market-research

market-research

上流の市場調査手法：市場規模の推定、調査・サンプリング設計、セグメンテーション。この分野の要は手法と前提条件です。TAMは決して単一の数値ではなく、調査のサンプル数は全体で十分なだけでは足りず、セグメントは人口統計上の区分ではありません。

目的

市場調査アナリスト、プロダクトマーケター、戦略チームは、誰かがキャンペーンを最適化したり戦略を決めたりする前に、厳密な根拠を必要とします。このスキルでは、次の3つの手法上の判断を体系化します。

決定論的なツールは3つあります。

1. market_sizer.py — トップダウンとボトムアップの両方の手法でTAM/SAM/SOMを並行して算出し、差異を報告して、三角測量に失敗した場合は警告します。単一の数値だけを返すことはありません。
2. sample_size_planner.py — 信頼水準、許容誤差、予想比率から調査のサンプルサイズを算出します。有限母集団補正とセグメントごとの最小サンプル数を考慮します（全体として十分なサンプル数でも、報告対象の各セグメントで十分とは限りません）。
3. segmentation_scorer.py — 候補セグメントをKotlerの5つの基準で評価し、市場規模とアクセス可能性のゲートを適用します。小さすぎる、またはリーチできない区分は除外されます。

使用する場面

次のような場合にこのスキルを使用します。

• 役員会や経営幹部から「この市場の規模はどのくらいか」と尋ねられ、根拠があり、複数の手法で検証された回答が必要な場合。
• 調査を実施するにあたり、全体だけでなくセグメントごとにも妥当なサンプルサイズが必要な場合。
• 候補セグメントのリストがあり、実際の市場と人口統計上の区分を見分ける必要がある場合。
• 競合情報を統合するにあたり、手法上の基盤が必要な場合。

次の用途にはこのスキルを使用しないでください：実施中のキャンペーンの測定（アトリビューション、ROAS、CPA → marketing-skill/campaign-analytics）、デマンドジェネレーション／有料メディアの計画立案（marketing-skill/marketing-demand-acquisition）、ポジショニング／GTM戦略の策定（marketing-skill/marketing-strategy-pmm）、価格設定（commercial/pricing-strategist）。

ワークフロー

1. ブリーフを作成する — assets/market_research_brief_template.md に記入します（目的、情報に基づいて決定する事項、市場規模の推定方法、サンプリング計画、前提条件の一覧）。
2. 市場規模を推定する — market_sizer.py --input market.json --method both --profile {b2b-saas|consumer|enterprise|marketplace|hardware|services} を実行します。数値を引用する前に、トップダウンとボトムアップの差異を調整します。
3. 調査を計画する — sample_size_planner.py --input survey.json を実行します。全体のnだけでなく、セグメントごとの最低数を確保します。
4. セグメントを評価する — segmentation_scorer.py --input segments.json --profile <same> を実行します。市場規模とアクセス可能性のゲートを通過しないセグメントは除外します。
5. エビデンスパックをまとめる — 結果をブリーフにまとめます。すべての数値に、手法、前提条件、信頼度を付記します。

スクリプト

スクリプト	目的	プロファイル
scripts/market_sizer.py	TAM/SAM/SOMをトップダウンとボトムアップの両方で算出し、三角測量の結果を警告	b2b-saas, consumer, enterprise, marketplace, hardware, services
scripts/sample_size_planner.py	調査のn + FPC + セグメントごとの最小サンプル数	該当なし（パラメーターで指定）
scripts/segmentation_scorer.py	Kotlerの5基準による評価 + ゲート	b2b-saas, consumer, enterprise, marketplace, hardware, services

3つすべて、標準ライブラリのみを使用し、--help、--sample、--output {human,json} に対応しています。

オンボーディングとカスタマイズ

開始前にオンボーディング質問に一度だけ回答してください。回答内容がデフォルト設定として保存され、このスキルのすべてのツールに事前設定されます。カスタマイズが重要です。回答は実際にツールの動作を変えます。

python3 scripts/onboard.py            # interactive (also: --defaults, --set key=value, --reset)
python3 scripts/onboard.py --show     # see the questions + current effective config

回答は ~/.config/research-ops/market-research.json（グローバル）または ./.research-ops/market-research.json（--scope project）に保存され、config_loader.py によって自動的に読み込まれます。デフォルトの市場プロファイル、調査のデフォルトの信頼水準と許容誤差、およびデフォルトの市場規模推定方法が設定されます。CLIフラグは常に保存済みの設定より優先されます。RESEARCH_OPS_NO_CONFIG=1 を指定すると、設定を無視します。

4つの質問： 市場プロファイル · 調査の信頼水準 · 許容誤差 · 市場規模推定方法

autoresearch による最適化（オプトイン）

このスキルには、engineering/autoresearch-agent への隔離されたオプトイン方式のブリッジが含まれています。「最適化する」「市場規模を整合させる」「ループを実行する」と依頼した場合にのみ、autoresearch 実験が市場モデルを反復的に調整し、トップダウンとボトムアップの推計を照合します。scripts/ar_evaluator.py がグラウンドトゥルースの評価ツールで、tam_divergence: <fraction> を出力します（値は低いほど良好です）。

/ar:setup --domain custom --name tam-triangulation \
  --target market.json \
  --eval "python3 ar_evaluator.py --target market.json" \
  --metric tam_divergence --direction lower
/ar:loop custom/tam-triangulation

隔離されています。ハード依存関係はなく、autoresearch は必要な場合にのみ実行され、ループが編集するのは market.json で、評価ツールは変更しません。

参考資料

• references/market_sizing_canon.md — TAM/SAM/SOM のフレームワーク（Bessemer、a16z）、トップダウンとボトムアップの比較、フェルミ推定、市場モデルの慣例、よくある市場規模推定の誤り。
• references/survey_methodology.md — Cochran の Sampling Techniques、Dillman の Tailored Design Method、Groves の Survey Methodology、質問文のバイアス（Schuman & Presser）、AAPOR の基準。
• references/segmentation_and_ci.md — Kotler のセグメンテーション基準、ニーズベースと企業属性ベースの比較、Porter の Five Forces、SCIP の倫理規定、Christensen の JTBD、コンジョイント分析／MaxDiff の入門。

前提

• 市場規模算定ツールは両方の手法を提示しますが、入力値は検証できません。トップダウンの「400億ドル市場の1％」という推計の精度は、引用元とサービス可能な割合の妥当性に左右されます。
• 期待比率を指定しない場合、サンプルサイズの計算には保守的な p=0.5（最大分散）を使用します。
• セグメントのスコアはユーザーが入力します。ツールはゲートと重み付けを適用しますが、根拠となる情報は収集しません。
• 競合情報の収集は、SCIP の倫理規定に従う必要があります。虚偽表示や保護対象情報の取得は禁止です。

アンチパターン

• 手法を示さずに TAM の数値を1つだけ提示する。 常にトップダウンとボトムアップを照合してください。
• 見せかけの精密さ。 意思決定に必要な許容誤差に合わせて推定してください。「37億1,420万ドル」という数値は、実際には持ち合わせていない確信を示唆します。
• 市場全体だけを対象にサンプルサイズを確保する。 報告するセグメントごとに、独自のサンプル下限が必要です。
• 誘導的、または二重質問になっているアンケート項目。 バイアスに関する文献を参考に、質問文を事前テストしてください。
• 人口統計上の区分をセグメントと呼ぶ。 セグメントは十分な規模があり、かつアプローチ可能でなければなりません。

以下とは異なります

関連項目	範囲	違い
marketing-skill/campaign-analytics	アトリビューション、ROAS、CPA、実施中キャンペーンのファネル	こちらは投入した広告費を測定しますが、このスキルは上流の方法論を扱います
marketing-skill/marketing-demand-acquisition	デマンドジェネレーション、有料メディア、チャネル構成	こちらは顧客獲得を実行しますが、このスキルは根拠を構築します
marketing-skill/marketing-strategy-pmm	ポジショニング、GTM、カテゴリー	こちらは戦略を策定しますが、このスキルは市場規模を算定し、セグメント化します
commercial/pricing-strategist	価格モデル、WTP、パッケージング	こちらは価格を設定しますが、このスキルは市場規模を算定します
product-research（兄弟スキル）	ユーザー／製品の発見手法	こちらはユーザーを調査しますが、このスキルは市場を調査します

すぐに試せる例

python3 scripts/market_sizer.py --sample
python3 scripts/sample_size_planner.py --population 62000 --confidence 0.95 --moe 0.05
python3 scripts/segmentation_scorer.py --sample --output json

サンプル市場では、トップダウンで算出した約14億7,000万ドルの SAM をボトムアップの数値と照合し、乖離を明示します。セグメンテーションのサンプルでは、「分析に関心があるかもしれない個人事業主」という区分を、規模の十分さとアプローチ可能性のゲートを満たさないため除外します。

強制質問ライブラリ（Matt Pocock の厳密な検証規律）

/cs:grill-research-ops またはオーケストレーターが、1問ずつ進めます。各質問には、推奨回答と根拠となる出典を添えます。質問をまとめて出すことはありません。

1. 「TAM はトップダウンですか、それともボトムアップですか？ また、三角測量のために両方の方法で算出していますか？」 推奨：両方で算出し、数値を提示する前に差を調整します。 根拠：Bessemer / a16z の市場規模算定、フェルミ推定。

2. 「この市場規模は実際にどのような意思決定に使われますか？ また、どの程度の精度が必要ですか？」 推奨：見せかけの精密さを持つ数値ではなく、意思決定に必要な許容範囲に合わせて算出します。 根拠：市場モデルの慣例（Gartner／Forrester）、意思決定主導の分析。

3. 「目標とする誤差範囲と信頼度はどの程度ですか？ また、全体だけでなくセグメントごとにサンプル数は十分ですか？」 推奨：合計だけでなく、報告する各セグメントで検出力を確保します。 根拠：Cochran『Sampling Techniques』、AAPOR 基準。

4. 「アンケートの質問に誘導的な表現や二重質問はありませんか？」 推奨：質問文を事前テストし、バイアスの出典を示します。 根拠：Schuman & Presser、Dillman『Tailored Design Method』。

5. 「セグメントは測定可能性／規模の十分性／到達可能性／実行可能性を満たしていますか？ それとも、単なる人口統計上の区分ですか？」 推奨：規模の十分性または到達可能性を満たさないセグメントは除外します。 根拠：Kotler のセグメンテーション基準。

深さ優先で進めます。3〜5に進む前に、1〜2を確定します。すべての質問に回答したら、market_sizer.py → sample_size_planner.py → segmentation_scorer.py の順に実行します。