TargetNav

scout-plus.jp サイト解析まとめ

基本情報

サイトトップhttps://scout-plus.jp

HTMLサイズ

1ページ平均HTML（バイト）35223.23

内部リンク集計

リンク総数46

外部リンク集計

リンク総数1

メタ情報

meta description平均長94.31
OGPありページ数39
Twitterカードありページ数39

HTML言語 分布

キー割合
ja100.00%

文字コード 分布

キー割合
utf-8100.00%

内部リンク分析（Internal）

ユニーク内部リンク数46
ページあたり内部リンク平均7.85

内部リンク 深さヒストグラム

キー値
073
1179
354

内部リンク 上位URL

URLリンク総数
https://scout-plus.jp/blog100
https://scout-plus.jp/38
https://scout-plus.jp/terms-of-use38
https://scout-plus.jp/privacy38
https://scout-plus.jp35
https://scout-plus.jp/blog/p/25
https://scout-plus.jp/blog/p/35
https://scout-plus.jp/blog/p/44
https://scout-plus.jp/blog/p/14
https://scout-plus.jp/app3
https://scout-plus.jp/blog/articles/4u706_tbbd1
https://scout-plus.jp/blog/articles/2l5l9vm7gtnf1
https://scout-plus.jp/blog/articles/j6-jkydm-46t1
https://scout-plus.jp/blog/articles/842ult_xf1
https://scout-plus.jp/blog/articles/m3vt2acco1
https://scout-plus.jp/blog/articles/v332hpjlu61
https://scout-plus.jp/blog/articles/pa2_kzqt4v71
https://scout-plus.jp/blog/articles/c9i9lm7bpv11
https://scout-plus.jp/blog/articles/43m-1q4q1c1
https://scout-plus.jp/blog/articles/zqmm6oos66n81

連絡先候補（Contacts）

このデータの閲覧には会員登録が必要になります。会員登録

キーワード分析（KeywordMap）

ワードクラウド上位

語重み
Scout1
例えば0.776571
Cloud0.726789
肉付け0.709927
AIは0.704071
です0.668073
これにより0.655335
返信率0.640363
良い求人0.581535
Hire0.578561
Google0.519135
クラウドエンジニア0.519135
広範囲検索0.519135
精密評価0.519135
しかし0.508833
内定率0.505098
この0.48679
これは0.460164
また0.435524
LLM0.424382
Pluslabは0.420915
大量送信0.420915
潜在的優秀層0.415308
グラデーションフィルタリング0.415308
GCP0.415308
大規模言語モデル0.407504
さらに0.404052
評価項目0.387233
特に0.385707
PlusのようなAIエージェントは0.371334
Plusは0.371334
AIスカウトは0.363459
除外条件0.363459
とは0.363459
つまり0.349289
具体的には0.322694
LLMは0.322694
スキル0.318286
経験0.318286
このように0.318286
消耗戦0.311481
返信0.311481
超ピンポイント採用0.311481
まず0.291074
AIを活用することで0.291074
今回は0.291074
採用活動において0.291074
そのためには0.291074
そして0.291074
します0.290767

共起語上位

語1語2スコア共起ページ数
IncPLUSLAB3.15834938
スキル経験2.93113124
広範囲検索精密評価2.78195220
LLM大規模言語モデル2.64625824
イメージしやすい求職者がその仕事や会社に入った後の自分を2.59896816
ゼロから深掘り2.59896816
と指示してもバックエンドエンジニアの求人票を作成してください2.59896816
それに対し人間が詳細な情報を提供することで2.59896816
AIと人間が協働することでこれからの採用活動は2.39473912
市場データから想定ペルソナにとって2.36361412
想定ペルソナにとって求人のどこが魅力的に映るか2.36361412
を分析し求人のどこが魅力的に映るか2.36361412
システム開発の実務経験特に上流工程の経験2.36361412
ことには限界があります思考のフレームワークを構築する2.36361412
AIが生成し人間が評価2.36361412
人間が評価深掘りし2.36361412
AIがさらに改善する深掘りし2.36361412
LLMは情報生成と改善の効率化を担いますが最終的な判断や2.36361412
最終的な判断や求職者の感情や文脈を深く理解する2.36361412
多次元的なセンサー求職者の感情や文脈を深く理解する2.36361412
としての機能は多次元的なセンサー2.36361412
としての機能は依然として人間に求められます2.36361412
他ならぬ提供できるのは2.36361412
他ならぬ現場の担当者2.36361412
どうしても一般的な抽象的な表現になりがちですが2.36361412
ゼロから魅力的な求人票を作成するのは採用のプロにとっても時間と労力がかかる作業です2.36361412
その情報の情報生成は得意でも2.36361412
その情報の深さ2.36361412
を判断したり深さ2.36361412
を判断したり求人作成のための2.36361412
求人作成のための良いフレームワーク2.36361412
を自ら定義したりすることは苦手なのです良いフレームワーク2.36361412
ビジネス内容企業のフェーズ2.36361412
このポジションが必要な戦略的背景などビジネス内容2.36361412
このポジションが必要な戦略的背景など求職者が納得できるような情報が具体的に記載されているか2.36361412
業務内容のイメージのしやすさ求職者が納得できるような情報が具体的に記載されているか2.36361412
単なる業務内容の羅列ではなく業務内容のイメージのしやすさ2.36361412
単なる業務内容の羅列ではなく現在のプロジェクトの背景や難しさ2.36361412
やりがいなどが現在のプロジェクトの背景や難しさ2.36361412
され求職者が働くイメージを持てるか2.36361412
求職者が働くイメージを持てるか魅力ポイントのペルソナ適合性2.36361412
採用ペルソナにとって本当に魅力的に映る具体的な情報魅力ポイントのペルソナ適合性2.36361412
制度や実績など採用ペルソナにとって本当に魅力的に映る具体的な情報2.36361412
が記載されているか制度や実績など2.36361412
が記載されているかテキストの情報網羅性と簡潔性2.36361412
テキストの情報網羅性と簡潔性求人テキストが情報量が多く2.36361412
かつ簡潔にまとめられているか求人テキストが情報量が多く2.36361412
原石現場の知見という2.36361412
を磨き上げ原石2.36361412
を磨き上げ求職者に2.36361412

類似サイトはこちら