ux-researcher-designer

UX 研究者・デザイナー

調査データからユーザーペルソナを作成し、ジャーニーマップを作成し、ユーザビリティテストを計画して、調査結果を実行可能な設計提案にまとめます。

---

目次

• トリガー語句
• ワークフロー
  • ワークフロー 1：ユーザーペルソナを作成する
  • ワークフロー 2：ジャーニーマップを作成する
  • ワークフロー 3：ユーザビリティテストを計画する
  • ワークフロー 4：調査結果をまとめる
• ツールのリファレンス
• クイックリファレンステーブル
• ナレッジベース

---

トリガー語句

次のことが必要な場合は、このスキルを使用してください。

• 「ユーザーペルソナを作成する」
• 「データからペルソナを生成する」
• 「カスタマージャーニーマップを作成する」
• 「ユーザージャーニーをマッピングする」
• 「ユーザビリティテストを計画する」
• 「ユーザビリティ調査を設計する」
• 「ユーザー調査を分析する」
• 「インタビュー結果をまとめる」
• 「ユーザーの課題を特定する」
• 「ユーザーのアーキタイプを定義する」
• 「調査のサンプルサイズを計算する」
• 「共感マップを作成する」
• 「ユーザーニーズを特定する」

---

先に確認すること

調査成果物を作成する前に、次の情報を確認してください。不明または曖昧な項目があれば、推測せずに質問してください。

• 成果物の種類 — ペルソナ、ジャーニーマップ、ユーザビリティテスト計画、または調査結果の統合のいずれか（適用するワークフローとテンプレートを決定します）
• 利用可能なデータと量 — アナリティクス／インタビュー／アンケートとユーザー数（ペルソナの確度と、プロトペルソナかデータに基づくペルソナかを左右します）
• ユーザーの目標と範囲 — ペルソナ、マッピングする目標、開始点／終了点（ジャーニーマップの段階と調査の質問を左右します）

停止ルール：出力に最も大きな影響を与える項目を 2～3 個だけ質問してください。ユーザーが「とりあえず下書きを作成して」と言った場合は、そのまま進め、成果物の冒頭に前提を記載してください。

ワークフロー

ワークフロー 1：ユーザーペルソナを作成する

状況： ユーザーデータ（アナリティクス、アンケート、インタビュー）があり、調査に裏付けられたペルソナを作成する必要があります。

手順：

1. ユーザーデータを準備する

   必須形式（JSON）：

   [
     {
       "user_id": "user_1",
       "age": 32,
       "usage_frequency": "daily",
       "features_used": ["dashboard", "reports", "export"],
       "primary_device": "desktop",
       "usage_context": "work",
       "tech_proficiency": 7,
       "pain_points": ["slow loading", "confusing UI"]
     }
   ]
   

2. ペルソナジェネレーターを実行する

   # Human-readable output
   python scripts/persona_generator.py
   
   # JSON output for integration
   python scripts/persona_generator.py json
   

3. 生成された構成要素を確認する

   構成要素	確認事項
   アーキタイプ	データのパターンに合っていますか？
   属性情報	実際のデータに基づいていますか？
   目標	具体的で実行可能ですか？
   不満	発生頻度も含まれていますか？
   設計への示唆	デザイナーが行動に移せる内容ですか？

4. ペルソナを検証する

   • 実際のユーザー 3～5 人に見せ、「自分のことのように感じますか？」と尋ねます
   • サポートチケットと照合します
   • アナリティクスデータと照合します

5. 参考資料： 妥当性の基準については references/persona-methodology.md を参照してください

プロトペルソナキャンバス（簡易版）

調査データがないものの、チーム内の認識を合わせるために仮説に基づくペルソナが必要な場合は、プロトペルソナキャンバスを使用してください。プロトペルソナは仮定を整理するためのツールであり、検証済みの事実ではありません。テストと改善を前提としています。

使用する場面： 調査予算のない新しい取り組みを始めるとき、部門横断チームの認識をすばやく合わせるとき、またはユーザーに関する検証可能な仮説を作成するとき。

プロトペルソナキャンバスのテンプレート：

### [Alliterative Name] (e.g., "Careful Carlos")

**Bio & Demographics:**
- Age, geography, social status, career stage
- Online presence, leisure activities, partner status

**Quotes** (what they say, feel, think):
- "[Direct quote capturing their perspective]"
- "[Quote revealing frustration or aspiration]"

**Pains:**
- [Pain related to the problem space]
- [Pain related to current workarounds]

**What They're Trying to Accomplish:**
- [Observable behavior 1]
- [Observable behavior 2]

**Goals** (wants, needs, dreams):
- [Short-term goal]
- [Long-term aspiration]

**Attitudes & Influences:**
- Decision Making Authority: [Can they buy/adopt your solution?]
- Decision Influencers: [Who influences their decisions?]
- Beliefs & Attitudes: [What beliefs impact their choices?]

**Assumptions to Validate:**
- [Top assumption that must be true for this persona to be viable]
- [Second assumption]
- [Third assumption]

プロトペルソナ作成後の次の手順：

1. 仮定を検証するインタビュー質問を生成する（推奨）
2. 対象範囲の境界を定義するアンチペルソナを生成する
3. 1 ページのステークホルダー向け概要にまとめる

---

ワークフロー 2：ジャーニーマップの作成

状況： 特定の目標に対するエンドツーエンドのユーザー体験を可視化する必要があります。

手順：

1. 範囲を定義する

   要素	説明
   ペルソナ	対象となるユーザーのタイプ
   目標	ユーザーが達成しようとしていること
   開始点	ジャーニーを開始するきっかけ
   終了点	成功の基準
   期間	時間／日／週

2. ジャーニーデータを収集する

   情報源：

   • ユーザーインタビュー（「順を追って説明してください」と尋ねる）
   • セッション録画
   • 分析データ（ファネル、離脱ポイント）
   • サポートチケット

3. ステージをマッピングする

   典型的な B2B SaaS のステージ：

   Awareness → Evaluation → Onboarding → Adoption → Advocacy
   

4. 各ステージのレイヤーを埋める

   Stage: [Name]
   ├── Actions: What does user do?
   ├── Touchpoints: Where do they interact?
   ├── Emotions: How do they feel? (1-5)
   ├── Pain Points: What frustrates them?
   └── Opportunities: Where can we improve?
   

5. 3 つの体験パスをマッピングする（順調なパスだけではありません）

   ステージ	順調なパス	失敗パス	困難なパス
   認知	検索で製品を見つける	製品を知る機会がない	先に競合製品を見つける
   検討	価値提案が明確	価格設定に戸惑う	マネージャーの承認が必要
   意思決定	簡単に登録できる	フォームエラーで離脱する	法務審査で遅れる
   提供と利用	スムーズにオンボーディングできる	データをインポートできない	回避策が必要
   ロイヤルティ	支持者になる	気付かれないまま解約する	利用は続けるが不満を訴える

   • 順調なパス： すべてが設計どおりに機能します。
   • 失敗パス： ユーザーは目標を達成できず、途中で離脱します。
   • 困難なパス： ユーザーは目標を達成しますが、摩擦や回避策、フラストレーションを伴います。

6. 各ステージに KPI と担当者を追加する

   ステージ	先行 KPI	遅行 KPI	担当チーム
   認知	サイト訪問数、広告インプレッション数	ブランド想起	マーケティング
   検討	デモ依頼数、価格ページの閲覧数	MQL 転換率	マーケティング／営業
   意思決定	トライアル開始数、契約書送付数	成約率	営業
   利用	機能の利用率、DAU	継続率	プロダクト
   ロイヤルティ	NPS、紹介件数	LTV、拡大収益	カスタマーサクセス

7. 主な摩擦ポイントと対策を特定する

   各摩擦ポイントについて、以下を記録します。

   摩擦ポイント	重要な理由	対策	期待される効果	労力	確信度
   [説明]	[ユーザー／ビジネスへの影響]	[提案する修正]	高／中／低	小／中／大	高／中／低

   優先度スコア = 頻度 × 深刻度 × 解決可能性

8. 参考： テンプレートについては references/journey-mapping-guide.md を参照してください。

---

ワークフロー 3：ユーザビリティテストの計画

状況： 実際のユーザーを対象にデザインを検証する必要があります。

手順：

1. リサーチの質問を定義する

   漠然とした目標を検証可能な質問に変換します。

   漠然とした質問	検証可能な質問
   「使いやすいですか？」	「ユーザーは 3 分以内にチェックアウトを完了できますか？」
   「ユーザーは気に入りますか？」	「ユーザーはデザイン A と B のどちらを選びますか？」
   「意味が通じますか？」	「ユーザーはヒントなしで設定を見つけられますか？」

2. 手法を選択する

   手法	参加者数	所要時間	適した用途
   モデレーター付きリモート	5-8	45-60 min	深い洞察を得る
   モデレーターなしリモート	10-20	15-20 min	手早い検証
   ゲリラテスト	3-5	5-10 min	迅速なフィードバック

3. タスクを設計する

   適切なタスクの形式：

   SCENARIO: "Imagine you're planning a trip to Paris..."
   GOAL: "Book a hotel for 3 nights in your budget."
   SUCCESS: "You see the confirmation page."
   

   タスクの進行：ウォームアップ → 中核タスク → 二次タスク → エッジケース → 自由探索

4. 成功指標を定義する

   指標	目標
   完了率	>80%
   タスク所要時間	<2× expected
   エラー率	<15%
   満足度	>4/5

5. モデレーター用ガイドを準備する

   • 思考発話法の説明
   • 誘導しないプロンプト
   • タスク後の質問

6. 参考： 完全なガイドについては references/usability-testing-frameworks.md を参照してください。

---

ワークフロー 4：調査結果を統合する

状況： 生の調査データ（インタビュー、アンケート、観察結果）があり、実行可能なインサイトが必要です。

手順：

1. データにコードを付ける

   各データポイントにタグを付けます：

   • [GOAL] - 達成したいこと
   • [PAIN] - 不満に感じること
   • [BEHAVIOR] - 実際に行っていること
   • [CONTEXT] - 製品を使用するタイミングや場所
   • [QUOTE] - ユーザーの直接の発言

2. 類似するパターンをグループ化する

   User A: Uses daily, advanced features, shortcuts
   User B: Uses daily, complex workflows, automation
   User C: Uses weekly, basic needs, occasional
   
   Cluster 1: A, B (Power Users)
   Cluster 2: C (Casual User)
   

3. セグメントの規模を算出する

   クラスター	ユーザー数	%	有効性
   パワーユーザー	18	36%	主要ペルソナ
   ビジネスユーザー	15	30%	主要ペルソナ
   カジュアルユーザー	12	24%	二次ペルソナ

4. 主な調査結果を抽出する

   各テーマについて、以下をまとめます：

   • 調査結果の記述
   • 裏付けとなる証拠（引用、データ）
   • 頻度（参加者 X/Y 人）
   • ビジネスへの影響
   • 推奨事項

5. 機会に優先順位を付ける

   要素	スコア 1-5
   頻度	どのくらいの頻度で発生しますか？
   深刻度	どの程度の支障がありますか？
   影響範囲	影響を受けるユーザーは何人ですか？
   解決可能性	解決できますか？

6. 参考資料： 分析フレームワークについては、references/persona-methodology.md を参照してください

---

ツールリファレンス

persona_generator.py

ユーザー調査データから、データに基づくペルソナを生成します。

引数	値	デフォルト	説明
format	(none), json	(none)	出力形式

出力例：

============================================================
PERSONA: Alex the Power User
============================================================

📝 A daily user who primarily uses the product for work purposes

Archetype: Power User
Quote: "I need tools that can keep up with my workflow"

👤 Demographics:
  • Age Range: 25-34
  • Location Type: Urban
  • Tech Proficiency: Advanced

🎯 Goals & Needs:
  • Complete tasks efficiently
  • Automate workflows
  • Access advanced features

😤 Frustrations:
  • Slow loading times (14/20 users)
  • No keyboard shortcuts
  • Limited API access

💡 Design Implications:
  → Optimize for speed and efficiency
  → Provide keyboard shortcuts and power features
  → Expose API and automation capabilities

📈 Data: Based on 45 users
    Confidence: High

生成されるアーキタイプ：

アーキタイプ	シグナル	デザインの重点
power_user	毎日使用、10 以上の機能	効率性、カスタマイズ
casual_user	週に使用、3-5 の機能	シンプルさ、ガイダンス
business_user	業務で使用、チームでの利用	コラボレーション、レポート
mobile_first	モバイルがメイン	タッチ操作、オフライン、速度

出力コンポーネント：

コンポーネント	説明
demographics	年齢層、地域、職業、技術レベル
psychographics	動機、価値観、態度、ライフスタイル
behaviors	使用パターン、機能の好み
needs_and_goals	主なニーズ、副次的なニーズ、機能的ニーズ、感情的ニーズ
frustrations	証拠を伴う課題
scenarios	使用状況を示すストーリー
design_implications	実行可能な推奨事項
data_points	サンプルサイズ、信頼度

---

クイックリファレンステーブル

調査手法の選択

質問の種類	最適な手法	サンプルサイズ
「ユーザーは何をしていますか？」	アナリティクス、観察	100 件以上のイベント
「なぜそれをするのですか？」	インタビュー	8-15 人のユーザー
「どの程度うまくできますか？」	ユーザビリティテスト	5-8 人のユーザー
「何を好みますか？」	アンケート、A/B テスト	50 人以上のユーザー
「どのように感じていますか？」	日記調査、インタビュー	10-15 人のユーザー

ペルソナの信頼度

サンプルサイズ	信頼度	用途
5-10 人のユーザー	低	探索的
11-30 人のユーザー	中	方向性の検討
31 人以上	高	本番環境

ユーザビリティ上の問題の深刻度

深刻度	定義	対応
4 - 重大	タスクの完了を妨げる	直ちに修正
3 - 大	大きな困難が生じる	リリース前に修正
2 - 小	ためらいが生じる	可能な場合に修正
1 - 表面的	気づかれるが、問題にはならない	優先度は低い

インタビュー質問の種類

種類	例	用途
状況	「普段の一日の流れを教えてください」	環境の理解
行動	「X のやり方を見せてください」	実際の行動の観察
目標	「何を達成しようとしていますか？」	動機の把握
課題	「最も難しいのはどの部分ですか？」	不満の特定
振り返り	「何を変えたいですか？」	アイデアの創出

---

ナレッジベース

詳細なリファレンスガイドは references/ にあります。

ファイル	内容
persona-methodology.md	妥当性の基準、データ収集、分析フレームワーク
journey-mapping-guide.md	マッピングプロセス、テンプレート、機会の特定
example-personas.md	データ付きのペルソナ例3件
usability-testing-frameworks.md	テスト計画、タスク設計、分析

---

検証チェックリスト

ペルソナの品質

• 20人以上のユーザーに基づいている（最低人数）
• 少なくとも2つのデータソースがある（定量＋定性）
• 具体的で実行可能な目標がある
• 不満に頻度の件数が含まれている
• デザインへの示唆が具体的である
• 信頼度が明記されている

ジャーニーマップの品質

• 範囲が明確に定義されている（ペルソナ、目標、期間）
• 推測ではなく、実際のユーザーデータに基づいている
• すべてのレイヤーが記入されている（アクション、タッチポイント、感情）
• 各段階のペインポイントが特定されている
• 機会に優先順位が付けられている

ユーザビリティテストの品質

• リサーチクエスチョンが検証可能である
• タスクが指示ではなく、現実的なシナリオである
• 設計ごとに参加者が5人以上いる
• 成功指標が定義されている
• 調査結果に重大度の評価が含まれている

リサーチの統合品質

• データが一貫性をもってコード化されている
• パターンが3件以上のデータポイントに基づいている
• 調査結果に根拠が含まれている
• 推奨事項が実行可能である
• 優先順位の根拠が示されている

---

ツールリファレンス

persona_generator.py

ユーザーリサーチデータからデータに基づくペルソナを生成します。ユーザーを、人口統計、心理特性、行動、目標、不満、デザインへの示唆を含むアーキタイプに分類します。

引数	型	デフォルト	説明
format	位置引数	（なし）	JSON 出力には json を追加します。人間が読みやすい形式にする場合は省略します

対応するアーキタイプ： power_user、casual_user、business_user、mobile_first

出力項目： name、archetype、tagline、quote、demographics、psychographics、behaviors、needs_and_goals、frustrations、scenarios、data_points、design_implications

python scripts/persona_generator.py           # Human-readable formatted output
python scripts/persona_generator.py json      # JSON for programmatic use

データ入力形式（スクリプト内でカスタマイズ）：

[{
  "user_id": "user_1",
  "age": 32,
  "usage_frequency": "daily",
  "features_used": ["dashboard", "reports", "export"],
  "primary_device": "desktop",
  "usage_context": "work",
  "tech_proficiency": 7,
  "pain_points": ["slow loading", "confusing UI"]
}]

---

トラブルシューティング

問題	原因	解決策
ペルソナの信頼度が「低」	サンプルデータのユーザーが20人未満	データポイントを増やします。定量分析と定性インタビューを組み合わせます
すべてのユーザーが同じアーキタイプに分類される	入力データの多様性が不十分	利用頻度、デバイス、状況に多様性があるデータを含めます
不満が一般的な内容になっている（フォールバックのデフォルト値）	ユーザーデータの pain_points が不足している	インタビューやサポートチケットから得た pain_points でユーザーデータを充実させます
デザインへの示唆が曖昧すぎる	パターンの差異が明確ではない	行動に関するシグナル（features_used、セッション時間、タスク完了状況）を追加します
ジャーニーマップの感情曲線が平坦	すべての段階で同じようなスコアが付けられている	実際のユーザーデータを使って再評価し、各段階でコンテキストインタビューを実施します
ユーザビリティテストのサンプルが少なすぎる	参加者が5人未満	参加者5人でユーザビリティの問題の約85％を発見できます。最低5人を募集します
リサーチの統合で明確なパターンが見つからない	データが一貫性をもってコード化されていない	一貫したタグ付け方式（GOAL、PAIN、BEHAVIOR、CONTEXT、QUOTE）を使用します

---

成功基準

基準	目標	測定方法
ペルソナの妥当性	実際のユーザー3人以上が「自分のことのようだ」と確認	作成後の検証インタビュー
ペルソナの網羅性	主要なすべてのセグメントを網羅	ペルソナ数と特定済みユーザーセグメント数を比較
データの信頼度	「高」（31人以上のユーザー）	persona_generator の data_points.confidence_level
調査の実施頻度	四半期ごとにセグメントあたり5〜8件のインタビュー	完了した調査セッション数
インサイトからアクションへの転換率	調査結果の70％超がデザイン変更につながる	調査結果の実装までを追跡
ユーザビリティ課題の解決	リリース前に重大および深刻な課題をすべて修正	課題の深刻度を追跡
ジャーニーマップの最新性	少なくとも四半期ごとに更新	各ジャーニーマップの最終更新日

---

対象範囲と制限事項

対象範囲：

• ユーザー調査に基づくデータ駆動型のペルソナ生成
• アーキタイプの分類（パワーユーザー、カジュアルユーザー、ビジネスユーザー、モバイルファースト）
• ユーザージャーニーマッピングのフレームワーク
• ユーザビリティテストの計画とスコアリング
• 調査結果の統合とコーディング手法
• インタビュー質問のフレームワーク
• 共感マップと機会の特定

対象範囲外：

• ユーザーインタビューの録音・文字起こしの自動化
• リアルタイム分析の統合（分析プラットフォームを使用）
• 定量的なアンケートの設計と配布（Typeform/SurveyMonkey を使用）
• アイトラッキングや生体データの分析
• AI による感情分析（このツールではヒューリスティック分類を使用）
• ペルソナのイラストやビジュアルアセットの生成
• アクセシビリティ監査（product-designer または design-system-lead のスキルを参照）

---

統合ポイント

ツール／プラットフォーム	統合方法	ユースケース
Dovetail / Condens	調査データをエクスポートし、ペルソナ JSON をインポート	調査インサイトを一元管理
Figma / Miro	ペルソナの出力をデザイン成果物として貼り付け	デザイン作業中にペルソナを参照
Notion / Confluence	人が読みやすい形式で出力	ペルソナを文書化し、チームと共有
product-manager-toolkit	ペルソナの課題を RICE スコアリングに反映	ユーザーニーズと機能の優先順位付けを結び付ける
agile-product-owner	ペルソナデータをユーザーストーリーのペルソナに反映	調査に基づいたストーリーを作成
product-designer	ペルソナをジャーニーマッピングとユーザビリティテスト参加者の募集に活用	エンドツーエンドのデザインリサーチワークフロー