAs": [
    "https://www.openwork.jp/company.php?m_id=xxxx",
    "https://jobtalk.jp/companies/xxxx",
    "https://en-hyouban.com/company/xxxx",
    "https://ja.wikipedia.org/wiki/株式会社サンプル",
    "https://www.linkedin.com/company/sample-inc/",
    "https://x.com/sample_recruit"
  ]
}

採用専用サブブランド（例：「リクルート × Indeed」「ヤフー × LinkedIn」のような独自採用名）がある場合は、それも alternateName に含めます。

EmployerAggregateRating の実装

{
  "@context": "https://schema.org",
  "@type": "EmployerAggregateRating",
  "itemReviewed": {
    "@id": "https://example-hr.co.jp/#organization"
  },
  "ratingValue": "4.2",
  "reviewCount": "187",
  "bestRating": "5",
  "worstRating": "1"
}

これにより「サンプル社の評判」をAIに聞かれた際、自社採用サイトの集約評価がSources候補になります。OpenWork等の口コミサイトのレーティングと自社サイトのレーティングを整合させることが重要です。

採用ブランディングサイトの構造

採用サイト（recruit.example-hr.co.jp 等）は次の8セクションを必ず設けます：「会社について」「事業内容」「文化・バリュー」「働き方」「待遇・福利厚生」「キャリアパス」「社員インタビュー」「募集要項」。生成AIは「{企業名} {セクション}」のパターンで引用元を探すため、Hタグ命名がそのまま引用率に効きます。

OpenWork / Lightning 連携：口コミサイトを味方にする

2026年5月時点の主要生成AIは、企業推奨を生成する際、必ずと言っていいほど口コミサイトを参照します。引用率モニタリング計測では、ChatGPTで「{業界} 働きやすい企業」を聞くと約8割のケースでOpenWork・転職会議がSourcesに含まれます。

主要口コミサイトの特性

口コミ獲得の実践施策

1. 退職者・離職者へのアンケート依頼：OpenWorkは社員・退職者の口コミが質量とも重視される
2. 社員紹介プログラム：社員紹介時に口コミ投稿を依頼（強制はNG。お願いベース）
3. 採用面談後のフィードバック依頼：選考に進まなかった求職者にもアンケート（カジュアル面談含む）
4. ネガティブ口コミへの公式返信：OpenWork等で企業公式アカウントから返信。返信率の高さは生成AIにも好シグナル

口コミの「捏造」「サクラ」は絶対NG。発覚時のブランド毀損コストが膨大で、生成AIも検出ロジックを組み込みつつあります。

自社サイトからのsameAsリンク

Organizationスキーマの sameAs 配列にOpenWork・転職会議・ライトハウスの正規企業プロファイルURLを含めます。エンティティの同一性がAIに伝わり、口コミサイトの集約評価が自社採用サイトの評価としても引用されやすくなります。

JobPostingスキーマ実装：年収・職種データを構造化

個別求人ページには JobPosting を完全実装します。これがないと生成AIの比較表に求人が載らず、応募流入が他社に流れます。JSON-LD実装ガイドの応用版です。

JobPosting 必須プロパティ

{
  "@context": "https://schema.org",
  "@type": "JobPosting",
  "title": "Webエンジニア（フロントエンド）",
  "description": "React/TypeScriptを用いた自社サービスの開発...",
  "identifier": {
    "@type": "PropertyValue",
    "name": "Sample Inc.",
    "value": "ENG-FE-2026-05"
  },
  "datePosted": "2026-05-01",
  "validThrough": "2026-07-31T23:59:59+09:00",
  "employmentType": "FULL_TIME",
  "hiringOrganization": {
    "@id": "https://example-hr.co.jp/#organization"
  },
  "jobLocation": {
    "@type": "Place",
    "address": {
      "@type": "PostalAddress",
      "streetAddress": "千代田区丸の内1-1-1",
      "addressLocality": "千代田区",
      "addressRegion": "東京都",
      "postalCode": "100-0005",
      "addressCountry": "JP"
    }
  },
  "jobLocationType": "TELECOMMUTE",
  "baseSalary": {
    "@type": "MonetaryAmount",
    "currency": "JPY",
    "value": {
      "@type": "QuantitativeValue",
      "minValue": 5000000,
      "maxValue": 8000000,
      "unitText": "YEAR"
    }
  },
  "experienceRequirements": {
    "@type": "OccupationalExperienceRequirements",
    "monthsOfExperience": 36
  },
  "educationRequirements": "大学卒業以上",
  "skills": "React, TypeScript, Next.js",
  "industry": "ソフトウェア",
  "applicantLocationRequirements": {
    "@type": "Country",
    "name": "JP"
  },
  "directApply": true
}

年収・職種データの正確性が鍵

生成AIは baseSalary の minValue / maxValue を直接読み取り、「年収600万以上の求人」のような条件マッチングに使います。記載がないと条件外として弾かれます。求人媒体（Indeed・スタンバイ）への掲載でも年収レンジ明示が応募率を約30%上げると報告されています。

勤務地・リモート可否

jobLocationType は3つの値があります：「TELECOMMUTE」（完全リモート）、「PARTIAL_TELECOMMUTE」（ハイブリッド）、未指定（出社）。リモート可の求人はAIに高頻度で引用される傾向にあり、明示は必須です。

有効期限の管理

validThrough を過ぎた求人はAIに「無効」と判定されて引用されません。求人を取り下げる場合は JobPosting 自体を削除するか validThrough を遡及更新します。古い求人がいつまでも残ると、エンティティ全体の信頼性低下につながります。

引用率モニタリング：人材特化25KW設計

人材紹介・HR TechのLLMO効果測定には、最低25キーワードでの引用率週次計測が必須です。詳細は引用率モニタリングガイドを参照。

人材特化5カテゴリ×5パターン

計測自動化と週次レポート

25KW × 4AIエンジン × 週1回 = 月400クエリを自動化します。OpenAI / Gemini / Perplexity APIを統合した自動取得スクリプトを構築し、SQLiteまたはBigQueryに蓄積。Slackに週次レポート配信が標準。Koukoku.aiでは人材業界特化の25KWダッシュボードを標準提供しています。

個人情報保護・職業安定法・労働基準法への配慮

人材業界は規制が厳しく、LLMOで「引用率を上げる」ために誇張・違反表現を使うと、行政指導や罰則の対象となります。2026年5月時点で特に注意すべき点を整理します。

職業安定法（年齢・性別差別の禁止）

雇用対策法・均等法により、求人広告で年齢・性別を指定することは原則禁止です。「20代活躍中」「女性が活躍」のような表現は違反となり得ます。LLMO的にも、AIは違反表現の含まれるページを引用しない傾向が強まっています。

労働基準法（賃金・労働時間表示）

JobPostingの baseSalary には実態と乖離した金額を書けません。「年収例：1,500万円（実際は中央値500万円）」のような誇大表現は労基法違反になります。中央値・レンジを正直に書く方が長期的にAI評価も上がります。

個人情報保護法（応募者情報の取得・利用）

応募フォームでは取得項目・利用目的・第三者提供の有無を明示する必要があります。LLMOで応募導線を整える際、構造化データの applicationContact や termsOfService にプライバシーポリシーURLを含めることが推奨です。

有料職業紹介事業の許可表示

人材紹介エージェントは厚生労働省の許可番号を全ページに表示する義務があります。Organizationスキーマの identifier に許可番号を明示します。AIに「合法的な事業者か」を判定させる重要シグナルです。

人材LLMOロードマップ（90日プラン）

採用責任者・採用広報担当者向けの90日実装ロードマップです。

Day 1-30：基盤整備

• Organization + EmployerAggregateRating スキーマ実装
• 全求人ページにJobPosting スキーマ実装（テンプレ自動生成）
• llms.txt配備（llms.txt実装ガイド）
• robots.txt でGPTBot / OAI-SearchBot / ChatGPT-User / CCBot許可
• 25KWの引用率ベースライン計測開始

Day 31-60：口コミ資産強化

• OpenWork / 転職会議 / ライトハウスの企業プロファイル整備
• 口コミURLを sameAs に追加
• 退職者アンケート・社員口コミ獲得サイクル運用
• ネガティブ口コミへの公式返信開始

Day 61-90：効果検証と拡張

• 25KW引用率の4週移動平均レビュー
• 採用ブランドサイトの社員インタビュー強化（月3本）
• 業界別求人ランキングページの自社作成
• PR TIMES等でブランド発信開始（月1本）

人材LLMO実装支援はKoukoku.aiへ

人材業界はJobPostingスキーマの全求人実装、口コミ連携、年収・職種データの正規化など、工数が大きい領域です。Koukoku.aiでは、求人ページ構造化データの自動生成、25KW引用率モニタリング、職業安定法・個人情報保護法に配慮したコピー設計までを一括支援しています。求人検索AIで指名される状態を90日で構築したい人材紹介・採用ご担当者様は、無料診断からご相談ください。

よくある質問

Q. 求人数が500件以上ありますが、全求人にJobPostingスキーマを手動実装するのは現実的ですか？

A. 不可能です。ATS（採用管理システム：HERP・Greenhouse・Workday・HRMOS等）か求人管理基盤側のテンプレートを修正し、求人マスタからJSON-LDを自動出力する設計が標準です。多くのATSは標準でJobPosting出力に対応していますが、年収レンジや勤務地タイプの精度に差があるため、基盤選定の段階でLLMO観点での確認が重要です。

Q. OpenWorkの口コミがネガティブで困っています。どう対応すべきですか？

A. 口コミの削除依頼は基本的に通りません（誹謗中傷・事実無根の場合のみ対応）。代わりに「公式返信」で誠実な対応を示すこと、また改善施策を社内で実行して新規口コミを増やすことが王道です。生成AIは「返信率」「直近6ヶ月の口コミ傾向」を見るため、古いネガティブ口コミの影響は時間と共に薄れます。

Q. 採用エージェント側ですが、媒体に依存せずLLMOで集客できますか？

A. 可能ですが、エージェント単独より「業界×役職×年収帯」での専門性訴求が効きます。たとえば「30代エンジニア ハイクラス転職エージェント」「経理・財務 専門エージェント」のように特化型LP・記事を整備し、エージェントブランド自体を1つのカテゴリエンティティに育てる戦略です。25KWの計測対象もエージェント名指名型を増やすのが定石です。