market-research

市場課題の詳細調査

詳細調査 API を使って、対象とする業界の課題を調査します。調査結果を番号付きの仮説セットにまとめます。出力は業界に関する教育情報のみで、メールの生成や企業の照合は行いません。

環境

プロバイダーの選択と認証情報の確認は、ワークフローのステップ 0 で行います。

ワークフロー

ステップ 0：プロバイダーを確認して API を調べる

1. 使用したい詳細調査プロバイダーをユーザーに尋ねます。決めかねている場合は、Perplexity がよく選ばれます。クエリの設計パターンについては、以下のワークフローを参照してください。
2. プロバイダーの API ドキュメントを取得または確認し、以下を特定します。
   • チャット／補完または検索エンドポイント
   • 利用可能なモデル（ウェブ検索／引用に対応したものを選択）
   • 認証方式と認証情報
   • レート制限
3. API 認証情報をユーザーに尋ね、先に進む前にアクセスを確認します。

ステップ 1：調査の範囲を定める

会社のコンテキストファイル（存在する場合は claude-code-gtm/context/{company}_context.md）を読み、ICP と既存の仮説を確認します。

以下についてユーザーに尋ねます。

入力項目	必須	例
対象業界	はい	"中堅市場の物流企業"
具体的なサブ業界	はい	"3PL、貨物仲介、コールドチェーン"
その業界向けに解決する課題	はい	"細分化された市場で、見込みパートナーや顧客を見つける"
検証する既存の仮説	いいえ	コンテキストファイルまたはユーザーの入力から

ステップ 2：仮説に基づく調査を実施する

一般的な調査は行わないでください。同じ問題の異なる側面をそれぞれ対象とした、焦点を絞ったクエリを 3～4 件実行します。概要ではなく、実用的なデータポイントが得られるよう、クエリを具体的にします。

クエリ設計の原則：

• 各クエリで、課題の特定の側面を 1 つだけ対象にします
• 具体的なデータポイント、数値、期間、ツール名を尋ねます
• 抽象論ではなく、ワークフローの説明を求めます
• 失敗パターンと回避策を尋ねます
• クエリの構成は業界に依存しないものとし、業界はステップ 1 で指定します

各クエリを、ステップ 0 で選んだプロバイダーの API を通じて実行します。

標準の 3 クエリフレームワーク：

クエリ 1 — ワークフローの課題：「[解決するタスク] を行う際、[企業の種類] の [役職] が日々実施する具体的なワークフローはどのようなものですか？どのツールを使っていますか？それらのツールはどこで機能しなくなりますか？各ステップにどのくらい時間がかかりますか？具体例とデータポイントを示してください。」

クエリ 2 — ツール／データベースの不足：「[既存のツール] は [対象セグメント] をどの程度カバーしていますか？市場の何パーセントを見落としていますか？[対象企業] が見落とされるのはなぜですか？どのデータが誤っている、または古くなっていますか？具体的な数値を示してください。」

クエリ 3 — スケーリングの問題：「[企業の種類] が、初期の [容易な段階] を超えて [プロセス] を拡大しようとすると、何が起こりますか？何が破綻しますか？実際に起きた失敗事例にはどのようなものがありますか？どのように回避していますか？どのくらいのコストがかかりますか？」

任意のクエリ 4 — 業界のリーダーと公の発言：「[業界] で認められているオピニオンリーダーは誰ですか？過去 12 か月間に、[課題領域] について公にどのような発言をしましたか？引用、カンファレンスでの講演、ブログ記事、LinkedIn の投稿を含めてください。アナリストではなく、実務担当者に焦点を当ててください。」

ステップ 3：番号付きの仮説セットにまとめる

調査の回答をすべて読み、互いに重複しない具体的な課題を抽出します。各仮説は以下を満たす必要があります。

• 具体的：具体的なワークフローのステップ、ツールの不具合、またはスケーリングの問題に結び付いている
• 定量的：少なくとも 1 つのデータポイント（時間、割合、金額）を含んでいる
• 検証可能：対象者が自分自身の経験から確認できる
• 意外性がある：対象者がまだ測定していない可能性のある知見を伝える

形式：

## Hypothesis Set: [Vertical]

### #1 [Short name]
[2-3 sentence description with data points]
Best fit: [what type of company this applies to most]

### #2 [Short name]
...

対象：業界ごとに 5～7 件の仮説。

ステップ 4（任意）：業界のリーダー

クエリ 4 を実行した場合は、業界のリーダーに関するセクションをまとめます。

## Industry Leaders: [Vertical]

### [Leader Name] — [Title, Company]
- **Public stance on [pain area]:** [summary of their position]
- **Key quote:** "[direct quote]" — [source, date]
- **Relevance:** [why this matters for outreach or positioning]

このセクションは、以下に役立ちます。

• メールのパーソナライズ（リーダーの発言を引用する）
• ポジショニング（業界の論調に合わせる、または対比する）
• コンテンツの作成（業界の課題に関する、知見に基づいた見解を示す）

ステップ 5：出力を保存する

垂直市場のコンテキストディレクトリに保存します。

claude-code-gtm/context/{vertical-slug}/sourcing_research.md   — full research output
claude-code-gtm/context/{vertical-slug}/hypothesis_set.md      — distilled hypotheses
claude-code-gtm/context/{vertical-slug}/industry_leaders.md    — leaders section (if Query 4 ran)

ディレクトリが存在しない場合は作成してください。

出力の利用先

仮説セットは、以下で使用されます。

• enrichment-design — 仮説を評価・確認するエンリッチメント列の設計
• list-segmentation — 企業を仮説に照合し、ティアを割り当てる
• email-generation — 仮説ごとに P1 の書き出しをパーソナライズする
• email-response-simulation — メール文面が調査内容に沿っているかを評価する

仮説構築との関係

hypothesis-building は、独自の知識（コンテキストファイル＋ユーザー入力）から仮説を生成します。高速で、API は不要です。このスキルは、外部調査によってそれらの仮説を検証し、充実させます。claude-code-gtm/context/{vertical-slug}/hypothesis_set.md に仮説セットがすでにある場合は、ゼロから始めるのではなく、それを使って調査クエリを絞り込みます。

一般的な流れ：まず hypothesis-building で考えを定義し、次に market-research でデータを用いて検証します。垂直市場をよく把握している場合は、このスキルを省略できます。

このスキルを使用しない場合

• その垂直市場の仮説セットがすでにある場合 — 再作成せず、更新してください
• 既存の知識から手早く仮説を得たいだけの場合 — hypothesis-building を使用してください
• ユーザーがメールの作成だけを希望する場合 — email-generation スキルを使用してください
• ユーザーが企業を見つけたい場合 — list-building スキルを使用してください
• ユーザーがテーブルをエンリッチしたい場合 — list-enrichment スキルを使用してください
• ユーザーが企業を仮説に照合したい場合 — list-segmentation スキルを使用してください