ビジネス/キャリア on hdknr blog

giftee（ギフティ）：eギフトプラットフォームで「キモチの循環」を実現する企業の全貌

Wed, 08 Apr 2026 00:00:00 +0000

東証プライム上場のギフティ（証券コード4449）を徹底分析。eギフトの発券から流通・販売まで一気通貫のプラットフォーム事業、法人向けgiftee for Business、自治体向けe街プラットフォームの仕組みと最新動向を解説

MONOCO（モノコ）：「使い惚れ」だけを届けるキュレーションECの実力

Wed, 08 Apr 2026 00:00:00 +0000

MONOCO（モノコ）は、スタッフが3週間以上使い込んだ「使い惚れ」商品だけを販売するキュレーション型ECサイト。サービスの特徴、大手ECとの違い、創業ストーリーを紹介。

四季報の財務欄から「安心な投資先」を探す7つのポイント — 自己資本の増減に注目

Tue, 07 Apr 2026 00:00:00 +0000

会社四季報の財務欄に載る8つの数字（ROE・自己資本比率・有利子負債など）から安心な投資先を見つける7つのチェックポイントを解説。債務超過の見分け方やROICの活用法も紹介

利確はセンスではなく、設計で上手くなる

Mon, 30 Mar 2026 00:00:00 +0000

トレードで最も難しい利確を、感情ではなく設計で上手くする4つのテクニックを紹介。逆ポジ質問、50/50決済、前提固定利確など、納得できる利確ルールの作り方を解説します。

Startups.RIP：5,700社以上の失敗したYCスタートアップから学ぶデータベース

Mon, 23 Mar 2026 00:00:00 +0000

「資金調達の翌日にCTOが辞めて、コードが書けないCEOだけ残った」——こんな生々しい失敗談が5,700社以上も集められたデータベース Startups.RIP が話題になっている。

Startups.RIP とは

Startups.RIP は、Y Combinator（YC）出身の失敗・買収されたスタートアップ1,737社以上について、研究レポート、再構築プラン、技術仕様をまとめたプラットフォームだ。「Dead YC Startups, Alive Ideas」をコンセプトに、2005年から現在までのYCスタートアップを網羅している。

作者の Oscar Hong 氏が、失敗したスタートアップを分析する中で「アイデアが悪かったのではなく、タイミング・市場・技術が準備できていなかっただけ」というパターンを発見し、このデータベースを構築した。

主な機能

失敗要因の詳細分析

単なる失敗リストではなく、各スタートアップについて以下の情報が整理されている:

失敗の要因分析: なぜ事業が停滞・終了したのか
何がうまくいっていたか: 失敗の中にも成功要素はある
バッチ情報・創業者情報: YCのどのバッチ出身か、誰が創業したか

現代技術での再構築プラン

各スタートアップについて、2026年の技術スタックで再構築するならどうなるかという「ビルドプラン」が用意されている:

現在の市場分析: 当時と今で市場がどう変化したか
コア機能の設計: 何を中心に据えるべきか
Go-to-Market 戦略: 現代のチャネルでどう展開するか
DBスキーマ・API設計: 技術的な実装の青写真
AIに実装させる場合のプロンプト: 生成AIを活用した開発アプローチ

アイデアの進化の可視化

失敗したスタートアップと、その後成功した類似サービスの比較機能もある:

Posterous → Substack
Parse → Supabase

こうした「アイデアの進化」を視覚的に追えるのは、起業を考えている人にとって非常に参考になる。

技術的な背景

Startups.RIP 自体は Next.js（TypeScript）+ Tailwind CSS で構築されている。興味深いのは、このデータベースの調査・分析に Claude Agent SDK が Deep Research エージェントとして使われている点だ。AIを活用して大量のスタートアップ情報を体系的に整理するという、まさにAI時代ならではのアプローチといえる。

活用方法

このデータベースは以下のような場面で役立つ:

起業準備: 似たようなサービスを考えているなら、過去の失敗から気をつけるべきポイントがわかる
技術選定の参考: 再構築プランに含まれる技術スタックやDB設計は、実際の開発の参考になる
市場調査: 特定の領域でどんなスタートアップが失敗し、なぜ失敗したかを俯瞰できる
読み物として: 純粋にスタートアップの栄枯盛衰を追うだけでも面白い

まとめ

失敗したスタートアップのデータベースは Failory や CB Insights など他にもあるが、Startups.RIP の特徴は「再構築プラン」まで踏み込んでいる点だ。単に「なぜ失敗したか」だけでなく、「今ならどう作るか」まで提示することで、失敗を次の挑戦への具体的なヒントに変えている。

フリーランスが1年以内に4割廃業する現実：月収100万の壁を超える「覚悟」とは

Mon, 23 Mar 2026 00:00:00 +0000

X（旧 Twitter）で VIA(@Via00Via) 氏が投稿した、フリーランスの厳しい生存率と月収100万円の壁を超えるための「覚悟」についての記事が話題になっている。中小企業白書のデータを交えながら、その要点を整理する。

フリーランスの廃業率：数字が示す厳しい現実

日本のフリーランスの廃業率は以下のように報告されている：

1年以内: 約4割が廃業
3年以内: 約6割が廃業
10年後: わずか1割程度しか生き残れない

多くの人が「スキルさえあれば」と信じて参入するが、現実はもっとシビアだ。

月収100万以下のフリーランスに共通する行動パターン

月収100万円という壁を前に足踏みしている人には共通点がある。それは 無意識のうちに「今の延長線上」の努力に逃げていること だ。

低単価な案件を寝る間も惜しんで数でこなす。一見すると努力に見えるが、本質的には以下のリスクから目を背けている：

高単価な提案をして断られるリスク
責任範囲を広げる恐怖

今の作業を繰り返すだけで壁を越えようとするのは、正直やめたほうがいい。

「時給」の呪縛から抜け出す

なぜあと一歩が届かないのか。それは 「時給」という概念に縛られ、自分の時間を切り売りすることに安心しているから だ。

1万円の作業を100回こなそうとする努力は一見尊い。しかしその実態は、100万円の価値を1回で提供するプレッシャーから逃げているだけ。今のままのやり方でどうにかしようとする甘えが一番のブレーキになっている。

壁を突破するために必要な行動変革

この壁を突破したいなら、今日から行動を180度変える必要がある：

自分の安売りを即座にやめる — 作業員としてではなく、クライアントの利益に直接貢献する「事業パートナー」として振る舞う
相手の売上に責任を持つ覚悟を決める — 100万円の価値を届けるために何が必要かを考え、泥臭く提案し続ける
チームで成果を出す仕組みを作る — 時には自分より優秀な人を巻き込み、個人の限界を超える

報酬は「覚悟」に比例する

フリーランスの報酬は「自分がどれだけの責任を背負うと決めたか」に比例する。100万円以下で停滞しているのは、心のどこかで「今のままでも生きていける」と自分を甘やかしている証拠かもしれない。

廃業率のデータに飲み込まれる側に回るのか、それとも突き抜ける側に回るのか。その差は、今この瞬間に 「退路を断つ覚悟」 を持てるかどうかにかかっている。

成功しているフリーランスは、例外なく「覚悟」を決めた日から人生のギアが変わっている。

参考

HubSpotを活用したレストランのディナータイム集客戦略

Wed, 18 Mar 2026 00:00:00 +0000

HubSpotを活用してディナータイムの集客を強化するのは、非常に理にかなった戦略です。レストランの場合、**「適切なタイミングで、適切な人に、美味しそうな視覚情報を届ける」**のが鉄則です。

MA（マーケティングオートメーション）の強みを活かした、具体的で即効性のある施策を紹介します。

1. 顧客リストのセグメント化とパーソナライズ

「夜の利用者」を増やすには、まず「誰が夜に来てくれる可能性が高いか」を分類します。

「ランチのみ利用者」の抽出

HubSpotのコンタクト管理で、過去の予約データからランチ利用のみの顧客をリスト化します。「ランチとは違う夜の特別な雰囲気」を訴求するメールを自動送信します。

記念日フラグの活用

誕生日や結婚記念日の1ヶ月前に、「ディナー限定の乾杯スパークリングサービス」などの特典付きワークフローを起動させます。

2. 行動ログに基づいた「空腹時」のプッシュ

HubSpotのトラッキング機能を使い、顧客がWebサイトを閲覧した瞬間にアプローチします。

夕方の特定ページ閲覧をトリガーに

16:00〜18:00の間にメニューページや予約ページを見たが予約に至らなかったユーザーに対し、**「本日空席あり。今すぐの予約でデザート1品サービス」**といった内容を、LINE（連携時）やメールで即座に送ります。

HubSpotではカスタムイベントと行動トリガーを組み合わせたワークフローを構築でき、ページ閲覧をトリガーとした自動配信が可能です。行動トリガーメールは、通常の一斉配信メールと比較して約50%高い開封率が期待できるとされています。

3. シーン別のコンテンツ作成とリードマグネット

「夜に行こう」と思うきっかけをWebサイト上に作ります。

利用シーン別のランディングページ (LP)

「接待・会食」「大人のデート」「自分へのご褒美」など、目的別のLPを用意します。HubSpotのCMS Hubを使えば、これらのページを簡単に作成・管理できます。

eBook/クーポンの配布

「ソムリエが選ぶ、お肉料理に合うワインガイド」などの資料ダウンロードと引き換えにメールアドレスを獲得し、そこからディナー誘導のステップメールを流します。

4. HubSpotとSNS・広告の連携

リターゲティング広告

Webサイトのディナーメニューを見たユーザーに対して、Instagramで「夜のシズル感溢れる動画広告」を配信します。HubSpotの広告管理ツールを通じて、Facebook/Instagram広告との連携が可能です。

Google ビジネスプロフィールとの連動

HubSpotで収集したポジティブなレビューをGoogleに反映させる仕組みを作り、「夜の評判」を可視化して新規客の安心感を高めます。

施策の優先順位

施策内容	難易度	期待効果	必要なツール
記念日自動メール	低	高	HubSpot ワークフロー
ランチ客へのディナー訴求	低	中	リストセグメント
閲覧行動ベースのリアルタイム配信	中	高	トラッキングコード + ワークフロー
シーン別LP作成	中	中	CMS Hub

LINE連携について

HubSpotとLINEの連携には、LITTLE HELP CONNECT などのサードパーティツールを利用します。連携することで、HubSpotのワークフローからLINEメッセージの自動配信が可能になり、セグメントごとに異なるメッセージを適切なタイミングで届けられます。

まとめ

HubSpotのMA機能をレストランの集客に活用することで、「来てほしい人に、来てほしいタイミングで、行きたくなる情報を届ける」仕組みを構築できます。まずは難易度の低い記念日メールやランチ客へのディナー訴求から始め、段階的にトラッキングベースの施策へ拡張していくのがおすすめです。

Zapier を使った HubSpot と Asana の連携：集計ロジックも追加する方法

Wed, 18 Mar 2026 00:00:00 +0000

Zapier を使って HubSpot と Asana を連携させる方法と、Code by Zapier で集計ロジックを追加するテクニックを紹介します。

HubSpot × Asana 連携の基本

HubSpot（CRM・マーケティング）と Asana（プロジェクト管理）を連携させることで、営業パイプラインとタスク管理を自動化できます。Zapier を使えばノーコードで連携を構築できます。

よくある連携パターン

トリガー（HubSpot）	アクション（Asana）	ユースケース
新規ディールが作成された	タスクを作成	商談ごとにプロジェクトタスクを自動生成
ディールのステージが変わった	タスクを更新	進捗をリアルタイムに反映
フォーム送信があった	タスクを作成	問い合わせ対応タスクを自動起票
新規チケットが作成された	タスクを作成	サポート対応を Asana で管理

逆方向の連携もあります。

トリガー（Asana）	アクション（HubSpot）	ユースケース
タスクが完了した	コンタクトを更新	納品完了を CRM に反映
タスクにコメントが追加された	エンゲージメントを作成	活動履歴を CRM に記録

Zapier での連携セットアップ

1. Zap の作成

Zapier にログインし、「Create Zap」から新しい Zap を作成します。

トリガーの設定（例: HubSpot → Asana）:

トリガーアプリに HubSpot を選択
トリガーイベントに「New Deal」を選択
HubSpot アカウントを接続
テストを実行して動作確認

アクションの設定:

ジオマーケティングとは？位置情報を活用した集客手法と FreakOut ASE の特徴

Wed, 18 Mar 2026 00:00:00 +0000

ジオマーケティング（Geo-marketing）は、スマートフォンの GPS やWi-Fi、ビーコンなどから取得した位置情報を活用して、特定エリアのユーザーに最適な広告や情報を配信するマーケティング手法です。ここでは、ジオマーケティングの基本と、FreakOut 社が提供する位置情報マーケティングプラットフォーム「ASE」を紹介します。

ジオマーケティングの基本

ジオマーケティングとは、ユーザーの位置情報データを分析・活用して、地域に根差した集客やプロモーションを行う手法です。

取得できるデータ

来訪者の属性: どこから来ているか、年代、単身か家族連れか
行動パターン: 何曜日の何時に人が集まるか
商圏分析: 周辺エリアの人流データ

主なデータソース

GPS（スマートフォン）
Wi-Fi 接続情報
ビーコン（Bluetooth）
IP アドレス

FreakOut ASE — 位置情報マーケティングプラットフォーム

FreakOut ASE は、フリークアウト社が提供する位置情報マーケティングプラットフォームです。

主な特徴

項目	内容
リーチ規模	5,000万以上のユーザー
エリア精度	最小半径1m の円指定、ポリゴン指定に対応
配信面	Red ネットワーク、TVer PMP、各種 SNS
来店計測	建物に沿った精密な来店計測
分析機能	推定居住エリア、ユーザー行動分析

データソース

チェーンストアデータ
NTT iタウンページ
ゼンリン社の住居データ

提携した大手スマートフォンアプリベンダーや位置情報データプラットフォーマーから位置情報を取得し、国内最大規模の位置情報データベースを構築しています。

活用シーン

ジオマーケティングは、実店舗を持つビジネスとの相性が良く、以下のような活用が可能です。

チラシ・OOH の補完

ショッピングモールへの来場促進
新店舗オープンの告知

ターゲティング広告

大学オープンキャンパスの告知（周辺エリアの高校生向け）
自動車ディーラーへの来店促進
住宅展示場への誘導
学習塾の受講者募集

流通対策

家電量販店での販売促進
ドラッグストア来店者への医薬品告知

国内主要サービス比較 — ASE / AIR TRACK / GeoLogic Ad

FreakOut ASE 以外にも、国内にはジオターゲティング広告の主要プラットフォームがあります。ここでは代表的な 2 サービスと機能を比較します。

燈（Akari Inc.）の建設業向け管理業務DXサービス「Digital Billder」

Wed, 18 Mar 2026 00:00:00 +0000

東大松尾研発の AI スタートアップ「燈株式会社（Akari Inc.）」が提供する、建設業に完全特化した管理業務 DX サービス「Digital Billder（デジタルビルダー）」を紹介します。

Digital Billder とは

Digital Billder は、建設業の管理業務をデジタル化するための SaaS サービスです。紙ベースで行われていた請求書処理、発注管理、経費精算といったアナログ業務を効率化します。

建設業界では、紙の請求書の受領・開封・現場ごとの整理・現場と本社間の運搬・押印・手入力といった煩雑な作業が日常的に発生しています。Digital Billder はこれらの業務を電子化し、大幅な工数削減を実現します。

サービスラインナップ

Digital Billder は以下の4つのサービスで構成されています。

請求書処理（Digital Billder Invoice）

建設業特有の業務フローに対応した請求書処理サービスです。

工事ごと・工種ごとの請求書管理
出来高払い・査定・相殺処理への対応
各社の指定書式に柔軟に対応
インボイス制度・電子帳簿保存法に準拠

発注管理（Digital Billder Purchases）

電子発注・電子契約に対応した発注管理サービスです。見積依頼から発注・契約までの一連のフローをデジタル化します。

経費精算（Digital Billder Expenses）

建設現場で発生する経費の精算を効率化するサービスです。現場経費と一般経費の両方に対応しています。

見積書処理

見積書の作成・管理をデジタル化し、業務プロセスを効率化します。

提供会社：燈株式会社（Akari Inc.）

燈株式会社は2021年2月に設立された、東京大学松尾研究室発の AI スタートアップです。

代表取締役 CEO: 野呂侑希
所在地: 東京都文京区小石川
従業員数: 約300名
企業評価額: 1,000億円超（2026年1月時点）

2026年1月には三菱電機などから50億円の資金調達を実施し、ユニコーン企業の仲間入りを果たしました。建設業特化の生成 AI「光/Hikari」の開発や、大成建設・東洋建設といった大手ゼネコンとの DX 推進プロジェクトも手がけています。

導入実績

2022年6月に一般提供を開始
リリース1年で導入総合建設業者100社を突破
2025年11月時点で累計導入企業数1,000社超
36都道府県以上で導入

建設業界の DX 背景

建設業界では以下の法制度対応が求められており、DX の必要性が高まっています。

インボイス制度（2023年10月〜）
改正電子帳簿保存法（2024年1月〜）
時間外労働上限規制（2024年4月〜、いわゆる「2024年問題」）

こうした制度対応と業務効率化を同時に実現できる点が、Digital Billder が急速に普及している理由の一つです。

キーエンスで学んだ「A&Q」という商談の武器

Sat, 14 Mar 2026 00:00:00 +0000

キーエンス出身の営業パーソン・あさひ氏が共有していた「A&Q（Answer & Question）」という商談テクニックが非常に実践的だったので紹介する。

「お客様のFAQになるな」

キーエンス時代に上司から言われていた言葉だという。

特に展示会後のフォローやインバウンド商談で起きがちなのが、商談が始まった途端に顧客から質問の嵐が飛んでくるパターンだ。

「防水性能は？」
「初期費用いくら？」
「納期は？」
「API連携できる？」

今の時代は顧客も事前にWebサイトや生成AIで情報収集しているから、聞きたいことが山ほどある状態で商談に臨んでくる。

致命的なミス：「音声版FAQ」になること

多くの営業パーソンがやってしまうのが、「聞かれたことにただ正確に答えるだけ」のマシーンになってしまうこと。

「防水性能は？」→「はい、IP67です」
「初期費用は？」→「30万円です」
「納期は？」→「2週間です」
「API連携は？」→「可能です」

正確に情報を伝えてはいるが、これでは営業パーソンではなくただの「音声版FAQ」でしかない。商談の主導権を完全に顧客に握られてしまう。

顧客がすべての質問を終えて「わかりました、検討します」と言った瞬間、商談は終了。こちらは顧客の情報を何一つ引き出せないまま、ただ情報を吸い取られただけで終わる。

営業のミッション

営業のミッションは「質問に答えること」ではない。顧客の課題を解決し、幸せになってもらうことだ。

そのためには顧客の質問の意図を掴んで、こちらから提案のボールを投げ返さなければならない。

質問の「背景」を読む

顧客の質問には必ず「背景」がある。

「防水性能は？」と聞く人は、水に濡れる環境で使う予定がある
「納期は？」と聞く人は、いつまでに稼働させたいという期限を抱えている
「安くなる？」と聞く人は、予算の上限が決まっている

質問そのものが「情報の宝庫」への入り口になっている。FAQボットになっている営業パーソンは、この宝の山をみすみす見逃している。

A&Q：Answer & Question

重要なのは、ボールを受けたあとにしっかり打ち返すこと。あさひ氏はこれを「キャッチ＆リターン」と呼んでいた。

A&Q = Answer（回答）のあとに必ず Question（質問）をセットにする。

具体例：防水性能を聞かれたとき

ダメな対応:

「はい、IP67に対応しています」（終了）

キーエンス流の対応:

「はい、ご安心ください。最高等級のIP67に対応しております。……ちなみに、今回は防水防塵が必要になるような水や粉塵が舞う過酷な環境下でのご利用をご検討されているのですか？」

すると顧客が「実は工場の屋外ヤードに置きたくて」と答えてくれる。そこで「屋外であれば防水だけでなく直射日光による熱対策も必要ですね。遮光カバーもセットでご提案できます」と、単価アップやトラブル防止の提案に繋がる。

スペックを答えるだけでなく、「なぜそのスペックが必要なのか」という利用シーンを引き出しているのがポイント。

具体例：価格を聞かれたとき

ダメな対応:

「はい、その通りです」（価格確認マシーン）

キーエンス流の対応:

「はい、そのプランでご案内可能です。ちなみに、複数あるプランの中であえてこちらに目をつけていただけた背景をお伺いしてもよろしいですか？」

すると顧客の「選定基準」が見えてくる。「この機能が必須だから」と言われればその機能を軸にクロージングできるし、「一番安いから」と言われれば機能不足のリスクを説明する必要があるとわかる。

A&Qのリズムを身体に染み込ませる

一方的にこちらから聞くと「尋問」になる。でも相手の質問への打ち返しとして聞けば、極めて自然な「会話」になる。

なぜ興味を持ってくれているのか
他社も検討中なのか
いつ導入したいのか
予算は確保済みなのか

これらを全部、相手の質問を起点にした会話の中で引き出していく。

まとめ

質問に答えるのは義務。でも答えっぱなしにするのは「罪」。相手の質問を利用して相手の懐に深く潜り込む。それが単なる情報提供係から「パートナー」に昇格するための技術だ。

お客様は生成AIやGoogle検索でわかることを聞くためにあなたを呼んだわけではない。検索では出てこない「自社の課題への最適解」を求めている。

「FAQにはなるな」 ── この教えは、営業に携わるすべての人に通じる本質だと思う。

参考

あさひ著『凡人が天才に勝つ最強の営業営業に「センス」はいらない』（2026年3月29日発売）

月商100〜300万の作り方は2パターンしかない — 「1本で100万」vs「20万×5本」

Thu, 12 Mar 2026 00:00:00 +0000

株式会社SWIFT代表の井口亮平氏（@Ryohei_Iguchi）がX（旧Twitter）で公開した記事が、月商100〜300万円を目指すフリーランスや小規模事業者にとって示唆に富む内容だったので紹介する。

2つのパターン

月商100〜300万円を作る方法は、突き詰めると 2パターン しかないという。

パターン1: 100万を1本取る

高単価案件を1本受注する戦略
例: コンサルティング、システム開発、ハイエンドなクリエイティブ制作
メリット: クライアント管理がシンプル、1案件に集中できる
デメリット: 案件が途切れたときのリスクが大きい、営業コストが高い

パターン2: 20万を5本積む

中単価の案件を複数積み上げる戦略
例: 月額制のSNS運用代行、サブスク型サービス、定期的な制作案件
メリット: 収益が安定しやすい、1案件がなくなっても致命傷にならない
デメリット: マルチタスクの管理能力が必要、スケーリングに限界がある

どちらを選ぶべきか

どちらが正解というわけではなく、自分のスキルセットや事業の性質に合ったパターンを選ぶことが重要だ。

専門性が高い人 → パターン1（高単価×少数）が向いている
オペレーションが得意な人 → パターン2（中単価×複数）で安定収益を作りやすい

実際には、パターン2で安定した基盤を作りつつ、パターン1の高単価案件を狙うハイブリッド型が現実的なアプローチになることも多い。

エンジニア・フリーランスへの示唆

エンジニアやIT系フリーランスの場合:

パターン1: 技術顧問、アーキテクト案件、受託開発
パターン2: 保守運用契約、技術メンター、複数社への業務委託

月商300万円を超えるには、いずれのパターンでも「自分が動く」だけでは限界が来る。仕組み化やチーム化を見据えた設計が、次のステージへの鍵になる。

参考

元ツイート（X記事）
株式会社SWIFT — X運用のプロフェッショナル集団

GTMエンジニア — AI時代に生まれた「1人で3チーム分」の新職種

Mon, 09 Mar 2026 00:00:00 +0000

AI スタートアップが必死に探している人材がいる。営業でもマーケでもエンジニアでもない、しかしその全部を1人でやる「GTMエンジニア」だ。Y Combinator 出身の創業者たちがこぞって求めるこの職種は、AI 時代のキャリアの新しい形を示している。

GTMエンジニアとは

GTM は “Go-To-Market” の略で、プロダクトを市場に届けるための戦略とオペレーション全体を指す。どのターゲットに、どのチャネルで、どうやって届け、売上につなげるか。マーケティング、営業、カスタマーサクセスにまたがるこの一連のプロセスが「GTM」だ。

従来はこの領域を、SDR（インサイドセールス）、RevOps（レベニューオペレーション）、グロースチームといった複数部門が分担していた。それが今、AI の進化によって 1人で完結できる ようになりつつある。

この「1人で全部やれる人間」が GTMエンジニアだ。テック業界で最も高給な職種の一つになりつつあり、平均年収は3,000万円〜5,000万円程度とされる。

GTMエンジニアが1人でやること

その仕事の範囲は驚くほど広い：

ICP（理想的な顧客像）とTAM（獲得可能な市場全体）の設計
メール配信インフラの構築
「買いそうなシグナル」の検知 — 企業の採用情報や資金調達などからリストを構築
アカウント情報のエンリッチメント
アウトバウンド営業の自動化と有望リードの自動振り分け
インバウンドのリード評価・スコアリング・商談準備の一気通貫設計
営業コールのAI分析とフィードバックループ構築
CRMのアーキテクチャ設計とレポーティング

以前は3つ以上のチームが10人以上で回していた仕事だ。それを AI を武器にして1人でやる。

なぜ今、この役割が生まれたのか

背景は2つある。

1. AIツールの進化

Clay、Apollo、Gong、Salesforce といったツールが個別に進化してきたところに、ChatGPT や Claude のような LLM が登場し、ツール間の「接着剤」となる作業を自動化できるようになった。API を繋ぎ、プロンプトでロジックを組み、ワークフローを自動化する。技術的に考えられる人間が1人いれば、チーム全体のオペレーションを設計・実行できてしまう。

2. スタートアップの経済的現実

シード期のスタートアップに SDR チーム、RevOps マネージャー、グロースマーケターをそれぞれ雇う余裕はない。でも GTM はやらなければ売れない。「1人で全部やれる人間」への需要が爆発した理由はここにある。

GTMエンジニアに求められる3つの能力

1. 営業サイクル全体の理解

見込み客の発掘からナーチャリング、商談、クロージングまで。一連の流れを理解していないと、自動化の設計ができない。何を自動化すべきで、何は人間がやるべきか。この判断は営業プロセスへの深い理解なしにはできない。

2. 技術的思考力

コードをゴリゴリ書く必要はないかもしれないが、API の仕組み、データの流れ、ワークフローの設計ができなければ話にならない。「Clay のテーブルを作れます」程度では全く足りない。システム全体をアーキテクチャとして設計する力が必要だ。

3. AIで実務を回した経験

「AI を知っている」ことではなく「AI で実際にオペレーションを回した経験がある」ことが求められる。パイプラインを組んで、データを流して、結果を見て改善する。この実務経験がなければ、チーム全体の業務を1人で回すことはできない。

「AIが仕事を奪う」話ではない

GTMエンジニアの登場は「AI が人間の仕事を奪った」話ではない。「AI によって1人の人間の能力が10倍になった」話 だ。

コトラーマーケティングの価値提案 — 顧客が時間を割く4つの理由

Mon, 09 Mar 2026 00:00:00 +0000

コトラーが提唱するように、現代のマーケティングにおいて「価値の提案（バリュー・プロポジション）」は核心だ。しかし、情報が氾濫する現代では、顧客は 「時間を消費すること」に対して非常に慎重 になっている。

顧客が貴重な時間を割いてでも「見たい」「知りたい」と思う価値には、共通するいくつかの要素がある。

1. 「切実な不満」を解消する価値

顧客が抱えている「痛み（ペインポイント）」が深いほど、その解決策には時間を投資する。

効率化: 「これまで3時間かかっていた作業が5分で終わる」という提案
不安の解消: 「なぜ資産が減り続けているのか？」といった、生存や安全に関わる問いへの答え

2. 「未知の自分」に出会える価値（自己実現）

コトラーの「マーケティング4.0/5.0」でも語られるように、人間は自己実現や精神的充足を求める。

変身の予感: 「これを見れば、憧れの自分に一歩近づける」という高揚感
スキルの習得: 学習コストを払ってでも手に入れたい、市場価値を上げる情報

3. 「物語（ストーリー）」というエンターテインメント

データや機能の羅列には誰も時間を割かないが、物語には惹きつけられる。

共感と葛藤: 開発者がどのような苦労をしてその製品を作ったのかというドラマ
文脈の提供: 自分の生活がその製品によってどう劇的に変わるかという「ビフォー・アフター」

4. 「信頼」というコスト削減

「この人の言うことなら間違いない」というブランドの信頼感は、顧客が情報を取捨選択する時間を大幅に短縮させる。結果として、そのブランドが発信する「長尺のコンテンツ」でも安心して見てもらえるようになる。

価値を際立たせるための3つの視点

時間を割いてもらうためには、以下の3つの要素を掛け合わせるのが効果的だ。

要素	内容	顧客の反応
Relevance（関連性）	自分に関係があるか	「これは私のことだ！」
Benefit（便益）	得られる利益は何か	「見る価値がありそうだ」
Urgency（緊急性）	今見るべき理由は何か	「後回しにできない」

4つの価値と3つの視点の関係

前述の4つの価値は、この Relevance・Benefit・Urgency の掛け合わせで説明できる。

1. 「切実な不満」の解消 は、3つの視点すべてが自然に揃うケースだ。痛みを抱えている本人にとって Relevance は明白であり、解決策という Benefit は直接的で、痛みが続いている限り Urgency も高い。だからこそ最も強い動機づけになる。

2. 「未知の自分」への自己実現 は、Relevance と Benefit は強いが Urgency が弱くなりがちだ。「いつかやりたい」で終わらせないために、「今だけの機会」「このスキルがないと取り残される」といった緊急性の演出が鍵になる。

3. 「物語」によるエンターテインメント は、Relevance の入口を広げる役割を果たす。データの羅列では「自分には関係ない」と素通りされる情報も、共感できるストーリーに包むことで「これは自分の話だ」と感じさせることができる。

4. 「信頼」によるコスト削減 は、3つの視点すべてのハードルを下げる。信頼されたブランドからの発信であれば、Relevance の判断に迷わず、Benefit を疑わず、Urgency を感じやすくなる。信頼は個々の価値を増幅するレバレッジだ。

「コードレビューは死ぬ」— AI時代のレビューは500行のdiffを読むことではない

Wed, 04 Mar 2026 00:00:00 +0000

「コードレビューは死ぬ」— AI時代のレビューは500行のdiffを読むことではない

hiroki_daichi氏のポストが、Latent Space に掲載された記事「How to Kill the Code Review」を紹介し、555いいね、80RT、約51,000表示と大きな反響を呼んでいます。

「コードレビューは死ぬ」という刺激的な記事が出ていた。AI活用チームはタスク完了21%増、マージ98%増。一方でPRレビュー時間は91%増。変更の数も規模も指数的に増えている。人間がコードを全部読むのはもう無理だ。 — hiroki_daichi

この記事の著者は Aviator の創業者兼CEO、Ankit Jain 氏です。Aviator はコードレビュー・マージキュー・デプロイメントの自動化プラットフォームを開発しており、著者の主張は「自社の課題認識から生まれた設計提案」という性格を持っています。Latent Space 編集部も「全面的に同意しているわけではないが、思考を刺激する内容として掲載した」と注記しています。

問題 — AI がコードを書く速度に、人間のレビューが追いつかない

数字が示す矛盾

記事が引用するデータは、AI コーディングツールの導入効果と副作用を同時に映し出しています。

指標	変化
タスク完了数	+21%
マージされた PR 数	+98%
PR レビュー時間	+91%

PR の数が倍近く増え、レビュー時間も倍近く増える。これは持続可能な状態ではありません。

従来のコードレビューの限界

著者は、人間によるコードレビューがAIが登場する前から機能不全だったと指摘します。

PR が数日間放置される
500行の diff をスキミングして「LGTM」を返すラバースタンプ承認
レビュアーは自分の作業を抱えながら他人のコードを読む

AI がコード生成を加速させたことで、この構造的な問題が表面化しただけだという主張です。

提案 — レビュー対象を「コード」から「意図（Intent）」へ

核心の発想転換

著者の提案は明快です。

人間がやるべきは500行のdiffを読むことではなく、仕様・制約・受け入れ基準を定義すること。コードはspecの成果物に過ぎない。

つまり、レビューの対象を**コード（How）から意図（What / Why）**へ移すということです。

従来のレビュー	Intent ベースのレビュー
「このコードは正しく書かれているか？」	「正しい問題を、正しい制約で解いているか？」
500行の diff を読む	仕様・受け入れ基準をレビューする
実装の詳細に注目	設計意図と制約条件に注目
コードが成果物	Spec が成果物、コードは副産物

人間の役割の再定義

hiroki_daichi氏の要約が本質を突いています。

「言語化が上手い」にも種類がある — 2軸5分類で自分の得意・苦手を知る

Wed, 04 Mar 2026 00:00:00 +0000

「言語化が上手い」にも種類がある — 2 軸 5 分類で自分の得意・苦手を知る

もとやま(@ysk_motoyama) 氏が、「言語化」を 2 軸で整理し 5 種類に分類する考察を公開しました。

最近整理しておきたいなと思ったのが「言語化っていったい何なんだよ？」です。Amazonで検索すると、たくさんの言語化が出てきます。流派がいろいろあって、ぜんぶ言語化。あれも言語化、これも言語化。 — @ysk_motoyama

「言語化力を上げたい」と思ったとき、実は 5 種類の言語化は頭の使い方が全く異なり、間違った種類のトレーニングをしても目的の力は身につきません。自分が伸ばしたい言語化がどれなのかを特定するための分類フレームワークを解説します。

「言語化」が指すものが多すぎる問題

書店やネットで「言語化」を検索すると、全く異なる能力が同じ言葉で呼ばれていることに気づきます。

自分の感情を書き出すこと = 言語化
人が言い表せないモヤモヤを一言で言い表すこと = 言語化
素敵なキャッチコピーを生み出すこと = 言語化
俳句とか歌 = 言語化

これらは全て「言語化」ですが、必要な頭の使い方が根本的に違います。構造化が上手くなりたいのにジャーナリングの練習をしても、いつまでも構造的に物事を整理できないまま、ということが起こり得ます。

2 軸のフレームワーク

もとやま氏は大量の言語化に関する書籍や記事を読み込み、2 軸で整理できることを発見しました。

軸 1: 何を言語化するか

対象	説明	例
外界	観察できる事実、誰かの発言、何かの状態	市場データ、アンケート結果、業務フロー
内面	感情、欲求、価値観、解釈	モヤモヤ、怒り、直感的な違和感

軸 2: どう言語化するか

方向性	説明
0→1	何もないところから生み出す
100→10	混沌としたものを整理する
10→1	ギュッと圧縮してまとめる

この 2 軸を掛け合わせると、言語化は 5 種類に分類できます。

 外界（事実・状態） 内面（感情・価値観）
┌──────────────────┬──────────────────┐
0→1 │ (1) コピーライティング │ (4) アート │
生み出す │ 的な言語化 │ 的な言語化 │
├──────────────────┼──────────────────┤
100→10 │ (2) 構造化 │ (5) ジャーナリング │
整理する │ 的な言語化 │ 的な言語化 │
├──────────────────┼──────────────────┤
10→1 │ (3) 要約 │ │
圧縮する │ 的な言語化 │ │
└──────────────────┴──────────────────┘

5 種類の詳細

(1) コピーライティング的な言語化

定義: まだ世の中に形として存在していない価値や概念を、短い言葉で新たに定義する力

科学が格付けした10の勉強法 --- 100年の研究が示す「想起練習」と「分散学習」の圧倒的効果

Wed, 04 Mar 2026 00:00:00 +0000

科学が格付けした 10 の勉強法 — 100 年の研究が示す「想起練習」と「分散学習」の圧倒的効果

@grandchildrice 氏が X で投稿した、勉強法の科学的格付けに関するポストが反響を呼んでいます。

アメリカの名門 4 大学が共同でまとめた研究結果がめちゃ有益で目玉飛び出た。この結果を見れば、今日から勉強の効率を爆上げできるかも。研究では、世の中で有効と言われている 10 種類の勉強法を過去の膨大な実験結果から格付け。

元になっている論文は Dunlosky et al. (2013) による “Improving Students’ Learning With Effective Learning Techniques”（全 55 ページ）です。本記事では、この論文の知見を技術者の学習にも活かせるよう、各勉強法の評価理由と実践方法を解説します。

論文の概要

著者と所属

4 大学 5 名の認知心理学・教育心理学の研究者が執筆しました。

著者	所属大学
John Dunlosky	Kent State University
Katherine A. Rawson	Kent State University
Elizabeth J. Marsh	Duke University
Mitchell J. Nathan	University of Wisconsin-Madison
Daniel T. Willingham	University of Virginia

研究方法

過去に発表された膨大な実験結果をメタ分析し、10 種類の勉強法を 4 つの変数カテゴリ（学習条件、学習者の特性、教材の種類、評価タスク）で横断的に評価しています。単一の実験ではなく、数十年にわたる研究の蓄積を総合評価した点が特徴です。

クリーンアーキテクチャという「型」の暴力 --- 過剰な抽象化が現場を壊すメカニズム

Tue, 03 Mar 2026 00:00:00 +0000

クリーンアーキテクチャという「型」の暴力 — 過剰な抽象化が現場を壊すメカニズム

@sside 氏が X で投稿した、クリーンアーキテクチャの過剰適用への批判が反響を呼んでいます。

クリーンアーキテクチャかぶれの糞プロジェクト、異なる会社で2度目撃しました。(どっちもNestJS)

この投稿は、@masuda220（増田亨）氏のツイートへの引用です。増田氏は以下のように述べています。

私の狭い観測範囲ではあるけれど、クリーンアーキテクチャを取り入れていると説明されたコードを見ると、過剰な変換コードと過剰な依存性の逆転をしているものが多い。実験目的であれば、やりすぎるのもありだと思うが、実プロダクトでは、不要な複雑さを持ち込んで苦しんでいるように見える。

2 人の指摘は、日本のエンジニアコミュニティで繰り返し議論されてきた「クリーンアーキテクチャのカーゴカルト問題」を改めて可視化しています。本記事では、クリーンアーキテクチャとは何か、カーゴカルトとは何かを整理した上で、なぜこの問題が繰り返し起きるのかを構造的に分析します。

クリーンアーキテクチャとは何か

起源と系譜

クリーンアーキテクチャは、Robert C. Martin（通称 Uncle Bob）が 2012 年にブログで提唱し、2017 年に書籍『Clean Architecture: A Craftsman’s Guide to Software Structure and Design』として体系化した設計思想です。

この思想は突然生まれたものではなく、先行するアーキテクチャパターンの集大成です。

年	アーキテクチャ	提唱者	核心
2005	ヘキサゴナルアーキテクチャ（Ports and Adapters）	Alistair Cockburn	アプリケーションを外部から分離する
2008	オニオンアーキテクチャ	Jeffrey Palermo	依存関係を内側に向ける
2012	クリーンアーキテクチャ	Robert C. Martin	上記を統合し SOLID 原則と結びつける

クリーンアーキテクチャが新たに発明したものは実はほとんどありません。ヘキサゴナルアーキテクチャとオニオンアーキテクチャのルールを包含し、SOLID 原則（特に依存性逆転の原則）を軸に再構成したものです。

同心円図と依存性ルール

書籍で最も有名なのが、4 層の同心円図です。

┌─────────────────────────────────────────┐
│ Frameworks & Drivers（外側） │
│ ┌───────────────────────────────────┐ │
│ │ Interface Adapters │ │
│ │ ┌─────────────────────────────┐ │ │
│ │ │ Application Business Rules │ │ │
│ │ │ ┌───────────────────────┐ │ │ │
│ │ │ │ Enterprise Business │ │ │ │
│ │ │ │ Rules（中心） │ │ │ │
│ │ │ └───────────────────────┘ │ │ │
│ │ └─────────────────────────────┘ │ │
│ └───────────────────────────────────┘ │
└─────────────────────────────────────────┘
依存性ルール: すべての依存は外側から内側に向かう（→ 中心）

依存性ルールがこのアーキテクチャの柱です。外側の層（フレームワーク、DB、UI）が内側の層（ビジネスロジック）に依存し、逆方向の依存は許されません。これにより、ビジネスロジックはフレームワークやデータベースの変更に影響されず、テスト可能で長寿命なコードになるとされています。

AIチャットボットのプライバシー問題 — スタンフォード大学の研究が暴いた6社の構造的欠陥

Sun, 01 Mar 2026 00:00:00 +0000

AIチャットボットにあなたのプライバシーは存在しない — スタンフォード大学が暴いた構造的欠陥

スタンフォード大学の研究チームが、米国の主要AIチャットボット6社のプライバシーポリシーを体系的に分析した論文 “User Privacy and Large Language Models” を発表しました。その結論は明確です——全6社がユーザーの会話データをデフォルトでモデル学習に利用しており、実効的な保護は極めて限定的です。

論文概要

項目	内容
タイトル	User Privacy and Large Language Models: An Analysis of Frontier Developers’ Privacy Policies
著者	Jennifer King, Kevin Klyman, Fotis Gaspelos, Tiffany Saade, Victoria Bhatt
所属	Stanford University
発表	2025年10月（AAAI AIES 掲載）
論文	arXiv:2509.05382

対象6社

企業	チャットボット
Amazon	Nova
Anthropic	Claude
Google	Gemini
Meta	Meta AI
Microsoft	Copilot
OpenAI	ChatGPT

1. データの「統合」—— 会話が資産として再利用される構造

全6社がデフォルトでモデル学習に利用

Anthropic は長らく「消費者の会話データを学習に使わない」と差別化していましたが、2025年9月にオプトイン → オプトアウトへ転換。これにより全6社がデフォルト学習利用に揃いました。

WooRank

Thu, 30 Jan 2025 00:00:00 +0000

サイトKPI/ROI

Develop and Track Site KPIs and ROI to Optimize Marketing

ウェブサイトへの訪問者が何に反応しているかを知ることは不可欠です。CMSシステムには初歩的なアナリティクスが含まれているものもありますが、専用のサービスを利用すれば、セールスやビジネスリードのコンバージョンに至るルートが表示されます。今は詳細なレポートまで行かなくても、アナリティクス・パッケージをインストールした時点から、そのデータは収集され、利用できるようになります。

目標を達成するには

アナリティクスソフトウェアを設定し、具体的なゴール（例えば、購入やメールリストへの登録など）と、各ゴールのコンバージョンポイントをトラッキングする。アナリティクスでこれができない場合は、できるアナリティクスを導入しましょう。

Googleアナリティクスで目標を作成するには

アナリティクスを開き、プロフィールの1つに入ります。
トップナビゲーションのAdminをクリックします。カスタマイズタブの隣にあります。
[表示]列の[目標]を開きます。
New Goalをクリックし、ゴール名とゴール先のURLを入力します。ゴール名をクリックすると、ここで既存のゴールを編集できます。
確認ページの処理方法に応じて、マッチタイプを指定します。
購入を測定していない場合でも、目標に金額を割り当てます。これにより、アナリティクスはチャネル、ランディングページ、訪問者の価値を計算することができます。

コンバージョンファネル

アナリティクスでコンバージョンファネルを設定することで、段階的に進捗を追跡し、顧客の摩擦のポイントを特定することができます：

目標ページの名前をクリックして目標に入ります。
Goals Detailsをクリックします。
Funnel をオンにします。
コンバージョンプロセスに進むために訪問するページのURLを入力します。これはウェブサイト毎に異なります。
あらかじめ決められた経路がない場合は、Conversionsの下にあるReverse Goal Pathレポートで、各ゴールのコンバージョンで訪問した3つのページを確認してください。

ページヒートマップ

ページにヒートマップを設置し、ユーザーエンゲージメントを促進するデザインやコンテンツ要素を監視できるようにしましょう。これらの指標を使用して、ビジネスに最も影響を与えるデザイン、コンテンツ、マーケティングの取り組みの優先順位を決め、針を動かさない取り組みの優先順位を下げましょう。

コンバージョンファネル

SEOマーケティングにおけるコンバージョンファネルとは、潜在顧客がウェブサイトを訪問してから商品購入や問い合わせなどの目標達成（コンバージョン）に至るまでのプロセスを段階的に可視化したものです。

ファネルとは？

ファネル（漏斗）とは、広く集客した上で、ふるいにかけられた見込み顧客が、検討・商談、そして成約へ流れる中で段々と少数になっていくことをいう。その様を図にすると、漏斗で濾した様子に似ているところからそう呼ばれている。

コンバージョンファネルの概念

コンバージョンファネルは、顧客の購買行動を以下のような階層構造で捉えます。

認知（Awareness）: 潜在顧客が商品やサービスについて初めて知る段階。
興味・関心（Interest）: 潜在顧客が商品やサービスに興味を持ち、情報を収集し始める段階。
検討（Consideration）: 潜在顧客が競合他社と比較検討し、自社の商品やサービスが最適かどうかを判断する段階。
購入（Purchase）: 潜在顧客が商品やサービスを購入する段階。
ロイヤリティ（Loyalty）: 購入者が商品やサービスに満足し、継続的な利用や推奨に繋がる段階。

SEOマーケティングにおけるコンバージョンファネルの重要性

SEOマーケティングでは、コンバージョンファネルの各段階に合わせた施策を講じることで、効率的にコンバージョン数を増やすことができます。

認知段階: 幅広いキーワードで検索エンジン上位表示を目指し、多くの潜在顧客にウェブサイトを訪問してもらう。
興味・関心段階: 潜在顧客のニーズに合った有益なコンテンツを提供し、商品やサービスへの興味を高める。
検討段階: 競合他社との比較情報や顧客の声などを掲載し、自社の商品やサービスの優位性をアピールする。
購入段階: 購入しやすいウェブサイト設計や決済方法の提供、キャンペーンの実施などにより、購入を促進する。
ロイヤリティ段階: 購入後のサポートや情報提供、コミュニティ形成などにより、顧客満足度を高め、リピート購入や口コミを促進する。

コンバージョンファネルの活用

コンバージョンファネルを分析・活用することで、以下のような効果が期待できます。

ボトルネックの発見: コンバージョンファネルの各段階における離脱率を分析することで、改善点を見つけることができます。
施策の最適化: 各段階に合わせた最適な施策を講じることで、コンバージョン率を高めることができます。
顧客理解の深化: 顧客の購買行動を理解することで、より効果的なマーケティング戦略を立案することができます。

SEOマーケティングにおいては、コンバージョンファネルの概念を理解し、各段階に合わせた施策を講じることが、成功への鍵となります。

CHAID

Mon, 09 Dec 2024 00:00:00 +0000

CHAID

CHAID とクラスタリング手法の関連性について

CHAID（Chi-squared Automatic Interaction Detector）とクラスタリング手法は、どちらもデータをグループ化するという点で共通点がありますが、その目的やアプローチは異なります。

CHAID とクラスタリング手法の違い

特徴	CHAID	クラスタリング
目的	目的変数との関係に基づいてデータを分割し、予測モデルを構築する	データ間の類似性に基づいて、自然なグループを発見する
手法	決定木分析の一種であり、カイ二乗検定を用いて変数を分割する	K-means、階層クラスタリングなど、様々なアルゴリズムが存在
出力	決定木	クラスタ
教師あり・なし学習	教師あり学習（目的変数あり）	教師なし学習（目的変数なし）

それぞれの強み

CHAID
- 目的変数との関係を明確化: 目的変数との関連性が高い変数を特定し、その関係性を可視化できるため、因果関係の分析に適している。
- 解釈の容易さ: 決定木という形で表現されるため、結果が直感的に理解しやすい。
- 非線形な関係の発見: 線形モデルでは捉えにくい、非線形な関係を検出できる。
クラスタリング
- 自然なグループの発見: データ間の類似性に基づいて、自然なグループを発見できる。
- セグメンテーション: 顧客セグメンテーションなど、マーケティング分野で広く活用されている。
- 異常検知: クラスタから大きく外れたデータを異常値として検出できる。

具体的な活用例

CHAID:
- 顧客の属性データから、特定の商品を購入しやすい顧客グループを特定する。
- 医療データから、ある疾患になりやすい患者の特徴を抽出する。
クラスタリング:
- 顧客データをクラスタリングし、それぞれのクラスタに合わせたマーケティング施策を展開する。
- 文書データをクラスタリングし、トピックを抽出する。

両者の連携

CHAID とクラスタリングは、それぞれ異なる強みを持つため、組み合わせることでより深い分析が可能になります。例えば、

クラスタリングで得られたクラスタに対して、CHAID を用いて各クラスタの特徴を分析する。
CHAID で得られた決定木の葉ノードを新たなデータのクラスタとして利用する。

まとめ

CHAID とクラスタリングは、どちらもデータをグループ化するという共通点がありますが、その目的やアプローチは異なります。どちらの手法が適切かは、分析の目的やデータの性質によって異なります。

目的変数との関係を明らかにしたい場合は CHAID
データ間の類似性に基づいてグループ分けしたい場合はクラスタリング

が一般的です。

どちらの手法が適切か迷う場合は、以下の点を考慮すると良いでしょう。

目的変数の有無: 目的変数がある場合は CHAID、ない場合はクラスタリングが適している。
データの性質: カテゴリカルデータが多い場合は CHAID、数値データが多い場合はクラスタリングが適している。
分析の目的: 予測モデルを構築したい場合は CHAID、自然なグループを発見したい場合はクラスタリングが適している。

NPS

Sun, 06 Oct 2024 00:00:00 +0000

NPS(Net Promoter Score)

Net Promoter Score (NPS) とは、顧客が企業や製品、サービスを他人に推薦する可能性を測定する指標です。 NPSは、顧客満足度やロイヤルティを評価するために広く使用されています。

NPSは、次のような質問に基づいて計算されます：「この製品/サービスを友人や同僚に推薦する可能性はどのくらいありますか？」顧客は0から10のスケールで回答します。

9-10: 推奨者 (Promoters) - 非常に満足しており、積極的に推薦する可能性が高い。
7-8: 中立者 (Passives) - 満足しているが、積極的に推薦する可能性は低い。
0-6: 批判者 (Detractors) - 不満を持っており、他人に推薦しない可能性が高い。

NPSは、推奨者の割合から批判者の割合を引くことで計算されます。例えば、100人の顧客のうち60人が推奨者、20人が中立者、20人が批判者の場合、NPSは40（60% - 20%）となります。

NPSは、企業が顧客のフィードバックを理解し、改善点を見つけるための重要なツールです。

例

NPSの設問はシンプルで、次のように記述されます：

「この製品/サービスを友人や同僚に推薦する可能性はどのくらいありますか？」

回答は0から10のスケールで行います。具体的には以下のような形式です：

0 - 全く推薦しない
1
2
3
4
5
6
7
8
9
10 - 非常に推薦する

この設問に続けて、自由記述欄を設けることも一般的です。例えば：

「この評価の理由を教えてください。」

これにより、顧客の具体的なフィードバックを収集しやすくなります。

記事

freee

Sat, 09 Mar 2024 00:00:00 +0000

freee

スタンダードプラン:

事業を営んでいる方。（建設業、運送業、製造業、飲食業、サービス業、デザイン業、カフェ、雑貨屋、医科クリニック、歯科クリニックなど）
毎月の取引（領収書、請求書）が 6 件以上ある方。
売上が 1,000 万円/年を超える方。
取引先が複数あり売掛金・未収金の入金管理をしたい方。
支払先が複数あり支払管理をしたい方。
資金繰り表を作りたい方。
複数店舗や部門はあるが部門管理まで必要ない方。
複数社員はいるが、経費精算までする必要が無い方。
法人設立を準備されている方。

スタータープランにむいている個人事業主:

副業で収入も少額であり、入金管理が必要ない方。
支払件数も少なく、支払管理が必要ない方。
書類の写真等のデータ取込を行う枚数が毎月 5 枚以下である方。
自分だけしか freee 会計の作業をしない方。

ゼロパーティデータ

Sat, 15 Apr 2023 00:00:00 +0000

ゼロパーティデータ

行動データにおいて、顧客が意図的・積極的に企業と共有するデータ

ファーストパーティデータ(企業が収集する行動データ)

行動データには、個人がサイトやアプリ全体、またはページ上で行う操作すべてが含まれます。クリック操作や詳細な行動（マウスオーバー、スクロール、操作時間など）、セッション数、ユーザーのパーソナライズされた体験への関わり方なども含まれます。ファーストパーティデータがあれば、ユーザーの関心や意図を示す貴重な指標を収集できます。購入やダウンロードなどの取引データも、ファーストパーティデータに分類されます。

サードパーティデータ(企業が他団体から取得する行動データ)

自社保有していないサイトや情報源から取得、または購入したデータを指します。

パーソナライズで通常使用されるサードパーティデータには、人口統計情報、企業データ、購入意思（新築住宅市場やソフトウェアの市場などの場合）と、CRM、POS、コールセンターなどから得た付加情報があります。

ゼロパーティデータ(顧客が意図的に企業に預けるデータ)

Forrester Research社（英語）によって提唱された造語で、明示的なデータとも呼ばれます。

顧客が意図的・積極的に企業と共有するデータです。
ゼロパーティデータには、メールプリファレンスのデータ、購入意思、個人的背景、ユーザーが企業に『自分』をどのように認識してほしいかなどが含まれます
アンケート、聞き取りなど
チャットコマース

参照

GDPR:(General Data Protection Regulation：一般データ保護規則）(EU加盟国に同一に直接効力を持つ)
CCPA:(カリフォルニア州消費者プライバシー法: California Consumer Privacy Act)

Bing

ゼロパーティデータとは、顧客が意図的・積極的に企業と共有するデータのことです¹。顧客の趣味嗜好や興味関心の情報が含まれ、パーソナライズやキャンペーンを推進するのに役立ちます²³⁴。

ソース: Bing との会話 2023/4/15

(1) ゼロパーティデータとは？ | セールスフォース・ドットコム. https://bing.com/search?q=%e3%82%bc%e3%83%ad%e3%83%91%e3%83%bc%e3%83%86%e3%82%a3%e3%83%87%e3%83%bc%e3%82%bf アクセス日時 2023/4/15.
(2) ゼロパーティデータとは？ | セールスフォース・ジャパン. https://www.salesforce.com/jp/resources/articles/what-is-zero-party-data/ アクセス日時 2023/4/15.
(3) 今さら聞けない話題の「ゼロパーティ・データ」とは？ | JP …. https://www.criteo.com/jp/blog/what-is-zero-party-data/ アクセス日時 2023/4/15.
(4) DX時代のカギを握る「ゼロパーティデータ」とは？いま重要視さ …. https://www.powerweb.co.jp/blog/entry/2022/03/15/100000 アクセス日時 2023/4/15.

ゼロパーティデータは、様々な方法で活用できます。例えば、¹⁴⁵

商品やサービスの改善に生かす
業務改善に生かす
新商品の開発に生かす
パーソナライズやキャンペーンの強化に生かす

ゼロパーティデータを活用するには、顧客IDや個人情報と紐づけて蓄積し、セグメントとして切ることが必要です²。

ソース: Bing との会話 2023/4/15

(1) ゼロパーティデータとは？ゼロパーティデータが重視される …. https://bing.com/search?q=%e3%82%bc%e3%83%ad%e3%83%91%e3%83%bc%e3%83%86%e3%82%a3%e3%83%87%e3%83%bc%e3%82%bf%e3%81%ae%e6%b4%bb%e7%94%a8%e6%96%b9%e6%b3%95 アクセス日時 2023/4/15.
(2) ゼロパーティデータの概要からおすすめの活用法まで. https://data.wingarc.com/allabout_zero-party-data-39612 アクセス日時 2023/4/15.
(3) ゼロパーティデータとは？重要視すべき3つの理由と収集方法を …. https://www.transcosmos-cotra.jp/zero-party-data アクセス日時 2023/4/15.
(4) Cookieレス時代に「ゼロパーティデータ」が生み出す真の顧客 …. https://www.ever-rise.co.jp/dx-blog/zero-party-data/ アクセス日時 2023/4/15.
(5) ゼロパーティデータとは？ | セールスフォース・ジャパン. https://www.salesforce.com/jp/resources/articles/what-is-zero-party-data/ アクセス日時 2023/4/15.

ゼロパーティデータを収集するには、顧客に対価を提供して、自発的に情報を提供してもらうことが必要です¹²。対価としては、割引やクーポン、プレゼントなどがあります。また、設問内容や回答方法を吟味して、顧客の興味やニーズに合わせた内容にすることも大切です¹。