インタビュー分析の方法 — 定性データから仮説を抽出する
インタビューは「実施」して終わりではない。むしろ、本番は実施後だ。
5名にインタビューして、「いい話が聞けた」「やっぱり課題はあった」で報告書を書く。これでは仮説検証にならない。感想文だ。
定性データを事業判断に使える仮説に変換するには、分析の方法論が必要になる。属人的な「なんとなくの理解」ではなく、再現可能なプロセスで。
なぜインタビュー分析が軽視されるのか
大企業の新規事業部門でよく見る光景がある。
インタビューを5名実施。翌週の会議で「顧客は〇〇に困っているようです」と報告。上司が「それで？」と聞く。「もう少し調べます」で終わる。
原因は明確だ。インタビューの「実施」にはリソースを割くが、「分析」にはほとんど時間をかけていない。録音を聞き返さず、メモだけで結論を出している。
分析なきインタビューは、データなき意思決定と同じだ。
分析の4ステップ
Step 1: 書き起こし — 生の声をデータ化する
録音を文字に起こす。全文である必要はないが、顧客の発言はそのまま残す。
「月末に3日間は発注書の確認だけで終わります」。これが生データだ。「発注業務に課題がある」ではない。後者はあなたの解釈であり、データではない。
書き起こしの目的は、解釈と事実を分離すること。顧客が実際に言った言葉だけを残す。
生成AIの文字起こしツールを使えば、1時間のインタビューを10分程度でテキスト化できる。ここは効率化すべきポイントだ。
Step 2: コーディング（ラベル付け）— 発言を分類する
書き起こした発言に、テーマごとのラベルを付ける。定性調査の世界ではこれを「コーディング」と呼ぶ。
例えば、5名分のインタビューから以下のようなラベルが出てくる。
- 業務プロセスの非効率: 「同じデータを3つのシステムに手入力している」
- 情報共有の断絶: 「営業が取ってきた情報が開発に伝わらない」
- 意思決定の遅延: 「承認に2週間かかる。その間にタイミングを逃す」
ラベルは事前に決めすぎない。データから浮かび上がるテーマに沿って、帰納的につける。仮説に合致するラベルだけを付けると、確証バイアスに陥る。
Step 3: パターン抽出 — 個別の声から構造を見出す
ラベル付けした発言を俯瞰し、パターンを探す。
ここで有効なフレームワークが2つある。
課題×深刻度マトリクス: 横軸に課題のカテゴリ、縦軸に深刻度（頻度×影響度）を取る。5名の発言をマッピングすると、「多くの人が高い深刻度で語っている課題」が浮かび上がる。これが事業機会だ。
代替手段マッピング: 各課題に対して、顧客が今どう対処しているかを整理する。「Excel で手作業」「外注に丸投げ」「諦めている」。代替手段の質が低い課題ほど、新しいソリューションの介入余地が大きい。
3名以上が同じパターンを示していれば、それは偶然ではない。
Step 4: 仮説の更新 — データで仮説を書き換える
分析の最終ゴールは、仮説の更新だ。
インタビュー前の仮説:「製造業の購買担当者は、発注書作成に課題を抱えている」
インタビュー後の仮説:「発注書作成よりも、発注後の納期管理に深刻な課題がある。月20時間の工数が発生し、既存ERPでは対応できていない」
仮説が変わらなかったとしたら、分析が足りないか、インタビューで聞くべきことを聞けていない可能性がある。
→ 顧客インタビューの進め方 — 準備から分析までの完全ガイド
生成AIを活用した分析の効率化
生成AIは、定性データ分析の作業効率を大幅に引き上げる。
書き起こしの自動化: Whisper等の音声認識モデルで文字起こしを自動化。手作業で半日かかっていた書き起こしが、数十分で完了する。
コーディングの補助: インタビューテキストをLLMに投入し、発言の分類案を出させる。人間がゼロから読み込むより、AIの分類案をレビュー・修正する方が速い。
パターン候補の提示: 複数名のインタビューデータを一括で投入し、「共通するパターンを抽出せよ」と指示する。見落としていた共通点が浮かび上がることがある。
ただし、AIの出力を鵜呑みにしてはいけない。最終的な解釈と仮説の更新は、事業の文脈を理解している人間が行うべきだ。AIは「処理」を助けるが、「判断」は代替しない。
よくある分析の失敗
失敗1: 確証バイアス
最も多い失敗がこれだ。自分の仮説を裏付ける発言だけを拾い、矛盾する発言を無視する。
5名中1名が「ぜひ使いたい」と言えば、その発言を報告書の冒頭に置く。残り4名の「今のやり方で十分」は脚注に追いやる。これは分析ではなく、プレゼン資料の作り方だ。
対策: 仮説を否定する発言を先に整理する。反証データを意識的に集めることで、バイアスを抑制できる。
失敗2: サンプルの偏り
「たまたま課題意識の高い人ばかりに聞いてしまった」ケース。リクルーティングの条件が狭すぎると、特定の属性に偏る。
対策: 対象者の属性（企業規模、役職、業界）を意識的に散らす。全員が同じプロファイルなら、そのパターンが一般化できるか疑う。
失敗3: 発言の文脈無視
「月100万円払ってでも解決したい」という発言だけを切り取る。だが、文脈を見ると「仮にそういう状況になったら、の話ですけど」と前置きされている。
発言は、前後の文脈とセットで解釈する。切り取りは、事業判断を誤らせる。
→ 共感マップの作り方 — 顧客理解を「仮説」から「確信」に変える
まとめ
インタビュー分析の4ステップ。
- 書き起こし — 顧客の生の言葉をデータとして残す
- コーディング — 発言をテーマごとに分類する
- パターン抽出 — 課題×深刻度マトリクスで構造化する
- 仮説の更新 — データに基づいて仮説を書き換える
インタビューを「いい話が聞けた」で終わらせない。定性データから仮説を抽出し、事業判断に使える形にする。それが分析の仕事だ。
LITMUSは、新規事業の検証に特化したスタジオです。インタビュー設計から実施、定性データ分析、仮説更新まで一気通貫で支援します。詳しくは LITMUS をご覧ください。