User Researcher

ユーザーリサーチャー

製品を開発する前に、体系的なリサーチを通じてユーザーのニーズを理解します。

基本原則

ユーザーはあなた自身ではありません。 意見やユーザーが「こうする」と言うことではなく、実際のユーザー行動をもとに仮説を検証します。

5段階のユーザーリサーチプロセス

フェーズ 1：リサーチ計画

目標：何を、どのように調べる必要があるかを定義します。

活動：

• リサーチの目的を定義します（回答するべき重要な質問を 2～4 個）
• 対象ユーザーのセグメントと募集条件を特定します
• リサーチ手法を選択します（インタビュー、アンケート、観察）
• インタビューガイドやアンケートの質問を準備します
• サンプルサイズを定義します（定性的リサーチではセグメントごとに 5～12 人）

リサーチの質問例：

• [task] に関する現在のワークフローはどのようなものですか？
• [current solution] について、どのような課題を感じていますか？
• 現在のソリューションから切り替える動機は何ですか？
• [domain] に関する意思決定はどのように行いますか？

検証：

• リサーチの目的が文書化されている
• 対象セグメントが条件とともに定義されている
• 手法が選定され、実施手順が準備されている
• 関係者の合意が得られている

---

フェーズ 2：ユーザーの募集

目標：代表的な参加者を見つけ、日程を調整します。

募集元：

• 既存顧客（アプリ内での募集、メール）
• 見込み顧客のリスト（営業リード、ニュースレターの登録者）
• ユーザーリサーチプラットフォーム（UserTesting、Respondent.io）
• ソーシャルメディアやコミュニティ（LinkedIn、Reddit、Slack）
• 既存参加者からの紹介

スクリーニング条件：

• 役割または職種
• 経験レベル（初心者、中級者、エキスパート）
• ユースケースとの関連性
• ツールスタック（現在使用しているソリューション）
• 参加意思（必要な時間）

謝礼：

• B2B：30～60 分のインタビューで $75～150
• B2C：30～60 分のインタビューで $25～50
• ギフトカードは現金振込より手配が簡単です

サンプルサイズ：

• 定性的リサーチ：セグメントごとに 5～12 人
• 定量的リサーチ：統計的有意性を得るには最低 50～100 人
• 飽和に達したら終了します（新しい知見が得られなくなるまで）

検証：

• セグメントごとに 5～12 人の参加者を募集した
• 多様な参加者が含まれている（例外的なケースやヘビーユーザーも含む）
• 同意書を送付し、セッションを予定した
• 謝礼の方法を手配した

---

フェーズ 3：データ収集

目標：選択した手法を通じて、ユーザーに関する豊富な知見を集めます。

ユーザーインタビュー（主な手法）：

インタビューの構成（30～60 分）：

1. 導入（5 分）：信頼関係を築き、目的を説明します
2. 背景（10 分）：役割、現在のワークフロー、ツール
3. 掘り下げ（30 分）：課題、ニーズ、行動
4. 締めくくり（5 分）：質問、次のステップ

良いインタビュー質問：

✅ Open-ended:
- "Tell me about the last time you [task]."
- "Walk me through your process for [activity]."
- "What's the most frustrating part of [workflow]?"
- "How do you currently solve [problem]?"

❌ Leading questions (avoid):
- "Would you use a feature that...?" (Everyone says yes)
- "Don't you think it would be better if...?" (Confirming bias)
- "How much would you pay for this?" (Hypothetical)

「なぜ？」を 5 回尋ねる：

User: "I use Excel for tracking leads."
You: "Why Excel specifically?"
User: "It's what I know."
You: "Why is familiarity important?"
User: "Learning new tools takes time."
You: "Why is time a concern?"
User: "I'm measured on closed deals, not tool expertise."
→ Root insight: Avoid tools with steep learning curves

コンテクスチュアル・インクワイアリー：

• ユーザーを普段の環境で観察します
• 実際のタスクを完了する様子を観察します（模擬ではなく）
• 回避策、不満、工夫を記録します
• 物理的な作業スペース、付箋、チェックリストの写真を撮ります

アンケート（定量的な検証向け）：

• 定性的な調査結果を大規模に検証するために使用します
• 選択式（評価尺度）と自由回答式の質問を組み合わせます
• 10 問未満にします（回答完了率は急速に低下します）
• 統計的有意性を得るには、50～100 件以上の回答を目標にします

検証：

• すべてのセッションを録画した（許可を得たうえで）
• セッション中、または直後にメモを取った
• 成果物を収集した（スクリーンショット、ワークフロー）
• 初期のパターンが見え始めている

---

フェーズ 4：分析と統合

目標：生データからパターン、テーマ、インサイトを特定します

親和図法：

1. 各インサイトを付箋に書きます
2. 似た付箋をまとめます
3. グループにテーマのラベルを付けます
4. グループ間のパターンを探します

注目すべき一般的なテーマ：

• ペインポイント（頻繁に感じる不満）
• 回避策（ユーザーが編み出した工夫）
• 満たされていないニーズ（ユーザーがあったらよいと思うもの）
• 行動パターン（ユーザーが実際にどのように作業するか）
• 判断基準（選択に影響する要素）

Jobs-to-be-Done（JTBD）フレームワーク：

When [situation],
I want to [motivation],
So I can [expected outcome].

Example:
When preparing for a client meeting,
I want to quickly find all previous conversations,
So I can provide personalized recommendations without looking unprepared.

Analysis:
- Functional job: Find information quickly
- Emotional job: Appear competent
- Social job: Demonstrate attentiveness

ユーザーセグメンテーション（属性ではなく行動に基づく）：

• パワーユーザーとカジュアルユーザー
• アーリーアダプターとレイトマジョリティ
• DIY とマネージドサービスのどちらを好むか
• 価格重視と価値重視

検証：

• データの文字起こしとコーディングが完了している
• 参加者全体に共通するテーマを特定している
• パターンを検証している（一度きりのコメントではない）
• 行動に基づくセグメントを定義している

---

フェーズ 5：リサーチの成果物

目標：実行につながる形式で調査結果を伝えます

1. ユーザーペルソナ（根拠に基づくプロフィールを 3～5 件）：

persona_name: 'Sarah the Sales Manager'
role: 'Regional Sales Manager'
demographics:
  experience_level: 'Intermediate (5 years)'
  team_size: '12 sales reps'
goals:
  - Track team performance in real-time
  - Coach underperforming reps effectively
pain_points:
  - Data scattered across 3 systems
  - Can't see at-risk deals until too late
current_tools:
  - 'Salesforce: CRM tracking'
  - 'Excel: Custom reports (2 hrs/week)'
behaviors:
  - Checks dashboard first thing every morning
  - Spends 2 hours weekly compiling reports manually
quote: "I feel like I'm flying blind until the end of the quarter"
opportunity: 'Unified dashboard with predictive risk scoring'

2. ジャーニーマップ（現状の体験）：

Stages: Awareness → Research → Purchase → Onboarding → Usage → Support

For each stage:
- Actions: What users do
- Pain points: Frustrations and blockers
- Emotions: How users feel (frustrated, confident, confused)
- Opportunities: Where to improve

3. リサーチレポート：

• エグゼクティブサマリー（調査結果の 1 ページ要約）
• 調査方法（調査の実施方法）
• 主なインサイト（最も重要な調査結果を 5～10 件）
• 裏付けとなる引用（ユーザーからの証拠）
• 推奨事項（開発または変更すべきもの）
• 付録（全データ、文字起こし）

4. 機会領域（優先順位を付けた課題）：

| Opportunity | Impact | Effort | Priority |
|-------------|--------|--------|----------|
| Unified dashboard | High | Medium | P0 |
| Predictive alerts | High | High | P1 |
| Mobile access | Medium | Low | P1 |

検証：

• 根拠を添えて 3～5 件のペルソナを作成している
• ジャーニーマップにペインポイントを示している
• リサーチレポートを作成し、共有している
• チームで機会に優先順位を付けている
• 成果物を共有リポジトリに保存している

---

リサーチの主な原則

1. 言葉だけでなく行動を観察する

ユーザーがすること ＞ ユーザーがすると言うこと ＞ ユーザーがすると言う予定のこと

2. 「なぜ」を 5 回尋ねる

表面的な問題ではなく、根本原因や動機を明らかにします

3. 多様なユーザーを募集する

理想的な顧客だけでなく、例外的なケース、パワーユーザー、困難を抱えるユーザーも含めます

4. 誘導的な質問をしない

「～について教えてください」と尋ね、「～したいですか？」とは尋ねません

5. リサーチは継続的に行う

一度限りのフェーズではありません。製品のライフサイクルを通じて続けます

6. 仮説を早期に検証する

リスクの高い仮説から、最小限の投資で検証します

---

フェーズ別のリサーチ手法

探索的（初期の発見段階）

• ユーザーインタビュー：状況やペインポイントについて 1 対 1 で話します
• コンテキスト調査：自然な環境でユーザーを観察します
• 日記調査：ユーザーが数日から数週間にわたり体験を記録します

評価的（アイデアのテスト）

• コンセプトテスト：モックアップを見せて反応を集めます
• ユーザビリティテスト：ユーザーがプロトタイプでタスクを試す様子を観察します
• A/B テスト：実際の使用データを使ってバリエーションを比較します

定量的（大規模な検証）

• アンケート：より大規模な集団で調査結果を検証します
• アナリティクス：既存の製品における行動パターンを追跡します
• カードソーティング：ユーザーが情報をどのように分類するかを把握します

---

よくあるリサーチの失敗

❌ 友人や家族に話を聞く → 相手はあなたが聞きたい答えを返します ❌ 仮定に基づく質問をする → 「～を使いますか？」という質問は、実際の行動を予測できません ❌ 誘導的な質問をする → 「～だと思いませんか？」という質問は、自分の偏見を裏付けます ❌ アーリーアダプターだけに話を聞く → 代表的なユーザーではありません ❌ 統合を省略する → 生データはインサイトではありません ❌ 否定的なフィードバックを無視する → 批判には特に注意を払います ❌ 一度限りのリサーチにする → ユーザーのニーズは変わるため、継続的に調査します

---

リサーチ成果物のテンプレート

research_summary:
  objectives:
    - '<key question 1>'
    - '<key question 2>'
  participants:
    total: <number>
    segments:
      - name: '<segment>'
        count: <number>
  methods:
    - 'User interviews (12 participants)'
    - 'Survey (87 responses)'
  key_insights:
    - insight: '<finding>'
      evidence: '<quote or data>'
      impact: 'high/medium/low'
  personas:
    - name: '<persona name>'
      goals: ['<goal>']
      pain_points: ['<pain>']
  opportunities:
    - opportunity: '<problem to solve>'
      impact: 'high'
      effort: 'medium'
      priority: 'P0'
  recommendations:
    - '<action item 1>'
    - '<action item 2>'

---

関連リソース

関連スキル：

• product-strategist - プロダクト・マーケット・フィットを検証するためのスキルです
• ux-designer - 調査に基づいてデザインを作成するためのスキルです
• mvp-builder - 調査結果をもとに機能の優先順位を決めるためのスキルです

関連パターン：

• META/DECISION-FRAMEWORK.md - 調査手法の選定
• STANDARDS/best-practices/user-research-ethics.md - 調査倫理（作成時）

関連プレイブック：

• PLAYBOOKS/conduct-user-interviews.md - インタビューの手順（作成時）
• PLAYBOOKS/synthesize-research-findings.md - 分析ワークフロー（作成時）