アンケート結果やダッシュボードに表示された「平均的なユーザー像」をもとに機能を作ったのに、リリースしてみると誰の心にも刺さらなかった——プロダクトマネージャー(PdM)であれば、一度は経験したことがあるのではないでしょうか。
平均値は、多数のユーザーの傾向を要約する便利な指標ですが、同時に「誰の顔も思い浮かばない、輪郭のぼやけた人物像」を生み出してしまう危険もはらんでいます。この問題への処方箋として近年注目されているのが、たった一人の顧客を徹底的に深掘りする「N1分析」という考え方です。本記事では、PdMがN1分析を意思決定に活かすべき理由と、実践的な進め方を、ペルソナ作成との関係やBtoB SaaSの具体例を交えて解説します。
N1分析とは何か
N1分析とは、統計における「サンプル数(N)が1」、つまり特定の1人の顧客を対象に、その人がプロダクトを使い始めた背景、比較検討のプロセス、購買や利用を決断した理由を時系列で徹底的に深掘りする分析手法です。
多くの定量調査は「N=数百〜数千」の集団を対象に、平均や分布といった全体傾向を明らかにすることを目的としています。これに対してN1分析は、代表性のある統計的傾向を明らかにすることを目的とせず、一人の意思決定プロセスの中に潜む「なぜそう行動したのか」という文脈や心理的な機微を、解像度高く理解することを目的とします。国内のマーケティング領域で広く知られるようになった考え方ですが、ユーザー理解を起点に意思決定を行うプロダクト開発の現場とも相性の良いアプローチです。
PdMがN1分析を軽視しがちな3つの誤解
具体的な進め方に入る前に、N1分析についてよくある3つの誤解を整理しておきます。
誤解1：サンプル数が少ないとエビデンスとして弱い。 「たった1人の声を意思決定の根拠にするのは危険だ」という指摘は一見もっともですが、N1分析の目的は統計的な代表性を証明することではありません。定量データでは決して見えない「意思決定の背景にある文脈」を掴むことがN1分析の役割であり、量的な調査とは補い合う関係にあります。
誤解2：多数派の意見を反映すれば失敗しない。 平均的な意見や当たり障りのない要望ばかりを拾い集めると、結果として「誰の心にも強く刺さらない、無難な機能」ができあがりがちです。むしろ、強い課題感やこだわりを持つ一人のユーザーを深く理解するほうが、際立った価値提案のヒントを見つけやすいことが多くあります。
誤解3：N1分析とペルソナ作成は同じものである。 ペルソナは、複数のユーザーから抽出した共通パターンを要約した「意思決定に使うための人物像」です。一方でN1分析は、その要約のもとになる生のデータを、1人の顧客に絞って深く収集するプロセスそのものを指します。N1分析はペルソナを精緻化するための入力であり、両者は目的の異なる別の概念です。
N1分析を意思決定に活かす実践4ステップ
ここからは、N1分析をプロダクトの意思決定に結びつけるための4ステップを解説します。
ステップ1：起点となる1人を意図的に選ぶ
最初に行うのは、誰でも良いから話を聞くのではなく、「なぜこの人を選ぶのか」という意図を持って対象者を選定することです。代表的な選び方には、プロダクトを熱心に使い込んでいるヘビーユーザー、逆に強い不満を抱えて離脱しかけているユーザー、競合から乗り換えてきたばかりのユーザーなどがあります。どのタイプを選ぶかは、明らかにしたい意思決定の内容によって変わります。
ステップ2：意思決定プロセスを時系列で深掘りする
対象者が決まったら、ユーザーインタビューの手法を用いて、プロダクトを知ったきっかけから、比較検討、利用開始、そして今に至るまでの行動を時系列に沿って深掘りします。「なぜそのタイミングで使い始めたのか」「他にどんな選択肢を検討したのか」「最終的に何が決め手になったのか」を、その人自身の言葉で語ってもらうことがポイントです。
ステップ3：固有の事情と一般化できる要素を切り分ける
深掘りしたインタビュー内容を振り返り、「この人固有の特殊な事情」と「他のユーザーにも当てはまりそうな一般化できる要素」を切り分けます。この切り分けを怠ると、たまたま1人が語った特殊な事情を、あたかも多くのユーザーに共通する傾向であるかのように扱ってしまう誤りが起きやすくなります。
一般化できそうな要素が見つかったら、それを仮説として一旦保留し、次のステップで検証する対象として扱います。
ステップ4：示唆をペルソナ・仮説に反映し、定量データで検証する
一般化できると判断した要素は、ペルソナの更新や、新機能の仮説に反映します。ただし、N1分析だけで意思決定を完結させるのではなく、プロダクト利用ログやアンケートといった定量データと突き合わせ、その示唆が一部の特殊なケースなのか、多くのユーザーに共通するパターンなのかを検証するプロセスを必ず設けます。この定性と定量の往復こそが、N1分析を「1人の思い込み」で終わらせないための要です。
具体例：オンライン学習SaaSにおけるN1分析の活用
法人向けのオンライン学習SaaSを提供する企業を例に、4ステップの流れを確認します。
継続率のデータを見ると、契約後3ヶ月以内に利用が停滞する企業が一定数存在していました。そこで、直近で利用が停滞し始めた企業の管理者1名を対象にN1分析を実施しました。
インタビューを時系列で深掘りしたところ、「導入当初は現場から積極的な声があったが、部署異動で推進役の担当者が交代したタイミングで、後任者への引き継ぎが行われず利用が止まった」という具体的な経緯が語られました。この経緯のうち「推進役の異動」という事実そのものはこの企業固有の事情ですが、「利用を推進する担当者が孤立し、属人化している」という構造は他の停滞企業にも当てはまるのではないかという仮説が浮かび上がりました。
この仮説を、過去半年間に停滞した企業群の利用ログと突き合わせたところ、約6割の企業でログイン担当者が1名に偏っていたことが確認できました。この検証結果をもとに、「利用状況を複数人で共有できるダッシュボード機能」の開発に着手する意思決定につながっています。
よくある質問(FAQ)
Q1. N1分析は何人くらい実施すればよいですか?
N1分析は本来1人を深く掘り下げる手法ですが、実務では2〜3人程度に対して実施し、共通する構造が見えてくるかを確認するケースが多くあります。人数を増やすこと自体が目的ではなく、1人あたりの深掘りの質を優先してください。
Q2. N1分析とユーザーインタビューはどう違いますか?
ユーザーインタビューは複数人を対象に共通パターンを見つけることを主目的とする調査手法であるのに対し、N1分析は1人の意思決定プロセスをとことん深掘りすることに主眼を置く分析の「視点」です。実施の手段としてはインタビューを用いますが、目的と深さが異なります。
Q3. 定量データが十分にある場合でもN1分析は必要ですか?
必要です。定量データは「何が起きているか」を教えてくれますが、「なぜ起きているか」までは教えてくれません。継続率の低下といった定量的な傾向が見えているときこそ、その背景にある文脈を理解するためにN1分析が有効に機能します。
Q4. BtoBの場合、誰を「N1」に選ぶべきですか?
BtoBでは、実際にプロダクトを操作する現場担当者と、契約や予算の決裁権を持つ意思決定者とで、抱えている課題や意思決定の視点が異なることが多くあります。明らかにしたい意思決定の内容に応じて、どちらの役割を対象にするかを事前に決めておくことが重要です。
まとめ
N1分析は、統計的な代表性を証明する手法ではなく、たった一人の意思決定プロセスを深く理解することで、定量データだけでは見えない「なぜ」を掴むための手法です。意図を持って対象者を選び、時系列で意思決定プロセスを深掘りし、固有の事情と一般化できる要素を切り分け、得られた示唆をペルソナや仮説に反映したうえで定量データで検証する、という4ステップを回すことで、N1分析を一人の思い込みで終わらせず、精度の高い意思決定につなげることができます。
平均的なユーザー像に迷いを感じたときこそ、まずは目の前の一人に、じっくりと話を聞いてみてください。
プロダクト開発・DXについてお気軽にご相談ください
プロダクトマネジメントの顧問支援や新人PdM育成、DX推進のサポートを承っています。 「何から始めればいいかわからない」という段階からでもお気軽にご連絡ください。
