ユーザーリサーチ分析

目次

• 概要
• 使用する場面
• クイックスタート
• リファレンスガイド
• ベストプラクティス

概要

効果的なリサーチ分析は、生データを製品開発とデザインを導く実行可能な洞察に変換します。

使用する場面

• ユーザーインタビューとサーベイの統合
• パターンとテーマの特定
• デザイン仮説の検証
• ユーザーニーズの優先順位付け
• ステークホルダーへの洞察の伝達
• デザイン判断に情報を提供

クイックスタート

最小限の動作例：

# 定性的および定量的データを分析

class ResearchAnalysis:
    def synthesize_interviews(self, interviews):
        """インタビューからテーマと洞察を抽出"""
        return {
            'interviews_analyzed': len(interviews),
            'methodology': 'Thematic coding and affinity mapping',
            'themes': self.identify_themes(interviews),
            'quotes': self.extract_key_quotes(interviews),
            'pain_points': self.identify_pain_points(interviews),
            'opportunities': self.identify_opportunities(interviews)
        }

    def identify_themes(self, interviews):
        """インタビュー全体で繰り返されるパターンを検出"""
        themes = {}
        theme_frequency = {}

        for interview in interviews:
            for statement in interview['statements']:
                theme = self.categorize_statement(statement)
                theme_frequency[theme] = theme_frequency.get(theme, 0) + 1

        # 頻度でソート
// ... (完全な実装についてはリファレンスガイドを参照)

リファレンスガイド

references/ ディレクトリ内の詳細な実装：

ベストプラクティス

✅ すべきこと

• 複数のリサーチ方法を使用する
• 複数の情報源から検証する
• 引用と証拠をドキュメント化する
• パターンと頻度を探す
• 知見と解釈を分離する
• ユーザーに知見を検証させる
• チーム全体で洞察を共有する
• デザイン判断に結び付ける
• 手法をドキュメント化する
• 学習に基づいてリサーチアプローチを反復する

❌ してはいけないこと

• 小さなサンプルを過度に解釈する
• 矛盾するデータを無視する
• 単一のデータポイントに基づいて判断する
• ドキュメンテーションをスキップする
• 仮説を支持する引用をチェリーピックする
• 根拠なく発表する
• 制限事項を記録することを忘れる
• 参加者を巻き込まずに分析する
• 実行可能な推奨事項なしで洞察を作成する
• リサーチを未使用のままにしておく