💻スタートアップの仮説思考

💻スタートアップの仮説思考


昔のメモの転載. Coursera のLecture やブログ記事と絡めて別のメモで概念をまとめなおしたい.

このスライドがきっかけで仮説思考についてはそこそこ情報収集したが, このスライドが最高の教材だと思った. もしくはイシューからはじめよという本.

仮説思考入門 #

  • 仮説とは、仮に立てた説
    • ビジネスでは、こうすればビジネスが前に進むという仮の答え
    • (はず)という語尾がつく
    • 仮説とは言わないけど、実質的に仮説を表す言葉が多い。
      • 仮定
      • アイデア
      • 洞察
      • 見立て
      • スタンス
      • ポジションをとる
      • ストーリー
      • あたりをつける
      • xxxだと思う
    • アイデアも、仮説!!!
    • あっているかはわからないけど、検証することで確からしさが上がる
    • 仮説は間違っている可能性が常に存在する
    • 仮説が確かでないのに時間とリソースを大きく投資することはリスクがある。
      • 無駄な投資を避けるために、仮説を検証することが重要
      • 時間、人、お金
      • 仮説を持つと
        • 意思決定が早くなる
        • 全体像との整合性があがる
    • 仮説思考で仕事は早くなるが、その検証プロセスの中で自分の答えはことごとく否定される
  • 仮説 = 事実 x 推論
    • 仮説は0/1でない
      • 確度がある、確率(0% - 100%)
    • 仮説は積み重なる
      • その度に脆くなる
      • 様々な仮説の上に仮説が成り立っていく
      • 事実 → 推論 → 仮説 → 推論 → 仮説…
  • 自然現象ではなく、顧客を通して仮説検証を行うのがビジネス
    • 顧客や社会の現象
    • 顧客の観察
    • 仮説生成
    • 顧客を通した実験→データ
    • データ分析
    • 仮説の検証
    • 仮説の確認
    • 仕組み化
  • スタートアップの仮説検証は、意思決定に利用される。
    • 実験コストは、安く早くできる(工夫すれば)
    • 否定されまくりメンタルにくる
  • 4つのステップ
    • 仮説生成: 探索のあと、仮説を生成する
    • 仮説選択: 優先順位の高いものを精鋭して選ぶ
    • 仮説検証: 確からしさを確認したり、あげたりする
    • 意思決定: 仮説に基づき意思決定をする
  • はじめから正しい仮説に至れることはまずない
    • 生成、選択、検証をなんども実施して意思決定をする。
    • より短い時間でよりよい仮説にたどり着けるかの競争
  • 何度も何度も生成と検証することで、仮説思考のサイクル全体を最適化する
    • 仮説思考力とは、このサイクル全体を最適化してよい意思決定をする力.

仮説生成力を鍛える #

  • 仮説のパターン
    • 事実に関する仮説
      • 顧客は、xx という課題を持っているという型
    • 推論の仮説
      • if-thenの型
  • 仮説生成の方法は、
    • アウトプットをして事実を生み出しながら、推論や解釈のためのインプットを増やす
    • 隠れた事実を見つけて、推論をする。
  • 事実
    • 質的: 顧客インタビューや観察
    • 量的: データ(数値や量で表せない情報としての事実)
    • 事実のインプットを増やすことがまず最初に行うこと
    • さらに事実の解像度を高めることで構造を把握する
    • インプット(情報・事実・独自の体験)
      • 推論 → 仮説 → 製品開発 → アウトプット → インプット
    • 行動量とアウトプットの多い人がよい仮説にたどり着きやすい
    • MVPをつくる
      • とにかく雑につくる
      • MVPを作り、ローンチして、独自の事実を得る
    • アウトプットをして事実を生み出しながら、考え方や解釈のインプットを増やす
  • 推論
    • 演繹法
      • ベストプラクティスの個別適用
    • 帰納法
      • データ分析
      • 情報収集(事例収集)
    • アブダクション(仮説形成法)
      • 観察したことの説明を導く(仮の答え)
      • これがほとんどで、スタートアップの鍵
      • 4つのツール
        • アナロジー
        • フレームワーク
        • 水平思考
  • 仮説を生成したあとにチェックする方法
    • 徹底的に言語化する
    • 人に話す
    • 時間を使って育てる

仮説を選ぶ技術 #

  • 仮説選択
    • 仮説はたくさん生成される。
      • スタートアップにはたくさんの仮説の種類があり、それぞれに仮説がある。
      • もの、人、お金、時間、足りなさすぎる!
      • 仮説選択を誤ると、大きなムダが生じる。
    • 基本的にはリスクの大きい順に検証していく。
      • 一番大きなリスクは、顧客に課題があるか?
        • そもそもニーズがなかった。
    • 仮説のリスクマップを作って整理する
      • 影響度
      • 不確実性
    • マッピングではなくて、たんにリストを作るだけでも効果ある。

ビジネスの仮説検証と実験の考え方 #

  • 仮説検証力
    • 最大の学習と学習棄却(アンラーニング)を最適なスコープ設計と実行によって最速で行う力
    • 仮説検証 = 学び
      • 仮説の確度
      • 新たな情報
    • 自分の仮説では説明できない変則的な情報に焦点を当てる
  • 学習棄却(アンラーン)
    • 学んだことを一度忘れること。思い込みや信念をほぐしてあたらな学びへの準備を行うこと
  • 仮説検証の失敗とは、学びやアンラーンが少ない、ということ。
    • 学習と学習棄却の量の仮説検証の成否
    • 仮説の確度が高いだけではない
  • 仮説検証方法
    • サーベイ・分析
      • 一人でできる
      • 多くの人はサーベイが足りない、調べれば分かることが多い。
      • ちゃんとGoogle検索すれば終わることもおおい。
        • 資料調査
        • 競合調査
        • 分析
    • インタビュー・観察・議論
      • 誰かが必要
    • 実験
      • 何かをつくる必要がある
      • 学びが多い分、コストがかかる
      • 本当に実験しか手段がないのかを見極める
  • リーンスタートアップ(BMLループ)
    • アイデア
      • Build
      • 極力作らなくてもよい方法を考える
      • 基本はスケールしないことでBuildして検証する
    • 製品
      • Measure
        • 計測方法
        • 目標設定
        • 関係者との合意
    • データ
      • Learn
      • なにを学びたいのかを決めてから作る
    • 10回に1回成功するつもりでBMLループを回す
      • 何度も回すからこそ、仮説検証には速度が大事
  • 仮説検証では、自分の仮説が間違っていることを検証する

ref. 📝仮説検証