[AI新規事業創出]Qualitegが考える、顧客理解のためのエンパシーマップ策定方法とは

[AI新規事業創出]Qualitegが考える、顧客理解のためのエンパシーマップ策定方法とは

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。


新規事業開発経験ありの中級者以上の方からよくある質問です。

デザインシンキングではよく見る「共感マップ」ですが、実際新規事業開発の時に使えるものなのでしょうか?

答えは「はい、使えます、一緒にやってみましょう★」です。

私がコンサルティングさせていただいているクライアントで見てみると、日本企業より、アメリカ企業の方が使われる方が断然多い「共感マップ」。

日本企業でなぜ使われないのか、どうやったら有効的に使うことができるのかを本日は解説させていただきますね。

そもそも共感マップとは?

共感マップは、日本語でまず共感マップという翻訳がされている時点でとってもわかりづらくなっていると、個人的に思います。

英語だと "Empathy Map" と呼びます。

これらは、デザインシンキングに代表されるフレームワークで、ユーザーや顧客の行動、考え方、感情を理解するためのビジュアルツールです。

このマップは、顧客が製品やサービスをどのように感じ、考え、体験するかを深く掘り下げることを目的としています。

”共感"とは何か?

日本語で”共感”という言葉から連想することは、他人の感情や状況を理解し、それに対して感じる共鳴や同感のこと、という印象です。日本語的な”共感”は、同じように思った、同意しているというニュアンスが含まれますよね。辞書によっては”感情移入”と訳されるケースもあるようです。

一方、英語の”Empathy”はどういうニュアンスかというと、”賛同する”という意味合いよりも、”人の気持ちや問題を理解する能力”という意味が強いのです。

そのため、日本人はターゲットユーザーについてヒアリングをして”その気持ちに自分も同意して同じように共感しないとこのマップを作れない”と潜在意識的に考えてしまうので、どうも苦手意識が強いようです。

英語Nativeの人からすると、

「インタビューして相手の気持ちを汲み取って書けばいいんだよね?」

というフレームワークになりますが、

日本語で”共感マップ”を使われてきた方は

hands formed together with red heart paint

「この人の言ってる、この点は僕はそう思わないんだけどなあ。う~ん。。。」

と違和感を感じてしまうということなのです。

ということで、この共感マップについては、Qualitegではエンパシーマップと呼ぶことにしております。そして皆様はユーザーの様々な言動や意識、行動、感情を想像しながら書いて頂けばよいのです。無理に同調しなくてよいのです。

単発の革新ではなく、持続的なイノベーションの流れを創り出す—株式会社Qualitegの Innovation-Crossは、企業を中心とした共創エコシステムの構築を支援するプログラムです。企業の現状分析をもとに、社内の創造性と外部リソースを効果的に結びつける仕組みを設計。

アイデアワークショップやハッカソン企画で内部の革新力を高めながら、オープンイノベーションやパートナー開拓で外部との共創関係を構築します。最先端AI技術の活用支援も含め、「自社だけでは維持困難」な革新の連鎖を生み出すエコシステムを創出。経験豊富な専門コンサルタントが、御社を取り巻く革新の生態系を最適化し、持続的な価値創造の基盤を確立します。

共感マップを書く順番とは?

エンパシーマップの書く順番でお勧めの順番があります。この順番はQualitegのオリジナルの思考法なのですが、体験価値を言語化し、Pros/Consを分析していくという手法になっています。

  • Think and Feel(思考と感じていること)

    • ペルソナが何を考え、どのようなことを感じているのか、内面的な動機や心配事、真の感情などを書きましょう。
  • See(見ていること)

    • ペルソナが普段の日常生活で目にしているものは何か、彼らの環境や見ているものを表すことが必要です。
    • 具体的にはどのようなメディアを利用していて、周囲の人々はどういう行動しているかなどを具体的に書きましょう。
  • Hear(聞いていること)

    • ペルソナが普段の生活環境の中で、どのような情報を聞いているのか、友人、家族、同僚からどのような意見や提案を受けているのか、どのような噂を聞いて気になっているのかなどを書きましょう。
  • Say and Do(言うこと)

    • ペルソナがどのような発言をしたり、どのような行動をとっているかを書きましょう。
    • 外部に向けた行動や発言が中心となるため、SNSに発信している内容なども代表的なものになります。
  • Pains(困りごと、ストレス要因)

    • ペルソナが直面している主要な課題や、挑戦しなくてはならないこと、懸念事項などを書きましょう。
    • ストレスの要素だったり、ネガティブ材料などを書くのも個性が表現されるので、わかりやすいです。
  • Gains(困りごとの解決策)

    • ペルソナが求める願望、ニーズについて書きましょう。
    • これは書くときに誤解してしまいがちなのですが、「将来金持ちになりたい」というような漠然とした願望ではなく、5のPain=課題に対する解決策としてどのようなことを望んでいるかということを想像して具体的に書いてみましょう。

エンパシーマップは、サービス開発やデザイン、マーケティング戦略立案など、顧客中心のアプローチを検討する際に非常に役立ちます。

person in white shoes standing on gray concrete road

今までエンパシーマップを書いたことが無い方も是非、このステップをおさらいしながら書いてみてください。

いつもよりもユーザーの気持ちを想像しやすくなり、UIUX検討時に具体的なアイコンサイズや顧客の具体的なサービスの利用シーンなどがイメージしやすくなり、チームの認識合わせもやりやすくなるため、開発も加速することでしょう。

例えば、専業主婦の方がターゲットユーザーであるサービスを開発している場合、

この後、子供のお迎えに行かなきゃいけない。その前に急ぎでお夕飯の支度を作らなくちゃいけない。。!

と焦っているような場合、ボタンアイコンの押し忘れやミスがないように大きめに設定してあげるなど、意外とエンパシーマップもUIUX検討に使えるのでお勧めいたします。


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

AI時代のデータ漏洩防止の要諦とテクノロジー:第1回 AI DLPとPROXY

AI時代のデータ漏洩防止の要諦とテクノロジー:第1回 AI DLPとPROXY

こんにちは!本日はAI時代のデータ漏洩防止について、とくにその通信技術面に焦点をあてつつ、AIセキュリティにどのように取り組んでいくべきか、解説いたします。 1. はじめに 生成AIの急速な普及により、企業のデータガバナンスは新たな局面を迎えています。ChatGPTやClaudeといった大規模言語モデル(LLM)は、業務効率を飛躍的に向上させる一方で、意図しない機密情報の漏洩という深刻なリスクをもたらしています。 従業員が何気なく入力した顧客情報や営業秘密が、AIサービスの学習データとして使用される可能性があることを、多くの組織はまだ十分に認識していません。従来のDLP(Data Loss Prevention)ソリューションは、メールやファイル転送を監視することには長けていましたが、リアルタイムで行われるWebベースのAIチャットやAIエージェントとの対話で発生しうる新しい脅威には対応できていないのが現状です。 本記事では、AI時代のデータ漏洩防止において中核となる技術、特にHTTPS通信のインターセプトとその限界について、技術的な観点から詳しく解説します。プロキシサーバー

By Qualiteg プロダクト開発部, Qualiteg コンサルティング
LLM推論基盤プロビジョニング講座 第5回 GPUノード構成から負荷試験までの実践プロセス

LLM推論基盤プロビジョニング講座 第5回 GPUノード構成から負荷試験までの実践プロセス

こんにちは!これまでのLLM推論基盤プロビジョニング講座では、推論速度の定義、リクエスト数見積もり、メモリ消費量計算、推論エンジン選定について詳しく解説してきました。 今回は、残りのステップである「GPUノード構成見積もり」「負荷試験」「トレードオフ検討」について一気に解説し、最後に実際のサーバー構成例をご紹介します。 STEP5:GPUノード構成見積もり GPUメモリから考える同時リクエスト処理能力 LLMサービスを構築する際、どのGPUを何台選ぶかは非常に重要な決断です。今回はLlama 8Bモデルを例に、GPUメモリ容量と同時リクエスト処理能力の関係を見ていきましょう。 GPUメモリの使われ方を理解する ここは復習となりますが、 LLM推論においてGPUメモリは主に2つの用途で消費されます 1. モデル重みデータ: LLMモデル自体を格納するためのメモリ 2. KVキャッシュ: ユーザーとの対話コンテキストを保持するための一時メモリ Llama 8Bを16ビット精度で実行する場合、モデル重みデータは約16GBのメモリを占めます。これは固定的なメモリ消

By Qualiteg コンサルティング
発話音声からリアルなリップシンクを生成する技術 第2回:AIを使ったドリフト補正

発話音声からリアルなリップシンクを生成する技術 第2回:AIを使ったドリフト補正

こんにちは! 前回の記事では、当社のMotionVoxで使用している「リップシンク」技術について、wav2vecを用いた音声特徴量抽出の仕組みを解説しました。音声から正確な口の動きを予測するための基礎技術について理解いただけたかと思います。 今回は、その続編として、リップシンク制作における重要な技術的課題である「累積ドリフト」に焦点を当てます。wav2vecで高精度な音素認識ができても、実際の動画制作では複数の音声セグメントを時系列に配置する際、わずかなタイミング誤差が蓄積して最終的に大きなずれとなる現象が発生します。 本記事では、この累積ドリフトのメカニズムと、機械学習を活用した最新の補正技術について、実際の測定データを交えながら詳しく解説していきます。前回のwav2vecによる特徴抽出と今回のドリフト補正技術を組み合わせることで、MotionVoxがどのように高品質なリップシンクを実現しているのか、その全体像が見えてくるはずです。 累積ドリフトとは何か 基本概念 累積ドリフトとは、個々の音声セグメントが持つ微小なタイミング誤差が、時間の経過とともに蓄積していく現象で

By Qualiteg 研究部
AIエージェント時代の新たな番人「ガーディアンエージェント」とは?

AIエージェント時代の新たな番人「ガーディアンエージェント」とは?

こんにちは!今日は先日ガートナーが発表したガーディアンエージェントについて解説します ガートナーの公式定義 ハイプカーブで有名なガートナーは2025年6月に、ガーディアンエージェントに関する見解を発表しました。ガーディアン・エージェントとは、AIとの安全で信頼できるやりとりを支援するために設計されたAIベースのテクノロジです。 ざっくりいうと、 「AIエージェントが来るよ」と予言したガートナー社は、次は、「ガーディアンエージェントが来るよ」と予言しました。なぜガーディアンエージェントが来るのでしょうか?本稿では、そのあたりを考察していきたいと思います。 なぜ今、AIの「監視役」が必要なのか 2025年、私たちは本格的なAIエージェント時代の入り口に立っています。AIが単なるツールから、自律的に判断し行動する「エージェント」へと進化する中で、新たな課題が浮上しています。 従来のAIとエージェント型AIの違い さて、ガーディアンエージェントが必要になる理由として、生成AI(以後AIと呼びます)の急速な進化があげられます。従来のAIとエージェント型AIの違いを思い出

By Qualiteg コンサルティング