大分県特化型の採用ポータルは、県内18市町村の求人を職種横断で扱います。全国型のサービスとは異なり、通勤圏・地場産業・観光需要の季節変動といった地域固有の文脈が検索行動を左右します。本記事では11の検索軸を横断し、実際の検索結果4,294件を調査して、まだ整備しきれていない検索領域を明らかにします。
大分特化型採用ポータルでもSEO強化が必要な理由
大分県の求人検索は、県全体を見る層と、居住市町村の通勤圏だけを見る層に分かれます。大分市・別府市の都市部と、佐伯市・日田市・豊後大野市のように通勤圏が限定される地域では、同じ「求人」でも検索の前提がまったく異なります。
今回の調査では、上位表示スロット4,294件のうち上位3ドメインが占める割合は36.5%でした。求人集約型のサービスが検索結果の中心を占める一方、地域粒度を軸にした情報設計では取り切れていない成長余地が残っています。
地域特化型の採用ポータルにとって、市町村単位の検索は最も競争条件が有利な領域です。全国型のサービスは市町村ごとの生活実態まで踏み込んだ情報を持たないため、通勤時間・交通手段・地場産業といった文脈を補える立場にあります。
主要ドメインが強い領域で見落とされている空白領域
検索軸ごとに上位3ドメインの合計シェアを算出すると、最も低かったのは「都道府県」軸の20.0%でした。「大分県 求人」のような県名単体の検索では、求人集約サービスに加えて自治体サイト・公的機関・地場の事業者が混在し、特定ドメインへの集中が起きていません。
次いで「市区町村」軸が28.1%と続きます。市町村名単体の検索も同様に受け皿が定まっておらず、地域粒度を軸にした検索が次の成長の主戦場になります。逆に「駅×属性」「駅」といった軸では40%台まで集中が進んでおり、駅起点の検索は既に整備が進んだ領域です。
AEO・LLMOとは何か、なぜ今対応が急務なのか
AEO（Answer Engine Optimization）は検索結果の回答枠に情報が引用されるための最適化、LLMO（Large Language Model Optimization）は生成AIが回答を組み立てる際に参照先として選ばれるための最適化を指します。
生成AIは1つの質問に対して内部で複数回の検索を行い、結果を統合して回答を作ります。この多段検索の各段階で引用されるかどうかが、これからの流入を左右します。
| ステップ | AIの動作 | 採用ポータル側で必要な対応 |
|---|---|---|
| 1. 意図分解 | 「大分で正社員の仕事を探すには」を複数の下位質問に分解 | 質問形式の見出しで各論点に個別回答を用意する |
| 2. 並列検索 | 市町村・雇用形態・職種分野・通勤条件を同時に検索 | 検索軸ごとに独立したページを持たせる |
| 3. 候補抽出 | 各検索結果から引用候補となる文章を抜き出す | 結論を段落冒頭に置き、抜き出しやすい構造にする |
| 4. 事実照合 | 複数ソース間で数値や条件の一致を確認 | 調査日・出典・母数を明記して信頼性を担保する |
| 5. 回答統合 | 整合した情報をまとめて回答を生成 | 網羅性のあるまとめページで統合先として選ばれる |
「大分県」という括りには、観光・宿泊業の比重が高い別府市・由布市と、製造業の集積する大分市・中津市という性質の異なる労働市場が含まれます。求人の季節変動も雇用形態の構成も違うため、県単位でひとまとめに説明すると、AIも求職者も実態を正確に把握できません。地域の産業特性ごとに段落を分けて記述することが重要です。
技術SEOで次のフェーズに進むための3つの施策
コンテンツを増やす前に、検索エンジンとAIが情報を正しく解釈できる土台を整えることが先決です。
JobPosting構造化データを求人詳細ページに実装します。雇用形態・勤務地・給与レンジ・応募締切を機械可読な形で記述します。jobLocation に市町村名まで正確に記述すると、地域検索での解釈精度が上がります。
「市町村×雇用形態」「市町村×職種分野」といった掛け合わせ軸ごとに、インデックス対象とするページを設計します。18市町村すべてに全軸を開放するとインデックスが膨張するため、検索需要が確認できた軸に限定して開放する判断が必要です。
観光・宿泊業では繁忙期に合わせて募集が増減するため、終了ページが周期的に大量発生します。410で明示的に削除するか、同じ市町村の一覧へ301で転送するかを事前にルール化しておくことで、クロール効率の低下を防げます。
KPI設定とROI換算の考え方
採用ポータルのSEOは、流入数だけでは投資判断ができません。応募・登録という最終行動から逆算した指標設計が必要です。
月間オーガニック流入 × 応募・登録率 × 1応募あたりの収益 ＝ 月間貢献額
この式に対して、コンテンツ制作費と技術改修費の合計を投下コストとして置き、回収期間を算出します。地域特化型は流入母数が全国型より小さいぶん、応募・登録率が高く出やすく、少ない流入でも回収が成立します。
【実データ公開】検索結果4,294件の調査で見えた未対策領域
大分県関連の466キーワードについて、検索結果1位から10位までのドメインを収集し、露出シェアを集計しました。調査対象スロット数は4,294件です。
| 順位 | ドメイン | 露出シェア |
|---|---|---|
| 1 | jp.indeed.com | 14.5% |
| 2 | 求人ボックス | 13.7% |
| 3 | jp.stanby.com | 8.3% |
| 4 | townwork.net | 7.8% |
| 5 | www.baitoru.com | 7.1% |
| 6 | www.hatarako.net | 4.1% |
| 7 | tenshoku.mynavi.jp | 3.7% |
| 8 | www.hellowork.careers | 3.0% |
| 9 | baito.mynavi.jp | 2.7% |
| 10 | en-gage.net | 2.7% |
次に、検索軸ごとに上位3ドメインの合計シェアを算出しました。シェアが低い軸ほど、まだ整備しきれていない領域です。
地域名を軸にした検索に空白が集中しています。県名・市町村名単体の検索は求人集約サービスの占有が相対的に低く、地域の生活実態を踏まえた情報を持つ立場にとって取り切れていない成長余地です。以下は今回の調査で実際に検出された、伸びしろ領域のキーワード例です。
なぜ3〜5語KWは大分県の採用にとっても重要なのか
キーワードプランナーで検索ボリュームを確認すると、市町村名と条件を組み合わせたキーワードの多くは0件または極小と表示されます。これが判断を誤らせる最大の罠です。
キーワードプランナーの表示値は一定の閾値未満を丸めて表示します。実際には検索されていても0と表示されるため、これを根拠に対策対象から外すと、その市町村で働く意思が固まっている層を丸ごと取りこぼすことになります。
「佐伯市 契約社員 採用」のように語数が増えるほど、検索者の状況は具体的になります。勤務地と雇用形態がどちらも決まっており、あとは条件の合う求人を探すだけの状態です。この層は応募・登録に至る確率が高く、1件あたりの価値は県単位のキーワードを大きく上回ります。
さらに、生成AIは複合クエリに対して回答を組み立てる際、条件を満たす具体的な情報源を優先して引用します。3〜5語の複合キーワードに対応したページを持つことは、そのままAI経由の露出確保につながります。
検索クエリ全体のうち、月間検索数が少ない複合キーワードが占める割合は半数を超えるとされています。1つひとつは小さくても、束ねると主要キーワードを上回る流入規模になります。18市町村と雇用形態・属性の掛け合わせが生まれる地域特化型ほど、この構造の恩恵を受けやすい立場にあります。
AIによるKW対策の自動化で何が変わったか
従来、数百から数千キーワード規模の検索順位調査と競合分析には、担当者が数週間を要していました。現在はこの工程の大部分を自動化できます。
第一に、キーワードの網羅的な生成です。市町村・駅・雇用形態・属性・条件といった軸を組み合わせ、実際に検索され得る組み合わせを機械的に洗い出せます。第二に、検索結果の一括取得です。今回の466キーワード調査も、収集自体は自動で完了しています。第三に、露出シェアの算出と空白領域の特定です。どの検索軸がまだ整備しきれていないかを、感覚ではなく実データで判断できます。第四に、優先順位の提示です。空白度と検索需要を掛け合わせ、着手順を機械的に決められます。
大分県の採用市場は、観光・宿泊業と製造業という性質の異なる産業が地域ごとに分かれて集積する領域です。だからこそ、どの検索軸に成長余地が残っているかを実データで見極めることが、次の一手の精度を決めます。今回の調査で明らかになった地域名起点の空白地帯は、まだ本格的に整備されていない領域です。ここに先に手を打つことが、中長期の流入基盤をつくることにつながります。
