プロダクト概要

ミッション

優秀なエンジニア・デザイナーと成長企業をダイレクトにつなぎ、柔軟な働き方と最適な人材活用を実現する次世代タレントマッチングプラットフォーム

提供する価値

• ダイレクトマッチング: 企業が優秀人材に直接アプローチできるスカウト型採用
• 柔軟な雇用形態: 正社員、副業、業務委託など多様な働き方に対応
• データドリブンな採用: スキルマッチング精度の向上により採用効率を最大化
• タレントプール拡張: 転職潜在層を含む30,000人以上の優秀人材へのアクセス

解決する社会課題

• エンジニア・デザイナー不足による企業の成長停滞
• 画一的な雇用形態による人材の流動性低下
• スキルミスマッチによる採用コストの増大
• 優秀人材の埋もれた才能の活用不足

ビジネスモデル

• ベーシックプラン: 効率重視の成功報酬型
• 定額プラン: 大量採用に最適な月額固定制
• Offersリテーナー: 優秀層獲得のための専任サポート
• タレントプール拡張サービス: 企業専用の人材プール構築支援

競争優位性

• 導入企業800社以上、登録ユーザー30,000人以上の国内最大級プラットフォーム
• エンジニア・デザイナーに特化した専門性の高いマッチング
• 副業から正社員まで幅広い雇用形態に対応する柔軟性
• AI活用による高精度なスキルマッチングと効率的な採用プロセス

AI活用状況

1. インテリジェントスキルマッチングAI

• 活用領域: 求人要件と候補者スキルの高精度マッチング
• 提供価値:
  • 自然言語処理による求人票と職務経歴書の深い理解
  • 技術スタック、経験年数、プロジェクト規模の多角的評価
  • 過去の採用成功パターンから学習する推薦精度の向上
• 独自性: エンジニア・デザイナー特有の技術用語やスキルセットを正確に理解し、表面的なキーワードマッチングを超えた本質的な適性判定を実現

2. レコメンデーションエンジン

• 活用領域: 双方向の最適な提案（企業→人材、人材→求人）
• 提供価値:
  • 候補者の行動履歴から興味・関心を分析し、最適な求人を提案
  • 企業の採用履歴から好みのタイプを学習し、マッチ度の高い人材を推薦
  • 応募率・返信率の向上による採用効率の最大化
• 独自性: 協調フィルタリングと深層学習を組み合わせ、明示的でない潜在的なニーズも捉える推薦システム

3. スカウトメール最適化AI

• 活用領域: 企業から候補者へのスカウトメール作成支援
• 提供価値:
  • 候補者のプロフィールに基づくパーソナライズされたメッセージ生成
  • 開封率・返信率を予測し、最適な送信タイミングを提案
  • A/Bテストの自動実行と継続的な改善
• 独自性: 30,000人以上のユーザーデータから学習した、エンジニア・デザイナーの心に響くコミュニケーション最適化

4. 市場インサイト分析AI

• 活用領域: 採用市場のトレンド分析と予測
• 提供価値:
  • 技術トレンドと人材需給の変化を早期に検知
  • 職種別・スキル別の適正年収レンジの提示
  • 採用競合分析と差別化ポイントの提案
• 独自性: リアルタイムの求人・応募データから、他社では得られない採用市場の動向を可視化

5. エンゲージメント予測AI

• 活用領域: 候補者の転職意欲・副業意欲の予測
• 提供価値:
  • プロフィール更新頻度、ログイン履歴から転職活性度を判定
  • 最適なアプローチタイミングの提案
  • 長期的な関係構築のためのナーチャリング戦略
• 独自性: 副業・転職の両方のデータを持つことで、従来の転職サイトでは捉えられない人材の動きを予測

戦略的意義

OffersのAI活用は、「人材と企業の最適なマッチング」という本質的な価値に焦点を当てています。表面的な自動化ではなく、エンジニア・デザイナーという専門職の特性を深く理解したAIにより、両者にとって価値ある出会いを創出し、日本の技術人材市場の活性化に貢献します。

技術スタックとアーキテクチャ

技術スタック

フロントエンド

• 主要技術: React, Next.js, TypeScript
• モバイル対応: Progressive Web App (PWA)
• 選定理由: 高速なユーザー体験とSEO対策を両立。PWAによりネイティブアプリに近い操作性を実現

バックエンド

• 主要技術: Ruby on Rails, Go (マイクロサービス)
• API設計: GraphQL, REST API
• 選定理由: Railsの高い開発生産性を活かしつつ、パフォーマンスが求められる部分はGoで実装

AI/ML基盤

• 機械学習: TensorFlow, Python
• 自然言語処理: 大規模言語モデル（LLM）の活用
• 選定理由: 豊富なMLライブラリとコミュニティサポートにより、高度な推薦システムを効率的に開発

インフラストラクチャ

• クラウド: Amazon Web Services (AWS)
• コンテナ: ECS, Lambda (サーバーレス)
• 選定理由: 実績のあるAWSエコシステムで高い信頼性とセキュリティを確保

データ基盤

• データベース: PostgreSQL（メイン）, Redis（キャッシュ）
• 検索エンジン: Elasticsearch
• 分析: BigQuery, Dataflow
• 選定理由: 高速な全文検索と複雑なフィルタリング、大規模データ分析を同時に実現

アーキテクチャの特徴

• マイクロサービス設計: 機能ごとに独立したサービスで、個別のスケーリングと開発が可能
• イベントドリブン: 非同期処理により、大量のマッチング処理を効率的に実行
• API中心設計: GraphQLによる柔軟なデータ取得で、クライアントの要求に最適化
• MLパイプライン: 継続的な学習と改善により、マッチング精度を日々向上
• 高可用性: 冗長構成とオートスケーリングで99.9%の稼働率を実現

技術的な方向性

Offersは「技術の力で人材市場を変革する」というビジョンのもと、堅実な技術基盤の上に最先端のAI/ML技術を組み合わせています。エンジニア・デザイナーに愛されるプロダクトを作るため、技術的な挑戦を続けながら、安定性とスケーラビリティを両立させる開発を進めています。