marketplace-pre-member-personalisation

マーケットプレイスのエンジニアリング：両面型マーケットプレイスにおける会員登録前のパーソナライズのベストプラクティス

両面型の信頼を基盤とするマーケットプレイスにおける、会員登録前のユーザージャーニーを網羅した設計・診断ガイドです。匿名ユーザーのシグナル推定、各サイドに応じた検証（ペットの飼い主とペットシッターが、それぞれ支払いの前に何を確認する必要があるか）、情報の非対称性の解消、段階的なプロフィール作成、ソーシャルプルーフ、コンバージョン心理学、オンボーディングでの意向把握、ID の紐付け、会員登録前の測定を扱います。10 カテゴリーにわたる 53 のルールを、連鎖的な影響度の高い順に掲載し、各ルールは公開済みの消費者信頼および意思決定に関する研究に基づいています。

適用する場面

次のような場合に、このスキルを参照してください。

• 匿名ユーザー向けのランディングページや初回表示の体験を設計またはレビューする場合
• 登録や支払いの前に、訪問者に何を表示するかを決める場合
• オンボーディングのフローを設計し、どの質問をどの順序で尋ねるかを決める場合
• ペイウォールを表示するタイミング、文言、トリガー、価格のアンカリングを計画する場合
• 訪問から有料会員登録までの間で離脱が発生しているコンバージョンファネルを診断する場合
• 匿名ユーザー → 登録済みユーザー → 会員への移行を通じて、訪問者の状態をどう保持するかを決める場合
• 会員登録前の実験を測定し、施策をリリースするかを判断する場合
• 「ペットの飼い主やペットシッターは、支払いの前に実際には何を確信する必要があるのか？」という問いに答える場合

このスキルは、marketplace-personalisation と marketplace-search-recsys-planning に先行するものです。有料会員登録前のあらゆる内容については、まずこのスキルを使い、有料会員登録の時点で、これら 2 つのスキルに引き継いでください。

研究の基盤

このスキルのすべてのルールは、消費者の信頼、リスク下での意思決定、マーケットプレイスの経済学、実験に関する公開済みの研究に基づいています。

研究ソース	参考にしている内容
Cialdini — Influence	ソーシャルプルーフ（総数より具体例を重視）、類似性の原理、コミットメント
Kahneman & Tversky — プロスペクト理論	損失回避、価格のアンカリング、リスクの枠組み
Roth — Who Gets What and Why	マッチング市場の動態、両サイドの受諾率、コールドスタートのペナルティ
Fogg — 行動モデル	動機 × 能力 × トリガー、ペイウォールのタイミング
Bandura — 自己効力感理論	初回の利用までの経路設計、具体的なステップによる説得
Slovic — 感情ヒューリスティック	リスクの過大評価、安全性を示すシグナルの強調
Nielsen Norman Group	フォーム設計、信頼、レビューの信頼性
Trope & Liberman — 解釈レベル理論	心理的距離、地域に根差した証拠
Ein-Gar, Shiv, Tormala — 欠点提示効果	肯定的な内容と否定的な内容が混在するレビューの信頼性
Small & Loewenstein — 特定可能な被害者効果	名前のある個人による証拠と統計データによる証拠の比較
Green & Brock — ナラティブ・トランスポーテーション	初回体験のストーリー
Kohavi — 信頼性の高いオンライン実験	主要な成果指標、代理指標、セグメンテーション
Radlinski & Craswell — 最適化されたインターリービング	ランキング実験の迅速化
Airbnb / DoorDash のエンジニアリング	両面型マーケットプレイスのランキングと検索

ルールカテゴリー

カテゴリーは、会員登録前のコンバージョンジャーニーへの連鎖的な影響度が高い順に並んでいます。

#	カテゴリー	プレフィックス	影響度
1	匿名ユーザーのシグナル推定	signal-	CRITICAL
2	ペットの飼い主に対する検証と信頼	owner-	CRITICAL
3	ペットシッターに対する検証と機会	sitter-	HIGH
4	情報の非対称性の解消	gap-	HIGH
5	段階的なプロフィール作成	profile-	MEDIUM-HIGH
6	ソーシャルプルーフと類似ユーザーのコホート	proof-	MEDIUM-HIGH
7	パーソナライズされたコンバージョントリガー	convert-	MEDIUM-HIGH
8	オンボーディングでの意向把握	onboard-	MEDIUM
9	ID の紐付け	stitch-	MEDIUM
10	会員登録前の測定と実験	measure-	MEDIUM

クイックリファレンス

1. 匿名シグナルの推定（重大）

• signal-extract-role-from-url-and-referrer — 最初のレンダリング前に URL パスから側を推定します
• signal-infer-geography-with-confidence — 誤った確信ではなく、信頼度を伴うジオ IP 判定です
• signal-capture-entry-point-metadata — UTM、リファラー、ランディングパスをセッションごとに保持します
• signal-use-anonymous-session-tokens — 最初のリクエストからセッション単位の ID を取得します
• signal-classify-inbound-intent — 取引目的、調査目的、興味本位に分類します
• signal-separate-raw-from-derived — 生シグナルとバージョン管理された派生特徴量を分けます

2. ペットオーナーの検証と信頼（重大）

• owner-show-specific-local-reviews — 集計統計ではなく、実際に特定できる被害者に基づくソーシャルプルーフです
• owner-display-honest-local-availability — 水増しした件数より、正直な流動性が重要です（期待違反に関する研究）
• owner-surface-safety-guarantees-prominently — 保険と補償をファーストビューに表示します（Slovic の感情ヒューリスティック）
• owner-rank-sitters-by-pet-match-experience — 全体的な人気ではなく、ペットの種類に応じた実現可能性で順位付けします
• owner-demystify-effort-explicitly — 憧れを抱かせる文言より、明示的な所要時間の提示が効果的です（Fogg）
• owner-anchor-cost-against-local-alternative — 地元のペットホテルの料金を基準として示します（Kahneman）

3. ペットシッターの検証と機会（高）

• sitter-show-inventory-in-target-destinations — 全体の件数ではなく、対象地域ごとの供給を示します
• sitter-be-honest-about-first-stay-competition — コホートごとの受け入れ率を示します
• sitter-provide-concrete-first-stay-path — 5 段階の道筋を示します（Bandura の自己効力感）
• sitter-show-typical-daily-commitment — 「状況による」ではなく、具体的な時間数と散歩の回数を示します
• sitter-rank-stays-by-travel-goal — 旅行の目的に応じて順位付けします
• sitter-disclose-hidden-costs-transparently — 食費、光熱費、交通費を明示します（Edelman の信頼に関する研究）

4. 情報の非対称性の解消（高）

• gap-warn-about-cold-start-penalty — 最初の取引が最も難しいことを伝えます
• gap-surface-lead-time-reality — 目的地ごとの予約までの中央値を示します
• gap-display-acceptance-rate-for-profile-shape — 支払い前に、プロフィールの特徴に応じたコホートの受け入れ率を表示します
• gap-route-unworkable-segments-to-alternatives — 根拠のない期待を売るのではなく、実現困難な場合は支払いを受け付けず、代替案を案内します
• gap-surface-seasonal-supply-constraints — 季節ごとの推移を示し、訪問月を強調します
• gap-link-to-realistic-first-experience-story — 正直に課題を示したストーリーで、物語への没入を促します

5. プロファイルの段階的な構築（中〜高）

• profile-build-incrementally-on-each-interaction — クリックでプロファイルを更新し、次のページで再ランク付けします
• profile-decay-features-with-inactivity — 指数関数的に減衰し、半減期は5分です
• profile-persist-across-tabs-and-reloads — サーバー側のセッションキー付きストアです
• profile-surface-confidence-alongside-predictions — 値の横に信頼度スコアを表示します
• profile-reset-on-explicit-role-change — 役割を切り替えると、役割固有の特徴をクリアします

6. ソーシャルプルーフと類似コホート（中〜高）

• proof-use-specific-peer-stories-not-aggregates — 「星4.9」より、名前のある人の体験談が効果的です
• proof-match-peer-stories-to-inferred-cohort — 類似性の原則です
• proof-source-stories-from-real-history-not-handpicked — マーケティングではなく、データパイプラインを使います
• proof-localise-social-proof-to-visitor-area — 心理的距離を縮めます
• proof-surface-mixed-reviews-not-only-five-star — 傷の効果です

7. パーソナライズされたコンバージョントリガー（中〜高）

• convert-trigger-paywall-on-specific-listings — 汎用モーダルより、特定の対象が効果的です
• convert-use-loss-aversion-framing-on-soft-locks — 「築き上げたものを失わないでください」（Kahneman）
• convert-anchor-price-against-local-alternative — 役割に適した地域の価格を基準にします
• convert-never-interrupt-active-search — 自然な中断点でのみ表示します（Fogg）
• convert-re-engage-non-converting-registrants-personalised — 汎用的なものより、パーソナライズされたトリガーが効果的です

8. オンボーディングでの意図の把握（中）

• onboard-ask-role-before-anything-else — 役割に応じて分岐します
• onboard-ask-highest-information-gain-first — 情報量の多い順に質問します
• onboard-prefill-from-inferred-signal — データ入力より、事前入力された内容の確認が効果的です
• onboard-make-optional-questions-genuinely-skippable — ダークパターンとなる必須マーカーは使いません
• onboard-allow-answer-revision-without-restart — 進行状況を失わずに回答を修正できます

9. IDのひも付け（中）

• stitch-preserve-profile-across-registration — 登録時にリセットしません
• stitch-use-deterministic-matching-for-returning-visitors — フィンガープリンティングよりメールのハッシュを使います
• stitch-avoid-cross-contamination-on-account-switch — 世帯内のデータを適切に管理します
• stitch-handle-multi-device-via-privacy-safe-signal — デバイス間の照合には決定論的な方法のみを使います
• stitch-degrade-gracefully-on-low-confidence — 信頼度の低い統合より、新規プロファイルを優先します

10. 会員登録前の測定と実験（中級）

• measure-define-anonymous-to-member-as-primary-outcome — 主要指標を1つに絞り、その他は診断用にします
• measure-attribute-conversion-to-signal-change — プロファイル差分によるアトリビューション
• measure-segment-by-channel-and-visitor-profile — シンプソンのパラドックスの防止
• measure-run-interleaving-for-fast-experiments — 順位付けに必要なサンプル数を10〜100分の1に削減

継続的に更新されるコンテキスト

このスキルでは、プロダクトは進化し続けるものとして扱います。3つの継続的に更新される成果物によって、セッション、リリース、チームの変更をまたいでコンテキストを引き継ぎます。

• gotchas.md — 会員登録前のコンバージョンに関するインシデントから得られた診断上の教訓を追記のみで記録します
• 訪問者の懸念事項マトリックス — 双方が検証する必要のある内容を並べて示す表です。新たな懸念事項が浮上したら拡張します
• 会員登録前の実験ログ — 仮説、コホート、介入、結果を記録したすべてのコンバージョン実験

変更をリリースするたびに、3つすべてを更新してください。

使い方

• カテゴリ構成とカスケードの根拠については、references/_sections.md をお読みください
• 介入策を提案する前に、蓄積された教訓について gotchas.md をお読みください
• 特定のタスクがルールのタイトルに該当する場合は、個別のルールファイルをお読みください
• スキルの拡張に合わせて新しいルールを作成する際は、assets/templates/_template.md をお使いください

関連スキル

• marketplace-search-recsys-planning — 会員登録後の検索・取得計画（検索、OpenSearch、ランキング）。有料会員のアクティベーション後に引き継ぎます。
• marketplace-personalisation — 会員登録後のパーソナライズ（AWS Personalize、インプレッションの追跡、フィードバックループ、双方のマッチング）。有料会員のアクティベーション後に引き継ぎます。

参考ファイル

ファイル	説明
references/_sections.md	カテゴリの定義とカスケードの根拠
gotchas.md	会員登録前の診断で蓄積された教訓
assets/templates/_template.md	新しいルールを作成するためのテンプレート
metadata.json	バージョン、専門分野、調査資料