データは答えではない。PMFを見つけるための質問設計である

その製品、誰のために存在しているのかを言えるか

多くのチームは、もっとデータがあれば正しい判断ができると信じている。だが本当に足りないのはデータではない。どの問いを、どの順番で、誰のために問うべきかという設計である。

製品が売れないとき、私たちはすぐに機能不足を疑う。営業は「刺さらない」と感じ、マーケは「訴求しづらい」と悩み、PMは「なぜ使われないのか」と首をかしげる。だがその混乱の多くは、製品そのものより前の段階、つまり市場に向けた問いの設計が曖昧なことから始まっている。

製品開発とは、機能を積み上げる仕事ではない。顧客に刺さる仮説を作り、検証可能な形に変換し、学習を市場に接続する仕事だ。この視点に立つと、分析、AI、PMF、営業、マーケティングは別々の活動ではなく、ひとつの連続した意思決定システムとして見えてくる。

---

データが増えても、問いが悪ければ何も起こらない

「データは新しい石油だ」という言い方は、魅力的だが誤解を生みやすい。石油は採掘すれば価値に変わるが、データはそうではない。大量にあっても、公開されていれば意味が薄く、関係がなければ使えない。価値あるデータとは、意思決定を変えるデータだけだ。

ここで重要なのは、AIや分析の役割を「答えを出す機械」と考えないことだ。むしろそれらは、仮説を検証するための装置として捉えるべきだ。つまり、「何が起きそうか」を予測するためにデータを集めるのではなく、「それが本当なら、どんな観察結果が出るはずか」を先に決める。

この発想の転換は、製品開発を一気に実務的にする。たとえばアイスクリーム店なら、知りたいのは単に「今日は何個売れるか」ではない。本当に重要なのは、何人スタッフを配置すべきか、どれだけ仕込むべきか、在庫と機会損失のどちらを許容するかである。つまり、予測の精度そのものではなく、予測が経営判断にどう変換されるかが本質なのだ。

良い分析とは、正しい数字を出すことではない。正しい行動を選べるようにすることだ。

この視点は、AI時代にさらに重要になる。生成AIや高度な分析は、曖昧な問いを自動で良い問いに変えてくれない。むしろ問いが曖昧なままだと、出力だけが立派で、意思決定には役立たないものが量産される。だからこそ、分析の前に問題を定義する能力が、PMの核心になる。

---

PMFとは、市場との会話を続けられる状態である

PMF, 製品市場適合は、一度達成して終わるチェックマークではない。市場がこちらの提案に自然に反応し、継続的に学習が回る状態である。言い換えると、製品が「売れる」のではなく、製品を通じて市場との会話が成立している状態だ。

このとき、PMの仕事は開発の司令塔ではない。市場の声を、検証可能な仮説に変える翻訳者である。営業が感じた違和感、マーケが捉えた反応、ユーザーの離脱、クリック、再訪、購入。これらはすべて単なる事象ではなく、仮説の材料だ。

たとえば、ある機能の利用率が低いとする。未熟な見方では「もっと目立たせよう」「説明を増やそう」となる。しかし、PMFの観点ではまず問いが変わる。これは訴求の問題か、対象顧客の問題か、価値提案の問題か、使用文脈の問題か。同じ低利用でも、原因候補はまったく違う。

ここで役立つのが、従属変数と独立変数で考える視点である。従属変数は、私たちが本当に知りたい結果だ。購入、予約、継続利用、商談化、解約率、アップセル率。独立変数は、その結果に影響しそうな要素だ。価格、導線、訴求、季節、利用シーン、営業の選別基準。PMの熟練度は、結果を見て嘆く力ではなく、結果を分解して再設計する力で測られる。

PMFは市場に愛されることではない。市場が何に反応したのかを、説明可能にすることだ。

この観点から見ると、PMFは「感覚の成功」ではなく「学習の成功」である。顧客がひとりでも強く反応したなら、それは偶然ではなく、再現可能なパターンの芽かもしれない。逆に、誰からも褒められる製品が売れないなら、それは市場が曖昧で、誰の痛みも深く解決していないサインかもしれない。

---

営業とマーケティングが噛み合わないのは、役割分担ではなく仮説の欠如である

営業、マーケティング、PMの不和は、しばしば役割の違いとして説明される。だが本質はもっと単純で、誰に、何を、なぜ届けるのかという仮説が共有されていないことにある。

営業は「売る人」、マーケは「伝える人」、PMは「作る人」と切り分けられがちだが、この分業はしばしば失敗する。なぜなら、顧客像が不明確なままでは、マーケは訴求できず、営業は狙う相手を選べず、PMは機能を増やすしかなくなるからだ。結果として、全員が忙しいのに、PMFには近づかない。

ここで有効なのが、グロースハック的なキャンバス思考である。複雑に見える連携を、少数の問いに落とし込む。

1. どのセグメントに向けた製品なのか。
2. その人たちは、何に本当に困っているのか。
3. どの価値提案なら、行動が変わるのか。
4. その価値は、どのチャネルで最も伝わるのか。
5. 何を観察できれば、その仮説は正しいと判断できるのか。

この枠組みが強いのは、会議を抽象論から解放するからだ。例えば、営業が「A社に売りたい」と言ったとき、本当に知るべきなのは根性ではない。A社のどの属性が合致しているのか、どの行動が購買シグナルなのか、どの条件なら営業の時間を投下すべきかである。マーケも同様に、「認知を取る」ではなく、「どのメッセージが、どの顧客のどの不安を減らすのか」に焦点を移せる。

非テック業界では、マーケターが製品責任者を兼ねることもある。これは偶然ではない。製品は市場に置かれて初めて存在するからだ。つまり、作ることと届けることは別工程ではなく、同じ仮説の前半と後半なのである。

---

失敗する製品は、顧客の要望を聞きすぎて生まれる

ここに、直感に反する罠がある。顧客の声を丁寧に聞くことは大切だ。だが「何が足りないか」だけを集めて足し算すると、誰の心にも深く刺さらない製品ができあがる。

なぜか。顧客はしばしば、自分の本当の課題を言語化できないからだ。彼らが語るのは解決策の断片であって、問題の構造ではない。ある人は「もっと機能が欲しい」と言い、別の人は「操作が面倒」と言う。だがその背後にあるのは、実は不安、時間不足、責任回避、社内承認の難しさかもしれない。

だから、要望の収集だけでは危険だ。必要なのは、行動を見て、仮説を立てて、実験で確かめることである。ユーザーが何を言うかではなく、何を選ぶか、どこで止まるか、何を無視するかを見る。そこから初めて、真の障害物が見えてくる。

この意味で、製品開発は研究に近い。だが研究と違うのは、答えを知ること自体が目的ではなく、意思決定のコストを下げることが目的だという点である。どの機能を作るか、誰を狙うか、どのチャネルに投資するか、どの営業案件を追うか。そのすべてが、問いの質によって変わる。

一人の顧客に刺さることから始める、という考え方もここに接続する。スケールの前に必要なのは一般論ではない。まずは、たった一人の人が「これは自分のための製品だ」と感じる状態を作ること。その反応は小さいが、最も重要なシグナルである。PMFは多数決ではなく、深い適合の反復から生まれる。

---

Key Takeaways

• データを集める前に、何を決めたいのかを明確にする。 分析の目的は説明ではなく意思決定です。
• 良いPMは仮説を作る人ではなく、仮説を検証可能な形にする人。 問いを従属変数と独立変数に分解してください。
• 営業、マーケ、PMのズレは役割の問題ではなく、顧客仮説の不一致。 誰に、何を、なぜ届けるかを共通言語にします。
• 顧客要望の足し算ではなく、行動観察から本質課題を見つける。 言葉より行動、要望より文脈を見てください。
• まず一人に刺さることを目指す。 その深い適合が、後のスケールの起点になります。

---

結論: 重要なのは正しい答えではなく、正しい問いの系統図である

私たちはしばしば、PMFを「当たり製品を見つけること」だと考える。しかし本当に重要なのは、当たりを引くことではない。市場に対して、どんな問いを投げれば学習が進むのかを設計することである。

データは答えではない。AIも、分析も、営業も、マーケも、答えを自動で生む装置ではない。それらはすべて、仮説を市場にぶつけて、反応を読み取り、次の意思決定を洗練させるための道具だ。つまり、優れたPMとは、機能を作る人ではなく、問いの流れを設計し、学習を組織に定着させる人である。

だから次に「この製品はなぜ売れないのか」と聞きたくなったら、少しだけ問いを変えてみてほしい。売れないのではない。もしかすると、まだ市場に届く形で問いを作れていないだけかもしれない。製品の価値は、機能の数ではなく、問いの鋭さで決まる。そこから本当のPMFが始まる。