ATS スコアとは？ 履歴書のスコアの計算方法

チェッカーに求人内容を貼り付け、履歴書（CV）をアップロードすると、数値が返ってきます。100 点中 62 点。これが ATS スコアです。その裏にあるツールが、応募者追跡システムがその求人に対してあなたのファイルをどう評価するかを推定したものです。この推定には使い道があります。一方で誤解も招きます。企業が使うシステムとあなたを採点するツールは別のソフトウェアであり、2 つのチェッカーに同じ履歴書を渡すと、違う数値が返ってくるからです。この記事では、その数値がどこから来るのか、一般的なツールがどう計算するのか、コードが公開されていると計算式がどう見えるのか、そしてテキストエディターで自分のスコアを確かめる方法を説明します。

ATS スコアとは

応募者追跡システム（ATS、Applicant Tracking System）は、企業が応募を集めるために使うソフトウェアです。ファイルからテキストを取り出し、名前、勤務先、役職、日付、スキルなどの項目に分け、保存して、採用担当者が応募の山全体を検索したり絞り込んだりできるようにします。Greenhouse や Workday は、何十もある製品の中の 2 つの例です。日本ではこうしたシステムを「採用管理システム」と呼ぶこともあります。

ATS スコアは、あるソフトウェアが 1 つの求人内容に対してあなたの履歴書に付ける数値で、多くのツールでは 0〜100 の範囲です。この数値を出すソフトウェアには 2 種類あります。雇用主の ATS は、一部の製品と設定で、採用担当者に一致度の目安を表示できます。Jobscan、Resume Worded、SkillSyncer のような第三者のチェッカーは、あなた自身の画面に表示される数値を出します。自分の ATS スコアを調べている人が指しているのは後者で、2 つの種類に共通の尺度はありません。

ATS スコアと履歴書スコアの違い

2 つの言葉は重なっていて、違いは求人内容を入れたかどうかです。求人を付けずにファイルそのものを採点するツールは、文章と構造を測ります。数値の入った箇条書き、繰り返される言い回し、セクション見出し、解析できる日付です。ベンダーはこれを履歴書スコアと呼ぶことが多いです。求人を受け付けるツールはその求人との重なりを測り、その結果を ATS スコアや一致率と呼ぶことが多いです。どちらも雇用主のシステムの外で作られた推定値で、この記事の残りの部分は両方に当てはまります。

雇用主のシステムが履歴書で何をするか

ベンダーが公開しているドキュメントは、採点よりも、解析、保存、検索についてはるかに多く説明しています。

Greenhouse のサポートサイトは 応募の審査中のキーワードによる絞り込み を説明しています。採用担当者は履歴書と社内メモの全文を検索し、検索のキーワードは応募書類の言葉と完全に一致しなければならず、用語は Preferred（どれか 1 つがあればよい）か Required（すべてが必要）として指定できます。自動での不採用もありますが、Greenhouse の 応募ルール は、就労資格や所在地など、応募時の質問への回答をもとに動作し、自動不採用は Plus と Pro のプランで使えます。どちらの記事も、履歴書の数値スコアには触れていません。

Workday は数値を計算しますが、その限界を自ら述べています。同社の Candidate Skills Match は、機械学習で応募書類から導いたスキルと求人票のスキルを比べ、求人票の必須スキルに大きな重みを付け、採用担当者にはパーセンテージではなく段階（Strong、Good、Fair、Low、Pending、Unable to Score）を表示します。管理者ガイドによると、このスコアは応募者がスキルをどれだけ前に、どれだけの期間使ったかを考慮せず、対応していない履歴書の形式や英語以外の文書では計算できず、Workday は将来のリリースでこの機能を廃止する予定です。つまり、日本語の履歴書はこのスコアの対象外です。

何らかの絞り込みや順位付けは一般的です。ハーバード・ビジネス・スクールの Project on Managing the Future of Work は、アクセンチュアとの 2021 年の報告書『Hidden Workers: Untapped Talent』のために、米国、英国、ドイツの雇用主を調査しました。Joseph Fuller による HBS Working Knowledge の要約 によると、調査対象の雇用主の 63%（従業員 1,000 人超では 69%）が採用管理システムを使っており、その利用者のうち 94% が中程度のスキルの応募者の、92% が高度なスキルの応募者の、最初の絞り込みや順位付けをシステムに頼っていました。

つまり順位付けは実在し、ベンダーや各雇用主の設定によって異なり、採用担当者が目にするかもしれない数値には、履歴書を当てはめて比べられる公開された尺度がありません。こうしたシステムが解析して順位付けする仕組みについては、キーワード、意味、構造の各層を扱った 履歴書のマッチングアルゴリズムの仕組み（英語）を読んでください。この記事は数値の話にとどめます。

画面に出る数値はどこから来るのか

第三者のチェッカーは、それぞれ独自のスコアと独自の目標値を定めています。2026 年 10 月時点の各ベンダーのサイトから：

• Jobscan は数値を一致率（match rate）と呼び、トップページ で、それがハードスキル、学歴、職種名、ソフトスキル、その他のキーワードという 5 つの優先順位に基づくと説明しています。履歴書の語数や測定可能な成果は含めません。Jobscan は 75% を推奨し、多くの利用者が 65% で成果を出していると付け加え、75% を超えようとするとキーワードを詰め込む必要が出るかもしれないと警告しています。
• Resume Worded は Score My Resume を提供しています。30 以上のチェックで 0〜100 のスコアを出し、85 以上を良好、90 以上を理想としています。別の Targeted Resume ツールは、履歴書を 1 つの求人と比べて Relevancy Score を出し、80 未満なら求人の重要なスキルが欠けていることを意味します。
• SkillSyncer は、貼り付けた求人に対して 履歴書を 0〜100 で採点 し、雇用主が繰り返す頻度でキーワードを順位付けし、80 以上を推奨しています。自分に当てはまらないキーワードを除外すると、スコアが再計算されます。
• Teal は、無料ユーザーには登録した求人のキーワードの上位 5 つの分析を表示し、キーワードの完全な一覧と Match Score は有料の Teal+ プラン にしています。
• Rezi は 23 の指標から Rezi Score を作り、無料プランでは制限しています。

同じ履歴書に、公開された目標値が 3 つ（75、80、85）、お金を払わないと見られない Match Score が 1 つ、無料プランでは削られたスコアが 1 つ。しきい値はそれを決めたツールのものであり、各ツールは独自のキーワード一覧、独自の重み、独自のおまけを選んでいます。同じ日の同じファイルが、あるツールでは 68、別のツールでは 81 になりえます。

これらのツールは主に英文の履歴書を想定しています。日本語の履歴書で使う場合は、そのツールが日本語に対応しているか先に確認してください。

ATS の履歴書スコアの計算方法

多くのチェッカーは 3 つの材料を組み合わせており、ツールごとの違いは重みに帰着します。

キーワードの重なり。 ツールは求人内容から用語を抽出し、そのうちどれが履歴書に出てくるかを調べ、割り算します。バリエーションとしては、求人で繰り返される頻度による重み付け、ハードスキルをソフトスキルより重く扱う、職種名を独立したチェックとして扱う、完全一致にするか同義語を認めるか、などがあります。求人内容を受け付けるツールでは、この材料がスコアの大部分を占めます。

セクションのチェック。 サマリー、職歴、学歴、スキルの一覧はあるか。パーサーはメールアドレス、電話番号、読み取れる日付を見つけたか。セクションが欠けていたり、ラベルがなかったりすると減点されます。

書式のチェック。 ファイル形式、PDF にテキスト層があるか、読み取り順を乱す段組みや表、フォント、ページ数。求人内容なしで動くツールは、このグループと、数値の入った箇条書きや繰り返される言い回しといった文章の質に頼ります。

そして誰かが重みを選びます。たとえばキーワード 60%、セクション 20%、書式 20%。重みには何が重要かという意見が込められていますが、自社の重みが面接の獲得を予測するという証拠を公開しているベンダーを、私は見つけられていません。

ATS の履歴書スコアの計算：コードが公開された実例

私は Resume Matcher を開発しています。求人内容に合わせて履歴書をカスタマイズする、無料のオープンソース（Apache 2.0）の AI ツールで、20 万人以上の求職者が使っています。Claude、ChatGPT、Gemini、DeepSeek、または Ollama 経由のローカルモデルなど、持ち込んだモデルで自分のマシン上で動きます。どの雇用主の ATS もシミュレーションするとは主張していません。2 つのスコアを表示し、1 つの PDF テストを実行します。コードが公開されているので、計算式を推測するのではなく読めます。そのため、スコアが何でできているかを示す例として役立ちます。

JD一致 %

ビルダーの JD一致 タブは、求人内容（Job Description、JD）を履歴書の横に表示し、一致した単語をハイライトして、パーセンテージを示します。apps/frontend/lib/utils/keyword-matcher.ts の計算は次のとおりです。

1. 求人内容の原文を小文字にし、英字、数字、ハイフン以外の文字で区切ります。
2. 3 文字以上のトークンを残します。数字だけのものは除きます。英語の機能語と、「role」「team」「experience」「skills」のような求人票によくある語を含む 172 語の除外リストを取り除きます。
3. 履歴書のテキストから同じ集合を作ります。
4. 求人内容のトークンのうち、履歴書の集合に含まれるものを数えます。一致は完全一致で、「kubernetes」は「kubernetes」にしか一致しません。
5. スコア = round（一致数 ÷ 求人内容のトークンの総数 × 100）。

この計算に AI は使われません。知っておくべき限界が 2 つあります。トークナイザーは ASCII しか扱わないため、デーヴァナーガリー文字、中国語、アクセント付きのラテン文字の単語は無視されます。日本語の単語も同様に数えられないので、この数値は英文の求人と英文レジュメのためのものです。また、タブではパーセンテージが 50 以上で緑、30 以上で黄になります。この色は画面上の表示の選択にすぎません。アプリの中でこれを合格ラインとして扱っている箇所はなく、あなたもそう扱うべきではありません。

ATS スコアの内訳

カスタマイズ画面では、カスタマイズしたプレビューの下に「ATSスコアの内訳」というカードが表示され、確認して保存するとアプリがそのスコアをカスタマイズ履歴書と一緒に保存します。スコアは 100 点満点で、apps/backend/app/services/ats.py から来ています。

score = 0.40 × keyword_match + 0.20 × skills_coverage + 0.15 × title_match
      + 0.15 × section_completeness + 0.10 × date_consistency

• keyword_match：接続したモデルが、求人から必須スキル、歓迎スキル、キーワードを抽出します。続いてコードが、個人情報を除く履歴書の各セクションに対して、各用語を単語単位・大文字小文字を区別せずに照合し、一致数を総数で割ります。
• skills_coverage：求人の必須スキルと歓迎スキルのうち、履歴書で見つかったものの割合。
• title_match：求人の職種名がそのまま履歴書の見出しにあれば 100、サマリーにあれば 75、見出しに含まれる職種名の単語の割合に応じて最大 50。
• section_completeness：連絡先（メールまたは電話）と、サマリー、職歴、学歴、スキルのセクションがあり、表示されているか。
• date_consistency：履歴書の日付のうち、最も多い形式で書かれているものの割合。月の日付として数えられるのは英語の月名だけです。パーサーは「Ene 2020」を 1 月とは読まないからです。01/2020 や 2020-01 のような数字の日付も数えられます。「2020 年 1 月」のような日本語の表記は月の日付として数えられないので、英文レジュメでは英語の月名か数字の形式を使ってください。

求人に職種名がない場合の職種名の一致のように、採点できない要素があれば、アプリはそれを除き、その重みを残りに配分します。カードの下の推奨事項は、低かった要素に応じて決まった固定のルールです。重みはメンテナーの判断によるもので、リポジトリの開発者向けドキュメント自体が、商用 ATS の精度を主張しないよう書いています。ラベルが何であれ、このカードはキーワードと書式のヒューリスティックとして読んでください。

ATS チェック

ビルダーの ATSチェック タブは、別の問いを立てます。そもそもソフトウェアはあなたの PDF を読めるのか。選んだテンプレートで履歴書を描画し、単純な ATS のテキスト抽出ツールと同じやり方でテキストを読み戻して、読み取りやすさと内容をそれぞれ 100 点満点で採点します。画像の中の文字、壊れた読み取り順、欠けた連絡先、欠けたセクション見出しに印を付けます。このチェックでも AI は使われません。

スコアとチェックは、直せる問題を指し示します。足りない用語、混在した日付の形式、順番どおりに読まれない段組みです。その一覧に従って対応し、合計点は要約として扱ってください。

履歴書の ATS スコアを自分で確かめる方法

どのチェッカーでも、キーワードの重なりの部分はテキストエディターと 10 分で再現でき、見つからなかった語の一覧からは、数値よりも多くを学べます。

1. 求人の応募資格と業務内容をコピーして、文書に貼り付けます。
2. 名詞を書き出します。 言語、フレームワーク、ツール、プラットフォーム、手法、業界の用語、職種名、資格。動詞や埋め草の言葉は飛ばします。このステップは、バックエンド、フロントエンド、データ、DevOps の職の用語例とともに 履歴書のキーワードガイド で説明しています。
3. 繰り返しに印を付けます。 求人で 3 回使われる用語は、採用責任者が重視しているものです。
4. 求人の表記で履歴書に出てくる用語に、チェックを付けます。「k8s」は「Kubernetes」のチェックになりません。
5. チェックの数を用語の数で割ります。

例（架空）。Larkspur Logistics のバックエンドエンジニアの求人から、ステップ 2 で 12 の用語が得られました。Python、Django、PostgreSQL、Redis、Kafka、AWS、Terraform、Docker、Kubernetes、REST APIs、observability、on-call。Priya Nair の履歴書には Python、Django、PostgreSQL、AWS、Docker、Kubernetes、REST APIs、on-call があり、チェックは 8 つ。8 ÷ 12 = 67%。見つからなかったのは Redis、Kafka、Terraform、observability です。Priya は 2 年間 Terraform を運用していましたが、代わりに「infrastructure as code」と書いていたので、1 つは言い回しの修正で済みます。前の職場で Grafana のダッシュボードを構築しており、求人はそれを observability と呼んでいるので、2 つ目も言い回しの修正です。Redis は一度使っただけで、Kafka の経験はないので、その 2 つは入れません。この求人に対する正直な上限は 12 中 10、つまり 83% で、残る 2 つのギャップは面接に向けて準備することです。

スクリプトにしたい場合、JD一致 の計算式は数行の Python に収まります。

import re

STOP = {"and", "the", "with", "for", "you", "our", "will", "role", "team",
        "experience", "skills", "work", "strong", "ability", "years"}  # 必要に応じて追加

def terms(text):
    tokens = re.split(r"[^a-z0-9-]+", text.lower())
    return {t for t in tokens if len(t) >= 3 and not t.isdigit() and t not in STOP}

jd = terms(open("posting.txt").read())
cv = terms(open("resume.txt").read())
matched = jd & cv
print(f"{round(len(matched) / len(jd) * 100)}%  missing: {sorted(jd - cv)}")

このスクリプトは英語の単語向けです。日本語の文章は単語の間にスペースがないため、この方法では単語に分けられません。いくつかの求人に対して実行してみると、1 列目を無視して 2 列目を読んでいる自分に気づくはずです。

良い ATS スコアとは

普遍的なしきい値はありません。ツールを名指しせずにしきい値を示す人は、推測しています。ベンダー自身の目標値は 10 ポイント違います。雇用主のシステムは、そもそも採点する場合でも、公開されていない段階や内部の尺度を使っており、Workday はスキルの経験がどれだけ最近か、どれだけ長いかを採点で考慮しないと言っています。チェッカーの 90 は、履歴書が求人の語彙を繰り返していることを示します。その会社の採用担当者がその語彙で並べ替えているのか、届いた順にファイルを開いているのかについては、何も語りません。

数値より多くを教えてくれる 4 つの問いがあります。

• 持っている必須スキルが、求人の言葉で、すべて履歴書に入っているか。ここでの見落としは、すべて無料で直せます。
• 役職の行が求人の職種名と一致しているか、またはかっこ内にそれを含んでいるか。
• PDF からテキストを選択してコピーできるか。できなければ、どのパーサーも読めません。
• 面接で説明できないものを加えていないか。

75% を超える詰め込みに対する Jobscan の警告は、正しい感覚です。自分が持っている用語がそろったあとは、持っていない用語を 1 つ加えるたびに、検索のあとに来る人間の読み手にとってのあなたの評価は下がります。目指すべきスコアは、見つからなかった語の一覧に、自分に欠けているスキルだけが残る状態です。そのときのパーセンテージは求人ごとに違い、それで構いません。

チェッカー自体の比較（各無料プランの内容を含む）は 無料の ATS 履歴書チェッカーの比較 を読んでください。見つからなかった語の一覧をカスタマイズした履歴書にするには、求人内容に合わせて履歴書をカスタマイズする方法 から始めてください。

この記事が役に立ったら、GitHub の Resume Matcher にスターを付けてください。開発しているのは Saurabh Rai です。GitHub、X、LinkedIn でフォローできます。