[AI新規事業創出]Qualitegが考える、アイディア出しの前にすべき競合サービス概要調査とは

競合サービス調査はアイディア創出前に重要で、市場ニーズと競合の戦略を理解するために行います。具体的には、サービス内容、価格設定、市場の魅力度や競合のビジネスモデルを詳細に分析し、自社の差別化ポイントを見つけるためです。大手企業は、M&Aの可能性も検討します。

[AI新規事業創出]Qualitegが考える、アイディア出しの前にすべき競合サービス概要調査とは

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。


アイディア創出の前の市場調査ですが、自社ではなかなか調査のケイパビリティがない、時間が取れないなどのお困りごとをお伺いするケースが多いです。

今日は競合サービスの調査をどのようにすべきかというのを解説していきたいと思います。

競合サービス調査の目的とは

アイディアを出す前に、他社がどのようなサービスをいくらくらいの価格で展開し、どのようなビジネスを行っているかを調査することは非常に参考になります。また、競合サービスの状況や提供内容をふまえ、自社がとるべきポジションを検討することが可能ですので、アイディア出しの前には必ず競合サービスの調査をしましょう。

大手企業の場合はM&A余地も確認する

クライアント企業が大手企業様の場合は、私は一般の競合サービス調査に加えて、スタートアップ企業の調査も致します。その理由は、自社で新規サービスをいちから始める前に、スタートアップで既に実施しているサービスについて業務提携したり、M&Aをすることでいち早く自社事業として展開できることが可能だからです。

person in blue shirt writing on white paper

スタートアップはアイディアはよいが資金力がない、自社販路を拡げられないなどの課題もありますので、大手企業との業務提携について前向きなケースも多いです。このステップでは競合サービスの調達額や調達先を把握し、M&Aの余地を簡易的に確認してみましょう。

競合サービス調査の際の論点とは

競合サービス調査で確認すべきポイントは大きく分けると以下の二つです。

  1. 対象の市場やその事業の魅力度は高そうか?
  2. 自社で新規事業として参入する際のポイントは何か?

上記論点に答えられるための回答を見つけるために競合調査をしてみましょう。

企業が直面する課題には、未来への可能性が隠されています。株式会社Qualitegの Innovation-Crossは、現在の課題と未来の可能性を共創で結びつけるプログラム。企業の現状分析を通じて「自社だけでは解決困難」な課題を特定し、その背後にある未来の機会を見出します。

アイデアワークショップやハッカソン企画で創造的なソリューションを探索し、オープンイノベーションやパートナー開拓で外部の革新的リソースを活用。最先端AI技術の適用も含め、課題解決と未来創造を同時に実現する革新的なアプローチを設計します。経験豊富な専門コンサルタントが、御社の課題を未来への跳躍台に変える共創プロセスを導き、今日の問題解決と明日の競争優位確立を両立します。課題の向こうに広がる可能性を、共に切り拓きましょう。

対象の市場やその事業の魅力度の確認方法

市場や事業の魅力度という観点では、例えば、市場規模は大きいかを確認するため、直近5年の市場規模や、競合サービスのユーザー数などを確認し、他の類似市場と比較をします。

市場成長性に関しては、市場成長率に加え、本業界の新規参入企業数や、全体のユーザー拡大数などを調査しましょう。

業界の収益性については、一般的なビジネスモデルを確認し、競合他社のIR情報などを見ながら、該当事業の収益性を確認します。

自社で新規事業として参入する際のポイントの確認方法

まず初めに、競合のサービスはどのようなユーザーをターゲットとしているのかを確認しましょう。どのくらいの年代で、年間どのくらいの額をサービスに支払っているのか、ターゲットユーザーの属性情報なども調べてみましょう。

合わせて、一番重要なのが各社のサービス内容の調査です。それぞれがどんな提供価値を実現しているのか、何が差異化のポイントとなり、ユーザーのどのようなニーズにどのような形で答えているのかを明確化し、自社の戦略検討のための参考情報とします。

これらの情報があればあるほど、量が多いほど、アイディア創出時の質が上がりますので、競合他社のセールス担当になれるくらい詳しく情報を収集し、分析できるようにしてみてくださいね。


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

LLM推論基盤プロビジョニング講座 第3回 使用モデルの推論時消費メモリ見積もり

LLM推論基盤プロビジョニング講座 第3回 使用モデルの推論時消費メモリ見積もり

こんにちは!前回はLLMサービスへのリクエスト数見積もりについて解説しました。今回は7ステッププロセスの3番目、「使用モデルの推論時消費メモリ見積もり」について詳しく掘り下げていきます。 GPUメモリがリクエスト処理能力を決定する LLMサービス構築において、GPUが同時に処理できるリクエスト数はGPUメモリの消費量によって制約されます。 つまり、利用可能なGPUメモリがどれだけあるかによって、同時に何件のリクエストを処理できるかがほぼ決まります。 では、その具体例として、Llama3 8B(80億パラメータ)モデルをNVIDIA RTX A5000(24GB)にロードするケースを考えてみましょう。 このGPUには24GBのGPUメモリがありますが、すべてをリクエスト処理に使えるわけではありません。最初にモデル自体が一定量のメモリを消費し、残りの領域で実際のリクエスト処理を行います。 GPUメモリ消費の二大要素 GPUの消費メモリ量は主に以下の2つの要素によって決まります 1. モデルのフットプリント LLMをGPUに読み込んだときに最初に消費されるメモリ

By Qualiteg コンサルティング
システムとcondaのC++標準ライブラリ(libstdc++)のバージョン違い問題による事象と対処法解説

システムとcondaのC++標準ライブラリ(libstdc++)のバージョン違い問題による事象と対処法解説

こんにちは! 先日、dlibをつかったPythonアプリケーション(conda環境で動作する)作っていたところ、以下のようなエラーに遭遇しました。 ImportError: /home/mlu/anaconda3/envs/example_env/bin/../lib/libstdc++.so.6: version `GLIBCXX_3.4.32' not found (required by /home/mlu/anaconda3/envs/example_env/lib/python3.10/site-packages/_dlib_pybind11.cpython-310-x86_64-linux-gnu.so) 「dlib_pybind11モジュールがGLIBCXX_3.4.32を要求してるけど、みつからない!」という感じのエラーですね。

By Qualiteg プロダクト開発部
LLM推論基盤プロビジョニング講座 第2回 LLMサービスのリクエスト数を見積もる

LLM推論基盤プロビジョニング講座 第2回 LLMサービスのリクエスト数を見積もる

こんにちは! 今回はLLM推論基盤プロビジョニング講座 第2回です! STEP2 LLMサービスへのリクエスト数見積もり それでは、早速、LLM推論基盤プロビジョニングの第2ステップである「リクエスト数見積もり」の重要性と方法を解説いたします。 LLMサービスを構築する際に必要となるGPUノード数を適切に見積もるためには、まずサービスに対して想定されるリクエスト数を正確に予測する必要があります。 リクエスト数見積もりの基本的な考え方 LLMサービスへの想定リクエスト数から必要なGPUノード数を算出するプロセスは、サービス設計において非常に重要です。過小評価すればサービス品質が低下し、過大評価すれば無駄なコストが発生します。このバランスを適切に取るための基礎となるのがリクエスト数の見積もりです。 想定リクエスト数の諸元 リクエスト数を見積もるための5つの重要な要素(諸元)をみてみましょう。 1. DAU(Daily Active Users): 1日あたりの実際にサービスを利用するユーザー数です。これはサービスの規模を示す最も基本的な指標となります。 2. 1日

By Qualiteg コンサルティング
Zoom会議で肩が踊る?自動フレーミング映像安定化とAIによる性能向上の可能性

Zoom会議で肩が踊る?自動フレーミング映像安定化とAIによる性能向上の可能性

こんにちは! 本日は、自動フレーミング映像の安定化に関するアルゴリズム・ノウハウを解説いたします 第1章 問題の背景と目的 バストアップ映像を撮影する際、特にオンラインミーティングやYouTubeなどのトーク映像では、人物がうなずく、首を振るなどの自然な動作をした際に「首まわりや肩がフレーム内で上下に移動してしまう」という現象がしばしば起こります。これは、多くの場合カメラや撮影ソフトウェアが人物の「目や顔を画面中央に保とう」とする自動フレーミング機能の働きに起因します。 撮影対象の人物が頭を下げた際に、映像のフレーム全体が相対的に上方向へシフトし、その結果、本来動いていないはずの肩の部分が映像内で持ち上がっているように見えてしまう現象です。 本稿では、この問題を撮影後の後処理(ポストプロセッシング)のみを用いて、高速、高い精度かつロバストに解決する手法をご紹介します。 前半では、従来のCV(コンピュータービジョン)の手法を使い高速に処理する方法をご紹介します。後半では、AIを使用してより安定性の高い性能を実現する方法について考察します。 第2章 古典手法による肩の上下

By Qualiteg 研究部