design-archivist

デザインアーキビスト

実例を大規模に分析し、視覚データベースを体系的に構築するデザイン人類学者です。複数日にわたる調査（500～1000件で2～7日）向けの長期実行型スキルです。

クイックスタート

User: "Research design patterns for fintech apps targeting Gen Z"

Archivist:
1. Define scope: "fintech landing pages, Gen Z audience (18-27)"
2. Set target: 500 examples over 2-3 days
3. Identify seeds: Venmo, Cash App, Robinhood, plus competitors
4. Begin systematic crawl with checkpoints every 10 examples
5. After 48 hours: Deliver pattern database with:
   - Color trends
   - Typography patterns
   - Layout systems
   - White space opportunities

使用する場面

次の用途に使用します：

• 網羅的なデザイン調査（300～1000件）
• 大規模な実例セットにおけるパターン認識
• 競合のビジュアル分析
• データに裏付けられたトレンドの特定
• 特定分野のデザイン言語の抽出

次の用途には使用しません：

• 手早くデザインのインスピレーションを得る（Dribbble/Awwwardsを直接利用してください）
• 1件の実例の分析
• 小規模なサンプル（<50件）
• リアルタイムのトレンド把握（数日かかります）

基本的なプロセス

1. 分野の初期設定

• 対象分野と対象ユーザーを定義します
• 目標件数を設定します（具体性に応じて300～1000件）
• 起点となるURLまたは検索クエリを特定します
• 注目する領域を定めます

2. 体系的なクロール

各実例について、次の手順を行います。

1. ビジュアルスナップショットを取得します
2. メタデータを記録します（URL、タイムスタンプ、コンテキスト）
3. Visual DNAを抽出します（色、タイポグラフィ、レイアウト、インタラクション）
4. 文脈的なシグナルを分析します（対象ユーザー、ポジショニング、成功を示す指標）
5. カテゴリー別のタグを付けます
6. 実例10件ごとにチェックポイントを保存します

3. パターンの抽出

実例を蓄積した後、次のパターンを特定します。

• 支配的なパターン - 「標準」（最も一般的な手法）
• 新たなパターン - 「未来」（勢いを増している手法）
• 廃れたパターン - 「過去」（避けるべき手法）
• 例外的なパターン - 「実験的」（独自の手法）

Visual DNAの抽出

各実例から、次の情報を抽出します。

カテゴリー	抽出する内容
色	カラーパレット、プライマリー／セカンダリー／アクセントカラー、占有率
タイポグラフィ	フォントファミリー、ウェイト、サイズ、階層
レイアウト	グリッドシステム、間隔の基準、構造、余白
インタラクション	ホバー効果、トランジション、スクロール時の動作
アニメーション	使用頻度、種類、タイミング

TypeScriptインターフェースの全容については、references/data_structures.mdを参照してください。

分野別クイックリファレンス

分野	注目する領域	起点となる情報源
ポートフォリオ	明快さ、信頼性、ストーリーテリング	Awwwards、Dribbble、Behance
SaaSのランディングページ	コンバージョン、信頼性を示す要素、価格設定	Product Hunt、SaaSディレクトリ
Eコマース	商品写真、チェックアウト、モバイル	Shopifyストア、大手小売業者
アダルトコンテンツ	プレミアムな位置付け、プライバシーへの配慮	アダルト広告ネットワーク、VRプラットフォーム
技術デモ	ビジュアルの迫力、パフォーマンス、インタラクティブ性	Shadertoy、Codrops、ArtStation

分野別の詳細な戦略については、references/domain_guides.mdを参照してください。

長期実行のための仕組み

チェックポイント戦略

• 実例10件ごとにチェックポイントを保存します
• ジョブID、進捗件数、キューの状態、タイムスタンプを含めます
• バックアップとして直近3件のチェックポイントを保持します

進捗報告

次のような内容を一定間隔で報告します。

• 「1000件中250件を分析済み（25%完了）」
• 「現在の処理速度：1日あたり100件」
• 「完了見込み：7日後」
• 「最も有望な新しいパターン：グラスモーフィズムのカード（直近の実例の15%）」

レート制限

• ドメインごとに最大1秒あたり1リクエストとします
• robots.txtを尊重します
• エラー発生時は指数バックオフを実装します

アンチパターン

1. 過度に積極的なスクレイピング

症状： 100ミリ秒ごとにリクエストを送り、同じドメインに繰り返し過剰な負荷をかける
対処法： 最大でも1秒あたり1リクエストとし、robots.txtを尊重して、指数バックオフを行います

2. チェックポイントがない

症状： 保存せずに24時間連続で実行する
対処法： タイムスタンプとキューの状態を含め、実例10件ごとに保存します

3. 分野の文脈を無視する

症状： ポートフォリオサイトにEコマースのパターンを適用する
対処法： まず、その分野固有のベストプラクティスを調査します

4. 分析による停滞

症状： 1000件の実例を分析するのに、1件あたり30分かける
対処法： 10件ずつまとめて処理し、例外的な実例のみを詳細に分析します

5. 多様性の不足

症状： 最上位の実例しか分析しない
対処法： 業界をリードする例、中堅の例、独立系の例を含め、地理的な多様性も確保します

6. 過去のコンテキストを無視する

症状： すべてのパターンを現在のものとして扱います 対処法： Wayback Machine を使用し、パターンがいつ登場したかを記録して、変遷を追跡します

出力形式

以下を含む包括的な調査パッケージを生成します：

• メタ情報：ドメイン、件数、期間、深度
• 事例：完全なビジュアルデータベース
• パターン：主流、新興、廃止済み、例外的
• インサイト：色、タイポグラフィ、レイアウト、インタラクションのトレンド
• 推奨事項：安全な選択肢、差別化要因、避けるべきパターン

コストと規模

1000 件を分析する場合：

項目	コスト
スクリーンショット	約 $20（Playwright クラウド、1 件あたり $0.02）
LLM 分析	約 $15（100 バッチ × $0.15）
ストレージ	約 $0.01（200MB）
合計	約 $35
実行時間	48～72 時間

開始前に、ユーザーに範囲とコストを知らせてください。

参照ファイル

ファイル	内容
references/data_structures.md	VisualDNA、ContextAnalysis、Checkpoint の TypeScript インターフェース
references/domain_guides.md	ドメイン固有の詳細な戦略と重点領域

---

対象： デザイン調査 | パターン認識 | ビジュアル分析 | 競合インテリジェンス

併用： web-design-expert（調査結果を適用）| competitive-cartographer（市場のコンテキスト）