比較できることは、理解したことではない。プロダクトと指標に共通する最大の罠

いちばん危険なのは、数字があることではない

「この製品は本当に良いのか？」と聞かれたとき、多くの人はまず数字を探します。クリック率、継続率、購入率、利用時間。数字があれば判断できるように見えるからです。けれど、ここに落とし穴があります。数字は真実を与えるとは限らない。比較できる形に整えられているだけかもしれません。

ここで起きている本質的な問題は、プロダクトでも医療統計でも同じです。私たちはしばしば「測れるもの」を「理解したもの」と勘違いします。しかし、比較のために加工された指標は、現実そのものではありません。年齢調整率がその典型です。人口構成の違う地域を同じ土俵に乗せるには非常に便利ですが、それは実際の住民の率ではなく、比較のために標準化された率です。

プロダクトづくりでも同じことが起きます。ユーザーの声、アンケート結果、初回利用率、A/Bテストの勝ち負け。どれも役に立つのに、それだけでは「誰に」「何を」「なぜ」届けるべきかは分からない。本当に必要なのは、比較より前に立ち返ることです。つまり、何を比べるのかではなく、そもそも何を解こうとしているのかを定義することです。

比較は理解の代用品ではない。比較は、理解がまだ不十分なときに使う補助具にすぎない。

この視点が重要なのは、プロダクトマネジメントの最初の仕事が、機能を作ることではなく、製品市場適合性の仮説を立てることだからです。良い製品は、良い指標から生まれるのではありません。良い仮説から生まれます。

---

問題を飛ばして解決策に行くと、だいたい失敗する

多くの組織は、困るとすぐ解決策に飛びつきます。新機能を足す、UIを変える、広告を増やす、AIを入れる。けれど、それは「何が問題か」を確かめる前に「どう直すか」を決めている状態です。これでは、薬を飲ませる相手を取り違えるのと同じです。

優れたプロダクト思考が強調するのは、問題と解決策を切り分けることです。なぜなら、永続的なのは多くの場合、解決策ではなく問題だからです。人は長く生きる、移動する、学ぶ、働く、暇つぶしをする。これらの仕事は長く残りますが、その実現手段は変わり続けます。紙の辞書はアプリに置き換わり、店頭購入はECに置き換わり、電車の時刻表確認は検索に置き換わった。変わったのは手段であって、根底の仕事ではありません。

ここで役立つのが、二重ひし形の発想です。最初に広く問題を探り、次に絞って定義し、さらに解決策の候補を広げ、また絞る。重要なのは、問題探索と解決策探索を一度きりの直線として扱わないことです。行き来するからこそ、思い込みを減らせます。

たとえば、若者向けの支出管理アプリを作りたいとします。もし最初から「予算管理機能」を磨き始めると、ほぼ確実にズレます。ユーザーが本当に欲しいのは、支出を分類することではなく、「使いすぎの不安を減らしたい」「後から後悔したくない」「友人との割り勘を面倒なく済ませたい」など、別の仕事かもしれません。問題が違えば、最適な解決策はまったく変わります。

このとき危険なのは、数字が見えると安心してしまうことです。初期の利用率が高いから成功だ、という判断は早計です。なぜなら、それが誰にとっての、何の問題の、どの程度の改善かを表していないからです。年齢調整率が人口構成の差をならすように、プロダクト指標も文脈差をならしてしまうことがあります。だからこそ、数値を見る前に仮説が必要なのです。

---

「誰に効くか」を曖昧にすると、成果は平均化して消える

製品が失敗する典型的な理由は、機能不足ではありません。むしろ、対象が広すぎることです。祖父母とティーンエイジャーが同じ方法で同じ価値を感じることは、ほぼありません。購買の動機も、理解の仕方も、許容できる摩擦も違います。なのに多くのプロダクトは、「みんなに使える」を目指した瞬間に、誰にも刺さらないものになります。

ここで重要なのは、セグメントを単なる属性ではなく、行動のまとまりとして見ることです。年齢、地域、職業は手がかりになりますが、本当に見たいのは「何の仕事を片付けるために、その人は今どんな代替手段を使っているか」です。人は製品を買うのではなく、問題を片付けるための手段を選んでいます。

たとえば、同じ健康管理アプリでも、若い独身会社員と慢性疾患を抱える高齢者では意味が違います。前者は習慣化の楽しさを求め、後者は不安の軽減や家族との共有を求めるかもしれません。同じ「健康」という言葉で一括りにすると、比較は簡単になります。しかし、比較しやすさと理解の深さは別物です。

重要なのは「平均的なユーザー」を見つけることではない。最も鋭く痛みを抱える小さな集団を特定することだ。

年齢調整率の比喩は、ここで強く効きます。比較用の数値は、対象の違いをならしてくれます。けれど、そのならしは時に、重要な差異を消してしまいます。もし福岡と愛媛の漫画読書率を比べたいとして、年齢構成が違うなら調整は必要です。しかし、調整後の数値だけを見て「なぜ違うのか」を語るのは危険です。年齢構成の違いは、文化、通勤時間、書店密度、生活導線と絡み合っているかもしれないからです。

プロダクトでも同じで、セグメントを統計的に整えることと、実際に買ってくれる人を理解することは違います。比較のための抽象化は必要です。でも、抽象化だけでは行動は生まれません。行動を生むのは、具体的な人の具体的な摩擦への理解です。

---

いい仮説は、指標を作る前に現実を狭める

プロダクトマネージャーの仕事は、意見を出すことではありません。仮説を持って、現実に触れて、それを壊しにいくことです。ここでいう仮説とは、ただの当てずっぽうではありません。誰が、どんな仕事を、今どの代替手段で片付けていて、なぜそれより良い選択肢になるのか、という因果の骨組みです。

良い仮説には3つの層があります。

1. 人物仮説: その人は誰か。
2. 需要仮説: その人は何を片付けたいのか。
3. 摩擦仮説: いまの代替手段で何がつらいのか。

この3つがつながると、製品は単なる機能集ではなくなります。たとえば、通勤中にニュースを読む人向けのアプリを考えるとします。人物仮説は「忙しい会社員」かもしれません。しかし需要仮説が「情報を短時間で把握したい」で、摩擦仮説が「長文や広告が邪魔で続かない」なら、解決策は要約機能や広告削減になるでしょう。一方で、実は本当の需要が「会話のネタを得たい」なら、要約ではなく話題推薦の方が効くかもしれません。

ここでのポイントは、需要仮説が成立するとは、現在の代替案より十分に優れた仕事の達成手段があることです。優れているとは、単に便利という意味ではありません。摩擦が低く、結果が明確で、継続して使いたくなることです。

比較指標が危ういのは、しばしばこの「代替案」を見落とすからです。自社内の前月比だけ見ても、ユーザーは本当は競合と比較しているわけではありません。ユーザーが比較しているのは、あなたの製品と、メモ帳、LINE、店員への質問、エクセル、既存の習慣、面倒だが慣れた方法です。つまり、市場とは競合企業の集合ではなく、代替行動の集合なのです。

この視点を持つと、A/Bテストの見え方も変わります。勝ったデザインを採用するのは良いことですが、その勝利が示すのは「このボタンの色が良い」ではなく、「この文脈では、ユーザーはより少ない摩擦で前に進めた」ということです。仮説が弱いまま最適化だけ進めると、局所的には良くても、全体としてはずれていきます。

---

測れるものを追うな。比較の前提を設計せよ

ここまでの話を一言で言えば、優れたプロダクトづくりとは、比較可能性を作る前に、比較の前提を設計することです。

年齢調整率は、地域間比較を可能にするための工夫です。プロダクトの仮説も同じです。市場の雑音を減らし、見たい差異を浮かび上がらせるための装置です。しかし、年齢調整率を見て「現実そのものだ」と誤解してはいけないように、KPIを見て「真実が分かった」と思ってはいけません。

では、実務ではどう考えるべきか。鍵は、指標を三層に分けることです。

• 現実の層: 実際に何が起きているか。誰がどのように困っているか。
• 比較の層: その違いをどう整えて観察するか。
• 意思決定の層: 何を変えるべきか。

多くの組織は比較の層を増やすほど賢くなった気になります。しかし、意思決定の層に接続されない比較は、ただの装飾です。逆に、現実の層に立脚した仮説があれば、少ない指標でも十分に前に進めます。

たとえば、ある教育アプリが「利用者の年齢別継続率」を見ていたとします。年齢で比較するのは便利ですが、それだけでは不十分です。もし10代の継続率が低いなら、年齢差そのものが問題なのではなく、学校生活との相性、保護者の介入、通知のタイミング、コンテンツの自尊心への響き方が原因かもしれません。つまり、調整された指標は出発点であって、答えではありません。

数字は目的地ではない。数字は、どの仮説を壊し、どの仮説を残すべきかを教える地図にすぎない。

この認識があると、プロダクト議論は変わります。「なぜこの指標が下がったのか」ではなく、「どの比較前提が間違っていたのか」と問えるようになるからです。

---

Key Takeaways

1. 数字は真実ではなく、比較用に整えられた表現である。指標を見る前に、その指標が何をならしているのかを確認する。
2. 問題と解決策を分ける。先に機能を考えず、誰のどんな仕事を片付けるのかを定義する。
3. セグメントは属性ではなく行動で切る。年齢や地域より、「何を代替しているか」「どんな摩擦があるか」を重視する。
4. 仮説は人物、需要、摩擦の3層で作る。この3つがつながらない限り、改善は局所最適に終わりやすい。
5. 比較しやすさと理解の深さを混同しない。比較可能な指標は便利だが、現実の複雑さを消していないか常に疑う。

---

結論: 本当に強いチームは、良い数字を追うのではない

本当に強いチームは、良い数字を追うのではありません。良い比較条件を設計し、その前提となる仮説を磨くのです。そうすると、数字は単なる成績表ではなく、現実のどこにズレがあるかを知らせる診断装置になります。

年齢調整率が教えてくれるのは、比較には整形が必要だということです。プロダクト仮説が教えてくれるのは、整形だけでは意味がないということです。大切なのは、どの差を見たいのかを先に決めること。つまり、何を比較するかより先に、何を理解したいのかを決めることです。

その順序が逆になると、私たちはいつも同じ罠に落ちます。数字は良いのに売れない。機能は増えたのに使われない。比較では勝ったのに、現実では負けている。だから次に指標を見たときは、こう問い直してみてください。

これは現実を見ているのか。それとも、比較しやすい形にしただけなのか。

その問いを持てるチームだけが、測定を理解に変え、理解を製品に変えられます。