ChatGPTでJTBD分析を行うには?

結論:顧客インタビューの文字起こしをChatGPTに入力し、構造化したプロンプトで機能的ジョブ、感情的ジョブ、社会的ジョブを抽出すれば、Jobs-to-Be-Done(JTBD)分析を実施できます。これにより、何週間もかかる手作業の統合を行わなくても、顧客が自社プロダクトに実際に何を「任せよう」としているのかを、生の定性データから明確に把握できます。

JTBD分析を手作業で行うのは時間がかかります。顧客インタビューを10〜15件集め、何日もかけて文字起こしを読み込んでも、結局は誰も行動に移さない中途半端なインサイトだらけのスプレッドシートが残るだけです。

ChatGPTを使えば、このワークフローが変わります。適切なプロンプトを使えば、インタビューの文字起こしをごく短時間で構造化されたJTBDのアウトプットにまとめられます。このガイドでは、今日からそのままコピーして使えるプロンプトとともに、具体的な手順をステップごとに解説します。

読み終える頃には、生のインタビューデータから機能的ジョブ、感情的ジョブ、社会的ジョブを抽出し、乗り換え行動を促す力を特定して、それらのインサイトをメッセージングやプロダクトの意思決定につなげる方法がわかるようになります。

Jobs-to-Be-Doneとは何か、B2B SaaSでなぜ重要なのか

Jobs-to-Be-Doneは、顧客の動機を理解するためのフレームワークです。基本的な考え方は、顧客は機能が理由でプロダクトを買うのではなく、片付けたい特定のジョブを前進させるためにプロダクトを「雇う」というものです。

B2B SaaSでは、この違いが非常に重要です。買い手はソフトウェアそのものを購入しているのではありません。ビジネス上の課題を解決し、仕事上のリスクを減らし、経営陣の前で有能に見られるために、ソフトウェアを雇っているのです。実際のジョブを理解すれば、ポジショニング、メッセージング、プロダクトロードマップのすべてが鋭くなります。

JTBD分析では通常、あらゆるジョブについて次の3つの側面を特定します。

• 機能的ジョブ:顧客が達成したい実務上のタスク(「パイプラインの精度を毎週CFOに報告する必要がある」)
• 感情的ジョブ:その過程で顧客が感じたい(または避けたい)感情(「発表する前に、数字が正しいと確信できていたい」)
• 社会的ジョブ:顧客が他者からどう見られたいか(「チームから、財務をしっかり管理できている人だと思われたい」)

難しいのは、顧客がこれらのジョブを直接口にすることがほとんどない点です。ジョブはインタビューでの言葉づかいの中に現れ、見つけるには複数の文字起こしを丁寧に読み込む必要があります。まさにそこが、このワークフローでChatGPTが力を発揮する場面です。

始める前に必要なもの

ChatGPTを開く前に、次の材料を準備してください。

• 顧客インタビューの文字起こしを最低3〜5件(多いほど良いですが、3件でも実施可能です)
• プレーンテキスト形式の文字起こし(Otter.ai、Grain、普段お使いのメモツールからコピーします)
• 顧客の基本的な背景情報:役職、企業規模、新規顧客・解約した顧客・長期利用者のいずれか

JTBDのアウトプットの質は、インタビューデータの質で決まります。文字起こしが薄ければ、分析も薄くなります。良いJTBDインタビューでは、顧客が問題に初めて気づいた瞬間、それまでに試したこと、最終的に行動を決めたきっかけを順にたどってもらいます。文字起こしにそこまでの深さがない場合は、この作業を始める前に新たにインタビューを数件実施してください。

ステップ1:分析用に文字起こしを準備する

ChatGPTは、整理されてラベル付けされた入力を与えたときに最もよく機能します。文字起こしを貼り付ける前に、簡単に整えておきましょう。

1. 文字起こしツールで未処理の場合は、フィラーワードや同時発話を削除する
2. 話者を明確にラベル付けする(例:「Interviewer:」「Respondent:」)
3. 冒頭に1行の背景メモを追加する:役職、企業の種類、顧客ステータス

その後、新しいChatGPTの会話を開き、次のセットアッププロンプトを使います。

プロンプト:

"I am going to share a customer interview transcript with you. Your job is to analyse it using the Jobs-to-Be-Done framework. Do not summarise the transcript. Instead, identify the functional, emotional, and social jobs the customer is describing. Look for the language they use around struggle, progress, and desired outcomes. Wait for me to paste the transcript before you begin."

これにより、ChatGPTは発言内容を単に要約するのではなく、書き起こしを分析的に捉えるようになります。要約は初期設定の動作ですが、ここで求めているものではありません。

ステップ2:3つのジョブの側面を抽出する

文字起こしを貼り付けたら、次の抽出プロンプトを実行します。

プロンプト:

"Based on this transcript, identify:

1. The functional job: what practical outcome is this customer trying to achieve?

2. The emotional job: how do they want to feel, or what feeling are they trying to avoid?

3. The social job: how do they want to be perceived by colleagues, managers, or stakeholders?

For each job, quote the specific line or phrase from the transcript that supports your identification. Do not invent jobs that are not evidenced in the transcript."

裏付けとなる根拠を引用させる指示は重要です。これにより、顧客が実際に話した内容に基づかない、もっともらしいジョブをChatGPTが捏造するのを防げます。特定されたジョブはすべて、実際の発言まで遡れる状態にしておくべきです。

ステップ3:乗り換えを左右する4つの力を特定する

JTBDフレームワークには「4つの力(Four Forces)」というモデルがあり、顧客がなぜあるソリューションから別のソリューションに乗り換えるのか(あるいはなぜ乗り換えないのか)を説明します。4つの力は次のとおりです。

• プッシュ:現状への不満など、顧客を現状から遠ざける力
• プル:新しいソリューションの魅力
• 不安:乗り換えに対する恐れや疑い
• 慣性:顧客を現状にとどめる習慣や愛着

SaaSのポジショニングやセールスメッセージには、これが役立ちます。ジョブ抽出のステップの後に、次のプロンプトを使ってください。

プロンプト:

"Now analyse the same transcript through the lens of the Four Forces of switching:

1. Push: what frustrations or problems were driving this customer away from their previous solution?

2. Pull: what attracted them to a new solution or to our product specifically?

3. Anxiety: what doubts or fears did they express about making a change?

4. Inertia: what habits, relationships, or sunk costs were keeping them in place?

Again, quote the transcript to support each force you identify."

このプロンプトは、特にセールスチームに有用です。プッシュとプルの力は、反論対応やバリュープロポジションの表現にそのまま結びつきます。この種のリサーチを踏まえてGTMメッセージングを磨く場合は、専門のB2B SaaSのコピーライターを調べたり、顧客の言葉をデマンドジェネレーションに落とし込む方法を熟知した、実績のあるB2B SaaS向けインバウンドマーケティングエージェンシーを比較したりするのも有効です。

ステップ4:複数の文字起こしを横断して統合する

1件のインタビューを分析しても、得られるのは1つのデータポイントにすぎません。本当の価値は、複数のインタビューを横断してパターンを見つけることで生まれます。手作業の統合が行き詰まりやすく、ChatGPTが最も時間を節約できるのがこの段階です。

ステップ1〜3を文字起こしごとに別々の会話で実行し、その後、出力を新しい会話にまとめて統合を行います。

プロンプト:

"I am going to share JTBD analysis outputs from [X] customer interviews. Each output includes functional, emotional, and social jobs, plus the Four Forces of switching.

Your task is to:

1. Identify the jobs that appear across multiple interviews (these are your primary jobs)

2. Identify jobs that appear only once or twice (these may be segment-specific or edge cases)

3. Identify any contradictions or tensions between what different customers said

4. Produce a ranked summary: the top 3 functional jobs, top 2 emotional jobs, and top 2 social jobs based on frequency and strength of language used

Here are the analysis outputs: [paste outputs]"

ランキング形式のまとめが、実際に使えるJTBDマップになります。ポジショニングのワークショップ、メッセージングのレビュー、プロダクトの優先順位付けの議論に持ち込む資料です。

ステップ5:ジョブをメッセージングとプロダクトへのインプットに変換する

JTBD分析は、何かを変えて初めて価値を生みます。次のフォローアッププロンプトを使って、統合した結果を実際に使えるアウトプットに変えましょう。

ポジショニングとメッセージング向け:

"Based on this JTBD map, write three positioning statements for [product name]. Each statement should speak directly to one of the top functional jobs and address the primary emotional job. Use the language customers used in the interviews, not marketing language."

ホームページやランディングページのコピー向け:

"Using the top functional and emotional jobs from this analysis, write a hero section headline and subheadline for [product name]. The headline should name the job. The subheadline should address the anxiety or inertia that stops people from switching."

プロダクトロードマップへのインプット向け:

"Review this JTBD map and identify any functional jobs that our product does not currently address well. List them as potential feature or improvement areas, with the customer language that signals the unmet need."

これらのプロンプトはいずれも、生の分析結果を、特定のチームがすぐに行動に移せる形に変換します。そのインサイトをサイトのリニューアルに活かす場合は、B2B SaaS向けのベストWebデザインエージェンシーや、審査済みのB2B SaaSのWebデザイン・UX専門家と協力することで、メッセージを実際のユーザージャーニーまで一貫して届けやすくなります。

避けるべきよくある間違い

根拠を求める指示を省くこと。ChatGPTに文字起こしの引用を求めないと、実際のデータに裏付けのない、もっともらしいジョブが生成されます。必ず根拠を求めてください。

質の低いインタビューの文字起こしを使うこと。JTBD分析は、顧客が意思決定のプロセス、苦労したこと、望む成果について語っていることが前提です。文字起こしの大半が機能へのフィードバックや満足度評価であれば、意味のあるジョブは見えてきません。

アウトプットを最終版として扱うこと。ChatGPTは統合のためのツールであり、リサーチャーではありません。インタビューに同席した人と一緒にアウトプットを確認し、顧客の意図と異なる部分は修正してください。

すべてを1つの長い会話で実行すること。ChatGPTは会話が長くなると文脈を失います。文字起こしごとの分析はそれぞれ別の会話で行い、その後に出力をまとめて統合してください。

SaaS Hackersでのこのワークフローの活用方法

SaaS Hackersでは、このアプローチをB2B SaaSのポジショニングに向けた、より広範なリサーチフレームワークの一部として取り入れています。JTBDの統合ステップは、8〜10件の文字起こしで通常2〜3時間で完了します。手作業の分析では2〜3日かかる作業です。その成果物は、クライアントと進めるメッセージングアーキテクチャの作業にそのまま活かされています。

最も一貫して見られる発見は、購買の意思決定を動かす力として、感情的ジョブと社会的ジョブのほうが機能的ジョブよりもほぼ常に強力であるにもかかわらず、SaaSのメッセージングではほぼ常に欠けているという点です。ChatGPTを適切に使えば、それらを可視化できます。

よくある質問

Jobs-to-Be-Done分析でChatGPTを使う最善の方法は?

最善の方法は、顧客インタビューの文字起こしを1件ずつ、構造化したプロンプトとともにChatGPTに貼り付け、機能的ジョブ、感情的ジョブ、社会的ジョブを、根拠となる直接の引用付きで特定させることです。文字起こしごとに別々に実行し、その後、統合用のプロンプトですべてのインタビューを横断するパターンを見つけます。これにより、ランキング形式のJTBDマップが数日ではなく数時間で完成します。

ChatGPTでJTBD分析を行うには、顧客インタビューが何件必要ですか?

パターン認識が意味を持つ最低ラインは3件です。5〜8件あれば、主要なジョブを確実に見つけられます。10件を超えると、顧客タイプ、企業規模、ユースケースでセグメント分けしない限り、通常は効果が逓減します。

JTBDリサーチで、ChatGPTは顧客インタビューの代わりになりますか?

いいえ。ChatGPTは、与えられたデータを統合するツールです。何もないところから本物の顧客インサイトを生み出すことはできません。JTBD分析の質は、実施するインタビューの質で決まります。ChatGPTが加速させるのは分析のステップであり、リサーチのステップではありません。

JTBDにおける機能的ジョブ、感情的ジョブ、社会的ジョブの違いは?

機能的ジョブとは、顧客が達成する必要のある実務的なタスクのことです。感情的ジョブとは、その過程でどのように感じたいか(あるいは感じたくないか)を指します。社会的ジョブとは、他者からどう見られたいかを指します。B2B SaaSでは、あらゆる購買判断にこの3つがすべて存在しますが、多くのプロダクトはメッセージングで機能的ジョブにしか対応していません。これらのインサイトを各集客チャネルで実践に落とし込みたいチームは、B2B SaaSのSEOエージェンシー、B2B SaaSのコンテンツマーケティングエージェンシー、あるいはより幅広いB2B SaaSのデジタル戦略エージェンシーを比較検討することがよくあります。

Jobs-to-Be-Doneフレームワークは、初期段階のSaaSプロダクトにも役立ちますか?

はい、成熟したプロダクト以上に役立つと言ってよいでしょう。初期段階のSaaSチームは、実際のニーズではなく想定したニーズに基づいて開発しがちです。機能の開発やポジショニングコピーの作成に取りかかる前に、わずか3〜5件のインタビューでもJTBD分析を行えば、顧客がそのプロダクトに期待していない機能を作ってしまうリスクを減らせます。その段階で外部の支援が必要な場合は、専門性の高いB2B SaaSスタートアップ向けエージェンシーを確認するか、より広いトップエージェンシー一覧から適した専門性を持つ会社を探すとよいでしょう。