2026年 LinkedIn X-Ray検索ガイド：リクルーター必見

X-Ray検索のための正確でフィールド駆動型のターゲットリストから始めましょう。クエリを実行する前に、気にするフィールドを定義します：役職、場所、現在の会社、過去の役割、およびあなたの役割に一致するキーワード。これにより、ノイズを減らし、アウトリーチを集中させるための厳密な基準リストを作成できます。

2段階のパターンを採用しましょう。最初の段階でネットワーク外のページと検索エンジンからの結果を抽出してLinkedInプロフィールにリンクし、次にネットワーク内で検証します。最初の段階は広範なセットを示すので、一括フィルターでフィールド（例：役職と場所）ごとにバッチ処理できます。例えば、site:linkedin.com/in intitle:"Marketing" york や site:linkedin.com/in inurl:in "Marketing Analyst" などのクエリで指定されたターゲットをロックオンできます。ヒットをデータベースに保存し、あなたが募集するフレーズで、次回の検索で洗練された検索を実行します。このアプローチは複数のソースを横断し、迅速に行動できる検証済みリストを構築します。

深さを制御するために論理演算子を使用しましょう：ANDで絞り込み、ORで広げ、引用符で正確なフレーズを固定します。役割を記述するフレーズのリストを作成し、「Senior Marketing Analyst」や「Marketing Manager」などのフレーズをデータベースに表示されるプロフィールに対してテストします。検索でバリエーションを使用し、結果をデータベースに統合し、単純なチェックサムで重複を除去します。このプロフィールタイプをターゲットする場合、アナリストという単語を含めて正確な一致を引き出します。最後に、各ヒット自体が行動可能なコンテキストを運びます。

ノイズを減らすために都市クラスターでローカライズ

ノイズを減らすために都市クラスターでローカライズしましょう。yorkと他の主要ハブをターゲットにし、隣接地域に拡大します。温かいアウトリーチに焦点を当て、プロフィールを過去の役割と関連プロジェクトについてのメモでタグ付けします。マーケティング役割の候補者向けにメッセージをパーソナライズし、具体的な経験を参照して応答の質を向上させます。各ヒットをコンテキストで注釈付け：現在の雇用主、シニアリティ、および次のステップをガイドするメモフィールド。

メンテナンスが重要です：多くのクリーンなレコードを持つスリムなデータベースを維持しましょう。定期的に非アクティブなプロフィールを削除し、重複を除去し、データを30〜60日ごとに更新します。明確な所有権を持つ指定されたワークフローは摩擦を減らし、リクルーターがデータではなく会話に集中できるようにします。重複は自動的にフラグ付けされないので、コーパスをクリーンに保つために手動の重複除去ステップを含めます。

アウトリーチの質が重要です：一般的なメッセージを避けましょう。連絡試行が開かれない場合、フレーズを修正し、トーンを調整します。クリーンなデータベースを維持し、重複が一括でフラグ付けされないようにして、誤ったキャンペーンを防ぎます。これにより、フィールドを揃え、ワークフローをスムーズに保てます。

2024年の実践的なX-Ray検索戦略とプロンプト

ターゲットを4つのフィールドに分割する再利用可能なプロンプトを使用しましょう：人物、役割、場所、ソース。LinkedInプロフィールと公開ページのX線撮影のためのアンカーストリング付きテンプレートを作成し、地域、シニアリティ、業界フィルターを適用して結果を洗練します。このアプローチはミスシグナルを減らし、キャンペーン全体で信頼できる結果を提供します。プロフィールとアウトリーチのケイデンスの命名規則はプールを整理し、自動化を通じてスケールしやすくします。

プロンプトの基本はコントロールを保ちます。散文ではなくクリーンな検索文字列を生むプロンプトを作成しましょう。明示的な演算子、サイトパターン、フィールドラベルを含めて、結果をトラッキングシートやプールに貼り付けられるようにします。プロンプトをワークフローに統合して、書き込みを推測ではなくルーチンステップにします。ヒットを収集した後、レビューとキーワードの洗練でカバレッジを改善し、利用可能な電話番号を収集し、重複を減らします。

要素	例クエリ	メモ
コアプールとキーワード	site:linkedin.com/in (engineer OR developer) AND (Java OR Python) AND (remote OR "New York")	役職とスキルをターゲット；バリエーションをテストしてミスを減らす
X線パターン	site:linkedin.com/in OR site:linkedin.com/pub (manager OR lead) AND (cloud OR AI)	正確なフレーズのために引用符と組み合わせ
キャンペーンとドメイン	inurl:in OR inurl:pub AND (Sr. OR Senior) AND (team OR lead)	見落とされたプロフィールをキャッチするために代替ドメインを使用
アウトリーチチャネル	連絡経路：gmailcom	アウトリーチハンドルを記録；命名を一貫させる；検証後

結果をCRMとATSに統合してループを閉じましょう；保存されたプロンプトの命名はジョブとプール全体でパターンを再利用するのに役立ちます。単一のシンプルなプロンプトでアウトリーチメッセージを書き、各役割に調整します。データを収集し、キャンペーンパフォーマンスを評価し、重要なものでのミスを減らし一致の質を向上させるためにキーワードを洗練します。

LinkedIn X-Ray検索のための正確なブール文字列を作成

カスタマイズされた3つのブロックのコアから始めましょう：役職、会社、場所

カスタマイズされた3つのブロックのコアから始めましょう：役職、会社、場所。文字列を再利用しやすく保ち、チームが迅速にスケールできるようにテンプレートとして保存します。実践的なビューとして、公開LinkedInプロフィールをターゲットにし、関連フレーズをキャプチャするためのX線パターンを使用します；各検索ビューは複数のプロフィールを返します。このアプローチは明確で再利用可能なブロックを使用し、検索ワークフローの専用セクションでこれを開始できます。私たちはこれらのパターンで複数の候補者をテストし、強い結果を見ました。

文字列をこのように構造化しましょう：(site:linkedin.com/in OR site:linkedin.com/pub) AND (intitle:resume OR intitle:profile) AND ("data scientist" OR "machine learning" OR "analytics engineer") AND (remote OR "san francisco" OR "new york") -jobs -career

結果をさらに絞り込むために、会社名、シニアリティ用語（senior, lead, principal）、業界フレーズのブロックを追加します。AND、OR、NOT演算子を使用して用語を組み合わせ、括弧でグループ化します。これにより検索を絞り込み、より速く温かい候補者を見つけられます。

チームコラボレーションのために、最もパフォーマンスの良いフレーズを特定し、カスタマイズされたスニペットとして共有しましょう。複数の文字列をセクションの下に保存するために拡張機能を使用し、どの組み合わせが強い候補者を特定するかを追跡し、各検索パス後にイテレーションします。私たちは特定のフレーズが信頼的に変換することを発見したので、機能するものをドキュメント化してください。

すぐに使用できるテンプレートを試しましょう：(site:linkedin.com/in OR site:linkedin.com/pub) AND ("software engineer" OR "developer") AND (remote OR hybrid) AND (USA OR "United States") AND (public) -jobs

ターゲットフィルターで結果を洗練：会社、業界、場所、シニアリティ

焦点を当てたコアクエリから始め、4つの決定的フィルターをレイヤー化

焦点を当てたコアクエリから始め、結果を絞り込むために4つの決定的フィルターをレイヤー化しましょう。プロフィール全体で正確なフレーズを探すX線スタイルのスキャンにsitelinkedincominを使用します。自動化と拡張機能により、ターゲット役割にアウトリーチを揃えながら見込み客を迅速に収集できます。

会社アンカー：intextと必要に応じてinurl:inを使用してプロフィールテキストで雇用主名を検索します。例：sitelinkedincomin intext:"Google" intext:"Mountain View, CA" は一回のスイープで会社と場所をマークします。
業界アライメント：intext:"Industry: Information Technology and Services" または intext:"Industry: Software" を追加してセクターに限定します。
場所精度：intext:"Location: New York, NY" または intext:"New York" で都市または地域をロックインして外れ値を剪定します。
シニアリティと役割：intext:"Seniority: Director" または intext:"Manager" でシニアリティとターゲット役割をタグ付けし、役割キーワード（例：intext:"Product Manager"）と組み合わせます。
検証とエクスポート：複数のバリエーションを実行し、結果をナビゲーターまたはCRMにフィードします。アウトリーチ前にプロフィールが意図したレベルとスキルに一致することを確認するためにクイックな手動チェックを使用します。

コピー＆ペーストできる具体的なクエリテンプレート：

sitelinkedincomin intext:"Google" intext:"Mountain View, CA"
sitelinkedincomin intext:"Industry: Information Technology and Services" intext:"New York"
sitelinkedincomin intext:"Seniority: Director" intext:"Product Manager"
sitelinkedincomin intext:"Tesla" intext:"Location: Austin, TX" intext:"Senior"

結果をクリーンでスケーラブルに保つためのヒント：正確なために引用符を使用

結果をクリーンでスケーラブルに保つためのヒント：正確なフレーズのために引用符を使用し、バリアントをカバーするためにORを使用し、1つの長い文字列ではなく複数の小さなクエリを構築します。時間が短い場合、これらのパターンを実行し、アウトリーチのための自動化で結果を収集するために拡張機能に頼りましょう。望ましいレベルとスキルに一致するプロフィールを検索し、連絡前に手動チェックを進めます。良い見込み客を特定したら、検索ブロックを繰り返し使用のために保存し、新しい会社や業界に拡大する際にさらに洗練できます。このアプローチにより、オーバーフェッチングせずにヒット率を向上させ、アウトリーチキャンペーンの安定したフローを維持します。

プロンプト1：ベルリンのシニアソフトウェアエンジニアのためのカスタマイズされたLinkedIn X-Rayクエリを構築

ベルリン拠点のシニアソフトウェアエンジニアのための最高の出発点です：高品質のプロフィールを返すカスタマイズされたLinkedIn X-Rayクエリ。GoogleスタイルのX線アプローチにより、LinkedInから役職、現在の会社、場所などのフィールドを引き出し、ターゲティングを改善します。コアクエリ：site:linkedin.com/in (intitle:"Senior Software Engineer" OR intitle:"Staff Software Engineer" OR intitle:"Principal Software Engineer" OR intitle:"Lead Software Engineer") (Berlin OR "Berlin, Germany")。

バリアント1 – スタック対応：site:linkedin.com/in (intitle:"Senior Software Engineer" OR intitle:"Staff Software Engineer" OR intitle:"Principal Software Engineer" OR intitle:"Lead Software Engineer") (Berlin OR "Berlin, Germany") (Python OR Java OR Go OR Kotlin OR JavaScript OR C# OR Scala)。これにより、キャンペーンの主要なテックシグナルを強調するプロフィールを持つ可能性の高い候補者に到達できます。

バリアント2 – 業界と現在の会社傾斜：site:linkedin

バリアント2 – 業界と現在の会社傾斜：site:linkedin.com/in (intitle:"Senior Software Engineer" OR intitle:"Staff Software Engineer" OR intitle:"Principal Software Engineer" OR intitle:"Lead Software Engineer") (Berlin OR "Berlin, Germany") (Software OR Technology OR "FinTech" OR "Healthcare IT")。アウトリーチのための焦点を当てたリストを構築するために、役職、現在の会社、場所、業界などのフィールドをキャプチャします。例外はスクレイパーをノイズで過負荷にしないことです；結果を簡潔に保ちましょう。

自動化のための実践的なセットアップ：これらのクエリをGoogleのエンジンで実行し、列：名前、プロフィールURL、役職、現在の会社、場所、業界、主要スキルで結果をCSVにエクスポートするためにスクレイパーを使用します。現在、クイック検証のために20〜40プロフィールのバッチを維持します。重複除去をサポートし、可能性の高い一致をフラグ付けし、プロフィールをキャンペーンにルーティングするツールとプラットフォームを使用します。このアプローチは、条件とガイドラインを尊重しつつ、より高品質のプールを返します。

最初にベルリンを中心にし、初期プールが小さい場合に近隣都市に拡大するかどうかにかかわらず、これらのクエリは柔軟です。結果に基づいて、スタックキーワードを調整し、場所半径を調整し、または関連役職を追加して精度を向上させ、キャンペーンのためにより多くの関連候補者をキャプチャします。

プロンプト2：スタック、タイムゾーン、シニアリティの考慮でリモート役割に拡大

リモート対応の検索計画を定義することから始めましょう：3つのターゲットスタックを選択し、タイムゾーンのウィンドウを設定し、シニアリティバンドを割り当てます。公開LinkedInプロフィールを正確なキーワードとスタック用語とペアリングするキャンペーンを作成し、キャンペーン全体で繰り返せる検索を実行します。このアプローチは役割全体で類似のパターンを明らかにし、結果を一貫させます。

intext、キーワード、スタック用語を組み合わせた検索文字列を構築

intext、キーワード、スタック用語を組み合わせた検索文字列を構築しましょう。例えば、使用：site:linkedin.com/in intext:remote (Java OR JavaScript OR Python) intext:senior OR intext:lead OR intext:architect (intext:Spring OR intext:React OR intext:Django) within London。公開プロフィールでリモートワークと関連テックスタックをリストする候補者をキャッチすることを目指します。推測に頼れません–再利用可能なキャンペーンにフィードされ、キャンペーン全体で再現しやすいように検索を構造化します。分散ワークや契約経験を示唆する投稿、イベント、シグナルを探します。Outscraperを使用して結果をクライアントのためのクリーンなリストに抽出でき、スタック、キーワードクラスター、シニアリティレベルでintextフィルタリングできます。

タイムゾーンアライメントが重要です：ハブ（例：ロンドン時間）の2時間ウィンドウ内で利用可能性を示すプロフィールをターゲットにし、より広いアクセスために非同期通信を優先します。検索内で、remote、work-from-home、distributed、flexible-hoursなどのフレーズを追加して、リモートを明示的に広告しない隠れた候補者を表面化します。senior、lead、architect、principal、またはstaffなどのシニアリティを反映するキーワードを含めて、ジュニアプロフィールで氾濫しないようにします。公開シグナルと一貫したルーブリックを使用して各エントリをスコアリング；これによりキャンペーンを焦点化し、フィルタリング中のバイアスを減らします。

結果を収集した後、フィールドを正規化するためのクイック抽出パスを実行

結果を収集した後、フィールドを正規化するためのクイック抽出パスを実行しましょう：名前、現在の会社、役職、場所、プロフィールURL、スタックインジケーター、タイムゾーンヒント。ヘルパーパイプラインに各結果を入力し、スタック、シニアリティ、リモートキーワードでタグ付けします。構造化されたアプローチに頼ることで誤キャストを防ぎ、クライアントがレビューしやすくします。類似のギャップが見られた場合に洗練されたキーワードで再検索でき、イベント、スタック人気の変化、ロンドン拠点の採用テンポのシフトに基づいて数週間ごとにキャンペーンを更新することで勢いを保てます。

プロンプト3：AIプロンプトを使用して候補者プールを検証、重複除去、サマライズ

すべての候補者レコードを検証：名前、役職、会社、場所、URL、使用可能なメールハンドルなどの必須フィールドをチェックします。フィールドが欠落しているか役職が曖昧な場合（例：「Engineer」機能なし）、レビュー用にフラグ付けします。関連性を確認するためにプロフィールテキストで軽いintextとX線チェックを実行し、高信頼レコードのみが進むことを確保するために検証後のクイックパスを実行します。

2層アプローチで重複除去：まず、コアを正規化

2層アプローチで重複除去：まず、コア識別子（名前、現在の会社、場所、役職）を正規化；次に、類似レコードをブロックにグループ化するために類似しきい値を適用します。各重複除去ステップで明示的なビフォー/アフターのスナップショットを作成します。フィールド全体でニアデュプリケートをフラグ付けするためにスクレイパー workflow を使用し、偽のマージを減らすために正準名スペルと会社エイリアスに頼り、重要なフィールドが不一致のレコードをマニュアルレビュー用の隔離リストに保ちます。適切な場合に場所タグとしてcanadaへの参照を含めて、地域プールの混合を避けます。

AIプロンプトでプールをサマライズし、バッチごとに簡潔で構造化されたブリーフを生成します。パーツベースのビューを構築：デモグラフィック、機能/役割、業界、地理（関連するcanada）。トップグループとチームを特定し、最も一般的な役職を強調し、プールごとに最良の5〜7スキルを抽出します。総重複除去カウント、場所別分布、優勢なシニアリティを示すコンパクトな出力を生成します。読者が候補者のブロック間を移動し、セグメントを迅速に比較できるナビゲータースタイルの概要を使用します。

プロンプトはヘルパーのセットから組み立て：validate_fields_prompt、dedupe_prompt、summarize_prompt。AIにフィールド付きのクリーンなレコードリストをフィード：名前、役職、会社、場所、スキル、years_experience、URL、メモ。モデルにcount、confidence、top_roles、top_skills、location_distribution、コンパクトな名簿などのフィールドを持つ正確なJSONライクなサマリーを出力するよう指示します。サマライズ前に、各候補者を短い記述子でリストして迅速スキャンを支援し、サマリー後にフォローアップのための具体的なアクションステップを提示します。メールについては、gmailcomで終わるエントリを汎用またはプレースホルダーとしてフラグ付けして、営業チームが直接アウトリーチを追求するかプライマリプールからそのラインを破棄するかを決定できるようにします。

Salesforceフィールドにマップするブロックを作成して一貫性を駆動：名前をNameに、役職をTitleに、会社をCompanyに、場所をLocationに、スキルをSkillsに、メモをNotesにマップします。ブロックを使用して、チームがSalesforceレコードに直接エクスポートできるクリーンなフィードを構築し、ソースの出所と元のプールサイズを保持します。結果は候補者の簡略化されたナビゲーターのように見え、明確な次のステップと、リクルーターとエンジニアがリードに従事する低摩擦のハンドオフを提供します。

ワークフローをタイトでスケーラブルに保ちましょう：Canada焦点の検索とグループとチーム全体で同じコアプロンプトに頼り、プールを並べて比較し、一貫した質を維持できます。バッチが検証と重複除去をパスしたら、グループとマネージャーと共有できるコンパクトなサマリーを作成し、最終結果をCRMと下流のアウトリーチキューにプッシュしてターゲットエンゲージメントを実行します。

2026年のLinkedIn X-Ray検索 - リクルーターとソーサーのための究極ガイド