フレームワーク活用ガイドひとことで言うと#
情報を集めてから考えるのではなく、先に「答えの仮説」を立ててから検証する思考法。100%の情報を待たずに「たぶんこうだろう」という仮説を起点にすることで、問題解決のスピードが劇的に上がる。
押さえておきたい用語#
- 仮説（Hypothesis）
- まだ検証されていない暫定的な答えのこと。「○○だから△△ではないか」という原因と打ち手をセットにした形が良い仮説。
- 検証（Validation）
- 仮説が正しいかどうかをデータや事実で確認するプロセスのこと。仮説があることで「何を調べればいいか」が絞られる。
- 確証バイアス（Confirmation Bias）
- 自分の仮説を裏付ける情報ばかり選択的に集めてしまう認知的傾向のこと。仮説思考の最大の落とし穴。
- 仮説の進化
- 検証結果をもとに仮説を修正・深掘り・方向転換するプロセスのこと。仮説は正解を当てるためではなく、正解に近づくために使う。
- イシュー（Issue）
- 仮説を立てる前に特定すべき本当に答えるべき問いのこと。間違ったイシューに対して仮説を立てても意味がない。
仮説思考の全体像#
こんな悩みに効く#
- 情報を集めれば集めるほど迷って、なかなか結論が出せない
- 調査に時間をかけすぎて、アクションが遅れがち
- 「で、結局どうすればいいの？」と上司に言われてしまう
基本の使い方#
今ある情報（20〜30%でOK）をもとに、**「答えはたぶんこうだ」**という仮説を立てる。
仮説の立て方のコツ：
- **「○○だから、△△すべき」**の形にする（原因と打ち手をセットにする）
- 完璧でなくていい。間違っていても構わない
- 複数の仮説を立てて、最も「ありそう」なものを選ぶ
例：
- 「売上が下がっている原因は、リピート率の低下ではないか」
- 「新サービスが伸びないのは、ターゲットがずれているからではないか」
ポイント: 仮説は「正解を当てる」ためのものではなく、検証の方向を決めるためのもの。
仮説を「証明する」or「否定する」ために必要な情報だけをピンポイントで集める。
- 仮説が「リピート率の低下」なら → リピート率のデータだけを見る
- 仮説と関係ない情報は今は集めない
- データ、ヒアリング、現場観察など、検証方法を選ぶ
仮説がないと「とりあえず全部調べよう」となり、膨大な時間がかかる。仮説があれば調べるべきことが絞れる。
集めた情報をもとに、仮説が正しいかを判断する。
- 仮説が正しそう → さらに深掘りして精度を高める
- 仮説が間違っていた → なぜ間違っていたかを分析し、新しい仮説を立てる
- 部分的に正しい → 仮説を修正・進化させる
このサイクルを2〜3回繰り返すと、かなり本質に近づける。
重要: 仮説が間違っていたことは「失敗」ではなく「前進」。間違いがわかった分だけ、正解に近づいている。
具体例#
状況: 従業員300名のIT企業。新卒採用の内定辞退率が前年25%→今年42%に急増。人事部長が「何が原因か調べてほしい」と依頼。
仮説1: 「給与水準が競合より低いから辞退されるのではないか」 → 検証：競合5社の初任給を調査 → 自社は月額25.5万円で業界平均24.8万円を上回る → 仮説1は棄却
仮説2: 「面接後のフォローが弱く、志望度が下がっているのではないか」 → 検証：辞退者5名にヒアリング → 3名が「内定後に2ヶ月間連絡がなく不安になった」と回答 → 仮説2が有力
仮説2を深掘り: 「内定から承諾までの期間にフォロー面談を入れれば辞退率が下がるのではないか」 → 検証：試験的に内定者フォロー面談を実施（月1回×3ヶ月間）
結果: 内定辞退率が42%→18%に改善。仮説なしで調べていたら、給与・福利厚生・社風・勤務地と全方位の調査が必要だった。仮説を立てたことで2ステップで核心にたどり着けた。
状況: スキンケアD2Cブランド。月商800万円で6ヶ月間横ばい。広告費は月200万円で変わらず。「何を改善すれば成長再開できるか」を検討。
仮説1: 「新規獲得は順調だが、リピート率が低いのではないか」 → 検証：初回→2回目のリピート率を確認 → 32%（業界平均40%）で低い → 仮説1が有力
仮説1を深掘り: 「リピートしない理由は、効果を実感する前に使い切っているからではないか」 → 検証：2回目購入者のタイミング分析 → リピート者は平均45日目に再購入。非リピート者は30日目（商品使い切り直後）に離脱 → 仮説は外れ。使い切りタイミングに問題はない
仮説修正: 「30日目に購入意欲があるが、リマインドがないため他ブランドに流れるのではないか」 → 検証：離脱者アンケート（n=50） → 68%が「買おうと思ったが忘れていた」「他の広告を見て浮気した」 → 仮説が有力
結果: 25日目に自動リマインドメール+初回割引クーポンを送付する仕組みを導入。3ヶ月でリピート率が32%→48%に改善し、月商が800万→1,150万円に成長再開した。
状況: 地方都市で3教室を展開する学習塾。生徒数が2年で280名→210名に減少（25%減）。少子化は5%減なので、それ以上の要因がある。
仮説1: 「大手塾の進出で生徒を奪われているのではないか」 → 検証：退塾者30名の保護者に電話調査 → 大手塾への転塾は4名（13%）のみ → 仮説1は棄却（主因ではない）
仮説2: 「オンライン学習サービスに流れているのではないか」 → 検証：退塾理由の内訳を確認 → 「スタディサプリに変えた」12名（40%）、「タブレット学習に変えた」5名（17%） → 仮説2が有力。57%がオンライン学習に流出
仮説2を深掘り: 「対面の強みを活かしたハイブリッド型にすれば流出を止められるのではないか」 → 検証：既存生徒の保護者50名にアンケート → 78%が「対面の質問対応は必要だが、映像授業の柔軟さも欲しい」
結果: 対面＋映像授業のハイブリッドプランを月額1.2万円（従来2万円）で導入。6ヶ月で退塾率が月3.5%→1.2%に改善し、新規入塾も回復。生徒数210名→245名に回復した。
やりがちな失敗パターン#
- 仮説に固執しすぎる — 自分の仮説を証明するデータだけを集め、反証を無視する「確証バイアス」に陥る。仮説は「捨てる前提」で立てる
- 仮説を立てずに調査を始める — 「まず情報を集めてから考えよう」では時間がいくらあっても足りない。不完全でもいいから仮説を先に立てる
- 仮説が漠然としている — 「なんとなく市場のせい」では検証できない。「○○セグメントの売上が○%下がっているのは△△が原因」のように具体的にする
- 間違った仮説を「失敗」と捉えてしまう — 仮説が外れることは検証プロセスの正常な一部。棄却された仮説も「これは原因ではない」という貴重な知見であり、次の仮説の精度を上げる
まとめ#
仮説思考は「完璧な情報がなくても動ける」ビジネスパーソンの武器。先に仮説を立て、検証に必要な情報だけを集め、間違っていたら修正する。このサイクルを素早く回すことで、情報の海に溺れずに本質的な答えにたどり着ける。迷ったら「たぶんこうだ」と仮説を立てるところから始めよう。