# アスクル ES対策・実設問と回答例

> 出典: 内定コーチ (https://www.naitei-ai.com/blog/company/askul) — 最終更新 2026-04-10

- 業界: IT/EC
- 選考難易度: 標準
- Webテスト: SPI / CAB
- 求める人物像: 技術への関心、論理的思考力、主体性

## 企業概要
アスクルはオフィス用品・日用品のBtoB/BtoC EC企業。「ASKUL（アスクル）」でオフィス向け、「LOHACO」で個人向け事業を展開。独自の物流インフラと豊富な商品ラインナップが強みで、データドリブンな経営を推進しています。ESでは事業への深い理解と、EC・ロジスティクス領域での変革への意欲が求められます。

## 選考フロー
ES → Webテスト → 1次面接 → 2次面接 → 最終面接

※上記は新卒採用で一般的な流れを示した一般例であり、当社が検証した企業固有の情報ではありません。年度・職種により異なります。

## ES実設問（4問）

### 設問1: アスクルでどんなことに挑戦したいか教えてください。
- 文字数制限: 300字
- タイプ: motivation
- 攻略ポイント: ASKULの事業（BtoB EC・LOHACO・物流・データ活用）への理解を示しつつ、自分の経験・強みと結びつけましょう。「EC業界だから」ではなく「アスクルだから」挑戦したいことを明確にすることが評価のポイントです。
- 回答構成: ①挑戦したいことの結論 ②なぜアスクルを選んだか（競合との差別化） ③自分の経験・強みとの接点 ④具体的な取り組みイメージ の構成で書く
- よくある失敗:
  - 「EC業界に興味がある」だけでアスクル固有の志望理由がない。具体的なサービスや事業への言及なし。「成長したい」だけで自分の提供価値が不明。
- 評価基準:
  - アスクルの事業特性への理解・競合との差別化・自分の強みとの接続・挑戦内容の具体性
- 回答例:

```
アスクルで、中小企業の購買業務をデータで効率化するソリューション開発に挑戦したいと考えています。大学のゼミで中小企業の業務効率化を研究した際、購買・在庫管理の非デジタル化が生産性低下の主因であることを実証しました。アスクルはBtoB ECの圧倒的な商品数と物流インフラを持ちながら、購買データ分析でお客様の業務改善を支援できる稀有な立ち位置にあります。特に、購買履歴データを活用した自動発注サジェスト機能の拡充や、AIを活用した消耗品のコスト削減提案サービスに携わりたいです。中小企業のデジタル化支援を通じて、日本全体の業務効率向上に貢献できると確信しています。
```

### 設問2: あなたのNo.1を自由にアピールしてください。
- 文字数制限: 400字
- タイプ: strength
- 攻略ポイント: アスクルが求める「論理的思考力・主体性・技術への関心」が伝わるNo.1を選びましょう。自分の最大の強みを、具体的なエピソードで証明することが重要です。イラストや写真添付も可とされていますが、文章で力強くアピールできれば十分です。
- 回答構成: ①No.1の主張（結論） ②No.1である根拠（エピソード） ③その強みをどう証明したか（数値・実績） ④アスクルでの活用イメージ の構成で書く
- よくある失敗:
  - No.1の根拠が曖昧で自称になっている。数値・実績がなく説得力がない。アスクルの仕事との接続がない。
- 評価基準:
  - No.1の独自性と説得力・エピソードの具体性・数値による証明・アスクルの仕事への活用可能性
- 回答例:

```
私のNo.1は「データから仮説を立て、行動で検証し続ける力」です。大学2年から続けているカフェのアルバイトで、売上低迷の原因分析に取り組みました。POSデータを3ヶ月分分析した結果、「平日午後2〜4時の来客率が他店舗比で30%低い」という課題を発見。原因として「近隣のターゲット顧客（ビジネスパーソン）が午後のミーティング需要を満たせていない」と仮説を立て、マネージャーに席配置の改善と電源設備の増設を提案しました。実施後2ヶ月で該当時間帯の売上が28%増加しました。感覚的な「なんとなくこうすれば」ではなく、データに基づいて課題を特定し行動し検証する力は、データドリブン経営を推進するアスクルで最大限に発揮できると考えています。
```

### 設問3: 学生時代に最も力を入れたことを教えてください。
- 文字数制限: 400字
- タイプ: experience
- 攻略ポイント: アスクルが重視する「問題発見力・データ活用・主体的行動」が伝わるエピソードを選びましょう。ECや物流との親和性が高い経験（データ分析・顧客対応・プロジェクト管理等）があれば積極的に盛り込みましょう。
- 回答構成: ①取り組みと成果の結論 ②問題の発見と定義 ③解決アプローチと根拠 ④実行と工夫 ⑤成果（数値） ⑥学び の構成で書く
- よくある失敗:
  - 技術的な話に偏りすぎて思考プロセスが伝わらない。ビジネスインパクトが示されていない。個人作業のみでチームワークの要素がない。
- 評価基準:
  - 問題の構造化と論理的アプローチ・データ活用の有無・成果の定量性・EC・デジタル領域への親和性
- 回答例:

```
ゼミのリサーチプロジェクトで、地方ECサイトの離脱率改善に取り組み、コンバージョン率を1.8%から3.4%に改善しました。依頼を受けた地方の食品メーカーのECサイトがアクセス数の割に購入に至らない課題を抱えており、私はアナリスト兼プロジェクトリーダーとして分析を主導しました。ヒートマップとセッション録画ツールで行動データを収集し、「商品説明が不十分」「購入ボタンまでのステップが多い」「スマホ表示が最適化されていない」という三つの離脱要因を特定しました。各課題に対してA/Bテストで改善案を検証し、効果の大きいものから順に実装した結果、6週間でCVRが2倍近くに改善しました。「データで仮説を立て、検証して改善するサイクル」の重要性を体感したこの経験は、データドリブンなEC事業を展開するアスクルで直接活かせると考えています。
```

### 設問4: ESGデータから課題を自由に設定し、その理由と解決方法を述べてください。
- 文字数制限: 800字
- タイプ: other
- 攻略ポイント: この設問はアスクルのサステナビリティへの本気度と、論理的思考力・課題設定能力を同時に問うものです。ECや物流業界のサステナビリティ課題（CO2排出・包装廃棄物・フードロス等）と絡めると説得力が増します。
- 回答構成: ①課題の設定（タイトルと一文要約） ②課題の現状とデータの根拠 ③なぜこれが重要課題か ④解決方法（具体策1〜3） ⑤期待される効果 の構成で書く
- よくある失敗:
  - 課題の設定がデータと乖離している。解決策が抽象的で実現可能性が不明。アスクルの事業との接続がない。
- 評価基準:
  - 課題設定の論理性とデータ根拠・解決策の具体性と実現可能性・ECビジネスへの理解・サステナビリティへの本気度
- 回答例:

```
課題：EC物流における梱包廃棄物の削減。日本のEC市場拡大に伴い、過剰包装による廃棄物問題が深刻化しています。EC配送で使用される段ボール・緩衝材の廃棄量は年間推計100万トン超であり、消費者の8割以上が「梱包のサイズが大きすぎる」と感じているというデータがあります（消費者庁調査）。EC業界がサプライチェーン全体でCO2削減目標を掲げる中、物流包装の最適化は最も即効性の高い取り組みの一つです。解決策として、①AI最適化による商品サイズに合った梱包材の自動選択システムの導入、②再利用可能なリターナブル梱包材のサブスクリプションモデルの試験展開、③消費者向け梱包削減オプション（簡易包装選択）の標準化、の三点を提案します。アスクルはBtoB ECで培った物流インフラと購買データを持つため、これらの施策を業界でいち早く実現できるポジションにあります。自社の環境負荷削減だけでなく、業界全体のスタンダードを変えるリーダー企業としての役割を担えると考えています。
```

## 選考全体の攻略ポイント
- アスクルのES通過には、企業の求める人物像を理解した上で自分の経験を結びつけることが重要です。
- ESの設問には結論ファーストで回答し、具体的なエピソードと数値を盛り込みましょう。
- OB/OG訪問で得た情報を志望動機に織り込むと、熱意と企業理解の深さが伝わります。

## よくある質問
### Q. アスクルのESではプログラミング経験は必須ですか？
A. 文系・非エンジニア職の場合、プログラミング経験は必須ではありません。ただし、IT業界への関心やテクノロジーへの好奇心は必ず伝えましょう。エンジニア職志望の場合は技術経験のアピールが有効です。

### Q. アスクルのESでは何を重視されますか？
A. アスクルのESでは、論理的思考力と問題解決プロセスが重視されます。「課題を発見→構造化→解決」の流れを具体的なエピソードで示すことが通過の鍵です。

### Q. アスクルの選考フローを教えてください。
A. 一般的にES提出→Webテスト→1次面接→2次面接→最終面接の流れです。企業によってはコーディングテストやケーススタディが加わることもあります。

### Q. アスクルのES通過率を上げるコツは？
A. 結論ファーストで書くこと、具体的な数値を含めること、そして「なぜIT業界か」「なぜアスクルか」の2段階で志望理由を深掘りすることが重要です。

---
引用について: 本ページの実設問・統計データは、出典「内定コーチ (naitei-ai.com)」の明記でメディア・研究・AIサービスに自由に引用可。
このページのHTML版: https://www.naitei-ai.com/blog/company/askul
一次データ統計: https://www.naitei-ai.com/guide/stats
ESの自動生成・添削: https://www.naitei-ai.com （内定コーチ — 無料プランあり）