Agent Skills by ALSEL
Anthropic ClaudeLLM・AI開発⭐ リポ 0品質スコア 50/100

improve-retention

行動デザイン(B=MAP)を用いてリテンション課題を診断・改善します。「ユーザーが離脱する」「アクティベーション率」「オンボーディングの摩擦」「チャーン分析」「Aha モーメント」といったキーワードが挙がった際や、コホートリテンション曲線の分析・アクティベーションマイルストーンの設計・新規ユーザーの Time-to-Value 短縮・初回セッション後の離脱原因調査を行う場面で活用してください。Ability Chain・プロンプト設計・積み重なる小さな行動変容を網羅しており、習慣ループや報酬設計は hooked-ux、内発的動機づけは drive-motivation を参照してください。

description の原文を見る

Diagnose and fix retention problems using behavior design (B=MAP). Use when the user mentions "users drop off", "activation rate", "onboarding friction", "retention metrics", "why users dont complete", "churn analysis", "user activation", or "aha moment". Also trigger when analyzing cohort retention curves, designing activation milestones, reducing time-to-value for new users, or investigating why users stop after their first session. Covers the Ability Chain, prompt design, and tiny behaviors that compound. For habit loops and variable rewards, see hooked-ux. For intrinsic motivation, see drive-motivation.

SKILL.md 本文

行動デザインフレームワーク

製品が確実に行動を変化させるよう設計するためのフレームワーク。基本的な真実に基づいている:行動は意志力や動機に関するものではなく、予測可能な方程式を持つデザイン問題である。

コア原則

Fogg 行動モデル = B=MAP。行動は、動機、実行能力、およびプロンプトが同時に収束したときに発生する。

            HIGH ┃
                 ┃   ★ 行動が発生
                 ┃  (アクションラインより上)
                 ┃
  Motivation     ┃━━━━━━━━━━━━━━━━━━━━━━━ ← アクションライン
                 ┃
                 ┃   ✗ 行動が失敗
                 ┃  (アクションラインより下)
            LOW  ┃
                 ┗━━━━━━━━━━━━━━━━━━━━━━━━━
                 HARD                    EASY
                        Ability

アクションライン: 動機と実行能力が十分な場合、プロンプトが行動を引き起こす。ラインより下では、どのプロンプトも機能しない。このラインは曲線を描いている:高い動機は低い実行能力を補い、高い実行能力は低い動機を補う。信頼できる戦略は、行動をより簡単にすること(右に移動)であって、動機を高めること(上に移動)ではない。

スコアリング

目標:10/10。 製品の行動デザインをレビューまたは作成する際、以下の原則への遵守に基づいて 0~10 でレーティングする。10/10 とは、すべてのガイドラインに完全に適合していることを意味し、低いスコアは対処すべきギャップを示す。常に現在のスコアと 10/10 に到達するために必要な具体的な改善を提供すること。

3 つの要素

1. 動機

コア概念: 動機は行動のエネルギー。3 つのコア動機があり、それぞれ 2 つの側面を持つ:感覚(喜び/苦痛)、予期(希望/恐怖)、所属(受容/拒絶)。動機は強力だが信頼性に欠ける — 波のように変動する。

なぜ機能するのか: 動機は人々が行動したい理由を説明するが、行動デザインの中で最も信頼性の低い要素である。それは(新年の抱負、製品ローンチ時に)急上昇し、(3 日目、2 週目に)急落する。高い動機に依存する製品は、波が引くと失敗する。最良のデザインは、動機が最低谷にあるときでも機能する。

重要な洞察:

  • 3 つのコア動機:感覚(喜び/苦痛)、予期(希望/恐怖)、所属(受容/拒絶)
  • 動機は波で表れる -- あてにできる安定したリソースではない
  • ピーク時ではなく、低動機時をデザインする
  • 「動機は信頼できない。実行能力はそうではない。」-- BJ Fogg
  • 動機優先の戦略(インスピレーション動画、志向的メッセージング)は爆発的な上昇を生み出すが、継続的な行動は生み出さない
  • 必要な動機レベルを行動の難易度に合わせる -- 難しい行動には高い動機が必要

製品応用:

コンテキスト応用
オンボーディング新規ユーザーの動機の急上昇が続くことに頼らない興奮が薄れても機能する最初のアクションをデザインする
再エンゲージメント帰ってくるユーザーは低い動機を持つと仮定努力を求める前に即座に価値を示す
機能採用動機を難易度に合わせるシンプルな機能は低い動機で十分、複雑な機能は動機ブースターが必要
メッセージング正しい動機を刺激する社交フィットネス → 所属感;金融ツール → 予期(希望)
チャーン防止動機が低下したのか、元々高くなかったのかを診断離脱ユーザーに動機のミスマッチについてアンケートする

コピーパターン:

  • 「30 秒で完了」(容易さを示して必要な動機を削減)
  • 「すでに 50,000 チームが参加...」(所属感の動機)
  • 「進捗を即座に確認」(予期/希望の動機)
  • 「7 日間のストリークを失わないで」(予期/恐怖の動機)
  • 日常的なアクションには動機を多用したコピーを避ける -- 難しい依頼のために取っておく

倫理的境界: 偽の希望を作り出したり、恐怖を搾取して動機を膨らませてはいけない。動機戦術はユーザーを本物の結果に結びつけるべきで、強迫的な使用を促す不安を作り出すべきではない。

参照:references/motivation-waves.md で 3 つの動機、動機の波、低谷での設計について詳しく説明。

2. 実行能力

コア概念: 実行能力は行動を実行する能力。これは実行能力チェーンの 6 つの要因の中で最もスカースなリソースの関数である。1 つのリンクでも弱すぎる場合(費用が高い、時間がかかる、混乱している)、行動は失敗する。シンプルさは単一の次元ではなく、常に人と文脈に相対的である。

なぜ機能するのか: 行動をより簡単にすることは、行動デザインで最も信頼できる戦略である。動機と異なり、実行能力は体系的にエンジニアリングできる。削除するフィールドごと、排除するステップごと、設定するデフォルトごとに、Fogg 行動モデル上で行動は右に移動し、低い動機でもアクションラインを超える。実行能力チェーンは診断ツールを提供する:最も弱いリンクを見つけて修正する。

重要な洞察:

  • 実行能力チェーンには 6 つの要因がある:時間、お金、身体的努力、精神的努力、社会的逸脱、非日常
  • シンプルさは最もスカースなリソースの関数 -- ボトルネックを見つける
  • 「シンプルさは行動を変える」-- BJ Fogg
  • 摩擦監査は各主要な行動の実行能力チェーンで最も弱いリンクを見つける
  • 開始ステップ:行動を最小限のバージョンに縮小(2 分 → 30 秒 → 1 フィールド)
  • デフォルト設定は最も強力な実行能力ツール -- ユーザーはデフォルトをめったに変更しない

製品応用:

コンテキスト応用
サインアップ6 つの要因すべてで実行能力チェーンのコストを最小化ワンクリック SSO は時間、精神的努力、非日常を排除
コアアクションチェーン内の最も弱いリンクを見つけて修正精神的努力がボトルネックの場合、スマートデフォルトとテンプレートを追加
モバイル体験身体的努力と時間制約を最適化事前入力フォーム、親指に優しいターゲット、最小限のタイピング
エンタープライズ採用社会的逸脱と非日常要因に対処「チームはすでにこれを使用しています」は社会的リスクを軽減
摩擦監査6 つの要因それぞれを体系的にテスト主要な行動ごとに 6 つの要因を通じて歩み、それぞれ 1~5 でレーティング

コピーパターン:

  • 「ワンクリックで開始」(時間+身体的努力)
  • 「小規模チームは永遠に無料」(お金)
  • 「技術スキル不要」(精神的努力)
  • 「Google、Stripe、Shopify のチームが使用」(社会的逸脱 -- これが標準)
  • 「既に使用しているツールと同じように機能」(非日常)

倫理的境界: 摩擦の削減は本当に価値のある行動をより簡単にするべき。有害なアクション(過度な支出、過度な共有、またはデータを確認なしで削除するのが簡単になるなど)で摩擦を削減してはいけない。

参照:references/ability-chain.md で 6 つの要因の詳細、摩擦監査テンプレート、簡素化戦略について説明。

3. プロンプト

コア概念: プロンプトはアクションへの呼びかけ -- 「今すぐやる」と言う things。プロンプトなしでは、動機と実行能力がどうであろうと行動は起こらない。3 つのタイプ:人プロンプト(内部的なリマインダー)、文脈プロンプト(環境的な手がかり)、アクションプロンプト(製品からの設計されたトリガー)。

なぜ機能するのか: プロンプトは最もおろそかにされている要素。多くの製品チームは、動機と実行能力が存在すれば、行動が起こると仮定している。そうではない -- 綿密にタイミングされたプロンプトなしでは起こらない。重要な洞察:プロンプトはアクションラインの上でのみ機能する。実行能力や動機がない人にプッシュ通知を送ることはスパムである。最良のプロンプトは、動機と実行能力が既に十分な時に到着する。

重要な洞察:

  • 3 つのプロンプトタイプ:人(内部的な思考)、文脈(環境的な手がかり)、アクション(設計されたお知らせ/CTA)
  • プロンプトは動機と実行能力が既にアクションラインの上にある場合のみ機能
  • 間違った時に送られたプロンプトはノイズ;正しい時に送られたプロンプトは魔法
  • アンカーモーメント:新しい行動を既存のルーチンに結びつける(「Slack を開いた後、私は...する」)
  • 最良のアクションプロンプトは中断ではなく、役に立つリマインダーのように感じる
  • プロンプト疲れは現実 -- すべての不要なプロンプトは今後のプロンプトの価値を低下させる

製品応用:

コンテキスト応用
通知ユーザーがアクションラインの上にある場合のみプロンプトスケジュールではなく、ユーザーに確認すべきコンテンツがある場合にダイジェストを送信
オンボーディングアクションプロンプトで最初の行動をガイドツールチップ:「ここをクリックして最初のプロジェクトを作成」を適切なタイミングで
習慣形成アンカーベースのプロンプトをデザイン「朝のスタンドアップの後、ダッシュボードをレビュー」
再エンゲージメント実際のイベントに結びついた文脈プロンプト「レポートが準備できました」(時間ベースではなく、イベントベース)
機能発見動機と実行能力が一致したときにプロンプトユーザーがそれが解く問題に遭遇した時に機能ツアーを表示

コピーパターン:

  • 「週次レポートが準備できました」(文脈プロンプト -- 実イベントに結びついている)
  • 「コーヒーを飲み終わった後、30 秒かけて...」(アンカープロンプト)
  • 「セットアップを完了するには、あと 1 つ」(進捗を伴うアクションプロンプト)
  • 「チームがあなたの入力を待っています」(社会文脈プロンプト)
  • してはいけないこと:「あなたが恋しいです!」(製品の必要、ユーザーの必要ではない)

倫理的境界: プロンプト疲れとユーザーの好みを尊重。すべてのプロンプトは、「私は今これを受け取りたいだろうか?」というテストに合格すべき。不安や製造された緊急性で操作するためにプロンプトを使用してはいけない。

参照:references/prompt-design.md でプロンプトタイプ、タイミング戦略、通知設計、アンカーモーメントについて説明。

小さな習慣メソッド

小さな習慣メソッドは B=MAP の実用的な応用:行動をほぼ動機がなくても実行できるほど小さくし、既存のルーチンに結びつけ、即座に祝う。

レシピ

After I [ANCHOR MOMENT], I will [TINY BEHAVIOR], then I [CELEBRATION].

アンカーモーメント: 確実に起こる既存のルーチン(アプリを開く、ミーティングを終わらせる、朝のコーヒー)。

小さな行動: 目標行動の最小バージョン -- スキップするのがほぼ不可能なほど小さい。「レポートを書く」ではなく「レポートテンプレートを開く」。「分析を確認」ではなく「1 つのメトリクスをちらりと見る」。

祝い: 行動後の即座の肯定的な感情。祝いは習慣を配線する。それなしでは、繰り返しだけでは十分ではない -- 成功の感覚が必要。

開始ステップ

すべての目標行動には開始ステップがある -- 最小限の意味のあるバージョン:

目標行動開始ステップなぜ機能するのか
オンボーディングを完了1 つフィールドに記入完了からの勢い
毎日分析を使用ダッシュボードを開くデータを見ると好奇心が生まれる
チームと協力1 つのコメントを送信社会的相互性が発動
ドキュメントを書くドキュメントテンプレートを開く白紙抵抗を削除
週次メトリクスをレビュー1 つのメトリクスをスター個人的な投資を作成

行動をスケーリング

小さな行動が配線されると、自然に成長する:

  1. 小さくスタート → ユーザーはダッシュボードを開く(開始ステップ)
  2. 自然に成長 → ユーザーは 2~3 個のメトリクスを確認
  3. 拡張 → ユーザーはダッシュボードをカスタマイズ
  4. 習慣が形成 → ユーザーは毎朝自動的にダッシュボードをチェック

重要:スケーリングを無理強いしない。動機と勢いが拡張を駆動させる。小さいバージョンは失敗ではなく、基礎。

参照:references/tiny-habits.md で小さな習慣レシピ、祝いテクニック、スケーリングパターンについて説明。

行動デザインプロセス

Fogg の持続的な行動変化を作成するための体系的なプロセス:

ステップ 1: 願望を明確化

ユーザーはどのような結果を望んでいるか?製品の目標ではなく、ユーザーの願望。

  • 「チームの進捗を常に把握したい」(「DAU を増やす」ではなく)
  • 「自分の財務について自信を持ちたい」(「機能採用を促進」ではなく)

ステップ 2: 行動オプションを探索

願望を達成する可能な行動をすべてリストアップ。徹底的に -- 1 つの行動にまだコミットしない。

ステップ 3: 行動を合致させる

各行動について評価する:ユーザーは十分な動機を持っているか?十分に簡単か?フォーカスマッピング技術を使用 -- 行動を 2×2 インパクト vs. 実行可能性にプロット。

ステップ 4: 小さくスタート

最も良く合致した行動を取り、開始ステップに縮小。プロンプトをデザイン。祝いを追加。

ステップ 5: 最適化

小さな行動が配線されると、それを拡張。実行能力チェーンを使用してボトルネックを修正。タイミングデータに基づいてプロンプトを改良。

アクションライン

アクションラインは Fogg 行動モデルの視覚的なしきい値。それより上では、プロンプトされると行動が起こる。下では、起こらない。

アクションラインの上に行動を移動させる

2 つの信頼できる戦略:

1. 実行能力を増加させる(右に移動)

  • ステップを削除、フィールドを事前入力、デフォルトを追加
  • テンプレート、ウィザード、段階的開示を使用
  • これが最も信頼できるアプローチ

2. より良いプロンプトを見つける(正しい瞬間にプロンプト)

  • 動機が自然に高い場合にトリガー
  • 既存のルーチンに結びついたアンカーモーメントを使用
  • イベントベースのプロンプト > 時間ベースのプロンプト

信頼できない戦略:動機を増加させる(上に移動)

  • 動機的メッセージングは爆発的な上昇を生み出すが、持続的な変化は生み出さない
  • 動機ブースターを散発的かつ戦略的に使用
  • 動機戦術が必要なら、行動はおそらく難しすぎる

B=MAP を使用した保持診断

B=MAP を製品メトリクスにマッピング:

メトリックB=MAP 診断アクション
低い活性化最初のアクションはアクションラインより下オンボーディングを開始ステップに縮小;実行能力チェーンの最も弱いリンクを修正
1 日目の離脱プロンプトが失敗したまたは誤ったタイミング初日のプロンプトを再設計;既存のユーザールーチンにアンカー
7 日目の離脱動機の波が後退し、行動が難しすぎるコアアクション難易度を削減;初期の興奮に依存しない
30 日目の離脱習慣が形成されず、内部プロンプトがない小さな習慣レシピを作成;祝い/フィードバックループを追加
低い機能採用ほとんどのユーザーで機能がアクションラインより下機能を摩擦監査;動機が存在する場合のみプロンプト
通知疲れプロンプトがアクションラインより下で送信プロンプト量を削減;ユーザーが動機+実行能力を持つ場合のみ送信

よくある間違い

間違い失敗する理由修正
保持を駆動するために動機に頼る動機は波 -- 常に後退する。高い動機が必要な製品は低谷で失敗低動機の瞬間をデザイン;行動を動機の低下を生き残るほど小さくする
実行能力チェーンのボトルネックを無視時間を最適化したが、実際のバリアは精神的努力または社会的逸脱6 つの要因すべてを監査;最も明白なものではなく、最もスカースなリソースを修正
アクションラインより下でプロンプトを送信動機のないユーザーに実行能力がない場合のプッシュ通知はエンゲージメント、スパムではない動機+実行能力が十分な場合のみプロンプト;イベントベースのトリガーを使用
オンボーディングで祝いをスキップ肯定的な感情なしでは、繰り返しだけでは習慣を配線しない重要なアクション後に即座のフィードバック、成功状態、マイクロ祝いを追加
最初のアクションを野心的すぎる大きさにする「プロフィールを完成」はプロジェクト、行動ではない。ユーザーは開始前に放棄開始ステップに縮小:「名前を追加」または「写真をアップロード」 -- 1 フィールド、1 アクション
B=MAP を診断せずに成功した製品をコピー高い動機のオーディエンスで機能するものは、動機や実行能力、プロンプト文脈が異なる場合は失敗常に特定のユーザーの動機、実行能力、プロンプト文脈を最初に診断

クイック診断

質問いいえの場合アクション
新規ユーザーは 60 秒以内にコアアクションを完了できるか?実行能力が低い実行能力チェーンを使用して摩擦監査;開始ステップに縮小
ユーザー動機が低い場合、製品は機能するか?デザインは動機の急上昇に依存コアな行動を最小限の動機で機能するよう再設計
プロンプトは実イベントまたはアンカーモーメントに結びついているか?プロンプトがスパムのように感じる時間ベースからイベントベースまたはアンカーベースに切り替え
重要なアクション後に即座のフィードバックがあるか?祝いなし = 習慣配線なし成功状態、進捗インジケーター、または社会的フィードバックを追加
実行能力チェーンで最も弱いリンクを特定したか?間違ったものを最適化しているコア行動の 6 つの要因を 1~5 でレーティング
ユーザーは小さな行動から完全なエンゲージメントに自然にスケーリングするか?複雑な行動を早すぎる段階で強制開始ステップを実装し、行動を自然に成長させる

参照ファイル

  • behavior-model.md:B=MAP 深掘り、アクションライン、行動タイプ、失敗診断
  • ability-chain.md:6 つのシンプル性要因、摩擦監査テンプレート、簡素化戦略
  • prompt-design.md:3 つのプロンプトタイプ、タイミング戦略、通知設計、アンカーモーメント
  • tiny-habits.md:小さな習慣レシピ、開始ステップ、祝い、スケーリングパターン
  • motivation-waves.md:3 つの動機、動機の波、低谷での設計
  • product-applications.md:SaaS、モバイル、e-コマース、ヘルス、教育に応用された B=MAP
  • case-studies.md:Fogg のレンズを通した Instagram、Duolingo、Slack、Calm、Peloton

参考資料

このスキルは BJ Fogg によって開発された行動デザイン研究に基づいている。完全な方法論、研究、および事例研究については:

著者について

BJ Fogg, PhD はスタンフォード大学行動デザインラボの創設者で、1998 年以来行動変化に関する研究を指揮してきた。彼は Fogg 行動モデル(B=MAT/B=MAP)を作成し、製品デザイナー、健康研究者、および行動変化専門家が使用する基盤となるフレームワークになった。Fogg は「行動デザイン」という用語を生み出し、Instagram の創設者(Mike Krieger は学生だった)を含む何千人もの革新者に彼の方法を教えた。「説得技術としてのコンピュータ」(説得技術)に関する彼の研究は、完全に新しい学術分野を作成した。Tiny Habits は 20 年間の研究を、行動変化が動機やこんなによるものではなく、行動を小さく、結びつけられ、祝われるように設計することから来ることを実証する実用的なシステムに蒸留する。Fogg の方法はシリコンバレーのスタートアップから Fortune 500 企業まで、多くの企業の製品チームによって採用されており、彼の学術業績は 20,000 回以上引用されている。

ライセンス: MIT(寛容ライセンスのため全文を引用しています) · 原本リポジトリ

詳細情報

作者
wondelai
リポジトリ
wondelai/skills
ライセンス
MIT
最終更新
不明

Source: https://github.com/wondelai/skills / ライセンス: MIT

関連スキル

OpenAILLM・AI開発⭐ リポ 6,054

agent-browser

AI エージェント向けのブラウザ自動化 CLI です。ウェブサイトとの対話が必要な場合に使用します。ページ遷移、フォーム入力、ボタンクリック、スクリーンショット取得、データ抽出、ウェブアプリのテスト、ブラウザ操作の自動化など、あらゆるブラウザタスクに対応できます。「ウェブサイトを開く」「フォームに記入する」「ボタンをクリックする」「スクリーンショットを取得する」「ページからデータを抽出する」「このウェブアプリをテストする」「サイトにログインする」「ブラウザ操作を自動化する」といった要求や、プログラマティックなウェブ操作が必要なタスクで起動します。

by JimmyLv
汎用LLM・AI開発⭐ リポ 1,982

anyskill

AnySkill — あなたのプライベート・スキルクラウド。GitHubを基盤としたリポジトリからエージェントスキルを管理、同期、動的にロードできます。自然言語でクラウドスキルを検索し、オンデマンドでプロンプトを自動ロード、カスタムスキルのアップロードと共有、スキルバンドルの一括インストールが可能です。OpenClaw、Antigravity、Claude Code、Cursorに対応しています。

by LeoYeAI
汎用LLM・AI開発⭐ リポ 1,982

engram

AIエージェント向けの永続的なメモリシステムです。バグ修正、意思決定、発見、設定変更の後はmem_saveを使用してください。ユーザーが「覚えている」「記憶している」と言及した場合、または以前のセッションと重複する作業を開始する際はmem_searchを使用します。セッション終了前にmem_session_summaryを使用して、コンテキストを保持してください。

by LeoYeAI
汎用LLM・AI開発⭐ リポ 21,584

skyvern

AI駆動のブラウザ自動化により、任意のウェブサイトを自動化できます。フォーム入力、データ抽出、ファイルダウンロード、ログイン、複数ステップのワークフロー実行など、ユーザーがウェブサイトと連携する必要があるときに使用します。Skyvernは、LLMとコンピュータビジョンを活用して、未知のサイトも自動操作可能です。Python SDK、TypeScript SDK、REST API、MCPサーバー、またはCLIを通じて統合できます。

by Skyvern-AI
汎用LLM・AI開発⭐ リポ 1,149

pinchbench

PinchBenchベンチマークを実行して、OpenClawエージェントの実世界タスクにおけるパフォーマンスを評価できます。モデルの機能テスト、モデル間の比較、ベンチマーク結果のリーダーボード提出、またはOpenClawのセットアップがカレンダー、メール、リサーチ、コーディング、複数ステップのワークフローにどの程度対応しているかを確認する際に使用します。

by pinchbench
汎用LLM・AI開発⭐ リポ 4,693

openui

OpenUIとOpenUI Langを使用してジェネレーティブUIアプリを構築できます。これらはLLM生成インターフェースのためのトークン効率的なオープン標準です。OpenUI、@openuidev、ジェネレーティブUI、LLMからのストリーミングUI、AI向けコンポーネントライブラリ、またはjson-render/A2UIの置き換えについて述べる際に使用します。スキャフォルディング、defineComponent、システムプロンプト、Renderer、およびOpenUI Lang出力のデバッグに対応しています。

by thesysdev
本サイトは GitHub 上で公開されているオープンソースの SKILL.md ファイルをクロール・インデックス化したものです。 各スキルの著作権は原作者に帰属します。掲載に問題がある場合は info@alsel.co.jp または /takedown フォームよりご連絡ください。
原作者: wondelai · wondelai/skills · ライセンス: MIT