[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

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。 商用サービスからオープンソースまで20以上のツールを紹介し、それらを「CLIベース」「IDE統合型」「AI特化IDE型」「自律型」の4つのカテゴリに分類しました。 また、コーディングエージェントの本質が「LLM+ツール層」のオーケストレーションシステムであること、つまりLLM自体はコード生成と判断のみを担い、実際のファイル保存やコマンド送信はエージェントフレームワーク側が行うという基本アーキテクチャについても解説しました。 さて、今回は、「実際に使い込むと見えてくる課題」にフォーカスします。 正直なところ、どのツールも「すごい!」と感じる瞬間がある一方で、しばらく使っていると「あれ?」と思う場面に遭遇します。 セッションが長くなると急に性能が落ちたり、昨日教えたはずのことを今日は忘れていたり、ベンチマークで高スコアだったはずなのに自社コードではうまくいかなかったり……。 これらは単なる「まだ発

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
今からはじめるClaude Code

今からはじめるClaude Code

こんにちは! 今日は、最近エンジニアの間で話題になっているAIコーディングエージェント「Claude Code」について取り上げます。 AIによるコーディング支援ツールはここ1〜2年で一気に増え、「結局どれを選べばいいのか分からない」と感じている方も多いのではないでしょうか。本記事では、そうした中でClaude Codeを実際に使ってみた所感と、Windows環境での導入・運用の考え方を整理していきます。 AIコーディングツール、どれを使う? 2025年は、AIコーディング支援が一気に“実用品”になり、選択肢が増えすぎて迷いやすい年になりました。 GitHub Copilot、Cursor、Windsurf、Devin、Aider、Cline、OpenHandsなど、商用からオープンソースまで含めると、軽く20種類を超えます。 機能や思想が似ているものも多く、情報を追うだけで疲れてしまう、という方も少なくないと思います。 以前、当社ブログでは「AIコーディングエージェント20選」で全体像を整理しました。 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】

By Qualiteg プロダクト開発部, Qualiteg コンサルティング
日本語対応 LLMランキング2025 ~ベンチマーク分析レポート~(12月18日版)

日本語対応 LLMランキング2025 ~ベンチマーク分析レポート~(12月18日版)

はじめに 本レポートは、Nejumi Leaderboard 4のベンチマークデータ(2025/12/18版)に基づいて、日本語対応LLMの性能を総合的に分析したものです。 前回は 2025/10/12 版の分析レポートを公開しましたが、たった2か月で劇的な変化がありました! (定期的に最新LLMランキングを更新してまいります。当社のX(旧Twitter)をフォローいただくことで更新情報を受け取り可能です) Nejumi Leaderboard 4は、日本語タスクにおけるLLMの性能を多角的に評価する信頼性の高いベンチマークとして知られています。 本分析では、商用APIモデルとオープンモデルの両方を対象に、それぞれの特徴や傾向を詳しく見ていきます。 オープンソースモデルについて Weightがオープンなモデルは場合によっては「オープンソースモデル」、「OSSモデル」と呼ばれますが、モデルによっては「オープンソース」と呼ぶには不十分な場合があるため本稿では、「オープンソースモデル」ではなく「オープンモデル」と表現しています。 ベンチマーク分析について 本レポートは、

By Qualiteg コンサルティング, Qualiteg プロダクト開発部