Qualitegセレクション:アイディア深堀編④ストーリーボードの活用術

Qualitegセレクション:アイディア深堀編④ストーリーボードの活用術

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。


お絵描きが楽しい★ストーリーボード

ユーザーインタビューやアイデア発想法などで得られたアイデア。素晴らしい可能性を秘めているものの、形にするにはまだ詳細が足りない、具体的にイメージしづらい、と感じることありませんか?

そんな時に役立つのがストーリーボードです。

Qualitegセレクション、アイディア深堀編④では、ストーリーボードを活用してアイデアを具体化し、サービスやプロダクトの質を高める方法をご紹介します。

普段のコンサルティングご支援でもストーリーボードやりましょう!と申し上げると「自分は絵を描くのが苦手だから」とおっしゃる方もいらっしゃいますが、全く問題ございません!

棒人間的な絵の方が余計な情報が入ってこないので、ユーザー体験がリアルに表現できるのでそれもまた良いUXとなるのです★では、解説を始めましょう。

なぜストーリーボードが重要なのか?

ストーリーボードは、映画やアニメーションの制作現場でよく使われる手法ですが、UX/UIデザインにおいても非常に強力なツールです。

ストーリーボードを使うメリット

アイデアを視覚的に表現できる

    • 抽象的なアイデアを具体的なシーンで表現することで、関係者全員が同じイメージを共有しやすくなります。

ユーザー視点で体験をシミュレーションできる

    • ユーザーがサービスやプロダクトをどのように利用するのか、ストーリーを通して追体験することで、潜在的な課題や改善点を発見できます。

感情やニーズを理解しやすくなる

    • ユーザーの表情や行動、周囲の状況などを描写することで、ユーザーの感情やニーズをより深く理解できます。

コミュニケーションツールとして有効

    • ストーリーボードは、開発チーム内だけでなく、クライアントやユーザーとのコミュニケーションツールとしても活用できます。

急速に変化する市場環境の中で、企業が持続的に成長するには、革新的な価値創造が不可欠です。株式会社Qualitegの Innovation-Crossは、その未来への扉を開く共創支援プログラム。

現状分析から戦略策定、実行支援まで、外部との協業による革新創出の全プロセスをサポートします。アイデアワークショップやハッカソン企画、最先端AI技術の活用など、多彩なアプローチで御社のイノベーション創出を加速。経験豊富な専門コンサルタントが、社内外のリソースを最適に組み合わせた次世代の価値創造へと導き、御社の持続的な成長と競争優位の確立を実現します。未来を創るのは、共創の力です。

ストーリーボード作成の手順

ユーザーペルソナを設定する

 ・ターゲットとなるユーザー像を明確化します。

ユーザーのゴールを定義する

 ・ユーザーがサービスやプロダクトを通して何を達成したいのかを明確にします。

主要なシーンを洗い出す

 ・ユーザーがサービスやプロダクトを利用する過程で、重要なシーンをピックアップします。

各シーンをスケッチする

 ・簡単なイラストと吹き出しを使って、各シーンを視覚的に表現します。

ストーリーを繋いで完成させる

 ・スケッチしたシーンを順番に並べ、ストーリーとして繋ぎ合わせます。

ストーリーボード作成のポイント

  • シンプルで分かりやすく: 詳細な描写よりも、重要な要素をシンプルに表現することを心がけましょう。
  • ユーザーの視点に立つ: 常にユーザーの気持ちや行動を想像しながら作成しましょう。
  • フィードバックを積極的に得る: 作成したストーリーボードを関係者に見せて、意見交換を行いましょう。

まとめ

ストーリーボードは、アイデアを深堀りし、ユーザー視点でサービスやプロダクトをデザインするための強力なツールです。

Qualitegでは、ストーリーボードをはじめとする様々なUXデザイン手法を活用し、ユーザーにとって本当に価値のあるサービスやプロダクトの開発を支援しています。ぜひ、ストーリーボードを活用して、あなたのアイデアを形にしてみてください。

Qualitegでは新規事業開発コンサルティングや人財育成研修以外にプロト開発も行っておりますので、ご相談いただけますと幸いです。


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。

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