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

多くの企業が顧客の課題を担当者の直観に頼り、誤解を招くことが多いです。課題選定には市場やユーザーのニーズを深く理解し、新規事業の目的と合致することが重要です。Qualitegの提案では、事業責任者との初期合意に基づき、目的に適した課題を選ぶべきと考えています。

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

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。


顧客の課題がいくつか見つかったときに、どの課題に対して、自社のサービスを検討すべきか悩まれる方が非常に多くいらっしゃいます。

顧客の課題は担当者が決めるべきなのか?

多くのクライアントに「顧客課題はどのように決定されましたか?」とお伺いすると、約8割の方は「担当者の直観で決めた」とお答えくださる方が多いです。

その「担当者の直観」が当たるといいのですが、ほとんどのクライアントが事業責任者向け説明会で

「それって君がその課題がいいって思っただけでしょ」

と突っ込まれて、やり直しになってしまわれた、どうやって進めたらいいのだろうか、とご相談を受けるケースが非常に多いです。

きちんと市場調査、ユーザー調査をなさった企画担当者の方であればあるほど、ご自身が一番市場やユーザーの方を理解してると思っていらっしゃる方が多いのです。もちろんそれはある意味正しいのかもしれません。

でも、今一度落ち着いて考えていただきたいことは

その課題は自社のターゲットユーザーがお金を払ってまで解決したいと思う強いニーズはあるのか

という点なのです。

Qualitegが提唱する「顧客課題の決定方法」

では、どのように「顧客課題」を選定するべきでしょうか。

持続的なイノベーションには、それを育む組織文化と外部連携の仕組みが必要です。株式会社Qualitegの Innovation-Crossは、企業内のイノベーション文化醸成と外部との共創体制構築を支援するプログラム。

現状分析をもとに、社内の創造性を刺激するアイデアワークショップや、外部との協業を促進するハッカソン企画など、多様なアプローチで「自社だけでは構築困難」な革新の土壌を作ります。最先端AI技術の活用支援も含め、イノベーションを継続的に生み出す組織の在り方と、外部リソースを効果的に取り込む連携の仕組みを設計。経験豊富な専門コンサルタントが、御社の革新力を根本から強化する文化と体制の構築を導きます。

私たちはまず初めに、「事前に事業責任者と合意した、新規事業立ち上げの目的」に立ち戻り、その際の選定クライテリアを抽出することをお勧めします。

詳細については

[AI新規事業創出]Qualitegが考える、企画後にもめないための新規事業承認判断軸の検討方法とは

の記事も合わせてご確認いただければ幸いです。

今回例に挙げている、電動自転車スタートアップを例とした場合、今回の新規事業開発の目的は

「新UX創出」として、「自社のターゲットユーザーである都市部で働くビジネスマンの生活充実度を向上させるサービスを市場導入することをゴールとする」
たとえば、方向性としては、オフィスや自宅などでもできる健康維持ができるサービスや、仕事の疲れが取れるリフレッシュできるサービス、自身のキャリアアップのためのサポートができるサービスなどを考えたいと思っています。

であることに決定しました。

それをすっかり忘れて、目についたり、自分が簡単に課題解決できそうな課題に飛びついてしまうのはNGです。

ここでミスしやすいのが

電気自転車をレンタルしたいと思って借りてみたが、充電された電気量が少なかった

というファクトが顧客の課題である、というところまではよいのですが、それを解決するために

「各自転車の残量がわかるサービスを企画する」

というようなケースです。

この課題に対しての解決策であるという意味では間違えていないのですが、根本に戻ると、今回の新規事業に期待されている 「新UX創出」 やそれらをブレイクダウンした、
「自社のターゲットユーザーである都市部で働くビジネスマンの生活充実度を向上させるサービスを市場導入する」 から離れてしまっていますよね?

time lapse photo of person riding on white road bicycle

事業開発目的に沿った課題の抽出を

企画担当者ご自身に期待されているのは「新UX創出」です。

そして、ご自身が以前事業責任者に約束したのは「自社のターゲットユーザーである都市部で働くビジネスマンの生活充実度を向上させるサービスを市場導入する」ですから、課題もそれらに沿った形で抽出することが必要です。

たとえば、

「電気自転車と徒歩や公共交通機関を組み合わせて、時間通りに目的地に着くにはどうするべきか」

ですとか、

「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」

このような形で顧客の課題を評価してみるとよいでしょう。


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