ホーム/スコアの仕組み
ATS スコアはどう計算されるか
この数値は 21 個のサブスコアの加重平均で、あなたのファイルのテキストからブラウザ内で計算されます。スコアの計算経路にモデルはなく、乱数もなく、サーバー呼び出しもありません。このページでは四捨五入に至るまで計算式を公開します。信じるのではなく、自分で検算できるようにするためです。
公開日 2026年10月27日。重みを変更した場合はこのページも同時に更新します。以下の数値は、アプリが出荷しているルール定義から直接読み出したものです。
なぜこれを公開するのか。「ATS スコア」は手法を明かさないまま至る所で売られています。監査できないスコアは、行動に移せないスコアです。数値だけ渡され、改善しろと言われ、その助言が現実とつながっているか確かめる手段がない——それが現状です。以下の重みは私たちの意見であり、私たちが選んだものです。ただしそれは明示された意見なので、漠然とではなく具体的に反論できます。
計算の 4 ステップ
- 各ルールは 0〜100 のサブスコアを返します。ルールは解析済み文書の特定の性質を 1 つ見ます。たとえば「すべての箇条書きが動詞で始まっているか」を調べ、採点します。サブスコアは整数に丸められます。
- そのサブスコアにルールの重みを掛けます。点数 = サブスコア × 重み ÷ 100(小数第 1 位で四捨五入)。重み 12 のルールが 50 点なら 6.0 点、重み 2 のルールが 50 点なら 1.0 点です。重みが実際に効くのはここだけです。
- 点数は固定の 100 ではなく、その時点の満点で割ります。スコア = (点数の合計 ÷ 適用された重みの合計) × 100(整数に丸め)。
- 実行できなかったルールは分母から外します。求人票が入力されていない場合、求人票に関する 4 つのルールはスキップされ、0 点 / 満点 0 として扱われます。失敗として数えるのではなく、除外します。
求人票は、貼り付けられたテキストが 30 文字を超える場合に「入力あり」と判定されます。それ未満は未入力として扱います。会社名だけでは求人票にならず、それに対して採点すると、自信たっぷりで無意味な一致度が出てしまうからです。
21 のルールとその重み
5 つのグループ、21 のルール、重みの合計は 101。以下の順序は実行順です。
| # | ルール | グループ | 重み |
|---|---|---|---|
| 1 | ファイル内にテキストがあるか | 解析 | 4 |
| 2 | 2 段組みレイアウト、表、テキストボックス | 解析 | 3 |
| 3 | 見出しは一般的なセクション名か | 解析 | 2 |
| 4 | ヘッダーやフッターに埋もれた連絡先 | 解析 | 1 |
| 5 | ページ数と職歴年数のバランス | 構成 | 5 |
| 6 | 連絡先は完全で、解析可能か | 構成 | 5 |
| 7 | 日付の書式は統一されているか | 構成 | 4 |
| 8 | 説明のない空白期間 | 構成 | 3 |
| 9 | 写真・年齢・配偶者の有無・国籍 | 構成 | 3 |
| 10 | すべての箇条書きが動詞で始まっているか | 箇条書きの内容 | 6 |
| 11 | 数値で示された成果 | 箇条書きの内容 | 8 |
| 12 | 曖昧な埋め草表現 | 箇条書きの内容 | 5 |
| 13 | スキルは具体的なツール名か | 箇条書きの内容 | 5 |
| 14 | ハードスキルのキーワード網羅率 | 求人票との一致 | 12 |
| 15 | 職種名の一致 | 求人票との一致 | 8 |
| 16 | 業界用語のヒット率 | 求人票との一致 | 6 |
| 17 | ソフトスキルのキーワード一致 | 求人票との一致 | 4 |
| 18 | 具体的な成果と規模 | 詳細とリスク | 5 |
| 19 | 資格・免許 | 詳細とリスク | 3 |
| 20 | 綴り | 詳細とリスク | 4 |
| 21 | キーワードの詰め込み(不可視テキストを含む) | 詳細とリスク | 5 |
グループ別の合計:解析 10、構成 20、箇条書きの内容 24、求人票との一致 30、詳細とリスク 17。21 のルールのうち 17 は求人票なしで実行され、求人票が必要なのはルール 14〜17 だけです。
単体で最大の重みはルール 14「ハードスキルのキーワード網羅率」の 12 です。これは意図的です。私たちが模している仕組みでは、採用担当者が最初に行うのは解析済みインデックスに対するキーワード検索であり、求人票が実際に求めるスキルをどれだけ網羅しているかは、箇条書きを書き直すよりも大きく順位を動かします。最小はルール 4 の 1 です。ページフッターに閉じ込められた連絡先は実際の失敗ですが頻度は低く、しかもルール 6 で部分的にカバーされています。
重みの合計が 100 ではなく 101 になる理由
合計を計算する前に、相対的な重要度を整数で決めたからです。結果として合計は 101 になりました。これは何も変えません。スコアは点数をその時点の満点で割るので、すべて満点なら 100 が返ります。101 というのは、1 点あたりの価値が 1 パーセントをわずかに下回る、というだけのことです。
もう一つの選択肢——重みを再スケールして合計を 100 にする——は、見た目を整えるためだけにすべての重みを書き換えることになり、公開している数値とコード内の数値が食い違う結果を招きます。合計が丸いことより、コードと一致していることのほうが価値があります。
求人票がない場合、適用される満点は 71(101 からルール 14〜17 の 30 を引いた値)です。つまり求人票なしの履歴書は 70 点前後で頭打ちになるのではなく、71 点満点で採点されます。機械的に完璧なファイルはどちらでも 100 点です。変わるのは、どの失敗が起こり得るかです。
手計算で検算できる実例
以下は説明用のサブスコアで、実在の応募者ではありません。求人票が入力されていないため、ルール 14〜17 は存在せず、分母は 71 です。
| ルール | 重み | サブスコア | 点数 |
|---|---|---|---|
| 1 · テキストの有無 | 4 | 100 | 4.0 |
| 2 · レイアウト | 3 | 100 | 3.0 |
| 3 · 見出し | 2 | 100 | 2.0 |
| 4 · ヘッダー/フッターの連絡先 | 1 | 100 | 1.0 |
| 5 · ページ数 | 5 | 80 | 4.0 |
| 6 · 連絡先の完全性 | 5 | 100 | 5.0 |
| 7 · 日付書式 | 4 | 100 | 4.0 |
| 8 · 空白期間 | 3 | 100 | 3.0 |
| 9 · 保護対象項目 | 3 | 100 | 3.0 |
| 10 · 動詞で始まる箇条書き | 6 | 70 | 4.2 |
| 11 · 数値化された成果 | 8 | 40 | 3.2 |
| 12 · 埋め草表現 | 5 | 60 | 3.0 |
| 13 · 具体的なスキル | 5 | 100 | 5.0 |
| 18 · 成果と規模 | 5 | 60 | 3.0 |
| 19 · 資格 | 3 | 100 | 3.0 |
| 20 · 綴り | 4 | 100 | 4.0 |
| 21 · キーワードの詰め込み | 5 | 100 | 5.0 |
| 合計 | 71 | — | 59.4 |
59.4 ÷ 71 × 100 = 83.66、四捨五入して 84。これは 2 番目の帯「良好」に入ります。各行を手で足すことが監査のすべてです。隠れた項はありません。
4 つのスコア帯の意味
| スコア | ラベル | 読み方 |
|---|---|---|
| 85–100 | 優秀 | ファイルは正しく解析され、内容も見つけやすくなっています。残るリスクは仕組みではなく適合性です。 |
| 70–84 | 良好 | 正しく解析されています。いくつかの内容ルールで点数を取りこぼしており、書き直しで回収できます。 |
| 50–69 | まずまず | 構造上の問題か、検索結果から外れるほど大きなキーワードの欠落があります。 |
| 0–49 | 要改善 | 多くの場合、上流の解析失敗です。その下の内容はまだほとんど意味を持ちません。 |
帯はラベルであり、確率ではありません。「84 は面接に受かる確率 84%」を支持するデータは存在せず、私たちはそう書きません。
同じファイルが常に同じスコアになる理由
スコアの計算経路には、言語モデルも、ネットワーク要求も、乱数源もありません。ファイルはブラウザ内で解析され、21 のルールはその解析結果に対する普通の関数で、計算は算術です。同じファイルを 2 回実行すれば同じ数値が出て、同じルールが同じ明示された理由で失敗します。
これが、スコアを「変更前と変更後」を測る道具として使える理由です。箇条書きを 1 つ変え、ルールを 1 つ変え、数値が 1 つ動くのを見る。確率的なスコアにはこれができません。編集のたびにモデルのばらつきが混ざり、数値が動いたのが書き直しのせいか偶然のせいか分からなくなります。
言語モデルを使うのはただ 1 か所で、それはスコアではありません。支払い後に実行され、テキストを生成する有料の書き直しです。その出力はスコアに戻されないため、モデル側の何かが表示された数値を動かすことはありません。
スコアとは別の注意点が 1 つあります。同じ履歴書でも、書き出し元が違えば抽出結果が変わり得ます。抽出はどのルールよりも前に走るからです。これはファイル側の違いであり、アプリ上で確認できます。解析プレビューに、ルールが実際に見た内容が表示されます。
この数値が誤解を招く 4 つの場面
- これは雇用主の ATS スコアではありません。ここで模しているのは、どのベンダーの順位付けでもありません。この数値が示すのは、このファイルが正しく解析されるか、そして採用担当者が検索しそうな語を含んでいるかです。Workday、Greenhouse、Taleo の並び順を再現するものではありません。
- 解析ルールは、私たち自身の抽出器に対するヒューリスティックです。ルール 2 は、あなたのファイルを市販のパーサーすべてに通しているわけではありません。一般にテキスト抽出を壊すことが知られている構造を検出しています。これは強い事前情報ですが、保証ではありません。
- 高いスコアは「見つけやすい」であって「良い」ではありません。すべての箇条書きが動詞で始まり、すべての成果に数字が付いていても、その経験自体が求められている経験でないことはあります。ここでは、人間がその履歴書を好むかどうかも、あなたがその仕事をできるかどうかも測っていません。
- 編集では直せない失敗もあります。テキスト層のないスキャン PDF は、書き直しでは解決しない理由でルール 1 に落ちます。再書き出しが必要です。応募フォームの足切り質問——就労資格や経験年数——は、この数値が何と言おうと人を落とします。
21 のうち、どれで落としているかを見る
無料のスコアでは、点数を失ったすべてのルールと、その引き金になった具体的な行を表示します。アカウントもメールも不要で、ファイルがブラウザの外に出ることはありません。
ルール自体はATS が実際に確認していることで 1 つずつ解説しており、Jobscan と Resume Worded との価格比較は比較ページにあります。このページの重みとしきい値は、アプリが出荷している定義から直接読み出しています。両者が食い違うなら、それは方針ではなくバグです。