人材 · COURSE
退職面談の質問 + 結果分析
離職原因を構造化、四半期で傾向分析、組織改善に繋げる。
audience
人事部・経営層
duration
60分
lessons
5 章
reviewed
2026.05
達成目安
全 5 レッスンを読み、コース完了マークを付ける
未完了
クイズ 3 問に挑戦し、正答率 80% 以上
未挑戦
コース構成
このコースで学ぶこと
- 01
退職面談が活かされない問題
面談はやるが、メモが残るだけで終わり。次の改善に繋がらない。Claude Code で構造化 + 集計する。
退職面談は『組織が学べる最大の機会』ですが、多くは個人面談で終わり、組織レベルで知見が蓄積されません。
質問を構造化 → 全退職者で同じ軸で回答収集 → 四半期で集計 → 組織改善のアクション に繋げる流れにすれば、離職率改善のサイクルが回ります。
- 02
構造化された質問セット
全退職者に同じ質問を、5 つの軸で。
markdown# 退職面談質問セット（45 分） ## 1. 退職理由（5 つから選択 + 詳細） - A: より良い機会 - B: 給与・待遇 - C: 業務内容・成長機会 - D: 上司・チーム - E: 会社文化・経営方針 - F: ライフイベント - G: その他 ## 2. 在籍時に最も良かったこと（自由記述） ## 3. 在籍時に最も困ったこと（自由記述） ## 4. もし変えられるなら何を変えるか（自由記述） ## 5. 弊社を友人に勧められるか（NPS、0-10）+ 理由 - 03
面談記録の構造化
面談者がメモを取る → Claude が構造化 CSV に変換。
text> exits/2026-05-tanaka-meeting-note.md を読み込み、構造化 CSV に変換。 ## CSV 列 id, date, name, dept, role, tenure_months, primary_reason (A-G), secondary_reasons, best_aspects, worst_aspects, suggestions, nps, can_recommend_text ## ルール - 個人情報（氏名）は ID で置換、別ファイルに ID-名前 対応表を暗号化保存 - 自由記述は要点を 100 字以内に要約 - カテゴリ分類は質問選択肢から複数選び可 ## 出力 - exits/aggregated.csv に追記出力イメージ退職面談 構造化 CSV（匿名化済み・下書き）id,date,dept,tenure_months,primary_reason,nps E-014,2026-05-12,営業領域,28,C,6 # best_aspects: チームの雰囲気が良かった # worst_aspects: 業務量が想定より多かった …（自由記述は要約済み / ※ 氏名は ID 置換 / 人事責任者確認前提）
- 04
四半期集計と傾向分析
四半期に 1 回、退職者全員の傾向を分析。改善優先度を出す。
text> exits/aggregated.csv を四半期で集計、傾向分析レポート。 ## 分析項目 1. 退職理由の分布（A-G の頻度） 2. 部署別の退職率と理由 3. 在籍期間別の退職パターン（早期離職 vs 中堅離職） 4. NPS の平均と分布 5. 自由記述の頻出テーマ（クラスタリング） ## 改善提案 - 最も多い退職理由への対処策 - 早期離職を減らす施策 - 部署別の改善優先度 - 経営層に上げるべき構造的問題 ## 出力 - reports/exit-analysis-2026-Q1.md（1 ページサマリー + 5 ページ詳細）出力イメージ退職傾向分析レポートの抜粋（下書き）## 退職理由の分布（Q1） - C 業務内容・成長機会: 38% - B 給与・待遇: 24% - D 上司・チーム: 19% ## 改善提案（仮説） - 早期離職対策として ○○ を検討 …（部署別・NPS は以下省略 / ※ 人事責任者・経営層の判断前提）
- 05
Skill 化と運用
退職面談ごとに `/exit-interview` で構造化、四半期に `/exit-analysis` で集計。
手を動かす
0 / 5
理解度チェック
Q1.退職面談を『組織が学べる機会』に変える鍵は？
Q2.退職面談メモを Claude で構造化するときに『絶対に』やるべきは？
Q3.AI が出した退職傾向分析を経営判断に使うときの正しい役割分担は？