その"インサイト"、本当に意味ありますか？〜Think N1な深いインサイトの見つけ方〜

by inagaki

Slide 1

Slide 1 text

その"インサイト"、本当に意味ありますか？〜Think N1な深いインサイトの見つけ方〜 SmartBank, Inc. 　 Product manager 稲垣慶典 | inagaki

Slide 2

Slide 2 text

本日のテーマ良質なインサイトを掴むためには恐れず、N1に深く向き合うことなんだか煽りっぽいスライドタイトルですみません …

Slide 3

Slide 3 text

SmartBank, Inc. 　Product manager 稲垣慶典 | inagaki @InagakiKay 新卒でDeNAに入社し、ゲームやヘルスケア・医療の領域でプロダクトマネジメントや新規事業立ち上げに従事。薬局スタートアップを経て 24 年1月より現職。プロダクトマネージャーとしての知見や学びを発信しています自己紹介

Slide 4

Slide 4 text

No content

Slide 5

Slide 5 text

なぜ今インサイトの話？

Slide 6

Slide 6 text

背景 AI技術の著しい進化によって、プロダクトづくりは根本的に変わりそう

Slide 7

Slide 7 text

AIの進化でプロダクトづくりが大きく変わるソフトウェアを作ることが障壁ではなくなる XXがあれば便利なのに… 自分では作れない… じゃあ、作ってみよ

Slide 8

Slide 8 text

急激に増えるものと、そうでないものがありそうニーズが顕在化しているものほどプロダクトが爆増しそう HOWレベルでニーズが顕在ニーズが潜在的ソフトウェアプロダクトの数そこまで変わらない？爆増？

Slide 9

Slide 9 text

「何をつくるか」という問いの重要性が増す “1.5歩先”の欲しいものを見つけることがより重要に HOWレベルで認識しているニーズ言われれば認識できる潜在ニーズ言われても想像できない使えばわかる潜在ニーズ

Slide 10

Slide 10 text

だからこそ今、改めてインサイトに注目ユーザーが本当に欲しいものを描く力がよりPMに求められるそのために重要なのがインサイトを掴む力

Slide 11

Slide 11 text

インサイトとは何か？

Slide 12

Slide 12 text

インサイトとは何か？ユーザーの言動の裏にある”原理”に関する発見のこと行動感情原理（インサイト）前提環境経験関係顕在潜在

Slide 13

Slide 13 text

インサイトとは何か？表面上の言動の裏に、思わぬ発見があるなぜか朝にミルクシェイクが売れるなぜか1人客が買って帰る車で来店する人が多い運転中の ”気晴らし”ないかな… 有名なアメリカのミルクシェイクの話

Slide 14

Slide 14 text

インサイトとは何か？解釈を通じて抽出するものであり、データ≠インサイト 📊定量データ 💬定性データ解釈 💡インサイトこれはインサイトではない最初はあくまで仮説

Slide 15

Slide 15 text

良いインサイトとは何か？

Slide 16

Slide 16 text

想像でき、納得でき、アイデアを膨らませられる発見良いインサイトとは何か？

Slide 17

Slide 17 text

次のアイデアが生まれてくることに意味がある「〜だから、これもあるかも！」が出てくるインサイト解像度が高いインサイト想像できる予想できる共感できるアイデアが湧きやすいチームを巻き込める

Slide 18

Slide 18 text

（参考）『ワンバンク』ペアカードでのインサイト例「わかる…」「それありそう…」という共感が生まれるか “2人のお金のことだから、自分と同じように、相手にも気にしてほしい” “こっちばっかり立て替えてない？かと言ってあまりカドを立てたくない…” 同棲したてのカップル既婚夫婦・歴の長いペア

Slide 19

Slide 19 text

どうやって良いインサイトを見つけるか

Slide 20

Slide 20 text

どうやって良いインサイトを見つけるかスマートバンクではN1にこだわってきた

Slide 21

Slide 21 text

参考：SB社でのインサイトを捉えるためのリサーチ活動序盤に「理解フェーズ」を設け、インサイトを捉えにいく理解フェーズ仮説検証フェーズインタビューデータ分析インタビューデータ分析インタビューデータ分析 WHATを定義 HOWを定義 WHAT 仮説 WHAT 仮説 HOW 仮説重点的にインサイトを捉えに行くフェーズプロトリリースしちゃうマーケット選定市場調査

Slide 22

Slide 22 text

参考：SB社でのインサイトを捉えるためのリサーチ活動定量・定性ともに活用しつつ、インタビューを軸に Askワンバン抽象化抽象化抽象化抽象化抽象化抽象化抽象化抽象化定性定量一つのテーマで5~6名程度にインタビュー

Slide 23

Slide 23 text

補足：「Askワンバン」とは横断的なデータ分析ができる社内AIエージェント詳細はこちら 👇 https://blog.smartbank.co.jp/entry/ask

Slide 24

Slide 24 text

いろいろやっているが、大事なことはまずは、インタビューでN1を深掘る

Slide 25

Slide 25 text

N1×インタビュー形式で深ぼることの良さ最初こそ、まずN1で話を聞くことに意味がある N1でも実存することに意味がある同期的に、多面的に情報を集められるインサイトはあくまで解釈想像で始めない最初はわからないこともわからない

Slide 26

Slide 26 text

N1×インタビューの扱いの難しさでも、N1のインサイトって意味あるインサイトなの？ ● 「それってその人だけの話では？」問題 ● 定性情報だけだと恣意的な解釈にならない？ ● インタビューで聞いたことだけでは、判断しきれない ● 引き出し切れなくて、結局不完全燃焼になる

Slide 27

Slide 27 text

N1の罠を回避する必要があるだからこそ、N1インタビューはファクト収集と言語化がカギ意見や感想ではないファクト収集の場そう、だから言語化と検証を繰り返す定性データって主観でしょ？ 1人の話で判断できなくない？

Slide 28

Slide 28 text

深くN1と向き合いインサイトを見つけるために N1インタビューで良いインサイトを見つけるための工夫抽象化抽象化 1. 背景情報をとにかく集める 2. Think N1シートでストーリーとしてまとめる 3. 相対比較で再現性のある原理を見つける抽象化抽象化

Slide 29

Slide 29 text

工夫1：対象者の背景情報をとにかく集めるインタビューの9割は背景情報（=ファクト）の収集 - 年齢、家族構成、居住地 - 職業、職歴、家族の職業 - 平日/休日の過ごし方 - 賃貸/分譲、自家用車の有無 - 趣味や過去1年間の大きな支出歴 - 利用しているクレカ・銀行口座・資産運用 - 1ヶ月の家庭内のお金の流れ - TVやSNSなどの利用状況 - 今利用しているアプリ TOP3の利用状況　など背景情報イントロアウトロ追加質問アンケートと違ってその場で質問を追加できる

Slide 30

Slide 30 text

工夫1：対象者の背景情報をとにかく集める脳内で映像として再生し、曖昧な部分を深ぼる周囲の解像度を上げる前後の解像度を上げる

Slide 31

Slide 31 text

工夫1：対象者の背景情報をとにかく集める違和感にインサイトのヒントがある矛盾独特な表現や行動口調の変化

Slide 32

Slide 32 text

工夫2：Think N1シートでストーリーとしてまとめるストーリーとして仮説を言語化するフォーマット詳細はこちら 👇 https://blog.smartbank.co.jp/entry/thnink-n1

Slide 33

Slide 33 text

工夫2：Think N1シートでストーリーとしてまとめる分解して言語化すると曖昧な部分や無意識な仮定がクリアに誰がどんなときにどうしたいが何が障壁でインサイト ✅クリア 🌀曖昧 ✅クリア 🌀曖昧重点的に把握しにいく重点的に把握しにいく定性データ・定量データ

Slide 34

Slide 34 text

工夫3：相対比較で再現性のある原理を見つける実査後にもマッピング・比較して再現性のあるインサイトをインタビュー実施個人差があるものそれでも共通するもの誰に話を聞くか

Slide 35

Slide 35 text

N1×インタビューで良いインサイトを見つけるために N1の罠は、ファクト集めと徹底した言語化で回避するインタビューファクト意見感想解釈インサイト - Think N1シート - マッピング・比較等定量 - 徹底して背景情報等

Slide 36

Slide 36 text

まとめ

Slide 37

Slide 37 text

まとめ ● 作りやすくなったからこそ、何を作るかの問いが重要に ● 潜在的なニーズを見つけるためにインサイトを掴む ● N1レベルで深ぼって良いインサイトが見つける ● インタビューは徹底的にファクトを集める場である ● インサイトは解釈（≒仮説）だから、徹底的に検証する「何を作るか」の問いのために、インサイトを見つける

Slide 38

Slide 38 text

余談ですが… インサイト発見からモック作成まで自動化AIの実験してみたデータインサイト抽出 PRD 課題定義価値定義施策要件定義情報整理 Figma モック完全自動でモックまでできた！なんかそれっぽい！けど…なんか違う…

Slide 39

Slide 39 text

AI自動化実験を通じた学び良いインサイトは、非合理な解釈から生まれる？ ● 情報の要約やエッセンスの抽出は見事だった ● 一方でAIが選定したインサイトは、外してはないけど ”なんか違う”もの ● 人間が選んだものは非合理で、やや決めつけっぽい（もしこれをAIが提案してきたら承認しないかも…）

Slide 40

Slide 40 text

まとめいくらAIで開発しやすくなったところで、人間は自分が欲しいものがわからない