直感ではなくシグナル、一人創業者のデータの見方(North Star Metric)

直感をデータに変える瞬間、本当のビジネスが始まる。

直感だけで沈んだ3週間、データで生き返った3か月

2023年、ある一人SaaS創業家が「マーケチーム向け自動レポートツール」をリリースしました。直感は良かった。「これが顧客がいちばん欲しい機能だろう」と。3週間、もらったフィードバックをすべて読み、自分のアイデアに合う声だけを拾って機能を足し続けました。3週間後、ユーザーは100人から97人に減りました。

逆に別の一人創業家は、最初の20人のフィードバックを全部分類しました。「何がいちばん多く言及されているか?」をデータで見たのです。いちばん多い不満は彼女が考えていた機能ではなく、「とにかくこれ1つだけ速くなって欲しい」。その1つを3日で作って、翌週ユーザーが20人から45人に増えました。

この差は何でしょう? 1人目は直感、2人目はシグナル(signal)を読みました。この記事ではシグナルの読み方を学びます。

コア指標は1つだけ、North Star Metricを決める

「全部測定しろ」は嘘です。一人創業家が何十もの指標を同時に見ると、結局1つも見られません。代わりに北極星(North Star Metric, NSM)を決めてください。

NSMは「ビジネスの成功を最もよく示す単一の指標」。SaaSなら「月間アクティブ(MAU)」、B2Bツールなら「チーム招待数」、サブスクなら「有料転換率」かもしれません。

NSMの3条件

1. Leading Indicator:お金が入ってくるのはすでに遅いシグナル。NSMはこれからお金が入る可能性を示す指標であるべき。SaaSなら「月間ログイン数」が「月間売上」よりずっと速いシグナル。
2. 行動につながる:NSMが「チーム招待」なら、増やすために「招待機能をもっと目立たせる?」という行動がすぐ出る。
3. 測定可能:「ユーザー満足度」は抽象的、「NPS 70以上」は具体的。日次で追跡できる数値であるべき。

NSMを決める前に、1週間毎日3つの仮説を立ててみてください。「ユーザーが1日10回ログインしたら、有料転換率は高いか?」 この問いに「はい」と確信できる指標がNSMです。

AARRRフレームワーク、一人創業家版

マーケ投資家が開発したAARRR(獲得→活性化→収益→リテンション→紹介)は一人創業家には複雑すぎます。3段階に縮めます。「入って、使って、また来い。」

1段階. Acquisition(入って)、最初の100人

指標:新規登録数。ただし一人創業家はここで失敗しやすい。「登録したからOK」と思う。違う。大事なのは「登録後7日以内に実際に何かをしたか」。100人の登録者のうち30人が初日に再訪したなら、あなたの製品は「面白い」というシグナル。

2段階. Activation & Usage(使って)、コア機能の利用

指標:MAUとコア機能利用率。最重要機能を最低1回でも使ったユーザーの比率が50%以上か? 70%以上ならあなたの製品は「使える」証拠。

「ユーザーは多いのに、なぜか売上が入らない」一人創業家をよく見かけます。たいてい「価格が問題」と考えますが、ほとんどの場合は価格ではなくコア機能を使っていないこと。無料登録は多いのに、「本当に価値を体験したユーザー」は5%という意味です。

3段階. Retention & Revenue(また来い)、継続使用と有料化

指標:「Day 7、Day 30 Retention」と有料転換率。Day 7 Retentionは「登録した人のうち7日後に戻ってきた割合」。B2B SaaSは40%以上が健全レベル。韓国の一人SaaS成功事例は40〜60%帯を維持し、有料転換時点で20〜30%を達成しました。

AIでフィードバック自動分類、Claudeでシグナルを読む

フィードバックは指標ではありません。でもフィードバックのパターンはデータです。最初の100人のフィードバックを全部読むのは可能ですが、1,000人は? ここでClaudeの出番。

ワークフロー

1. フィードバックを全部スプレッドシートに集める(メール、Slack、アンケート、コメント)
2. Claudeに分類を依頼
3. ClaudeがJSONか表で分類結果を返す
4. 「いちばん繰り返される問題」を10秒で確認

下記は100件のユーザーフィードバックです。(貼り付け)

各フィードバックを次のいずれかに分類:
- 機能リクエスト
- バグ報告
- ユーザビリティ不満
- 称賛
- 価格不満

そして各カテゴリでいちばん多く出た単語3つ。

実例:ある一人創業家が50人分のフィードバックを分類すると、「遅い」というバグ報告が全体の34%でした。経験的には無視しがちな不満なのに、データで見ると「3人に1人が不満」。3日かけて性能最適化に投資した結果、翌週のログイン数が25%増えました。

Claudeの自動分類精度は85〜95%レベル。完璧ではないですが、手作業よりずっと速く、直感バイアスよりはずっと良いです。

シグナル vs ノイズ、偶然ではないシグナルを読む

もっとも大事な問い:「この変化は本物か、偶然か?」

ユーザーが5人増えました。本当に良くなったのでしょうか、それともラッキー? 統計学者はこれを「有意性(significance)」と呼びます。

ルール1. 30人ルール

サンプルが30人未満なら、小さな変化は無視。15人のうち2人が新機能を使った(「11%増加!」)からといって、本当に11%良くなったわけではありません。偶然の可能性が高い。

ルール2. 最低7日、できれば2週間

月曜にデプロイして火曜に「みんな新機能使ってる!」は信じないこと。1週間分のデータを見るべき。ユーザーのパターンは曜日で違います。

ルール3. 比較対象を作る

機能Aをデプロイしたなら、一部のユーザーだけに先に見せる(A/Bテスト)。直感ではなく「機能を見た人 vs 見なかった人」を比較すれば、本当のシグナルが見えます。

シグナル判定チェックリスト

• 30人以上から出たデータか?
• 最低7日測定したか?
• 昨日と今日、またはAグループとBグループを比較したか?
• この変化を生んだ「原因」を1つ以上言えるか?
• この変化が続くと確信できるか?

指標優先順位マトリクス

Step 1. あなたの指標3つを決める

• NSM(北極星指標):例)月間アクティブユーザー
• 短期シグナル:例)新規登録数
• 治す傷:例)D7リテンションの低さ

Step 2. 優先順位マトリクス

「ログイン速度2倍」(コスト高、影響度高)は今やること、「背景色を青に」(コスト低、影響度低)はアイデアノート。

Step 3. フィードバック分類プロンプト

下記は[SaaS名]のユーザーフィードバックです。(貼り付け)

各フィードバックをJSONで分類してください:
{
  "feedback": "...",
  "category": "機能 / バグ / 使い勝手 / 称賛 / 価格",
  "sentiment": "ポジティブ / 中立 / ネガティブ",
  "urgency": "高 / 中 / 低"
}

まとめ

直感をデータに変える瞬間、あなたは本当の経営者になります。運ではなく決定する人になるのです。

次の記事ではそのデータを前に、3つの分かれ道のうち1つを選ぶ方法を学びます。続けるか(Persevere)、方向を変えるか(Pivot)、止めるか(Kill)。いちばん勇気が要る瞬間です。

参考資料

1. North Star Metric(北極星指標) — マーケットフィットラボ
2. AARRRファネル — Ascent Korea
3. Claude Code: エージェントコーディングのベストプラクティス
4. 韓国B2B SaaSスタートアップの現況と成功戦略 — KDI
5. P値:スタートアップの成功評価における役割 — FasterCapital

前の記事:最初のユーザー100人を正直に集める方法
次の記事:Pivot, Persevere, Kill — 殺す勇気が次のMVPを作る

キム・ミンチュル、Freeive CEO、フェイルスクール