# マクロミル ES対策・実設問と回答例

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

- 業界: IT/SaaS
- 選考難易度: 標準
- Webテスト: SPI / 玉手箱
- 求める人物像: 論理的思考力、巻き込み力、好奇心

## 企業概要
オンラインマーケティングリサーチのリーディングカンパニー。ネットリサーチ・データ分析・コンサルティングを一貫提供し年間35,000件超の調査実績。国内外にパネルネットワークを持ち、データドリブンな意思決定を企業に提供する。

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

※公開情報にもとづく参考情報です。年度・職種により異なります。

## ES実設問（4問）

### 設問1: 学生時代一番がんばったことについて簡潔に教えてください。（200字以内）
- 文字数制限: 200字
- タイプ: ガクチカ
- 攻略ポイント: 次の詳細設問への橋渡しとなる設問です。成果と活動内容を端的に示し、読み手の興味を引く一文を意識しましょう。数値を含めると説得力が増します。
- 回答構成: undefined
- よくある失敗:
  - 成果の数値がなく内容が伝わりにくい
  - 詳細設問と整合性が取れていない
  - 200字を大幅に超えており簡潔さが求められていない
  - リサーチや分析の要素がなくマクロミルの仕事との親和性が薄い
- 評価基準:
  - 成果と活動内容が200字以内で端的に伝わるか
  - 数値や具体性があるか
  - リサーチ・分析・データとの親和性が感じられるか
  - 次の詳細設問への興味を引く内容か
- 回答例:

```
ゼミ長として学内ビジネスコンテストに臨み、飲食店の集客データを分析して「SNS映え不足」という課題を特定。チーム6名で改善施策を提案し48チーム中で優勝しました。特にデータ分析と現場ヒアリングを組み合わせた仮説検証プロセスを主導し、審査員から「データドリブンな提案」と高評価を受けました。
```

### 設問2: 学生時代に失敗・挫折した経験について簡潔に教えてください。（200字以内）
- 文字数制限: 200字
- タイプ: 自己PR
- 攻略ポイント: マクロミルは「失敗からの学び」を重視します。挫折の内容とともに、そこから何を学び次にどう活かしたかを簡潔に示しましょう。リサーチや分析の改善に関連する経験があると親和性が高まります。
- 回答構成: undefined
- よくある失敗:
  - 失敗の原因が「努力不足」だけで自己分析が浅い
  - 失敗から得た学びや改善行動が示されていない
  - 失敗談が自慢話にすり替わっている
  - リサーチ・データとの関連がなく業務との親和性が薄い
- 評価基準:
  - 失敗の原因を客観的に自己分析できているか
  - 失敗から具体的な学びと改善行動が示されているか
  - リサーチ・分析の文脈に関連しているか
  - 200字以内で簡潔にまとまっているか
- 回答例:

```
3年次のゼミ論文でアンケート設計を誤り、回収した100件分のデータが分析に使えなかった失敗があります。設問の曖昧さが原因で回答の解釈が分かれてしまい、3週間の調査期間を無駄にしました。この経験から「調査設計の事前検証」の重要性を学び、以降は必ず5名のプレテストを実施するルールを自分に課しました。
```

### 設問3: ご自身の強み・弱みを教えてください。（各200字以内）
- 文字数制限: 400字
- タイプ: 自己PR
- 攻略ポイント: マクロミルが求める「論理的思考力」「巻き込み力」「好奇心」に関連する強みを選びましょう。弱みは正直に述べつつ改善への行動も示すと評価が上がります。
- 回答構成: undefined
- よくある失敗:
  - 強みがマクロミルの事業との親和性が薄い
  - 弱みが実質的に強みに聞こえる表現になっている
  - 強み・弱みともにエピソードがなく抽象的
  - 弱みへの改善行動が示されていない
- 評価基準:
  - 強みがマクロミルのリサーチ事業と親和性があるか
  - エピソードで強みが具体的に裏付けられているか
  - 弱みを自己認識し改善行動まで示されているか
  - 論理的・分析的な思考が全体から伝わるか
- 回答例:

```
【強み】データを基に仮説を立て周囲を巻き込んで課題を解決する力です。ビジネスコンテストでGoogleマップのレビュー200件と来店データを分析し、「20代女性の再来店率が低い」という課題を特定しました。感覚的な議論をデータで整理してチームの合意を形成し、応募48チーム中で優勝という成果につなげました。マクロミルのリサーチ業務でもこの分析力と巻き込み力を最大限に活かせると確信しています。【弱み】完璧を求めるあまりデータ収集に時間をかけすぎる傾向があります。改善のため「分析時間を48時間に限定し結論を出す」ルールを自分に課し、意思決定のスピードを意識的に高めています。クライアントのビジネス課題に対してデータで答えを出すマクロミルの仕事においても、この強みと改善した弱みの両方を活かして貢献していきたいです。
```

### 設問4: 人を巻き込んで成果を出した経験を教えてください。（400字以内）
- 文字数制限: 400字
- タイプ: ガクチカ
- 攻略ポイント: マクロミルはチームでプロジェクトを進める仕事が中心です。自分がどのように周囲を巻き込み、合意形成しながら成果に導いたかを具体的に記述しましょう。
- 回答構成: undefined
- よくある失敗:
  - 「巻き込んだ」と言いつつ具体的な巻き込みプロセスが描かれていない
  - 課題の原因分析が感覚的でデータに基づいていない
  - 反対意見や摩擦への対処が描かれていない（順調すぎる話は説得力が薄い）
  - 成果が数値で示されていない
- 評価基準:
  - 周囲の巻き込みプロセスが具体的に描かれているか
  - 課題分析にデータや根拠が用いられているか
  - 反対意見や困難をどう乗り越えたかが示されているか
  - 成果が定量的に示されているか
- 回答例:

```
アルバイト先の学習塾で講師チーム8名を巻き込み、退塾率を半減させた経験です。当時、退塾率が25%と高く慢性的な人手不足が店舗運営の大きな負担でした。私は保護者アンケート30件の分析から「学習進捗の見える化不足」が主因と突き止めました。改善策として月次学習レポートを提案しましたが「業務負担が増える」と反発を受けました。そこでレポートのテンプレートを自作し1人あたり5分で完成できる仕組みを構築した上で、自分の担当生徒で先行試行して保護者から好反応を得ました。この成功事例を共有することで講師全員の賛同を得て全塾的な導入に至り、半年間で退塾率が25%から12%に改善。店長から全教室への展開を任されました。
```

## 選考全体の攻略ポイント
- マクロミルのESではデータや数値を使った論理的な思考プロセスが高く評価されます。エピソードに必ず数字を入れましょう。
- リサーチ会社らしく「課題発見→仮説設定→データ検証→施策実行」のPDCAが回せる人材をアピールすると効果的です。
- 「失敗・挫折経験」の設問はマクロミル独自の問いです。失敗の原因分析と改善行動を論理的に示せるかが差別化のポイントです。
- オンラインリサーチ業界の市場構造や、マクロミルの競争優位性（パネル規模・分析力等）を理解しておくと面接で活きます。

## よくある質問
### Q. マクロミルのESではデータ分析の経験は必須ですか？
A. 専門的なデータ分析経験は必須ではありませんが、数値やデータに基づいて考えた経験は高く評価されます。日常の活動でもデータを使って意思決定した経験があれば積極的にアピールしましょう。

### Q. マクロミルの「失敗・挫折経験」設問はどう書けばよいですか？
A. 失敗の内容を正直に書き、「なぜ失敗したか」の原因分析と「その後どう改善したか」のセットで書くことが重要です。リサーチや調査設計に関連する失敗なら業務との親和性も高まります。

### Q. マクロミルとインテージの違いは？
A. マクロミルはオンラインリサーチに強みを持ち、スピードと大量データ処理が特徴です。競合との違いを理解した上で、マクロミルを選ぶ理由を明確にしましょう。

### Q. マクロミルのES通過率を上げるコツは？
A. エピソードに必ず「数字」を入れること、「仮説→検証→成果」のプロセスを示すこと、そして失敗からの学びを具体的に語ることが通過の鍵です。

---
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/makuro-miru
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）