採用動画を公開して数ヶ月が経ち、応募数が増えた／減ったという結果は手元にある。けれども「動画のおかげなのか、季節要因なのか、同時期に走った他施策の効果なのか」が切り分けられず、経営層への上申資料に落とせない。または導入検討中で、「公開してから慌てないよう、効果検証の設計を先に組んでおきたい」。時系列比較で悩む担当者の多くが、この2つのどちらかにいます。
原因は動画の質でも指標選定でもなく、応募数の推移を「単純前後比較」で捉えていることにあります。応募数には季節変動と他施策の効果が混ざっているため、公開前3ヶ月と公開後3ヶ月を並べても動画単独の影響は見えません。
本記事では、公開前後の応募数推移を評価する4層設計フレーム（前年同月比→季節変動補正→他施策排除→中断時系列分析）を、Excelで実装できる水準で整理します。あわせて信頼できる比較期間の設計と、月間応募10〜50件のケースでの解釈限界までまとめます。
目次
採用動画の効果を「公開前3ヶ月と公開後3ヶ月の応募数を並べて比較する」と、季節変動・他施策変動・市場全体のトレンドという3つの誤差が数値に乗ります。単純前後比較の限界を最初に整理しておくと、後段の4層設計の必要性が見えやすくなります。
前後比較の数値が動画効果を過大／過小評価する原因は、次の3つに整理できます。
3つの誤差要因は互いに独立しているため、どれか1つだけ補正しても他が残ります。4層設計で段階的に消していく必要があるのはこのためです。
実務で遭遇しやすいのは、次のようなシナリオです。
これらは特殊なケースではなく、多くの企業が該当します。単純前後比較の結論だけを経営層に上申すると、翌年に同じ結果が再現できず信頼を失うリスクがあります。
採用動画の効果を「動画単独に帰属できるか」という問題は、帰属問題と呼ばれます。効果測定の全体設計とファネル別KPIについては採用動画の効果測定｜ファネル別KPIと測定タイミングの実装ガイドにまとめています。
帰属問題を解く実務手法は3つあり、それぞれ扱うデータ種別と設計の負荷が異なります。
3手法のうち、時系列比較は既存の応募データがあれば追加コストなしで始められる利点があります。一方、統計的手法の設計を組まないと単純前後比較で終わってしまい、意味のある結論が出ません。
応募数推移から動画効果を切り分けるには、誤差要因を段階的に消していく順序が必要です。前年同月比→季節変動補正→他施策排除→中断時系列分析（ITS）の4層で、除去できる要因を順に増やしていきます。
各層で除去できる要因と、実装に必要なデータ・計算コストを整理すると次のようになります。
| 層 | 手法 | 除去できる要因 | 必要なデータ | 計算コスト |
|---|---|---|---|---|
| 第1層 | 前年同月比 | 月次の季節変動（前年と同じパターンなら消える） | 自社の月次応募数（過去12ヶ月以上） | 低（電卓レベル） |
| 第2層 | 季節変動補正 | 市場全体の景気・業種変動 | 上記＋厚労省「一般職業紹介状況」等の外部指標 | 中（Excel関数） |
| 第3層 | 他施策排除 | 求人媒体・スカウト・リファラル等の同時期変動 | 上記＋変動要因ログ | 中（運用設計込み） |
| 第4層 | 中断時系列分析（ITS） | 介入前トレンドの延長線から離れた「傾きの変化」 | 上記＋介入前後8〜12ヶ月以上の月次データ | 高（線形回帰） |
第1層だけでも単純前後比較よりは精度が上がりますが、第2層・第3層・第4層と積み重ねるほど動画単独の効果に近づきます。ただし完璧な因果推論は不可能で、複数手法の傾向が同方向を示すかで確度を上げるのが現実解です。企業YouTube全般のKPI設計との接続については企業YouTubeの効果測定とKPI設計にまとめています。
4層に分ける理由は、誤差要因が独立しているためです。季節変動を消しても他施策変動は残り、他施策変動を消しても市場トレンドは残ります。全部を一度に消せる万能手法は存在しないため、独立した誤差ごとに独立した補正を当てていきます。
同時に、各層で「消せるもの／消せないもの」を明示することで、経営層への説明時に「純粋な動画効果」と「補正しきれない残余」を区別できるようになります。「効果は+30%だが、うち補正しきれない残余が±10%」という限定表現が使えると、上申資料の信頼性が上がります。
すべての層を実装するにはデータと運用の準備が必要です。準備が整わない企業では、次の優先順位で段階的に導入します。
そもそも採用動画に効果があるのかの前提整理を求める場合は採用動画の効果とは？データと現場産業の事例を参照してください。本記事は「効果を数値で切り分ける実装ガイド」に絞っています。
第1層は、単純前後比較を前年同月比に置き換える最小構成です。採用は月ごとの季節変動が大きいため、前月比では動画効果と季節要因を切り分けられません。
新卒採用は3〜5月と9〜11月に応募が集中し、中途採用は4月と10月の期初集中があります。同じ「先月と比べて」の比較でも、閑散期→ピーク期と比較すればどんな施策でも数値は伸びます。逆にピーク期→閑散期の比較では、優れた施策でも数値は落ちます。
前月比の比較で動画効果を語るのは、季節変動をそのまま動画効果に足し込む／差し引く操作と同じで、意味を成しません。前年同月比は「同じ月同士を比較する」ことで、季節変動を一定と仮定して除去します。
前年同月比増加率の計算式は次のとおりです。
前年同月比増加率 (%) = (当月応募数 − 前年同月応募数) ÷ 前年同月応募数 × 100
実装は月別テーブルを作るだけです。
例：動画を2026年4月に公開した企業の月別集計（架空例示）
| 月 | 前年同月応募数 | 当月応募数 | 前年同月比増加率 |
|---|---|---|---|
| 2026年1月 | 20 | 22 | +10% |
| 2026年2月 | 18 | 20 | +11% |
| 2026年3月 | 25 | 28 | +12% |
| 2026年4月（公開月） | 30 | 42 | +40% |
| 2026年5月 | 28 | 40 | +43% |
| 2026年6月 | 22 | 32 | +45% |
上記の例では、公開前3ヶ月の前年同月比増加率が+10〜12%で推移していたのに対し、公開後3ヶ月は+40〜45%と明確に伸びが加速しています。単純前後比較なら「25→38＝約1.5倍」で終わりますが、前年同月比で見ると「元々+10%程度で推移していた自然増を除いた純増分は+30%前後」と、より近い数値が見えます。
前年同月比で消せるのは季節変動のみです。次の要因は残ります。
これらを補正するのが第2層〜第4層です。
前年同月比だけでは「前年もそもそも景気が悪かった／良かった」という市場全体の変動が残ります。第2層では厚労省統計を外部ベンチマークに使い、市場変動分を差し引いて自社固有の変動を抽出します。
厚生労働省「一般職業紹介状況」（月次公表）を参照すると、有効求人倍率と新規求人数は月ごとに変動しています。令和8年3月の有効求人倍率（季節調整値）は1.18倍、令和8年7月も1.18倍と、季節調整値ベースでは水準が近い一方、新規求人数の実数は月次で増減が観測されます（厚生労働省「一般職業紹介状況」令和8年3月分・令和8年7月分、出典）。
新卒採用領域では3〜5月と9〜11月に求人・応募が集中し、中途採用でも期初4月・10月に山が出るのが一般的です。業種別でも建設業・宿泊業・情報通信業で季節性の出方が異なるため、自社と近い業種の月別変動を確認しておくと補正の精度が上がります。
厚労省統計を使う運用は次の手順です。
原数値と季節調整値の使い分けは、「季節変動を含めて市場実勢と比較したい」なら原数値、「季節変動を除いた基調変化を見たい」なら季節調整値です。時系列比較では原数値を使い、自社の季節変動と市場の季節変動を並べて相殺する方が、動画効果の切り出しに直結します。
計算式は次のとおりです。
市場変動を除いた自社増減率 (%) = 自社の前年同月比増加率 − 市場（新規求人数等）の前年同月比増加率
例：架空例示の企業データ（第1層のテーブルの続き）
| 月 | 自社の前年同月比 | 市場の前年同月比（新規求人数） | 市場変動を除いた自社増減率 |
|---|---|---|---|
| 2026年1月 | +10% | +3% | +7% |
| 2026年2月 | +11% | +4% | +7% |
| 2026年3月 | +12% | +2% | +10% |
| 2026年4月（公開月） | +40% | +5% | +35% |
| 2026年5月 | +43% | +6% | +37% |
| 2026年6月 | +45% | +4% | +41% |
第1層では「純増+30%前後」だった数値が、第2層の市場変動除去で「+35〜41%」と精度が上がります。公開前の+7〜10%が自社固有の背景要因（新規事業立ち上げ等）として一定水準であり、公開後の伸びが動画に近い要因で加速していると読めます。
第1層・第2層で季節変動と市場変動を除いた後も、動画公開と同時期に走った他施策（求人媒体切替・スカウト増強・待遇改定等）の効果が数値に残ります。第3層はこれを「変動要因ログ」で時系列に記録し、比較期間の妥当性を判定する運用設計です。
動画公開の前後3〜6ヶ月に発生しやすい他施策変動は、次のパターンに整理できます。
これらのうち複数が動画公開と同時期に発生している場合、単独効果の切り分けは実質不可能です。第3層は「切り分ける」のではなく「切り分けられない範囲を明示する」のが目的になります。
変動要因ログは、月ごとに実施した施策変更を時系列で記録するテーブルです。以下は架空例示のフォーマットです。
| 月 | 施策変更 | 変更内容 | 影響が予想される指標 |
|---|---|---|---|
| 2026年1月 | 特になし | ー | ー |
| 2026年2月 | 求人媒体追加 | dodaの有料プラン導入 | 応募数・応募単価 |
| 2026年3月 | 特になし | ー | ー |
| 2026年4月 | 採用動画公開 + リファラル改定 | 動画3本公開、紹介者インセンティブ引き上げ | 応募数・応募経路構成 |
| 2026年5月 | 特になし | ー | ー |
| 2026年6月 | スカウト増強 | ビズリーチのスカウト月100→200本 | 応募数・応募単価 |
このログを見ると、動画公開月（4月）にリファラル改定が同時進行しており、6月にはスカウト増強も入っています。応募増を動画単独に帰属させるのは難しく、上申資料では「動画・リファラル改定・スカウト増強の複合効果」と限定表現で書くのが誠実です。
比較期間を選ぶ際、次のチェックリストで妥当性を判定します。
チェックで引っかかる項目が2つ以上ある場合は、比較期間の再設計か、複数手法（応募経路アンケート・A/B配信）との併用で確度を上げる方針に切り替えます。
前年同月比・季節変動補正・他施策排除の3層で誤差要因を消したあとに、「介入前の応募数トレンドの延長線」と「介入後の実測値」の差を測るのが第4層です。学術・統計手法では中断時系列分析（Interrupted Time Series Analysis, ITS）と呼ばれ、政策評価や公衆衛生の効果検証で広く使われている手法です。
ITSの基本発想は次のとおりです。
基本モデルは以下の形で書けます（dmaruyama「効果検証における期間前後比較と中断時系列分析」出典、コンサルノート「中断時系列分析（ITS）とは？」出典）。
Yt = β0 + β1×T + β2×Xt + β3×T×Xt
β2が「介入直後にどれだけ跳ねたか」、β3が「介入後にトレンドの傾きがどう変わったか」を示します。動画公開直後に応募が跳ねるならβ2が大きく、公開後にじわじわ効くならβ3が大きくなります。
厳密な回帰分析には統計ソフト（R、Python等）を使うのが本来ですが、実務ではExcelの近似実装でも傾向把握には十分です。手順は次のとおりです。
=SLOPE(A2:A13, B2:B13)=INTERCEPT(A2:A13, B2:B13)予測値 = 切片 + 傾き × 月次連番例：介入前12ヶ月の平均応募数25件、線形回帰で得られた「介入がなければ介入後3ヶ月時点で予測値75件」に対し、実測値が90件だった場合、差分15件が動画効果の近似値、というのがITSの読み方です（架空例示）。
ITSで統計的に有意な結論を出すには、介入前後それぞれ8〜9点以上（できれば12点以上）のデータポイントが推奨されます。月次データなら介入前後1年ずつが目安です。
また、月間応募数が10〜50件の水準では、月ごとの応募数のばらつき自体が大きく、線形回帰のフィットが不安定になります。この場合、ITSは「統計的検定」の道具ではなく「傾向把握」の道具として使い、限定表現で結論を書く必要があります。具体的には次節で扱います。
時系列比較の実務では「動画公開前3ヶ月と公開後3ヶ月」の比較が定番ですが、この一般則が成立する前提条件と成立しないケースを区別しておく必要があります。
前後3ヶ月比較が成立する条件は次の3つが揃うときです。
3条件のうち1つでも欠ける場合、前後3ヶ月比較の結論はノイズに埋もれます。次に該当する場合は比較期間を拡張します。
比較期間を拡張する際の目安は次のとおりです。
| 状況 | 推奨比較期間 | 集計単位 |
|---|---|---|
| 標準（他施策変動なし・応募数30件/月以上） | 前後3ヶ月 | 月次 |
| 採用ピーク期を含む | 前後6ヶ月 | 月次 |
| 他施策変動が近接時期に発生 | 前後6〜12ヶ月 | 月次または四半期 |
| 月間応募数10〜30件 | 前後12ヶ月 | 四半期集計 |
| ITSで傾き変化を見る | 介入前後8〜12ヶ月以上 | 月次 |
四半期集計は月次のばらつきを平準化する効果がありますが、粒度が粗くなる分、介入直後の変化検知が鈍ります。目的（傾向把握か、直後の効果検知か）に応じて使い分けます。
公開直後は指標がまだ動かない、または動いても意味を読み取れない時期があります。動画公開後のタイミング別に「結論を出す／出さない」を整理すると次のようになります。
「早く結論を出したい」という運用上のプレッシャーはありますが、公開後1〜3ヶ月で応募数の変化を評価しても、上申資料に耐えるデータにはなりません。効果測定のタイミング設計の全体像は採用動画の効果測定｜ファネル別KPIと測定タイミングにまとめています。
従業員50〜500名規模の企業では、月間応募数が10〜50件のケースが多く見られます。この水準では統計的検定の適用に制約があり、結論の重み付けを工夫する必要があります。
統計的検定（t検定、ITS回帰の有意性検定等）は、母集団が正規分布に近いか、サンプルサイズが十分（一般に各群n≥30）である前提で有効です。月間応募数10〜30件の場合、次の理由で検定結果を主張できません。
「p値が0.05を下回った」等の統計的有意性の主張は、n<30の水準では説得力を持ちません。上申資料で検定結果を書く場合は、サンプルサイズと解釈限界を必ず併記します。
n<30の場合、4層設計は「統計的検定」ではなく「傾向把握」の道具として使います。実務で使える3つのアプローチは次のとおりです。
3ヶ月移動平均は、その月と前2ヶ月の応募数を平均する集計です。Excelなら=AVERAGE(A2:A4)のような単純な関数で実装できます。月次の外れ値の影響が緩和され、トレンドの向きが読みやすくなります。
上申資料で結果を提示するときは、限定条件を必ず併記します。「効果があった」の断定ではなく、除去できた誤差と残っている誤差を明示する表現です。次のテンプレが使えます。
このように「除去できた誤差／残っている誤差／サンプルサイズの限界」を明示する説明は、初回上申時の信頼を積み上げる効果があります。過度な断定を避け、翌年に検証結果が変わった場合の説明責任を残す方針です。ストークベースが2年間で99本を運用してきた採用YouTubeチャンネル（累計29.5万再生）の実測でも、単月・四半期の応募データにはノイズが大きく、限定表現で年次の傾向を積み上げる扱いが実務的でした。動画コンテンツ側の設計原則については会社の魅力の伝え方｜求職者に届く4つの情報と5つの発信方法も参照してください。
採用動画の公開前後の応募数推移を評価する時系列比較は、統計的手法の順序適用で誤差を段階的に消していく作業です。要点は3つです。
4層設計を先に組んでおけば、動画公開後に「単純前後比較で説明できず経営層への説明で詰まる」状況を避けられます。時系列比較だけで確度が足りない場合は、応募経路アンケートの設計と組み合わせて2軸で検証するのが実務的です。
