Upgrade to Pro
— share decks privately, control downloads, hide ads and more …
Speaker Deck
Sign up for free
Menu
Search
Features
All features
Private URLs
Password Protection
Custom URLS
Scheduled publishing
Remove Branding
Restrict embedding
Deck Collections
Notes
Features
All features
Private URLs
Password Protection
Custom URLS
Scheduled publishing
Remove Branding
Restrict embedding
Deck Collections
Notes
Explore
Featured decks
Featured speakers
Programming
Technology
Storyboards
Explore
Featured decks
Featured speakers
Programming
Technology
Storyboards
Pricing
Search
Sign in
Sign up for free
スクラムマスターのPO支援 プロダクトリサーチのモヤモヤ
Search
Sponsored
·
Your Podcast. Everywhere. Effortlessly.
Share. Educate. Inspire. Entertain. You do you. We'll handle the rest.
→
monotalk.xyz
August 28, 2026
Research
9
0
Share
Embed
Copy iframe code
Copy JS code
Copy link
Start on current slide
スクラムマスターのPO支援 プロダクトリサーチのモヤモヤ
monotalk.xyz
August 28, 2026
More Decks by monotalk.xyz
See All by monotalk.xyz
AI-SDLC MATURITY MODEL による 開発プロセスアセスメントを試している
kemsakurai
0
7
コミュニティ初参加の「居心地の悪さ」を肯定する--保坂和志さんの考え方--
kemsakurai
0
97
GITHUB_COPILOT_SPACESを使って__アジャイル文脈での_良さげなナレッジを作りたい.pdf
kemsakurai
0
27
スクラム導入でリードタイムが3分の1になった
kemsakurai
0
24
Githubのオープンソース貢献 のモチベーションと職業プログラミングのギャップについて
kemsakurai
0
360
ITエンジニアのPDCA設計
kemsakurai
0
110
エンジニア視点で見たGoogle Analytics
kemsakurai
1
310
Other Decks in Research
See All in Research
ふとした出会いで生まれたSkillが、 社内利用1位になるまで
mikimhk
22
25k
Kunai: Toward a Verifier-Safe Layered DSL for Nested Encapsulation Packet Filtering on eBPF
takehaya
1
150
Pesée et pointage par imagerie 3D : PHENO3D entre en phase de test terrains
institutdelelevage
PRO
0
110
OWASP AISVS - C7
shiell
2
830
ICAITD 2026 Oral Presentation
rikkabotan7
0
110
Physical AIでモデリングはどう変わるか/How Physical AI Will Change Modeling
stktu
0
300
HAKARI-Bench - 実運用視点での情報検索モデル評価ベンチマーク
hotchpotch
1
810
【Zozo Research 技術共有会】三次元領域の現在と展望
mickey_0226
3
680
Language and AI
ayaniwa
0
320
L’albédo:levier d’atténuation du changement climatique dans les systèmes fourragers
institutdelelevage
PRO
0
140
Evaluating LLM Reliability Across Facts, Evidence, and Cultures
yukiar
0
210
MM-OVSeg: Multimodal Optical–SAR Fusion for Open-Vocabulary Segmentation in Remote Sensing
satai
3
160
Featured
See All Featured
Cheating the UX When There Is Nothing More to Optimize - PixelPioneers
stephaniewalter
287
14k
The Organizational Zoo: Understanding Human Behavior Agility Through Metaphoric Constructive Conversations (based on the works of Arthur Shelley, Ph.D)
kimpetersen
PRO
0
500
The AI Revolution Will Not Be Monopolized: How open-source beats economies of scale, even for LLMs
inesmontani
PRO
3
3.8k
Future Trends and Review - Lecture 12 - Web Technologies (1019888BNR)
signer
PRO
0
3.8k
Lessons Learnt from Crawling 1000+ Websites
charlesmeaden
PRO
1
1.6k
Google's AI Overviews - The New Search
badams
0
1.6k
[SF Ruby Conf 2025] Rails X
palkan
3
1.5k
Digital Projects Gone Horribly Wrong (And the UX Pros Who Still Save the Day) - Dean Schuster
uxyall
1
3.4k
Ruling the World: When Life Gets Gamed
codingconduct
0
400
SEO Brein meetup: CTRL+C is not how to scale international SEO
lindahogenes
2
2.9k
Leading Effective Engineering Teams in the AI Era
addyosmani
9
2.7k
End of SEO as We Know It (SMX Advanced Version)
ipullrank
3
4.4k
Transcript
スクラムマスターのPO支援 プロダクトリサーチのモヤモヤ
今日話すこと スクラムマスターはPOの支援の一環としてプロダクトの リサーチをします。 その中で最近モヤモヤしていることを共有します。
👤 自己紹介・前提 名前:櫻井健(@monotalk_xyz) 役割:スクラムマスター(某建設SaaS 🏗️) リサーチ?のスキル: 個人ブログでのアクセス解析(GA / GSC) 統計検定2級、機械学習・分析の基礎
B2B SaaSのMOps(GTM・解析ツール運用)
スクラムマスターのリサーチ ScrumMasterWay レベ 本来の焦点 ル リサーチの対象・問い Level 1: My Team
チーム改善・自己組織 自分・チーム(心理的安全性・ボトルネッ 化 ク) Level 2: Relationships 外部・POとの関係改善 プロダクト・PO (顧客の声・情報サイロ化) Level 3: Entire System 組織全体のアジリティ 組織文化・市場(評価制度・市場適応) プロダクトリサーチは Level 2(PO支援) に該当
プロダクトリサーチでの個人的 「 」と「Δ」 ➕ ➕) 成果が出たもの( ユーザーアンケートの分析・レポーティング ユーザー行動ログのリサーチ モヤモヤ・課題(Δ) SLO(応答速度)策定のためのリサーチ
👉 今回は 「SLO策定のモヤモヤ」 にフォーカス
そもそもSLOとは? SLO(Service Level Objective:サービスレベル目標) サービスが達成すべき信頼性・性能の数値目標 例:可用性 99.9% / 応答速度 99%が100ms以内
チームの現状 外部SLO・内部SLOともに 未設定
なぜSLOが必要なのか? 契機:顧客からの「画面が遅い」問い合わせで急遽対 応 直面した課題 問い合わせ起点の「後手(リアクティブ)対応」 事前に手を打つ「プロアクティブな改善」ができなかっ た
なぜ事前に気づいて行動できなかったの か? スロークエリ監視で遅延自体は検知できていた 動けなかった2つの理由 1. 検知過多: スロークエリ多すぎ 2. 基準不在: POへ相談・改善を優先する客観基準がない
対話の共通基準として SLOが必要だと実感した
モヤモヤ① トップダウンSLO設定はムズカシイ 「エラーバジェット」等のSLO(SRE的な考え方)は ビジネス側に伝わりにくい 現在のアプローチ 事象ベースの帰納法的アプローチを採用 改修機能の性能レポートをPOに共有しすり合わせ
モヤモヤ② 基本統計量(P90等)と現場の乖離 全体統計(p90等)では困っている姿が伝わらない 「具体的に誰が遅い?」「問い合わせはある?」 対話を通じて、フォーマットを変更 顧客別のレイテンシーを提示 具体的な利用イメージと影響度を持ってもらう
モヤモヤ③ 問い合わせバイアス(問い合わせ駆動) 「問い合わせがない=問題なし」と判断されがち ジレンマ サイレントマジョリティを見落とすリスク 定量データと顧客の声(定性)のバランスの難しさ
モヤモヤとの今後の向き合い方 1. 問題駆動での判断経験を積む ルール化の前に、データを共有して議論する機会を増や す 2. パフォーマンスレポートの可視化と共有 計測値を見える化し見ることを習慣化する.評価・判断を チームに委ねる