Offers

Offers本体とOffers AI RPO

Offers本体のダイレクトオファー機能は、企業側が候補者プロフィールを検索し、会いたい人へ直接メッセージを送るダイレクトリクルーティングの仕組みです。公式ページでは、スキルやポジションだけでなく、アクティブ度・意欲から候補者を検索でき、SNS連携や経歴・開発プロダクトなどをプロフィールで確認できると案内されています。テンプレート利用や日時指定の予約送信にも対応しています。

一方のOffers AI RPOは、媒体を企業が自力で運用するサービスというより、採用オペレーションそのものをAIと専門チームへ任せる支援です。現行公式では、企業側が行うのは初回インタビューと候補者との面談・選考を中心とし、候補者ピックアップ、スカウト送信、追客、タイミング管理などをOffers側が一括して担うと説明しています。

そのため、「Offersを使う」と言っても、自社採用担当が検索・送信を行う媒体運用と、Offers側へ運用を外部化するAI RPOでは必要な社内工数が大きく異なります。料金やKPIを比較するときも、同じサービスとして一括りにせず、利用するプランと責任範囲を先に確認します。

向いている企業・向かないケース

向かない・注意が必要なケース

エンジニア・PdMなどデジタル人材以外を幅広く採用したい場合は、対象人材と自社求人が合うかを先に確認する必要があります。また、自社でダイレクトオファーを運用するのか、Offers AI RPOへ実務を任せるのかを曖昧にしたまま契約すると、必要な社内工数や費用を比較しにくくなります。媒体本体とAI RPOを別サービスとして評価することが重要です。

採用ターゲットとダイレクトオファーの特徴

Offersの現在の採用ターゲット

Offersの法人向け公式サイトは、AIエンジニア、MLエンジニア、データサイエンティスト、CTO、VPoE、テックリード、アーキテクト、PdMなど、AI時代の技術・プロダクト人材の採用を強く打ち出しています。2026年8月時点で、登録者数累計4万人以上、導入企業数累計1,000社以上と案内されています。

ダイレクトオファーの公式説明では、経験年数3年以上のミドル・ハイクラス層が多いことを特徴として掲げています。候補者のスキルだけでなく、SNSや過去の開発プロダクトなど複数のプロフィール情報を見ながらアプローチできる設計です。

ただし、登録者数や属性は時期によって変化します。求人を出す前に、自社が採用したい技術領域・役職・年収帯で何人程度の候補者がいるのかを無料検索や商談で確認し、媒体全体の登録者数だけで導入判断をしないことが重要です。

ダイレクトオファーでできること

自社運用とAI RPOの利用フロー

Offers AI RPOで任せられること

自社運用では、採用要件を整理して候補者を検索し、プロフィールを確認して直接メッセージを送り、返信後を面談・選考へつなぎます。AI RPOを利用する場合は、候補者探索・送付・追客等をOffers側へ任せ、企業は初回インタビューで要件を共有し、候補者との面談・選考・採用判断へ時間を配分します。

料金・プランで確認するポイント

現行公式サイトでは、採用課題に合わせて「AI RPOプラン」と「予算型リテーナープラン」の2つを案内しています。AI RPOプランは月額固定費ベースで、スカウト運用工数を減らしたい、潜在層へ中長期でアプローチしたい、採用活動を属人化させたくない企業を主な対象としています。

予算型リテーナープランは、CTO・VPoE・EMなどのエグゼクティブ採用、非公開ポジション、エージェント経由では推薦が得にくい採用など、少数のハイクラス人材へ専任チームがコミットするプランとして紹介されています。料金は予算消化型と案内されています。

具体的な金額は公開ページで一律表示されていないため、見積時は支援する求人本数、候補者探索範囲、送信・追客量、選考支援、契約期間などを確認します。媒体本体の利用料金とAI RPOの支援費を混同しないことが重要です。

候補者選定・文面・KPIの運用ポイント

Offersで候補者を選ぶポイント

エンジニア採用では、技術スタックの一致だけで送付対象を決めるとミスマッチが起きやすくなります。どのプロダクトで、どの工程を担当し、どの程度の技術選定・設計・開発・運用責任を持っていたかを確認します。テックリードやVPoE候補であれば、組織規模、採用・育成、技術方針などの責任範囲も見ます。

PdMでは、プロダクト企画という肩書きだけでなく、顧客課題の発見、ロードマップ、要件整理、開発チーム連携、KPI、事業責任などの経験を分けます。AI人材では、モデル名やツール名だけでなく、研究・PoC・本番実装・運用のどこまで担ったかを確認します。

Offersのプロフィール情報が豊富でも、候補者の志向や転職理由を推測しません。現在の役割と求人の接点を事実ベースで作り、不足情報は面談で確認します。

スカウト文面を作るポイント

技術職へのスカウトでは、候補者が見慣れたテンプレートを大量送信するだけでは連絡理由が伝わりにくくなります。候補者のプロジェクト、技術的な責任範囲、プロダクト経験などから今回の求人と最も近い接点を選びます。

求人側は、利用技術の羅列だけでなく、解く課題、チームの役割、技術的な意思決定、入社後に任せたい責任範囲を具体化します。AIエンジニア・CTOなど市場で競争が激しいポジションほど、会社名や年収だけではなく「なぜこの候補者に、なぜ今この役割を相談したいのか」が重要です。

AI RPOを利用する場合でも、生成されたメッセージの事実確認は必要です。候補者の経験を誇張していないか、求人の条件や技術環境を実態以上に強く書いていないかを確認します。

運用開始後に見るKPI

媒体を自社運用する場合は、検索ヒット数、候補者確認数、送信数、返信数、面談設定、面談実施、選考移行、採用決定を追います。Offersは候補者のアクティブ度や意欲も検索材料になるため、どのセグメントで返信・面談につながったかを分けて見ると改善しやすくなります。

AI RPOでは、社内工数の削減もKPIになります。候補者探索・文面作成・送信・追客・日程調整に採用担当が使っていた時間がどれだけ減り、その時間を面談、求人改善、採用戦略などへ再配分できたかを確認します。

どちらの運用でも、返信率だけを最大化しません。面談化・選考移行・採用決定まで追い、対象候補者や訴求の質を確認します。