ChatGPT や Claude で PMF を検証する方法

そのまま使える頼み方

例

架空の例です。トリミングの予約アプリは、8 か月で有料のアカウントが 120 になりました。出張トリマーが 70、サロンが 50 です。3 分の 1 が 3 か月以内に解約します。創業者は顧客を「ペットの事業者」と書いています。機能は、オンライン予約、リマインダー、予約金、在庫管理、ポイント。インタビューした 7 人のうち 5 人が、いちばんの損は無断キャンセルだと答えました。使っているアカウントの 90% がリマインダーを使い、在庫管理は 6% です。見直しから一部：

いちばん下の弱い層：対象の顧客です。「ペットの事業者」には、出張トリマーとサロンという、働き方もニーズも違うかもしれない 2 つのグループが入っています。次の検証：3 か月後に残っている割合を出張トリマーとサロンに分けて出し、3 か月を超えて使っている 8 アカウントにインタビューします。一方のグループがはっきり多く残り、同じニーズを挙げれば仮説を支えます。どちらも同じ割合で残るなら仮説を変え、ニーズの層に戻ります。それまでは、在庫管理とポイントを削る候補にします。

自分に残ること

1. 証拠を持ってくる：インタビューのメモ、機能ごとの利用、解約。AI は貼ったものしか評価できない。
2. 足りないところは空けたまま。「[証拠なし]」も発見の 1 つ。
3. 顧客とは自分で話す。検証を行うのは自分。
4. 利用データはアカウントの番号で貼り、名前は入れない。
5. 検証のたびに見直しをやり直す。いちばん下の層から。

次の一歩：証拠を覚えているプロジェクト

PMF の見直しは、検証の結果を足すたびによくなります。経営者のための Claude プロジェクトなら、インタビュー、数字、過去の見直しを 1 か所に置けるので、次の見直しはそこから始められます。

よくある質問

AI で PMF があるかわかる？

AI だけではわかりません。証拠を層ごとに整理し、どこが薄いかは示せますが、答えを決めるのは顧客の行動です。よく使われる測り方に Sean Ellis の調査があり、使っている人に「このプロダクトが使えなくなったらどう感じるか」を聞きます。First Round Review の記事では、「とても残念」が 40% 以上の会社が伸びていました。

PMF のピラミッドとは？

Dan Olsen が『The Lean Product Playbook』（Wiley、2015 年）で示したモデルです。5 つの層がそれぞれ下の層に乗っていて、対象の顧客とその満たされていないニーズが市場、価値提案、機能、UX がプロダクトです。下の層の問題は、上の層を磨いても直りません。

プロダクトが広がらないとき、どこから見直す？

証拠が弱い、いちばん下の層からです。多くの場合は対象の顧客で、ニーズを共有するには広すぎる書き方になっていて、使い続けている人がだれなのかもわかっていません。その層の検証は、新しい機能ではなく、使い続けている人へのインタビューと利用データです。