今日の問い
プロダクトを作り込まずに、次の判断に必要な証拠を得られますか。
30秒でつかむ
最小実験の目的は、小さな製品を納品することではありません。最も危険な仮定について、次の判断に足る証拠を得ることです。
Build、Measure、Learnは、作る、測る、学ぶの循環です。実務では、先に「何を学べば判断できるか」を決め、そこから測定と試作を逆算します。
30秒図解 · LESSON 06
循環図
最小の学習ループを回す
成果物の量ではなく、次の判断に必要な学びを最短で得ます。
- 01仮説を置く
- 02最小で作る
- 03行動を測る
- 04判断を更新
CLUE · 見抜く手掛かり
結果で次の判断が変わるか
TRAP · ありがちな罠
小さな完成品をMVPと呼ぶ
原則
実験は、次の5点を一枚にまとめます。
- 仮定: 何が真だと考えているか
- 対象: 誰のどの状況で確かめるか
- 方法: 何を見せ、何をしてもらうか
- 証拠: どの行動や発言を記録するか
- 判断: どの結果なら継続、修正、中止するか
Buildは、必ずしもコードを書くことではありません。説明文、紙の画面、手作業の代行、予約希望の登録でも、仮定に合う証拠が得られれば実験になります。
Measureでは、集めやすい数字より、仮定に近い行動を測ります。閲覧数より予約開始率、好意的な感想より自力で完了できた割合、といった選び方です。
Learnでは、結果を成功談に整えません。基準と比べて、継続、修正、中止のどれを選ぶかを記録します。実験の成功は、案が当たることではなく、不確実性が減ることです。
小規模な実験は方向を決める材料です。安全性や法的適合性を証明するものではありません。影響が大きい領域では、専門家の確認と別の検証が必要です。
仮定を明文化し、測定可能な実験とBuild-Measure-Learnの反復で、投資判断につなげる原則を支える。
良い例と惜しい例
最小実験の設計
良い例は、対象、行動、判断基準が明確です。ここでの数値は書式を示す例であり、証明力を保証しません。結果が悪くても、次に何を見直すかを決められます。
AIへの指示例
目的: 最も危険な仮定を、3日以内で確かめる最小実験を設計する
制約: 本番実装、公開、個人情報の収集は行わず、参加者へ実験だと明示する
参照: falsification-criteria.mdと状況インタビューの所見
受入条件: 仮定、対象、方法、取得する証拠、継続・修正・中止の基準、実施後の記録欄を含む一枚の計画にする
確認問題
セルフチェック
1. 最小実験の大きさを決める基準として、最も適切なのはどれですか。
最終制作へ反映する
最小実験計画
experiment-plan.mdを作り、最も危険な仮定、対象、方法、証拠、判断基準、結果記録欄を一ページにまとめる。
Acceptance criteria
- 実験方法が、選んだ仮定を直接確かめる内容になっている
- 実施前に、継続、修正、中止を分ける観察可能な基準が書かれている
今日のまとめ
- 最小実験は、次の判断に必要な証拠から逆算する
- Buildはコードに限らず、Measureは仮定に近い行動を選ぶ
- 次は、ユーザー目標と事業目標を同じ戦略へまとめる