フレームワーク活用ガイドひとことで言うと#
ユーザーに**「このプロダクトが明日から使えなくなったらどう感じますか？」と聞き、「とても残念」と答えた人が40%以上ならPMF達成**と判断するシンプルかつ強力な測定手法。ショーン・エリスが数百のスタートアップのデータから導き出した基準。
押さえておきたい用語#
- 40%閾値（Threshold）
- PMFサーベイで「とても残念」の回答率が40%以上であればPMF達成と判断する基準値のこと。ショーン・エリスが数百社のデータから導き出した。
- コア質問（Core Question）
- 「このプロダクトが使えなくなったらどう感じますか？」というPMF測定の最重要質問のこと。4択で回答させる。
- セグメント分析
- 全体スコアではなく特定のユーザー群ごとにPMFスコアを算出する分析手法のこと。「誰にとってフィットしているか」を見つける鍵。
- 追加質問（Follow-up Questions）
- コア質問に加えて投げかける改善のヒントを得るための質問群のこと。コアバリューの把握や競合の特定に使う。
PMFサーベイの全体像#
こんな悩みに効く#
- プロダクト・マーケット・フィットを達成しているのかどうか判断できない
- ユーザー数は増えているが、本当に価値を感じてもらえているか不安
- 改善すべきポイントが分からず、手当たり次第に機能を追加している
基本の使い方#
最も重要な1問を既存ユーザーに聞く。
「もしこのプロダクトが明日から使えなくなったら、どう感じますか？」
選択肢:
- とても残念
- やや残念
- 残念ではない（あまり役に立っていない）
- もう使っていない
ポイント: 対象は2回以上使ったことがあるユーザー。1回だけの人はまだプロダクトの価値を体験していない可能性がある。
コア質問に加えて、以下の質問で具体的なインサイトを集める。
- 「このプロダクトの最大の価値は何ですか？」 — ユーザーが感じているコアバリューを把握
- 「どんな人にこのプロダクトを勧めますか？」 — 最適なターゲット像を知る
- 「改善してほしい点は何ですか？」 — 具体的な改善方向のヒント
- 「このプロダクトの代わりに何を使いますか？」 — 本当の競合を知る
ポイント: 追加質問は自由記述にすると、想定外のインサイトが得られる。
「とても残念」の割合でPMFを判定する。
- 40%以上: PMF達成。グロースにアクセルを踏める
- 25〜39%: PMFに近い。コアバリューの強化で到達できる可能性
- 25%未満: PMF未達。プロダクトの根本的な見直しが必要
さらに深掘り:
- 「とても残念」と答えた人の共通点は？ → 最も価値を感じているセグメント
- そのセグメントが感じている価値は？ → 強化すべきコアバリュー
ポイント: 全体のスコアだけでなく、セグメント別に見ることで戦略が明確になる。
PMFスコアに応じて次の打ち手を決める。
- 40%以上の場合: 「とても残念」セグメントと似た顧客を見つけてスケールする
- 25〜39%の場合: 「とても残念」グループが感じている価値を、他のユーザーにも体験させる方法を探す
- 25%未満の場合: ターゲット顧客・提供価値・ソリューションのいずれかをピボットする
ポイント: PMFサーベイは1回で終わりではない。改善施策を打つたびに再測定し、スコアの推移を追う。
具体例#
状況: リリース6ヶ月、登録ユーザー800人、アクティブユーザー200人。成長が鈍化。
サーベイ結果（対象: 2回以上利用の150人、回答率60%=90人）:
| 回答 | 人数 | 割合 |
|---|---|---|
| とても残念 | 25人 | 28% |
| やや残念 | 35人 | 39% |
| 残念ではない | 20人 | 22% |
| もう使っていない | 10人 | 11% |
判定: 28% → PMFに近いが未達
深掘り分析:
- 「とても残念」25人の共通点: 10人以上のエンジニアチームが多い
- 最大の価値: 「技術的な意思決定の経緯が検索できること」
- 代わりに使うもの: Notion（汎用的だが検索性が弱い）
アクション:
| 施策 | 内容 |
|---|---|
| ターゲット集中 | 「エンジニアチーム」にマーケティングを絞る |
| コアバリュー強化 | 「意思決定の検索性」をさらに磨く（AI検索の導入） |
| オンボーディング改善 | 初期設定で「技術的意思決定を記録する」テンプレートを提供 |
| 再測定 | 3ヶ月後にPMFサーベイを再実施 |
3ヶ月後の再測定結果: 28% → 43%。エンジニアチームに絞ったことでPMF達成。
状況: リリース1年。DL数15万、MAU 2.8万人。競合が多く差別化に苦戦。
サーベイ結果（対象: MAUのうちランダム1,000人、回答率22%=220人）:
| 回答 | 人数 | 割合 |
|---|---|---|
| とても残念 | 55人 | 25% |
| やや残念 | 88人 | 40% |
| 残念ではない | 55人 | 25% |
| もう使っていない | 22人 | 10% |
判定: 25% → PMF未達。ギリギリの位置。
追加質問からの発見:
- 「最大の価値は？」→ 「夫婦で共有できること」が最多回答
- 「どんな人に勧める？」→ 「共働きの夫婦」が圧倒的に多い
- 「改善点は？」→ 「夫婦間の予算配分が見える化できたらもっと使う」
セグメント別スコア:
| セグメント | 「とても残念」割合 |
|---|---|
| 独身ユーザー | 12% |
| 共働き夫婦 | 52% |
| 子育て世帯 | 28% |
発見: 全体では25%だが、共働き夫婦に絞ると52%でPMF達成済み。
アクション: 共働き夫婦向けの機能（共有予算・立替精算）を強化。マーケティングも「共働き夫婦の家計管理」に集中。
全体スコアだけを見て「PMFしていない」と判断していたら、既にフィットしているセグメントを見逃すところだった。セグメント分析がPMFサーベイの最大の価値。
状況: PMFサーベイで「とても残念」42%を達成し、グロースに投資を開始した請求書管理SaaS。半年後に成長率が鈍化。
定期再測定の推移:
| 時期 | 「とても残念」 | 背景 |
|---|---|---|
| 2025年Q1 | 42% | PMF達成。グロース投資開始 |
| 2025年Q2 | 38% | 新規ユーザー急増（マーケ強化の影響） |
| 2025年Q3 | 31% | 競合がAI機能をリリース。既存ユーザーの期待値が上昇 |
| 2025年Q4 | 44% | AI自動仕訳を実装、コアバリューを再強化 |
Q3のアラート分析:
- 「やや残念」が増加 → 「とても残念」が「やや」に下がった
- 追加質問「改善点」に「AI対応」が急増（Q2の5%→Q3の38%）
- 競合のA社が「AIで請求書を自動読み取り」機能をリリースしたタイミングと一致
アクション:
- Q3中にAI自動仕訳のプロトタイプをベータリリース
- Q4に正式リリースし、スコアを44%まで回復
PMFは一度達成したら終わりではない。四半期ごとの再測定で市場の変化（特に競合の動き）をキャッチし、コアバリューを進化させ続けることが重要。
やりがちな失敗パターン#
- 全ユーザーに一律で聞く — 登録しただけで一度も使っていない人に聞いても意味がない。一定回数以上利用したユーザーを対象にする
- スコアだけ見てセグメント分析をしない — 全体が30%でも、特定セグメントでは60%かもしれない。誰にとってPMFしているかを見つけるのが本質
- 一度の測定で判断する — サンプルサイズが小さい時は統計的な揺れが大きい。最低50回答は集め、定期的に再測定する
- 追加質問を省略する — コア質問だけでは「数字」しかわからない。追加質問で「なぜその数字なのか」「何を改善すべきか」の手がかりを得る
まとめ#
PMFサーベイは「このプロダクトが使えなくなったら？」というたった1つの質問で、プロダクト・マーケット・フィットを定量的に測定するフレームワーク。40%の閾値はシンプルだが強力な判断基準。スコアが低くても悲観する必要はない。「誰にとってフィットしているか」を見つけ、そのセグメントに集中することで、PMFは後から達成できる。