AI活用全般

Claudeに7プロンプト投げてLinkedInの見出し・職歴・DMを書き直す｜外資に転職したい30-40代向け

LinkedInに登録しただけで放置している外資転職志望者が、Claudeに7プロンプトを順番に投げるだけで、見出しから職歴、リクルーターへのDMまで一気に書き直せます。

骨格はGoogle元人事担当上級副社長が提唱した「Accomplished [X] as measured by [Y] by doing [Z]」のXYZフォーミュラと、Threads・X発で複数アカウントが同文拡散している「recruiter magnet」7プロンプト集。

出典は本文末に全部貼ります。

ただし日本市場では効く相手が限定されます。

外資・SaaS・スタートアップ・専門職軸の転職には武器になりますが、日系大手の総合職転職にそのまま投げても声は来ない。

日本のリクルーター動線がそもそも違うからです。

この記事は外資・SaaS・スタートアップ転職を狙う30-40代の中堅ビジネスパーソン向け（LinkedInに登録だけしてある状態でも読めます）。

そもそもLinkedInの「リクルーター磁石」って何のこと？

2025年からThreadsとXで「I asked ChatGPT to fix my LinkedIn profile, And it turned into a recruiter magnet in seconds」というフォーマットの投稿が複数アカウントで同文拡散しています。

発信元は海外の生成AI活用系アカウント群で、誰が元かは特定不能なレベルでコモディティ化したフォーマット。

Threads・X両方で同文派生が走り、海外まとめ系メディアでもしばしば再掲されている定番ネタです。

意味はシンプルで、プロフィールの構造を「リクルーターのキーワード検索に引っかかり、3秒で目を止められる形」に作り変えるという話。

Claudeでも同じプロンプトが動きます。

これ正直、外資転職層には刺さる構造。

3秒で判断、というのが正直やばい数字です。

裏付けの数字を一次ソースから拾うとこうです。

  • LinkedIn上で毎分6〜7人が採用されている（出典: Thunderbit集計のLinkedIn統計2025）
  • リクルーターの72%がLinkedInをプライマリツールとして使用（出典: Thunderbit集計のLinkedIn統計2025）
  • 候補者プロフィールの初回判断はモバイルで2.1秒・デスクトップで3.2秒（出典: Straight-In集計のリクルーター行動統計）
  • 完全プロフィールは面接オファー確率が71%増、スキル登録でリクルーター閲覧17倍（出典: Thunderbit集計のLinkedIn統計2025／Straight-In集計）

つまり、3秒以内にキーワードと数字で殴れる構造になっているかが全て。

Claudeに7プロンプトを順番に流す目的は、この「3秒で目を止めさせる構造」を1人では作れない領域まで詰めることです。

なぜClaudeでやるのが注目に値するのか

SNSで先行している投稿は元ネタが全てChatGPT。

ただし同じプロンプトはClaudeでも動きます。

むしろClaudeの方が向いている領域がはっきり3つある、と私は見ています。

1つ目は文字数制限のコントロール。

LinkedIn運用解説サイトで共通して挙げられている仕様値はHeadlineが220文字（モバイル240文字）、Aboutが2,600文字、Experienceが1件2,000文字（出典: Simply Great Resumes他、複数のLinkedIn運用解説サイトで共通している集計値）。

Claudeはこの種の「N文字以内で書き直して」指示の追従精度が高いタイプで、特に長文記述の自然さで差が出やすい。

2つ目は職歴コピペ時のデータ取り扱い。

Anthropicは2025年9月28日以降、学習データへのオプトイン/オプトアウトをユーザー選択制にしています。

シークレットチャット機能はモデル改善設定がオンでも学習に使われないと公式が明示している（出典: Claude プライバシー公式ヘルプ）。

職歴を貼り付ける用途では地味に効く差。

3つ目は無料プランでも200Kトークンのコンテキスト長を使える点。

LinkedInのAbout 2,600文字＋Experience 2,000文字×5社分を一度に読ませて整合性チェック、というクエリが無料でも回せます。

Proは月20ドル（年払いなら月17ドル）、無料プランで足りない人だけ上げればいい構図。

ここが一番大事ですが。

Claudeに7プロンプトを順番に投げる目的は、リクルーター視点の「キーワード検索→3秒スキャン→数字確認」を1人で再現できないからです。

Google元人事担当上級副社長が2014年9月29日にLinkedIn Pulseで公開した記事「My Personal Formula for a Winning Resume」では、「Accomplished [X] as measured by [Y] by doing [Z]」という型が提唱されています（出典: LinkedIn Pulse一次ソース、同著者は同年に著書『Work Rules!』も刊行）。

X=成果、Y=測定指標、Z=実現手段。

この順序を守るだけで「頑張りました」型の自己紹介が「数字で殴る職歴」に変わる。

プロンプト3でこの型を全職歴に強制適用させます。

Claudeに投げる7プロンプトの全体像

SNSで拡散しているフォーマットを整理するとこの7段構成です。

番号順に流すのが前提。

#狙う場所プロンプトの役割所要時間の目安
1Headline見出し10案を出させて選ぶ5分
2AboutPASフレームワークで2,000文字以内に再構成10分
3ExperienceXYZフォーミュラで全職歴を書き換え20分
4Skills目標職種の上位25キーワード抽出5分
5診断シニアリクルーター視点でレッドフラグ5個指摘5分
6Featuredピン留めコンテンツ5案5分
7Cold DM志望企業向けDM 3パターン10分

合計60分。

1日で全部やる必要はなく、Headline→About→Experienceの3つを終わらせれば、SNSが「I landed 3 job offers in 10 days」と煽る土台部分には到達します。

残り4つは仕上げ。

つまり1時間で骨格は組めます。

順序の話で1つ補足すると、プロンプト3のXYZを先にやらないとプロンプト1のHeadlineに使える数字が出てこない、というケースが起きえます。

Headlineに「Increased ARR by 40% in 18 months」のような数字を入れたい場合は、先に職歴側の数字を確定させてからHeadlineに戻る順序が安定します。

Claudeで7プロンプトを実行する手順（コピペ可）

プロンプトはSNS拡散版の英語原文に近い形で出します。

日本語訳併記。

Claudeに貼り付ける時は、空の新規チャットを開いて、最初に職歴・現職・目標職種を1回まとめて伝えてから順番に流すのが効きます。

STEP1: 下準備（5分）

Claude（無料プラン可）の新規チャットを開き、次のフォーマットで現状を伝えます。

これがないと、後続7プロンプト全てが汎用テンプレ回答に流れます。

I'm a [現職タイトル] at [現職会社] with [年数] years of experience.
Target role: [狙っている職種]
Target companies/industry: [志望する企業や業界]
Current strengths I want to highlight: [強み3つ]
Quantifiable achievements: [数字付きの成果リスト]
LinkedIn URL: [私のLinkedIn URL]
Language preference: English profile / Japanese profile / both

「Quantifiable achievements」が空欄だとXYZの「Y=測定指標」が埋まらず、結果として全プロンプトの精度が落ちます。

ここは数字を先に棚卸ししてから始める。

STEP2: プロンプト1 — Headline 10案

Act as a LinkedIn branding expert. Based on my background above, generate 10 different Headline options under 220 characters each. For each, include 3-5 high-intent keywords that recruiters search for in my target role. Mix formats: title + impact + niche, problem + solution, expertise + outcome. Show search relevance score 1-10 for each.

日本語訳：「LinkedInブランディング専門家として、私の経歴に基づいてHeadline案を10個、それぞれ220文字以内で出してください。

各案に、目標職種でリクルーターが検索するキーワードを3〜5個含めてください。

フォーマットは『役職＋成果＋専門領域』『課題＋解決』『専門性＋結果』を混ぜる。

各案に検索適合度スコア（1〜10）を添える」

10案から3つに絞り、Claudeに「Combine the strengths of #2, #5, and #8 into one final headline」と返すと精度が一段上がります。

STEP3: プロンプト2 — About（PASフレームワーク）

Rewrite my LinkedIn About section using the PAS framework (Problem-Agitation-Solution). Maximum 2000 characters. First 250 characters must hook before "...see more". Include: who I help, what specific problem I solve, 3 quantified wins, and a clear CTA at the end. First person, conversational tone, no buzzwords like "passionate" or "results-driven".

日本語訳：「PASフレームワーク（Problem-Agitation-Solution）でAbout欄を書き換えてください。

2,000文字以内、先頭250文字で『もっと見る』前に読者を引き込む。

誰を助けるか、どんな具体的課題を解くか、数字付きの実績3つ、末尾にCTAを入れる。

一人称・会話調・『情熱的』『結果重視』のようなバズワード禁止」

About欄の集計値上限は2,600文字ですが、リクルーターの読了率を考えると2,000文字が現実的な上限という運用です。

STEP4: プロンプト3 — Experience（XYZフォーミュラ）

Rewrite every bullet point under my Experience section using the XYZ formula: "Accomplished [X] as measured by [Y] by doing [Z]". Each role should have 4-6 bullets, each starting with a strong action verb. Use my real metrics from the briefing above. If a metric is missing, mark it as [INSERT YOUR METRIC HERE] — do NOT fabricate numbers.

日本語訳：「Experience欄の全箇条書きを、XYZフォーミュラ『[X]を成し遂げた／[Y]という指標で測って／[Z]の方法で』に書き換えてください。

各役職4〜6項目、強い動詞で始める。

冒頭ブリーフィングの実際の数字を使う。

数字が欠けている箇所は[INSERT YOUR METRIC HERE]と明記し、絶対に捏造しないこと」

ここが最大の落とし穴です。

Claudeは指示しないと、空欄を埋めるためにそれっぽい仮の数字を入れる挙動を取ります。

「Increased team productivity by 30%」みたいな数字がしれっと混ざる。

そのまま貼ると経歴詐称扱いになる。

プロンプトの末尾に「do NOT fabricate numbers」を必ず入れてください。

STEP5: プロンプト4〜7（Skills / 診断 / Featured / Cold DM）

# プロンプト4 (Skills)
Act as a LinkedIn SEO specialist. Based on my target role [職種名], extract the top 25 keywords recruiters actually search for, ranked by search volume. Group them into: Hard Skills (10), Soft Skills (5), Tools/Tech (5), Industry Terms (5). For each, indicate if I should put it in Headline, About, Experience, or Skills section.

# プロンプト5 (診断)
Act as a senior tech recruiter with 15 years of experience hiring for [目標企業タイプ]. Review my current LinkedIn profile and list the top 5 red flags that would make you skip me in a candidate search. Be brutally honest. For each red flag, suggest a specific fix.

# プロンプト6 (Featured)
Suggest 5 pieces of Featured content I should pin to my profile to attract [目標職種] recruiters. For each, specify: format (link/media/post), topic, and why it builds credibility for my target role.

# プロンプト7 (Cold DM)
Write 3 cold DM templates to send to recruiters or hiring managers at [志望企業名]. Each under 300 characters. Format A: curious about role. Format B: shared connection angle. Format C: specific company news hook. Tone: confident but not pushy, no "I'm passionate about" openers.

5番のリクルーター診断プロンプトは「1人では絶対やれない領域」。

私のプロフィールを15年経験のシニアリクルーター視点で容赦なく落とさせる、というロールプレイ指示が肝です。

STEP6: 反映と検証

Claudeの出力をそのままコピペしない。

STEP4で指摘した仮数字トラップを必ず1行ずつ確認してから、LinkedInプロフィール編集画面に貼る。

最低限こうチェックします。

  • 数字は全て私の実績か。曖昧な「around 30%」を見つけたら、根拠を1行説明できなければ削除
  • 会社名・プロジェクト名は守秘義務違反になっていないか
  • 英語プロフィールの場合、固有名詞のスペルは1個ずつ目視確認
  • Headline先頭60文字に目標職種のキーワードと数字が入っているか

日本市場で7プロンプトが効く相手・効かない相手

ここが日本人読者向けに最も線引きが必要な部分です。

SNSの「I landed 3 job offers in 10 days」式の煽り文をそのまま日本市場に投げると、結果が出ないどころか読者を裏切ることになる。

LinkedInの日本国内ユーザー数は約400万人（2025年時点）、人口比普及率約3.3%（出典: エンワールド・ジャパンの外資転職レポート）。

アメリカの71.7%、イギリスの64.7%と比べると圧倒的にキャズム未突破の市場です。

一方で世界全体では12億人、月間アクティブ3億1,000万人で、毎週6,100万人が仕事を探している（出典: Thunderbit集計のLinkedIn統計2025）。

この温度差を踏まえて住み分けるとこうなります。

転職軸LinkedIn 7プロンプトの効き理由
外資系企業（金融・コンサル・テック）強く効く採用担当の72%がLinkedInをプライマリツール使用。Recruiter Searchで日常的に候補者検索
SaaS・スタートアップ強く効く創業メンバー・初期社員採用でLinkedInからのスカウト中心。CEO直接DMも普通
外資系の日本法人（中途）効く本社・海外オフィスのリクルーターからも検索される。英語プロフィール推奨
専門職（エンジニア・デザイナー・データ）効くスキルキーワード検索で発見されやすい。Featured欄でポートフォリオ提示が効く
副業フリーランス・コンサル効くB2Bバイヤーの82%が営業前にLinkedInプロフィールを確認
日系大手の総合職転職限定的従来の転職エージェント・転職サイト経由が中心、LinkedIn経由の採用は外資・グローバル企業に偏る
新卒・第二新卒限定的新卒チャネルがLinkedInに乗っていない

「LinkedInに登録だけして放置」状態から脱したい人のうち、上の表の「強く効く」「効く」に当たるなら7プロンプトを順番に流す価値は十分ある。

日系総合職を狙う層は、LinkedInより国内エージェント整備を先にやった方が早い、というのが正直な線引き。

もう1つ、Open to Workバッジの扱いだけ補足します。

LinkedIn公式ガイドによれば、リクルーターのみ公開設定にするとリクルーターからのメッセージが40%増、全員公開設定で全体メッセージ20%増（出典: LinkedIn Open to Work公式ガイド／Hays Japanの転職市場レポート）。

一方でCNBC 2025年1月23日付記事では、一部リクルーターから「全員公開は必死感が出る」と否定的な評価も報じられています。

グローバルでは2億2,000万人が設定中（前年比35%増）。

日系企業の面接で見られた場合のリスクと天秤にかけて、まずは「リクルーターのみ公開」から始めるのが安全寄りの初手。

料金とデータ取り扱いをどう見るか

Claude側の料金とプライバシー設定だけ整理します。

LinkedInの職歴を貼る用途では、ここを押さえないと後悔する箇所が2つある。

項目無料プランPro（月20ドル/年払い月17ドル）
使用量動的制限。1セッション20〜30メッセージで止まることあり無料の5倍以上（ピーク時）
コンテキスト長200Kトークン200Kトークン（Enterpriseのみ500K）
リセット周期5時間ごと＋週次上限5時間ごと＋週次上限（無料より緩い）
Claude Code / Projects制限あり無制限
シークレットチャット使える使える

月20ドル、年払いなら月17ドルの差。

7プロンプトを1日で全部流すと、無料プランでは途中で上限に当たる可能性があります。

3日に分割すれば無料でも回せる、というのが私の判断。

月1回しかLinkedIn触らないなら無料据え置きで十分。

データの話で押さえる点は2つ。

1つ目、Anthropicは2025年9月28日以降、学習データへのオプトイン/オプトアウトをユーザー選択制にしています。

職歴を会話にコピペした内容は、オプトイン時には「directly copied into your conversation」として学習対象に含まれる。

データ保存期間はオプトイン時最大5年、オプトアウト時30日で削除（出典: Claude プライバシー公式ヘルプ）。

2つ目、職歴に守秘義務がかかる数字を含める場合は、シークレットチャット機能を使うのが安全寄りの初手。

モデル改善設定がオンでも、シークレットチャットの会話は学習対象から除外される。

もう1点、LinkedIn側の事情も。

LinkedIn公式ヘルプセンターは2025年11月3日以降、ユーザーのプロフィール詳細・公開投稿をAI生成モデルの学習に使う方針を発表しています。

プライベートメッセージは対象外。

プロフィールに書いた情報は学習データ前提と思っておいた方がいい。

オプトアウトは設定 → Data Privacy → Generative AI Model Trainingからいつでも可能（出典: LinkedIn公式ヘルプセンター）。

SNS拡散プロンプトを使う時にハマる5つの落とし穴

SNSで拡散しているフォーマットをそのまま使うと事故る箇所が複数あります。

元プロンプトの注意書きが薄い箇所を引用解説の形で整理します。

  1. XYZ仮数字トラップ：プロンプト3でClaudeに数字を埋めさせると、指示しない限りそれっぽい仮数字を入れる。「[INSERT YOUR METRIC HERE]」明記を必ずプロンプト末尾に入れる。XYZレジュメ解説記事でも「チャットボットが挿入した数字をそのまま使うと経歴詐称化する」と共通して指摘されています
  2. 英語プロフィール一択化のリスク：日本国内のリクルーターには日本語プロフィールが必要な場面もある。バイリンガル運用（English + Japanese）が現実解
  3. Headline先頭60文字問題：220文字書いても、検索結果・コメント欄では先頭60〜70文字しか表示されない。一番大事なキーワードは絶対に先頭に置く
  4. Open to Work全員公開の必死感：CNBC 2025年1月23日付記事で一部リクルーターが「必死感が出る」と評価。在職中の人は「リクルーターのみ公開」から
  5. 中身が空っぽ問題：書き方を整えても、面接で具体エピソードを語れなければ落ちる。21%のリクルーターが採用SNS確認後に候補者を落とした経験ありというデータ（出典: Straight-In集計のLinkedIn採用統計）。プロンプトは骨格整備の道具で、中身の棚卸しは私の側でやる仕事

FAQ

Claude無料プランで7プロンプト全部回せますか？

1日で全部流すと無料プランの動的制限（1セッション20〜30メッセージで止まることあり）に当たる可能性が高いです。

3日に分けて、Headline→About→ExperienceとSkills→診断→Featured→Cold DMの2バッチに分割すれば無料でも回せます。

月1回しか触らない用途なら無料で十分、毎週使う運用ならPro（月20ドル/年払い月17ドル）が現実解。

ClaudeとChatGPTのどちらが7プロンプトに向いていますか？

SNSで拡散している元フォーマットはChatGPT指定ですが、同プロンプトはClaudeでも動きます。

長文の文字数制限追従精度と職歴コピペ時のシークレットチャット仕様で、Claude側に1日の長があると見ています。

逆に、Featured提案でWeb検索しながら最新トレンドを拾わせたい場合はGPTのブラウジング機能が効くケースも。

両方持っているなら使い分け、片方なら手元の方で問題なし。

XYZフォーミュラで仮数字を入れられないか心配です。どう防げばいいですか？

プロンプト3の末尾に「If a metric is missing, mark it as [INSERT YOUR METRIC HERE] — do NOT fabricate numbers」を必ず入れる。

Claudeの出力が出たら、数字が含まれる行を1行ずつ「これは本当に私の実績か」確認する。

曖昧な「around 30%」を見つけたら、根拠を1行説明できなければ削除。

XYZレジュメ解説記事もこの運用を共通して推奨しています。

日本企業の総合職転職を狙っています。それでも効きますか？

残念ながら限定的です。

日本国内のLinkedInユーザーは約400万人で人口比3.3%、企業の採用導線は依然として転職エージェント・転職サイト経由が中心。

LinkedIn経由の採用活動は外資・グローバル企業に偏ります。

日系総合職を狙うなら、LinkedIn整備より国内エージェント整備＋ATS最適化された日本語履歴書の方が先。

LinkedInを「念のために整える」程度で十分です。

Open to Workバッジは付けた方がいいですか？

「リクルーターのみ公開」設定から始めるのが安全寄りの初手。

LinkedIn公式ガイドによればリクルーターからのメッセージが40%増、全員公開で全体メッセージ20%増。

一方でCNBC 2025年1月23日付記事では全員公開が「必死感が出る」と一部リクルーターから評価されているとも報じられています。

在職中なら絶対にリクルーターのみ公開、離職済み・転職活動がオープンな状況なら全員公開も検討、という線引きで考えるといいです。

プロフィール書き換え後、リクルーターから声が来るまでどれくらいかかりますか？

SNS発の「48時間で激変」「10日で3つのオファー」式の煽り文は鵜呑みにしない方がいい。

リクルーターの初回スキャンは2.1〜3.2秒、完全プロフィールで面接オファー確率71%増という統計はありますが、スキル登録の効果（プロフィール閲覧17倍）や写真掲載の効果（閲覧21倍）と複合的に積み上がる話。

最初の声がかかるのは1〜3ヶ月、というのが日本市場での現実的なレンジ。

このページに出てきた言葉

リクルーター磁石
プロフィールがリクルーターの検索に引っかかり3秒で目を止めさせる構造。SNS発の言い回し
Headline
プロフィール上部の見出し。集計値で最大220文字だが検索結果では先頭60〜70文字しか表示されない
About
自己紹介欄。集計値で最大2,600文字、先頭200〜300文字で折りたたまれる
Experience
職歴欄。集計値で1社あたり最大2,000文字
Featured
プロフィール上部にピン留めできる注目コンテンツ枠
Skills
スキル登録欄。個別80文字、最大100個
Recruiter Search
LinkedInのリクルーター向け有料候補者検索機能
Open to Work
転職活動中を示すバッジ。リクルーターのみ公開／全員公開を選べる
XYZフォーミュラ
Google元人事担当上級副社長が提唱した職歴記述型「Accomplished [X] as measured by [Y] by doing [Z]」
PASフレームワーク
Problem→Agitation→Solutionの順で書くコピーの型
Cold DM
面識のない相手に初めて送るダイレクトメッセージ
CTA
Call To Action。読み終えた読者に取らせたい行動の指示
シークレットチャット
Claudeの会話モード。モデル改善設定がオンでも学習対象外になる
オプトイン/オプトアウト
明示的に許可する／明示的に拒否する設定
コンテキストウィンドウ
AIが1回のやり取りで覚えていられる文字数の上限。Claudeは200Kトークン
キャズム
新しいサービスが初期ユーザー層から一般層へ広がる前の溝

参考リンク

※この記事の内容は執筆時点のものです。AIは進化が速い分野のため、最新の仕様は公式サイトでご確認ください。

-AI活用全般
-, , ,

← 戻る