[AI新規事業創出] Qualitegオリジナル、効果的な顧客課題の比較方法とは

顧客課題の比較方法について、市場規模調査や自社とのシナジー、実現可能性の検討が重要です。各課題に対し市場の潜在性、自社の既存事業との関連性、技術やコストの面から評価し、最終的に調査結果を得点化して比較することで、参入すべき市場を明確にします。

[AI新規事業創出] Qualitegオリジナル、効果的な顧客課題の比較方法とは

Qualiteg blogを訪問してくださった皆様、こんにちは。Micheleです。AIを活用した新規事業やマーケティングを手がけている私には、クライアントからよく寄せられる質問があります。AIを用いた事業展開を検討されている方々が共通して直面するであろう課題に対して、このブログを通じて私なりの解答をご提供したいと思います。


出てきた課題をどのように比較するべきかというお悩みもよくご相談いただきます。今回は顧客課題をどのように比較すべきか、という観点でお話ししたいと思います。

まずは代替ユースケースの市場規模調査を実施

今回抽出されたそれぞれの課題について、課題もしくはそのソリューションによってどのくらいの市場規模か獲得できるのかを調査します。

一見、直接関係の無いようなユースケースに見えたとしても、既にユーザーがその課題に対してお金を払って課題を解決している という観点では、「代替市場あり」 ということができますね。

今回は

「電気自転車の電源が切れてもステーションの位置がわかり、短時間でもきちんと運動した結果もわかってダイエットになると認識してもらうためにはどうするべきか」

を、顧客課題として確認するため、「短時間ダイエット市場」 について、市場規模を調べます。

次は自社の既存事業とのシナジー獲得を

次は、自社の既存事業とのシナジーがどのくらいあるかを検討しましょう。
今回新たに企画するサービスが、自社が保有している既存事業の技術や運営ノウハウ、ユーザー総などの顧客基盤を流用可能かを確認します。

全くすべて新規の領域ですと、自社のノウハウがないため、なかなかサービス企画や市場導入、マーケティングのハードルが上がってしまいます。そのため、自社がこの新規事業をやる意義があるのかという命題に答えるためにも、自社の既存事業とのシナジーについて検討しましょう。

イノベーションの成功には、企業固有の課題と可能性を的確に捉えることが不可欠です。株式会社Qualitegの Innovation-Crossは、企業の内部環境と外部環境を徹底的に分析し、最適な共創を設計するプログラム。業界動向、技術トレンド、競合状況などを多角的に調査し、「自社だけでは解決困難」な課題に対して、外部との協業による革新的なソリューションを提案します。

アイデアワークショップ、ハッカソン企画、最先端AI技術の活用など、多様なアプローチを駆使し、社内外のリソースを最適に組み合わせた価値創造を実現。経験豊富な専門コンサルタントが、御社の課題と可能性を深く理解した上で、確実な成果へと導きます。

続いて、自社の実現可能性について検討を

調査の最後のステップとして重要な実現可能性についてお話ししたいと思います。

そもそも

  • この市場は顧客の支払い性向がありそうなのか=マーケットとして成立しそうなのか
  • 自社が保有している技術でサービス開発ができそうか
  • 自社でできそうにない場合、依頼できる企業はいるのか
  • 依頼できる企業はいくらくらいの費用で対応してくれそうか
  • 開発コストと予想収益を比較して事業の利益が出そうか
  • 自社で提供できそうな販売価格は市場に受け入れられそうか

など、他社を含めた既存事業の有無や、それらの事業展開における課題、ユーザーニーズの確からしさ、ユーザーはどのくらいその課題に対して支払うのかや、自社技術の成熟度などを確認します。

最後に、調査結果を得点化して比較

それら調査結果を表に記入し、得点化して比較します。

a couple of blue and red mailboxes

自社にとって重要である指標を高得点に、それほどでもないものは低得点に設定sるうというように点数化してみましょう。

各種顧客課題やそれに対するソリューション案イメージを踏まえたリストに、自社として大事にしたい項目のそれぞれの得点が見えてくるため、おのずと自社が参入すべき市場があなたにも見えてきますよ。


コラムを最後までお読みいただき、誠にありがとうございます。私たちQualitegは、AI技術や新規事業の企画方法に関する研修およびコンサルティングを提供しております。もしご興味をお持ちいただけた場合、また具体的なご要望がございましたら、どうぞお気軽にこちらのお問い合わせフォームまでご連絡くださいませ。

また、新規事業創出のステップを体得したいという方にご好評のワークショップも実施しております。それぞれの担当者の方が役員目線で事業を考えるという点にフォーカスしたトレーニング内容となっており、企画担当者の方だけではなく、カウンターパートのエンジニア、デザイナー、マーケターの方にもご受講いただけるコンテンツとなっております。

皆様からのお問い合わせを心よりお待ちしております。次回のコラムも、ぜひご期待くださいね。


navigation

Read more

Google GenAI SDK のストリーミングでマルチターン画像編集🍌が不安定になる問題と対処法

Google GenAI SDK のストリーミングでマルチターン画像編集🍌が不安定になる問題と対処法

こんにちは! Gemini 3 Pro Image (Nano banana Pro)を使ったマルチターン画像編集機能を実装していたところ、動いたり動かなかったりするという厄介な問題に遭遇しました。 本記事では、この問題の現象、原因調査の過程、そして解決策を共有します。 問題の現象 実行環境 Google GenAI SDKライブラリ(pip): google-genai 1.56.0 期待する動作 1. ユーザー: 「かわいい子猫の画像を生成して」 2. Gemini: 子猫の画像を生成 3. ユーザー: 「この子にメガネをかけて」 4. Gemini: 同じ子猫にメガネをかけた画像を生成 実際に起きた現象 1. ユーザー: 「かわいい子猫の画像を生成して」 2. Gemini: 茶色の子猫の画像を生成 3. ユーザー: 「この子にメガネをかけて」 4. Gemini: メガネをかけた女の子の画像を生成

By Qualiteg プロダクト開発部
【出展報告】TOKYO DIGICONX 2026

【出展報告】TOKYO DIGICONX 2026

こんにちは! 先日、「TOKYO DIGICONX 2026」に出展してまいりましたのでレポートさせていただきます! TOKYO DIGICONX 2026 TOKYO DIGICONX 2026は、2026年1月8日(木)~10日(土)に東京ビッグサイト 南3・4ホールで開催された、XR・メタバース・AI・Web3をテーマにした総合展示会です。 正式名称は「第3回 TOKYO XR・メタバース&コンテンツビジネスワールド」で、東京都、XRコンソーシアム、Metaverse Japan、東京商工会議所で構成されるXR・メタバース等産業展実行委員会が主催しています。 180社以上のスタートアップや企業が出展し、ビジネスデイ(8日・9日)とパブリックデイ(10日)の3日間にわたり、XR・メタバース・AI分野の最前線を体感できるイベントとなりました。 冬の東京ビッグサイト 新年明けて間もない1月の東京ビッグサイト。お正月気分もそこそこに、気合を入れて会場入りしました�

By Qualiteg ビジネス開発本部 | マーケティング部
コーディングエージェントの現状と未来への展望 【第2回】主要ツール比較と構造的課題

コーディングエージェントの現状と未来への展望 【第2回】主要ツール比較と構造的課題

こんにちは! 今回は、コーディングエージェントシリーズ第2回です! 前回の第1回では、2025年12月時点で百花繚乱状態にあるAIコーディングエージェントの全体像を俯瞰しました。 AIコーディングエージェント20選!現状と未来への展望 【第1回】全体像と基礎こんにちは! 今回は、20種類以上あるまさに百花繚乱なAIコーディングツールを一挙に紹介&解説していきたいとおもいます! AIをつかったコーディングはもはや常識となり、日々目まぐるしく新しいツールが登場しています。当社でも自社開発のAIコーディングツールをふくめ複数のツールを活用してソフトウェア開発をすすめていますが、次々とナイスなツールがでてきて興奮しつつも、正直キャッチアップが追いつかない…!という状況です。 「結局どれを使えばいいの?」「Claude CodeとCursorって何が違うの?」「オープンソースでも使えるやつあるの?」——そんな疑問を持っている方も多いのではないでしょうか。 そこで本シリーズでは、2025年12月時点でのAIコーディングツールを徹底的に整理してみました。商用サービスからオープンソースまで、20

By Qualiteg コンサルティング
LLM学習の現実:GPU選びから学習コストまで徹底解説

LLM学習の現実:GPU選びから学習コストまで徹底解説

こんにちは! なぜOpenAIやAnthropicは世界最高水準のLLMを作れるのに、それに肩を並べる日本発のLLMは存在しないのでしょうか? 技術力の差でしょうか。それとも人材の問題でしょうか。 答えはもっとシンプルです。GPUの枚数とお金です。 今日はそんな 「LLMの学習」にフォーカスをあて、そのリアルについて徹底解説いたします! 1. はじめに 「LLMを自分で学習させてみたい」 そう思ったとき、最初にぶつかる壁がGPUの問題です。 どのGPUを何枚使えばいいのか。クラウドで借りるべきか、オンプレで買うべきか。そもそも個人や小規模チームでLLM学習は現実的なのか。 本記事では、こうした疑問に対して、具体的な数字と事例を交えながら答えていきます。 たとえばLLaMA 2の学習にはA100が2,048枚使われました。DeepSeek-V3は約8億円かかりました。では、あなたの手元のGPUでは何ができるのか。そこを明らかにしていきたいと思います。 対象読者は、LLM学習に興味があるエンジニアや研究者です。PyTorchでモデルを書いたことがある程度の知識を前提とし

By Qualiteg プロダクト開発部, Qualiteg 研究部