Use Case Discovery & Validation Methodology
ユースケース発見・検証の方法
アイデアの数ではなく、次に市場で試す価値がある機会を選ぶための方法です。生成、Evidence、比較、実顧客の反応を一つの判断履歴につなぎます。
ユースケース発見とは
ユースケース発見とは、製品機能から用途を思いつくことではありません。特定の Persona が抱える具体的な課題、購買トリガー、既存の代替行動と Product Fit を、市場で確認できる情報に結びつけて、比較可能な機会として定義する作業です。検証は、その機会を実際の見込み顧客に提示し、反応を次の判断へ反映する工程です。
5つの工程
製品理解を確認する
手書き、URL、PDF などを同じ重みの入力として扱い、対象顧客、価値、制約、禁止表現を Product Profile にまとめます。ユーザーが編集・確認するまで分析の前提には固定しません。
市場 Evidence を残す
公開 Web 情報から出典 URL と原文を保存し、支持、反証、中立、文脈に分類します。根拠が見つからないことと、否定的な根拠があることを分けます。
4つの機会を同じ基準で比べる
Pain frequency、severity、urgency、existing spend、Product Fit、reachability、differentiation、evidence quality、testability、strategic fit の10項目で比較します。Score と Confidence は別に扱います。
合成評価と実顧客の回答を分ける
AI Pre-check は5つの合成視点によるストレステストであり、顧客の声ではありません。Validation Page から届いた実際の見込み顧客の回答だけを検証シグナルとして扱います。
判断と次のテストを固定する
採用した Score 変更、推薦理由、主要な不確実性、次に行うテストを Decision Report に残します。後から結論だけを書き換えず、判断に至った履歴を追跡できます。
Evidence を“それらしく見せる材料”にしない
UseCaseify の Evidence は推薦を飾るためではなく、反証できる状態を作るためにあります。
出典と原文を保存
要約だけでなく、判断に使った引用箇所と URL を残します。
反証と不明を分離
主張に反する情報、まだ分からないこと、単なる背景情報を同じ箱に入れません。
架空例示を実績にしない
生成した use case は市場情報に接地した仮説・例示であり、実在顧客の導入実績ではありません。
推薦は3つの状態で表す
点数が高いだけで断定せず、Evidence、Confidence、Product Fit、Testability とレッドチーム結果を合わせて扱います。
Supported recommendation
必要な根拠と安全条件を満たし、現時点で優先する理由を説明できる機会。
Priority validation candidate
初期シグナルはあるが、需要が証明されたとは言えない機会。次に検証する仮説として明示します。
No recommendation
安全条件を満たす候補がない場合は、無理に勝者を選ばず追加調査または別のテストを示します。
この方法で保証しないこと
- 市場成功、売上、Product-Market Fit を予測または保証しません。
- AI Pre-check を実顧客のフィードバックとして扱いません。
- 少数の Validation 回答を市場全体の代表値として扱いません。
- 生成した例示シナリオを実在顧客の事例として公開しません。
詳細な scoring、AI limitation、用語定義は公式ドキュメントで公開しています。
公式ドキュメントを読む →自分の製品で最初の4機会を比較する
新規登録で 2 credits。クレジットカード不要。
UseCaseify →