エントリーの編集
![loading...](https://b.st-hatena.com/bdefb8944296a0957e54cebcfefc25c4dcff9f5f/images/v4/public/common/loading@2x.gif)
エントリーの編集は全ユーザーに共通の機能です。
必ずガイドラインを一読の上ご利用ください。
AIに代替されない技術:定性調査のコツ(前編)──調査の信頼性を高めるには?
記事へのコメント0件
- 注目コメント
- 新着コメント
このエントリーにコメントしてみましょう。
注目コメント算出アルゴリズムの一部にLINEヤフー株式会社の「建設的コメント順位付けモデルAPI」を使用しています
![アプリのスクリーンショット](https://b.st-hatena.com/bdefb8944296a0957e54cebcfefc25c4dcff9f5f/images/v4/public/entry/app-screenshot.png)
- バナー広告なし
- ミュート機能あり
- ダークモード搭載
関連記事
AIに代替されない技術:定性調査のコツ(前編)──調査の信頼性を高めるには?
はじめに 多くの会社にとって新しい年度が始まり、プロダクトに関わるプロダクトマネージャーの方や、デ... はじめに 多くの会社にとって新しい年度が始まり、プロダクトに関わるプロダクトマネージャーの方や、ディレクション・企画者の方は、新しい企画検討などが進む時期かと思います。プロダクトのミッションやKPIの達成のために、企画を仕立てる上で、プロダクトディスカバリーは非常に重要です。 ユーザーの課題を深堀りし、解決すべき課題の特定と解決策の仮説を立てる際の手がかりには、データ分析の「量の視点」や、新しい切り口や課題設定のためのアプローチとして兆しをつかむような「定性的な視点」が必要です。昨今では、OpenAI社のChatGPTをはじめ、AI技術の進展によって多量データの分析は効率化していますが、今回はまだまだ「AIに代替できない」定性調査におけるコツを、基本的かつ実践的な知見としてお話しできればと思います。 「AI eats software」の時代、アスエネとしても脱炭素・ESG経営にまつわる多