ビジネスの仮説検証と実験の考え方 🧪 スタートアップの仮説思考 (4)

仮説思考シリーズの4つ目のスライドであり、仮説思考以外のスライドも含めた総集編的なスライドです。これまでのスライドの内容を活かしながら、良い仮説検証を行うための Tips を紹介しています。

Takaaki Umada の Web サイト

東京大学 FoundX の各種リソース

•FoundX Review - 起業家向けノウハウ情報

•FoundX Resource - 整理された記事の紹介

•FoundX Online School - 30以上の学習ビデオ教材

•FoundX Founders Program - 個室の無償提供とコミュニティ

•FoundX Pre-Founders Program - 起業準備プログラム

•FoundX Fellows Program - アイデア探しの支援プログラム

更なる文献

•MVP の作り方 🔨

•スケールしないことをしよう 👊

•解像度を高める

•カスタマーマニアになろう

•スタートアップのメトリクス

•仮説思考入門

•仮説生成力を鍛える

•仮説を選ぶ技術

•仮説思考

•イシューからはじめよ

•実践デザイン #05 「MVP の仕様」

Transcript

1. Takaaki Umada / 馬田隆明
   東京大学 FoundX（インセプションプログラム）
   https://foundx.jp/
   スタートアップの仮説思考 (4)
   ビジネスの仮説検証
   と実験の考え方 🧪
   

   View Slide

2. 2
   ビジネスにおける仮説検証力とは
   仮説についての
   最大の学習と学習棄却を
   最適なスコープ設計と実行により
   最速で行う力
   

   View Slide

3. 3
   ビジネスにおける仮説検証力とは
   仮説についての
   最大の学習と学習棄却を
   最適なスコープ設計と実行により
   最速で行う力
   （アンラーニング）
   

   View Slide

4. 今回は「仮説検証」について解説する
   仮説検証は仮説思考の全体の流れの中で三つ目に位置するもの。
   既に良い仮説が生成・選択できている前提で進める。
   4
   1. 仮説生成 2. 仮説選択 3. 仮説検証 4. 意思決定
   

   View Slide

5. 5
   全体像の詳細は「仮説思考入門」で
   https://speakerdeck.com/tumada/jia-shuo-si-kao-ru-men-sutatoatupufalsejia-shuo-si-kao-1
   

   View Slide

6. なぜ仮説検証が重要か
   7
   

   View Slide

7. Q.
   8
   なぜ仮説検証は重要か？
   

   View Slide

8. A.
   9
   学び
   が得られるから
   

   View Slide

9. 学びとして得られるもの：仮説の確度と新たな情報
   10
   仮説の
   確度
   新たな
   情報
   

   View Slide

10. 良い学びは意思決定へとつながる
    「仮説の確度」と「新たな情報」について学びが生まれたあと、
    もし仮説の確度が高ければ「進める」という意思決定ができる。
    11
    仮説生成
    (仮説探索)
    仮説選択 仮説検証 意思決定
    実行
    もしくは
    次の仮説
    の検証
    学びが生まれる
    

    View Slide

11. 仮説を修正・棄却する、という意思決定を行う場合も
    もし確度が低ければ、検証で得た情報を用いて仮説を修正して
    （進化させて）新たな仮説を生成する。
    12
    仮説生成
    (仮説探索)
    仮説選択 仮説検証 意思決定
    仮説の修正や棄却 (仮説の進化)
    実行
    もしくは
    次の仮説
    の検証
    学びが生まれる
    

    View Slide

12. (1) 仮説の確度
    得られる学びの一つとして、仮説の確からしさ（確度）がある。
    13
    仮説の
    確度
    新たな
    情報
    

    View Slide

13. 仮説の確からしさ（確度）は 0 or 1 ではない
    15
    100%
    0%
    仮説の確からしさ
    

    View Slide

14. 例）課題仮説の確からしさ（確度）
    検証を通して自分の仮説が「どの程度確からしいか」を学ぶこ
    とができる。
    16
    100%
    0%
    40%
    お金を払う
    約束を覚書で
    してくれた
    80%
    顧客が宣伝
    してくれて
    いる
    60%
    想定していた
    金額を払って
    くれた
    90%
    想定していた
    以上の金額を
    払ってくれた
    25%
    お金を払う
    約束を書面で
    してくれた
    5%
    欲しいと
    言ってくれた
    10%
    使う約束
    をして
    くれた
    仮説の確からしさ
    

    View Slide

15. (2) 新たな情報
    得られる学びの一つとして、新たな情報もある。
    17
    仮説の
    確度
    新たな
    情報
    

    View Slide

16. 仮説検証プロセスを通して新たな情報を得る
    確度を検証できるだけではなく、そのプロセスを通して新たな
    情報や気付きを得ることができる。
    THE SCIENTIFIC METHOD (AGW Falsified) by Dr. Vincent Gray 18
    現象 観察
    仮説
    生成
    実験⇒
    データ
    データ
    分析
    仮説の
    検証
    仮説の
    確認
    仕組み
    化
    一連のプロセスの中で新たな情報が生まれる
    例）
    • 顧客からの新たなコメント
    • 顧客からのフィードバック
    • 顧客の行動から生まれたデータ
    などなど
    

    View Slide

17. 新たな情報を得て仮説を洗練させる
    そして検証のプロセスを通して得られた新しい情報を用いて仮
    説を洗練させることができる。
    THE SCIENTIFIC METHOD (AGW Falsified) by Dr. Vincent Gray 19
    現象 観察
    仮説
    生成
    実験⇒
    データ
    データ
    分析
    仮説の
    検証
    仮説の
    確認
    仮説の
    反駁
    仮説の
    洗練
    仕組み
    化
    新たな情報を用いて仮説を洗練させる
    

    View Slide

18. 20
    自分の仮説では説明できない
    変則的な情報
    に焦点を当てること
    

    View Slide

19. 変則的な情報を得たときの良くない反応
    変則的な情報を拒否する人もいるが…
    Chinn & Brewer (1998) An empirical test of a taxonomy of responses to anomalous data in science 21
    ❌ 情報を拒否する
    たとえば「この製品は要らない」と言われ
    たときに、以下のような拒否反応をする場
    合もある。ただしこれらは悪いサイン。
    1. この情報は無視しよう
    2. この情報は信じられるか分からない
    3. この情報は保留にしておこう
    4. この情報を再解釈するとこういう意味
    だから問題ない
    

    View Slide

20. 変則的な情報を得たときの良い反応
    新たな情報を拒否するのではなく、新たな情報で仮説を修正す
    るように心がける。
    Chinn & Brewer (1998) An empirical test of a taxonomy of responses to anomalous data in science 22
    ❌ 情報を拒否する
    たとえば「この製品は要らない」と言われ
    たときに、以下のような拒否反応をする場
    合もある。ただしこれらは悪いサイン。
    1. この情報は無視しよう
    2. この情報は信じられるか分からない
    3. この情報は保留にしておこう
    4. この情報を再解釈するとこういう意味
    だから問題ない
    ⭕ 新情報で仮説を修正する
    変則的な情報を説明できるような仮説を修
    正することができる。
    たとえば「要らない」と言われたら、どう
    すれば「欲しい」と言ってもらえるかを考
    えたり、「ターゲット顧客が違ったのかも
    しれない、別のターゲットにしてみよう」
    という風に考えて、仮説を修正したり、新
    たな仮説を生成する。
    

    View Slide

21. これらが学びに繋がるだけではなく…
    25
    仮説の
    確度
    新たな
    情報
    

    View Slide

22. 仮説検証は自分自身のアンラーンを促して
    前提や思い込みを問い直すことにも繋がる
    これら二つは自分のアンラーンのための情報にもなる
    26
    仮説の
    確度
    新たな
    情報
    

    View Slide

23. Q.
    27
    なぜ仮説検証は重要か？
    

    View Slide

24. A.
    28
    学び
    が得られるから
    

    View Slide

25. A.
    29
    学習棄却
    もできるから
    

    View Slide

26. 30
    学習棄却（アンラーニング）とは
    学んだことを一度忘れること
    思い込みや信念をほぐして
    新たな学びへの準備を行うこと
    

    View Slide

27. 32
    仮説検証の結果は
    私たちの思い込みや間違いを
    修正するきっかけと
    正しい仮説に辿り着くための
    情報を提供してくれる
    

    View Slide

28. Q.
    33
    仮説検証の失敗とは？
    

    View Slide

29. A.
    34
    正しい仮説だと
    検証できなかったのが失敗
    

    View Slide

30. A.
    35
    正しい仮説だと
    検証できなかったのが失敗
    

    View Slide

31. A.
    36
    学びやアンラーンが少ない
    仮説検証が失敗
    （＝仮説の確度についての情報や新情報が得られなかった時が失敗）
    

    View Slide

32. 37
    仮説検証の成否は
    学習と学習棄却の量で決まる
    「仮説が合っているから成功」
    というわけではない
    （単に仮説の正しさが確認できただけなら、仮説検証の必要はなかったかもしれない＝検証自体無駄だった）
    

    View Slide

33. 41
    得られた学習と学習棄却で
    より良い意思決定ができる
    仮説が間違っているのは
    常に悪いことではない😊
    （※最終的には仮説も合っている必要があるが、その前に学習と学習棄却が大事）
    

    View Slide

34. 仮説検証の方法
    44
    

    View Slide

35. 仮説検証の主な三つの方法
    ビジネスの仮説検証においては「サーベイ・分析」「インタ
    ビュー・議論」「実験」と言った大きく三つに分かれる。
    45
    サーベイ
    ・分析
    インタ
    ビュー・
    観察・
    議論
    実験
    一人でできる 誰かが必要 何かを作る必要
    

    View Slide

36. まずはサーベイ・分析について
    46
    サーベイ
    ・分析
    インタ
    ビュー・
    観察・
    議論
    実験
    一人でできる 誰かが必要 何かを作る必要
    

    View Slide

37. (1) サーベイ・分析による検証
    多くの人はサーベイや分析が足りていない。調べればすぐに仮
    説検証できることも多い。
    47
    資料調査
    仮説の一部は過去の仮説が
    そのまま棄却されるときも
    ある。
    関係のある書籍は可能な限
    り目を通して、できるだけ
    論文なども読むようにする
    こと。
    競合調査
    既存の競合を調べてみるこ
    とで。多くのアイデアの場
    合、同じことを考えている
    人はいて、試している。
    もしすでに誰かが試してい
    て成功していないのであれ
    ば、既存の競合とは違う仮
    説を考える必要がある。
    分析
    分析だけで検証できること
    もある。例としては以下。
    解決策の仮説の場合：どう
    考えても技術的に実現不可
    能なことが分かる。
    市場の仮説の場合：自分の
    仮説を基にビジネスのアッ
    プサイドを計算したときに、
    スタートアップのアイデア
    ではないことが分かる。
    

    View Slide

38. 48
    ちゃんと
    Google 検索するだけでも
    検証力に差をつけられる 😅
    

    View Slide

39. 次にインタビュー・議論
    49
    サーベイ
    ・分析
    インタ
    ビュー・
    観察・
    議論
    実験
    一人でできる 誰かが必要 何かを作る必要
    

    View Slide

40. 誰かと一緒に行う仮説検証：インタビュー、議論
    各種インタビューや議論を通して仮説が検証できることもある。
    作らなくてよいので比較的手軽な手法。
    50
    インタビュー
    顧客インタビューを通して
    仮説検証ができる。また専
    門家インタビューをするこ
    とで、基本的な仮説の検証
    も可能（ただし専門家であ
    るがゆえに見逃している点
    もある）。
    これらは仮説生成にも有効
    な手段の一つ。
    観察
    顧客の様子を観察して仮説
    を検証することもできる。
    仮説生成にも生きてくる。
    議論・壁打ち
    共同創業者や信頼できる人
    に話してみることで、仮説
    の弱いところなどが検証で
    きることもある。
    

    View Slide

41. Takaaki Umada / 馬田隆明
    東京大学 FoundX（インセプションプログラム）
    https://foundx.jp/
    カスタマーマニアに
    なろう
    顧客インタビュー・現場現物現実・顧客との同化
    「カスタマーマニアになろう」
    のスライドを参照
    

    View Slide

42. 最後に「実験」
    52
    サーベイ
    ・分析
    インタ
    ビュー・
    観察・
    議論
    実験
    一人でできる 誰かが必要 何かを作る必要
    

    View Slide

43. 53
    実験は学びが多いけれど
    コストがかかる 💴⏲
    「本当に実験という手段しかないか」
    を見極めてから実施する
    （※コスト低く実験できるならさっさと実験するのもあり）
    

    View Slide

44. 実験の立ち位置
    仮説思考のスライドの中で紹介した一連の流れの中で、実験は
    以下の立ち位置となる。
    54
    現象 観察
    仮説
    生成
    実験⇒
    データ
    データ
    分析
    仮説の
    検証
    仮説の
    確認
    仮説の
    反駁
    仮説の
    洗練
    仕組み
    化
    

    View Slide

45. 実験の大まかなサイクル
    ビジネスので実験は主にアイデア→製品→データのサイクルを
    回す。
    55
    アイ
    デア
    製品
    データ
    

    View Slide

46. 実験の大まかなサイクルの注意点
    56
    アイ
    デア
    製品
    データ
    これらは目に見える「成果物」だけの視点
    実際の私たちの頭の中で行われていることは…
    

    View Slide

47. 活動としては Build-Measure-Learn が行われている
    活動としては「Build」「Measure」「Learn」が行われている。
    57
    アイ
    デア
    Build
    Learn
    Measur
    e
    製品
    データ
    

    View Slide

48. この BML ループをより早く回す思考が Lean Startup
    リーンスタートアップでは以下のような形で紹介されている。
    58
    アイ
    デア
    Build
    Learn
    Measure
    製品
    より速く構築
    MVP
    ユニットテスト
    ユーザビリティテスト
    継続的インテグレーション
    クラウド
    などなど
    より速く計測
    スプリットテスト
    ファネル分析
    コホート分析
    より速く学習
    顧客開発
    5 つの 学び
    反証可能な仮説
    など
    データ
    

    View Slide

49. 実行時は Build から始まり、Measure から
    59
    実行時の流れ: B->M->L
    B
    L
    M
    

    View Slide

50. 計画時は「何を学びたいか (Learn)」から計画する
    最初に何を学びたいかを特定する。そしてそこから学びを得る
    ための計測方法、そして最適なものを作る (Build) という順序。
    60
    実行時の流れ: B->M->L 計画時の流れ: L→M→B
    B
    L
    M
    B
    L
    M
    

    View Slide

51. 61
    学びたいことをまず決める
    アイ
    デア
    Build
    Learn
    Measure
    製品
    データ
    

    View Slide

52. 62
    (1) Learn のコツ
    アイ
    デア
    Build
    Learn
    Measure
    製品
    データ
    

    View Slide

53. 「今、何を学べば良いか」の解像度をとにかく高める
    「意思決定のためには今どのよ
    うな学びや情報が必要か」につ
    いての解像度を高められれば、
    最適な仮説検証の設計ができる。
    学べば良いことについての解像
    度が粗いときは、仮説の解像度
    も粗い傾向にあるので注意する。
    （※仮説が一般的な言明の場合
    は粗い傾向にあるので注意）
    63
    学び 1
    学び 1.1
    学び 1.1.1
    学び 1.1.1.1
    学び 1.1.1.1.1
    学び 1.1.1.1.2
    学び 1.1.1.1.3
    学び 1.1.1.2
    学び 1.1.1.2.1
    学び 1.1.1.2.2
    学び 1.1.1.3
    学び 1.1.2
    学び 1.1.2.1
    学び 1.1.2,2
    学び 1.2
    学び 1.2.1
    学び 1.2.1.1
    学び 1.2.1.2
    学び 1.2.1.3
    学び 1.2.2
    学び 1.2.2.1
    学び 1.2.2.2
    学び 1.2.2.3
    学び 1.2.2.3.1
    学び 1.2.2.3.2
    学び 1.2.3
    学び 1.2.3.1
    学び 1.2.3.2
    学び 1.2.3.3
    学び 1.2.3.4
    これを学べば
    事業が最も進
    むはず
    

    View Slide

54. 66
    「この実験で何を学びたいですか？」
    という問いに明確に答えられなければ
    良くない兆候 😂
    

    View Slide

55. 67
    仮説や学びたいことが曖昧で
    検証がうまくいかないことは
    かなり多い😭
    

    View Slide

56. 解像度が低いときは良い学びが得られない
    68
    多くの人の
    「学び」の解像度
    

    View Slide

57. 何を学べば良いかの解像度をもっと高くする
    何かを学びたいと思ったときは
    もっと解像度を高められないか
    立ち止まって考えてみる。
    69
    本来持つべき
    学びの解像度
    

    View Slide

58. Takaaki Umada / 馬田隆明
    東京大学 FoundX（インセプションプログラム）
    https://foundx.jp/
    解像度を高める 🔬
    「解像度を高める」のスライドを参照
    

    View Slide

59. 71
    (2) Measure のコツ
    アイ
    デア
    Build
    Learn
    Measure
    製品
    データ
    

    View Slide

60. Measure の設計
    単に計測をするだけではなく、そのあとに来る Learn がしやす
    いよう準備を整えておくことが重要。
    72
    📊 計測方法
    計測方法をあらかじめ決め
    てから Build する。たとえ
    ば継続率なら継続率を確認
    するツールを入れる。
    なお、計測コストは十分に
    低いものを選ぶ。基本的に
    は売り上げがお勧め。
    🎯 目標設定
    どの数値を達成すれば「検
    証できた」と言えるかどう
    かを予め決めておく。例：
    • このマーケティング手段
    で1週間で100人登録し
    たら、この手段の有効性
    は確度は十分と見做し、
    次のステップに進む
    • 売上100万円以上ならOK
    🤝 関係者での合意
    ステークホルダー（主に
    チームメンバー）間で、こ
    れらのバーを合意しておく。
    

    View Slide

61. 73
    計測結果の解釈を
    チームで事前に
    準備・合意しておくことで
    後の議論が不要にできる 👍
    

    View Slide

62. Takaaki Umada / 馬田隆明
    東京大学 FoundX（インセプションプログラム）
    https://foundx.jp/
    モメンタムを死守する (2)
    スタートアップの
    メトリクス 📊
    「メトリクス」のスライドを参照
    

    View Slide

63. 75
    (3) Build
    アイ
    デア
    1. Build
    3. Learn
    2.
    Measure
    製品
    データ
    

    View Slide

64. 76
    Build のコツ
    極力作らなくても
    良い方法を考える
    

    View Slide

65. Takaaki Umada / 馬田隆明
    東京大学 FoundX（インセプションプログラム）
    https://foundx.jp/
    MVP の作り方 🔨
    とにかく雑に作る「手作業型 MVP」のススメ
    「MVP の作り方」のスライドを参照
    

    View Slide

66. 78
    基本は
    「スケールしないこと」
    で Build して検証する
    

    View Slide

67. Takaaki Umada / 馬田隆明
    東京大学 FoundX（インセプションプログラム）
    https://foundx.jp/
    スケールしないこと
    をしよう 👊
    「スケールしないことをしよう」
    のスライドを参照
    

    View Slide

68. BML ループを素早く回す
    これらの活動を素早く回すことで、確度の高い仮説に行きつく。
    80
    アイ
    デア
    Build
    Learn
    Measur
    e
    製品
    データ
    

    View Slide

69. 10 回に 1 回成功するつもりで BML ループを回す
    一度の実験でうまくいくことはほとんどない。この BML ループ
    を何度も回すことが大事。
    81
    Ide
    as
    Build
    Learn
    Da
    ta
    Measur
    e
    Pro
    du
    ct
    Ide
    as
    Build
    Learn
    Da
    ta
    Measur
    e
    Pro
    du
    ct
    Ide
    as
    Build
    Learn
    Da
    ta
    Measur
    e
    Pro
    du
    ct
    Ide
    as
    Build
    Learn
    Da
    ta
    Measur
    e
    Pro
    du
    ct
    Ide
    as
    Build
    Learn
    Da
    ta
    Measur
    e
    Pro
    du
    ct
    Ide
    as
    Build
    Learn
    Da
    ta
    Measur
    e
    Pro
    du
    ct
    Ide
    as
    Build
    Learn
    Da
    ta
    Measur
    e
    Pro
    du
    ct
    Ide
    as
    Build
    Learn
    Da
    ta
    Measur
    e
    Pro
    du
    ct
    Ide
    as
    Build
    Learn
    Da
    ta
    Measur
    e
    Pro
    du
    ct
    Ide
    as
    Build
    Learn
    Da
    ta
    Measur
    e
    Pro
    du
    ct
    🏆
    

    View Slide

70. 82
    何度も回すからこそ、仮説検証は
    速度
    が大事
    （学びを得るまでの速度を最大化する）
    

    View Slide

71. BML ループのミス
    ミスをしないように注意して進める。
    83
    Learn のミス
    • そもそも学びたいことが
    明確ではない
    • 顧客の発言をそのまま学
    びとしてしまい、顧客の
    発言の本当の ”原因”にま
    で深堀りできていない
    • メトリクスの設定を間
    違って、良い学びが得ら
    れない
    Measure のミス
    • 何を Measure するかを
    決めずに Build を始めた
    • 測定のコストや存在を無
    視してしまい、想定以上
    に時間とコストがかかる
    • 測定の段取りが下手で、
    時間がかかりすぎている
    （解析ツールを後から入
    れるなど）
    Build のミス
    • MVP のサイズが大きす
    ぎて Build に時間がかか
    りすぎる
    • 複数の目的の MVP を
    作っていてフォーカスが
    ぶれている
    • Viable (実用的) である
    ことを低く見すぎる
    

    View Slide

72. 84
    上手に実験を行うために
    気を付けておきたい
    トレードオフ
    

    View Slide

73. 鉄の三角形（トレードオフ）
    プロジェクトには「スコープ」「コスト」「時間」の三つの変
    数があり、どれかは下げざるを得ないことが多い。
    85
    スコープ
    金銭的
    コスト
    （お金）
    時間
    

    View Slide

74. どの変数を制約条件にするか
    いずれかを制約条件にした場合、変更できるのは残り二つとな
    る。
    86
    制約条件：スコープ
    必要なものをすべて作り切
    る場合。
    お金をどれだけでも使い
    （必要であれば調達し）、
    時間は伸びても構わない、
    という風になる。
    制約条件：お金
    一定のお金で行う場合。
    スコープを変えたり、時間
    が伸びても良い場合はこち
    ら。
    お金が最も希少なリソース
    の場合はこのケースになる。
    制約条件：時間
    一定の時間で作れるものを
    作る場合。
    スコープを変えるか、お金
    を大量に投入することで何
    とかする。
    時間が最も希少なリソース
    の場合はこのケースになる。
    

    View Slide

75. 87
    最も重要なものを
    制約条件にする
    

    View Slide

76. 88
    スタートアップに
    最も大切なものは
    時間⌛
    

    View Slide

77. 89
    基本的には
    時間⌛
    を制約条件にする
    

    View Slide

78. 90
    次に
    コスト💰
    を制約条件にする
    

    View Slide

79. 91
    スタートアップでは
    スコープ
    を最も変えやすい
    

    View Slide

80. 92
    最大限の学びとアンラーンを
    最小限の時間とコストで得られる
    最小のスコープを設計するのが
    腕の見せ所 💪
    

    View Slide

81. 「学びの量と質」と「努力やコスト（スコープ）」
    以下のように軸を二つ持ってみる。
    94
    スコープ
    （努力やコスト）
    学
    び
    の
    量
    と
    質
    

    View Slide

82. フルスペックの製品を作る場合
    「売れるかどうか」という一点において、フルスペックの製品
    を作ればおそらく検証できるし、学びも多い。
    95
    学
    び
    の
    量
    と
    質
    フルスペックの
    製品を作る
    企画している製品が「売れるかどうか」の学びを得たい場合
    スコープ
    （努力やコスト）
    

    View Slide

83. 作る前に売る場合
    作る前に売る、というスコープにすると、今すぐできる。
    96
    学
    び
    の
    量
    と
    質
    製品を作る
    前に売る
    企画している製品が「売れるかどうか」の学びを得たい場合
    スコープ
    （努力やコスト）
    

    View Slide

84. スコープを設定によって、小さなコストで同量の学び
    両者のやり方でもほぼ同じ量の学びを得ることができる（※ただし売
    れるかどうかについての学びに限る）
    97
    学
    び
    の
    量
    と
    質
    フルスペックの
    製品を作る
    製品を作る
    前に売る
    スコープ
    （努力やコスト）
    コストは違っても
    同量の学び
    

    View Slide

85. フルスペックの製品を作ろうとして失敗することも…
    それにフルスペックのものを作り切れるとは限らない。その場
    合、努力やコストの割に学びがほとんどないことすらある。
    98
    スコープ
    （努力やコスト）
    学
    び
    の
    量
    と
    質
    フルスペックの
    製品を作ろうとしたものの…
    長い時間をかけても
    中途半端なものしか完成せず
    学びがほとんどない
    というパターンは多い 😅
    

    View Slide

86. 99
    「努力の量」と「学びの量」が
    比例するとは限らない
    

    View Slide

87. 100
    自分の持てるリソースを鑑みて
    スコープを設定する
    （スキルやお金）
    

    View Slide

88. （一定の時間内での）スコープの限界値を考える
    たとえばリソースも開発スキルもあれば、一定時間に作れるも
    のは多いのでスコープは伸ばせる。
    101
    開発者 お金
    大 大
    

    View Slide

89. リソースが足りない場合
    開発者はいるけれどお金が足りない場合は短くなる。その場合
    は資金調達をしてスコープを伸ばせるかもしれない。
    102
    開発者 お金
    大 大
    大 小
    資金調達をすれ
    ばスコープを伸
    ばせるかも
    

    View Slide

90. 開発スキルが足りない場合
    お金はあるけれど開発者が少ない場合もスコープは短くなる。
    103
    開発者 お金
    大 大
    大 小
    小 大
    開発者がいれば
    スコープを伸ば
    せるかも
    

    View Slide

91. 全部足りなければスコープを工夫して実績を作る
    持っているリソースが少なければ、その範囲でできる最適なス
    コープを見つけて、実績を作ってから開発者やお金を獲得する。
    104
    開発者 お金
    大 大
    大 小
    小 大
    小 小
    実績を出せば
    リソース獲得
    できるかも
    

    View Slide

92. 105
    良いスコープの設定の仕方は
    周りに聞くのも一つの手
    検証コストが低くてしかも早いやり方を
    提案してくれるかも
    （その前に学びたいことを決めておくのは大事！）
    

    View Slide

93. そして BML ループの実験を回し続ける
    学びたいことを最低限のコストで実現できるスコープをうまく
    設定できれば、素早く BML ループを回すことができる。
    106
    アイ
    デア
    Build
    Learn
    Measur
    e
    製品
    データ
    

    View Slide

94. 仮説検証のコツ
    107
    

    View Slide

95. 仮説検証の 4 つのコツ
    仮説検証をするときに心がけたい 4 つのコツについて解説する。
    108
    仮説を反証する
    仮説に負荷を
    かける
    必要な検証の
    程度を見極める
    検証時間を
    最小化する
    

    View Slide

96. (1) 仮説を反証するという態度
    109
    仮説を反証する
    仮説に負荷を
    かける
    必要な検証の
    程度を見極める
    検証時間を
    最小化する
    

    View Slide

97. 110
    仮説検証では
    自分の仮説が
    正しい
    ことを検証する
    

    View Slide

98. 111
    仮説検証では
    自分の仮説が
    正しい
    ことを検証する
    

    View Slide

99. 112
    自分の仮説が
    間違っている
    ことを検証する
    

    View Slide

100. 仮説の正しさの検証と誤りの検証
     113
     仮説の「正しさ」の検証
     自分の仮説が正しいことについてのデータ
     や顧客の声を集める。
     自分の仮説に合わないデータや顧客の声を
     無視して「正しさ」を
     確証バイアスもあってやりやすいが、学び
     は少なくなる傾向にある。
     仮説の「誤り」の検証
     仮説の間違っている部分を検証していく。
     仮説が否定されることでその仮説自体は棄
     却されるが、「この課題はないかも」や
     「この顧客セグメントではないかも」など
     が分かっていく。
     仮説を修正して仮説の誤りが減っていくこ
     とで、「この顧客セグメントにはこの課題
     がある」といった正しい仮説へと辿り着く。
     

     View Slide

101. 114
     人は自分の仮説と恋に落ちて
     盲目になってしまう
     （相手/仮説の悪いところが見えなくなってしまう）
     

     View Slide

102. 115
     その仮説と結婚して
     多くの時間とお金を使う前に…
     

     View Slide

103. 116
     実験🧪してみよう
     

     View Slide

104. 117
     仮説検証で
     自分の正しさを
     証明すること
     （勝つこと）
     

     View Slide

105. 118
     仮説検証で
     自分の正しさを
     証明すること
     （勝つこと）
     

     View Slide

106. 119
     仮説検証で
     自分の正しさを
     証明すること
     （勝つこと）
     学ぶこと
     （& アンラーンすること）
     

     View Slide

107. 120
     仮説検証で
     自分の正しさを
     証明すること
     （勝つこと）
     学ぶこと
     （& アンラーンすること）
     目的は「勝つ」ことではなく
     「学ぶ」ことであることを忘れない
     

     View Slide

108. 121
     自分の間違いが分かることは
     もっと賢くなれるということ
     決して悪いことではない 😁
     

     View Slide

109. (2) 仮説に負荷をかけるという態度
     122
     仮説を反証する
     仮説に負荷を
     かける
     必要な検証の
     程度を見極める
     検証時間を
     最小化する
     

     View Slide

110. 123
     仮説に負荷をかけることで
     確からしさはより上がる
     

     View Slide

111. 仮説への負荷が低いとき
     たとえば「欲しい」と言ってくれる人を集めるだけだと負荷が
     低く、本当にその仮説が確かかどうか分からない。
     124
     100%
     0%
     5%
     欲しいと
     言ってくれた
     仮説の確からしさ
     

     View Slide

112. 仮説への負荷が高いとき
     覚書を求めることなどで仮説に負荷をかけると、その仮説の確
     からしさが上がる。
     125
     100%
     0%
     40%
     お金を払う
     約束を覚書で
     してくれた
     5%
     欲しいと
     言ってくれた
     仮説の確からしさ
     

     View Slide

113. 126
     淘汰圧をかけて
     仮説を進化させるつもりで
     仮説に負荷をかける
     

     View Slide

114. 128
     仮説検証による学びで
     仮説の進化
     を促す
     

     View Slide

115. 129
     負荷をかけることで
     仮説の墓標が多く立つのは
     仕方がない 😥
     

     View Slide

116. 130
     自分の仮説と恋に落ちていると
     仮説に負荷をかけにくい 😥
     

     View Slide

117. 131
     一個一個の勝負（仮説検証）に
     勝つのではなく
     最終的な勝利が重要 👍
     （※ただし時間内での勝利であること）
     

     View Slide

118. (3) 必要な検証の程度を見極める
     132
     仮説を反証する
     仮説に負荷を
     かける
     必要な検証の
     程度を見極める
     検証時間を
     最小化する
     

     View Slide

119. 133
     “仮説の確度がどの程度必要か”
     は状況によって異なる
     

     View Slide

120. Photo by Steve Jurvetson CC BY 2.0 134
     おそらくほとんどの
     決定は、あなたが
     持っていたい情報の
     70％程度で行われ
     るべきです
     Jeff Bezos (Amazon, Founder)
     2016 年の株主への手紙
     

     View Slide

121. 135
     意思決定のためには
     100% の確度は必要ない
     

     View Slide

122. 意思決定のためにどれだけの学びが必要かを見極める
     意思決定のために必要なだけの学びを見極めて、確度を高める
     作業をどこかで打ち切る必要もある。
     136
     仮説生成
     (仮説探索)
     仮説選択 仮説検証 意思決定
     実行
     もしくは
     次の仮説
     の検証
     仮説の修正 (仮説の進化)
     学び
     

     View Slide

123. 5% だと次に行くのは早すぎるかもしれないけれど…
     137
     100%
     0%
     5%
     欲しいと
     言ってくれた
     仮説の確からしさ
     

     View Slide

124. 40% 程度までいけば意思決定ができるかもしれない
     それなりの確度になれば、次に不確実な仮説を検証したり、あ
     るいは仮説に基づいて実行することをしてもいいかもしれない。
     138
     100%
     0%
     40%
     お金を払う
     約束を覚書で
     してくれた
     仮説の確からしさ
     

     View Slide

125. 仮説検証の天秤：お金 or 時間
     どの程度の仮説検証を行うかどうかは、コストと時間との兼ね
     合いで決める。
     139
     間違えば
     大きなコスト
     （人・物・お金・時間）
     が発生する
     💴
     今すぐ
     始められて
     機を掴む
     ⏰
     

     View Slide

126. 140
     ただし確度が低い仮説に
     基づいて事業を進めると
     無駄
     が発生するかもしれない
     

     View Slide

127. 確度が低い状態で進めたときに起こりうる無駄
     仮説を検証せず、確からしさが低いまま進めてしまったときに
     は、様々な無駄が発生する可能性が高まる。
     141
     時間の無駄
     たとえば顧客が欲しがると
     思って、半年間を使って
     作った製品が使われなかっ
     たとしたら、その半年間の
     時間が無駄になる。
     時間の無駄は、寿命が短い
     スタートアップにとっては
     一番痛い無駄。
     お金の無駄
     その製品を作ったのにつか
     われなかった場合、製品開
     発にかかったコストは大き
     なお金の無駄になる。
     人の無駄
     採用した人のスキルが十全
     に活かさなかったりするこ
     とは、才能の無駄使いにな
     る。
     

     View Slide

128. 142
     初回の起業家は
     自分の仮説の確度を
     甘く見積もりがち
     （既に仮説の確度が高いと思って大きな資金調達などを目指してしまう）
     😂
     

     View Slide

129. 143
     それに検証せずに
     “今すぐ”
     やらなければならない
     場合はそこまで多くない
     

     View Slide

130. 144
     ほんの少しのコストで
     仮説検証（リスク検証）
     ができるのであれば
     やった方が良い 😀
     

     View Slide

131. (4) 検証時間を最小化する
     146
     仮説を反証する
     仮説に負荷を
     かける
     必要な検証の
     程度を見極める
     検証時間を
     最小化する
     

     View Slide

132. 速さの計算：「みはじ」の式
     以下のような式を思い出してみる。これをスコープなどに置き
     なおすと…
     147
     みちのり
     はやさ じかん
     ÷
     ÷
     ×
     

     View Slide

133. みちのり＝スコープ、はやさ＝実行速度
     みちのりはスコープ、はやさは実行速度で表せる。
     148
     みちのり
     （スコープ）
     はやさ
     （実行速度）
     じかん
     

     View Slide

134. 時間が最も大事 → 時間を最小化しようとする
     大事なのは時間なので、これを最小にするようにしようとする
     と…
     149
     みちのり
     （スコープ）
     はやさ
     （実行速度）
     じかん
     

     View Slide

135. 「スコープを最小化する」「実行速度を上げる」の二択
     時間を最小化しようとすると、以下の二つの変数を変えるしか
     ない。
     150
     みちのり
     （スコープ）
     はやさ
     （実行速度）
     じかん
     スコープを
     最小化する
     実行速度を
     上げる
     

     View Slide

136. 仮説検証の速度を上げるためにできること
     この二つの両方を意識しながら検証を進める。
     151
     スコープの最小化
     道のりを最小化する。
     得られる学びは同量でありながらも最小限
     のものを作ろうとすることで、道のりは短
     くなり、かかる時間も短くなる。
     実行速度の最大化
     実行速度を上げることで、検証にかかる時
     間は最小化される。どれだけうまくスコー
     プが設定できても、実行速度が遅ければ
     （たとえば開発などが遅ければ）仮説検証
     を短時間に終わらせることはできない。
     

     View Slide

137. 仮説検証の 4 つのコツ
     仮説検証をするときに心がけたい 4 つのコツについて解説した。
     152
     仮説を反証する
     仮説に負荷を
     かける
     必要な検証の
     程度を見極める
     検証時間を
     最小化する
     

     View Slide

138. まとめ
     153
     

     View Slide

139. 154
     仮説検証力とは
     仮説についての
     最大の学習と学習棄却を
     最適なスコープ設計と実行により
     最速で行う力
     

     View Slide

140. 155
     仮説検証力とは
     仮説についての
     最大の学習と学習棄却を
     最適なスコープ設計と実行により
     最速で行う力
     （アンラーニング）
     

     View Slide

141. 156
     仮説検証力とは
     仮説についての
     最大の学習と学習棄却を
     最適なスコープ設計と実行により
     最速で行う力
     （アンラーニング）
     仮説検証の
     目的
     

     View Slide

142. 157
     仮説検証力とは
     仮説についての
     最大の学習と学習棄却を
     最適なスコープ設計と実行により
     最速で行う力
     （アンラーニング）
     仮説検証は
     速さが大事
     

     View Slide

143. 158
     仮説検証力とは
     仮説についての
     最大の学習と学習棄却を
     最適なスコープ設計と実行により
     最速で行う力
     （アンラーニング）
     最速にする
     ためのコツ
     

     View Slide

144. 159
     仮説検証力とは
     仮説についての
     最大の学習と学習棄却を
     最適なスコープ設計と実行により
     最速で行う力
     （アンラーニング）
     

     View Slide

145. 良い学びを得て、意思決定へとつなげる
     160
     仮説生成
     (仮説探索)
     仮説選択 仮説検証 意思決定
     実行
     もしくは
     次の仮説
     の検証
     学びが生まれる
     

     View Slide

146. 仮説検証で意識すると良いこと
     161
     学習と学習棄却
     学びを得たり、アンラーン
     をして、意思決定に役立て
     るのが仮説検証の目的であ
     り、仮説が合っているかど
     うかは最重要ではない。
     学びにフォーカスして仮説
     検証を進めること。
     スコープを最適化
     同量の学びが得られるス
     コープを設定することで、
     早く仮説検証を行うことが
     できる。
     MVP なども最大の学びが得
     られる最小のスコープの
     MVP を作ること。
     コツ
     • 学びたいことを解像度高
     く把握する
     • 反証する
     • 負荷をかける（淘汰圧を
     かける）
     • 意思決定に必要な確から
     しさを定める
     • 実行を早くする
     

     View Slide

147. 更なる文献
     • MVP の作り方 🔨
     • スケールしないことをしよう 👊
     • 解像度を高める
     • カスタマーマニアになろう
     • スタートアップのメトリクス
     • 仮説思考入門
     • 仮説生成力を鍛える
     • 仮説を選ぶ技術
     • 仮説思考
     • イシューからはじめよ
     • 実践デザイン #05 「MVP の仕様」
     162
     

     View Slide

148. FoundX の紹介
     163
     

     View Slide

149. FoundX とは
     164
     東京大学 FoundX は東京大学 産学協創推進本部の下部組
     織です。東京大学 本郷キャンパスの近くに 3 つの施設を構
     え、起業志望者向けのプログラムを複数提供しています。
     投資は行いませんが、無償での個室貸与やプログラムの提
     供、起業家コミュニティへの参加を支援します。
     🔥
     興味
     情熱
     Fellows (6 か月) Pre-Founders (6 か月) Founders (9 か月)
     👨‍👩‍👧
     ‍👦
     共同創業者
     の説得
     💰
     有利な
     資金調達
     🤝
     フル
     コミット
     🏆
     ビジネス
     実績
     📝
     初契約
     初売上
     💻🤖
     製品開発
     と改善
     💲
     助成金や
     コンテス
     ト
     賞金の獲
     得
     Review,
     Resource,
     School
     ➰
     試行
     錯誤
     🌱
     アイデア
     の種
     💡
     検証された
     アイデア
     📚
     起業家の
     基礎知識
     ＆スキル
     🔨
     プロト
     タイプ
     🙎
     顧客イン
     タビュー
     

     View Slide

150. FoundX の提供する起業家支援プログラム & リソース
     主に東京大学の卒業生向けに、無償のスタートアップ支援プロ
     グラムや学習リソースを提供。
     165
     👨‍👩‍👧
     ‍👦 チーム向け
     Founders Program
     事業と起業家の成長を、コ
     ミュニティを通して達成す
     るプログラム。個室を無償
     で最大 9 か月間貸与。
     Pre-Founders Program
     Founders Program に入る
     までの準備を行うプログラ
     ム。
     🧑👧 個人向け
     Fellows Program
     スタートアップ的手法の実
     践を通してアイデアを見つ
     け、育てるためのプログラ
     ム。
     📚 学習リソース
     FoundX Review
     平日ほぼ毎日更新し、ス
     タートアップのノウハウ情
     報を提供。カテゴリ別のま
     とめは FoundX Resource。
     FoundX Online School
     動画形式でスタートアップ
     の基礎を学べる。
     

     View Slide

151. スライド著者 & FoundX 運営
     馬田隆明 (東京大学 FoundX ディレクター）
     University of Toronto 卒業後、日本マイクロソフトでの Visual
     Studio のプロダクトマネージャーを経て、テクニカルエバンジェリス
     トとしてスタートアップ支援を行う。スタートアップ向けのスライド、
     ブログなどの情報提供を行う。
     サイト: https://takaumada.com/
     166
     スタートアップの
     方法論の基礎
     Amazon
     (2017年3月)
     起業環境の重要性と
     アクセラレーター
     の設計方法
     Amazon
     (2019年4月)
     スタートアップの
     公共や規制との
     付き合い方
     Amazon
     (2021年1月)
     スタートアップに
     ついてのスライド
     Slideshare
     SpeakerDeck
     

     View Slide

152. 167
     https://foundx.jp/
     ご応募お待ちしています
     😊
     

     View Slide