プロダクトマネージャー ツールキット

ディスカバリーからデリバリーまで、モダンなプロダクト管理に必要な不可欠なツールとフレームワーク。

クイックスタート

機能の優先順位付けの場合

python scripts/rice_prioritizer.py sample  # サンプルCSVを作成
python scripts/rice_prioritizer.py sample_features.csv --capacity 15

インタビュー分析の場合

python scripts/customer_interview_analyzer.py interview_transcript.txt

PRD作成の場合

1. references/prd_templates.md からテンプレートを選択
2. ディスカバリー作業に基づいて各セクションを記入
3. ステークホルダーと共にレビュー
4. PM ツールでバージョン管理

コアワークフロー

機能優先順位付けプロセス

1. 機能リクエストの収集

   • カスタマーフィードバック
   • セールスからのリクエスト
   • 技術的負債
   • 戦略的イニシアティブ

2. RICEでスコア付け

   # CSVを作成: name,reach,impact,confidence,effort
   python scripts/rice_prioritizer.py features.csv
   

   • Reach: 四半期あたりに影響を受けるユーザー数
   • Impact: massive/high/medium/low/minimal
   • Confidence: high/medium/low
   • Effort: xl/l/m/s/xs (人月)

3. ポートフォリオの分析

   • クイックウィンとビッグベットを確認
   • 工数配分をチェック
   • 戦略との整合性を検証

4. ロードマップの生成

   • 四半期ごとの容量計画
   • 依存関係のマッピング
   • ステークホルダーの調整

カスタマーディスカバリープロセス

1. インタビューの実施

   • セミ構造化形式を使用
   • ソリューションではなく問題に焦点を当てる
   • 許可を得た上で記録

2. インサイトの分析

   python scripts/customer_interview_analyzer.py transcript.txt
   

   抽出内容:

   • 重大度付きのペインポイント
   • 優先度付きの機能リクエスト
   • 達成すべき仕事 (Jobs to be done)
   • センチメント分析
   • キーテーマと引用

3. 発見事項の統合

   • 類似のペインポイントをグループ化
   • インタビュー間のパターンを特定
   • 機会領域にマッピング

4. ソリューションの検証

   • ソリューション仮説を作成
   • プロトタイプでテスト
   • 実績と期待値を測定

PRD開発プロセス

1. テンプレートを選択

   • 標準PRD: 複雑な機能 (6-8週間)
   • ワンページPRD: シンプルな機能 (2-4週間)
   • フィーチャーブリーフ: 検証フェーズ (1週間)
   • Agile エピック: スプリントベースのデリバリー

2. コンテンツの構成

   • 問題 → ソリューション → 成功指標
   • スコープ外を必ず記載
   • 明確なアクセプタンス基準

3. コラボレーション

   • エンジニアリングで実現性を確認
   • デザインで体験を確認
   • セールスで市場検証を実施
   • サポートで運用への影響を確認

主要なスクリプト

rice_prioritizer.py

ポートフォリオ分析機能を備えた高度な RICE フレームワーク実装。

機能:

• RICEスコア計算
• ポートフォリオバランス分析 (クイックウィンとビッグベット)
• 四半期ロードマップ生成
• チーム容量計画
• 複数の出力形式 (テキスト/JSON/CSV)

使用例:

# 基本的な優先順位付け
python scripts/rice_prioritizer.py features.csv

# カスタムチーム容量 (四半期あたりの人月) を指定
python scripts/rice_prioritizer.py features.csv --capacity 20

# 統合用の JSON として出力
python scripts/rice_prioritizer.py features.csv --output json

customer_interview_analyzer.py

実行可能なインサイト抽出のための NLP ベースのインタビュー分析。

機能:

• 重大度評価付きペインポイント抽出
• 機能リクエスト識別と分類
• 達成すべき仕事パターン認識
• センチメント分析
• テーマ抽出
• 競合関連事項の言及
• キー引用の特定

使用例:

# 単一インタビューを分析
python scripts/customer_interview_analyzer.py interview.txt

# 集計用の JSON として出力
python scripts/customer_interview_analyzer.py interview.txt json

リファレンスドキュメント

prd_templates.md

異なるコンテキスト向けの複数の PRD フォーマット:

1. 標準PRDテンプレート

   • 包括的な11セクション形式
   • 主要な機能に最適
   • 技術仕様を含む

2. ワンページPRD

   • クイックな調整のための簡潔なフォーマット
   • 問題/ソリューション/メトリクスに焦点
   • より小さな機能に適している

3. Agile エピックテンプレート

   • スプリントベースのデリバリー
   • ユーザーストーリーマッピング
   • アクセプタンス基準に焦点

4. フィーチャーブリーフ

   • 軽量な検証
   • 仮説駆動
   • PRD前段階

優先順位付けフレームワーク

RICEフレームワーク

スコア = (Reach × Impact × Confidence) / Effort

Reach: 四半期あたりのユーザー数
Impact: 
  - Massive = 3x
  - High = 2x
  - Medium = 1x
  - Low = 0.5x
  - Minimal = 0.25x
Confidence:
  - High = 100%
  - Medium = 80%
  - Low = 50%
Effort: 人月

価値vs工数マトリクス

         工数が少ない    工数が多い
         
価値     クイック        ビッグ
が高い   ウィン          ベット
         [優先]          [戦略的]
         
価値     フィルイン      時間の
が低い   [検討]          ムダ
                        [回避]

MoSCoW メソッド

• Must Have: ローンチに不可欠
• Should Have: 重要だが不可欠ではない
• Could Have: あると便利
• Won't Have: スコープ外

ディスカバリーフレームワーク

カスタマーインタビューガイド

1. コンテキスト質問 (5分)
   - 役割と責任
   - 現在のワークフロー
   - 使用しているツール

2. 問題の掘り下げ (15分)
   - ペインポイント
   - 頻度と影響
   - 現在の対処法

3. ソリューション検証 (10分)
   - コンセプトへの反応
   - 価値認識
   - 購買意思

4. まとめ (5分)
   - その他の考え
   - 紹介者
   - フォローアップ許可

仮説テンプレート

[この機能を構築することで]
[これらのユーザーに対して]
[この結果を達成できると信じています]
[このメトリクスが]の時に正しいことが分かります

機会ソリューションツリー

成果
├── 機会1
│   ├── ソリューションA
│   └── ソリューションB
└── 機会2
    ├── ソリューションC
    └── ソリューションD

メトリクスと分析

ノーススターメトリクスフレームワーク

1. コア価値を特定: ユーザーにとって最大の価値は?
2. 測定可能にする: 定量化でき追跡可能
3. 実行可能であることを確認: チームが影響を与えられる
4. 先行指標を確認: ビジネス成功を予測する

ファネル分析テンプレート

獲得 → 活性化 → 保持 → 収益化 → 紹介

主要メトリクス:
- 各ステップでのコンバージョン率
- ドロップオフポイント
- ステップ間の時間
- コホート別の変動

機能成功メトリクス

• 採用: 機能を使用しているユーザーの %
• 頻度: 期間あたりユーザーあたりの使用回数
• 深さ: 使用された機能機能の %
• 保持: 時間経過での継続使用
• 満足度: 機能の NPS/CSAT

ベストプラクティス

優れた PRD を書く

1. ソリューションではなく問題から始める
2. 明確な成功メトリクスを最初から含める
3. スコープ外を明示的に記載
4. ビジュアル (ワイヤーフレーム、フロー) を使用
5. 技術的詳細は付録に
6. 変更をバージョン管理

効果的な優先順位付け

1. クイックウィンと戦略的ベットをミックス
2. 機会費用を考慮
3. 依存関係を考慮
4. 予期しない作業用バッファ (20%) を確保
5. 四半期ごとに見直し
6. 決定を明確に伝える

カスタマーディスカバリーのコツ

1. 「なぜ」を5回聞く
2. 将来の意図ではなく過去の行動に焦点を当てる
3. 誘導的な質問を避ける
4. 彼らの環境でインタビューを実施
5. 感情的反応を探す
6. データで検証

ステークホルダーマネジメント

1. 決定について RACI を特定
2. 定期的な非同期アップデート
3. ドキュメント以上のデモ
4. 懸念に早期に対処
5. 成功を公開で祝う
6. 失敗から公開で学ぶ

避けるべき一般的な落とし穴

1. ソリューション優先の思考: 問題を理解する前に機能に飛び込む
2. 分析麻痺: リサーチが過剰で船出しない
3. フィーチャーファクトリー: 影響を測定せずに機能を出荷
4. 技術的負債を無視: プラットフォーム健全性に時間を割かない
5. ステークホルダーへのサプライズ: 早期かつ頻繁なコミュニケーションなし
6. メトリクスシアター: 本当の価値より虚栄メトリクスを最適化

統合ポイント

このツールキットは以下と統合されます:

• 分析: Amplitude、Mixpanel、Google Analytics
• ロードマッピング: ProductBoard、Aha!、Roadmunk
• デザイン: Figma、Sketch、Miro
• 開発: Jira、Linear、GitHub
• リサーチ: Dovetail、UserVoice、Pendo
• コミュニケーション: Slack、Notion、Confluence

クイックコマンドチートシート

# 優先順位付け
python scripts/rice_prioritizer.py features.csv --capacity 15

# インタビュー分析
python scripts/customer_interview_analyzer.py interview.txt

# サンプルデータを作成
python scripts/rice_prioritizer.py sample

# 統合用の JSON 出力
python scripts/rice_prioritizer.py features.csv --output json
python scripts/customer_interview_analyzer.py interview.txt json

利用する場合

このスキルは概要に記載されたワークフローまたはアクションを実行する場合に適用できます。

制限事項

• このスキルは、上記で説明したスコープと明確に一致するタスクの場合にのみ使用してください。
• 出力を環境固有の検証、テスト、または専門家のレビューの代替として扱わないでください。
• 必須の入力、許可、安全保障の境界、または成功基準が不足している場合は、説明を求めて停止してください。