イシューツリーは、考えるべき問いを上位のイシューから下位の論点へ分解し、どこを優先して調べるべきかを整理する方法です。
職場では、売上低下、納期遅延、業務ミス、顧客離脱、残業増加など、原因や打ち手が複数考えられる問題で役立ちます。
ただし、単に思いついた原因を枝のように並べるだけでは、イシューツリーの価値は十分に出ません。重要なのは、最初に「何を答えるためのツリーか」を明確にし、同じ階層の論点をそろえ、抜け・重複を確認し、優先順位を付けて検証へつなげることです。
この記事では、イシューツリーを職場の問題整理・原因分析で使う手順を、入力・行動・出力・判断基準まで含めて解説します。意味や基本構造から確認したい場合は、イシューツリーとは?意味・使い方・具体例を参照してください。
イシューツリーを使う前に決めること
最初に決めるのは、「何を明らかにしたいのか」です。
悪い例:
「売上が悪い」
良い例:
「法人向け研修サービスの月次売上が、直近3か月で計画比20%未達なのはなぜか」
良い例では、対象、期間、基準、問いが明確です。
このように、イシューツリーでは最上位に「答えるべき問い」を置きます。
イシューツリーのやり方|実務で使う8ステップ
ステップ1:トップイシューを問いの形で定義する
入力
- 起きている問題
- 対象業務・顧客・商品
- 発生期間
- 基準値や目標値
行動
分析したいテーマを「なぜ〜なのか」「どうすれば〜できるか」の形にします。
例:
「法人向け研修サービスの月次売上が計画比20%未達なのはなぜか」
出力
ツリー最上位のトップイシュー。
判断基準
- 一文で答えるべき問いになっているか
- 対象が広すぎないか
- 原因を先に決めつけていないか
- 調査後に答えを出せる形になっているか
「営業力が弱いのはなぜか」のように原因仮説をトップに置くと、他の原因を見落としやすくなります。
ステップ2:最初の切り口を決める
次に、トップイシューを2〜5個程度の大きな論点へ分けます。
売上未達であれば、たとえば、
- 商談数が不足している
- 成約率が低い
- 平均単価が低い
- 継続・更新が弱い
のように分けられます。
ここで大切なのは、同じ階層に異なる粒度の項目を混ぜないことです。
悪い例:
- 営業
- 広告
- 商談数
- 担当者Aの提案力
良い例:
- 商談数
- 成約率
- 平均単価
- 継続率
ステップ3:MECEを意識して抜け・重複を確認する
イシューツリーでは、同じ階層の論点ができるだけ「漏れなく、重複なく」なるように確認します。
ただし、最初から完全なMECEを目指す必要はありません。
実務では、
- 同じ意味の枝が重複していないか
- 重要な原因経路を落としていないか
- 上位概念と具体施策が混ざっていないか
を確認します。
たとえば売上未達を、
「商談数」「成約率」「単価」「継続率」
で分けると、売上を構成する主要要素として整理しやすくなります。
ステップ4:各論点をサブイシューへ分解する
次に、各枝をさらに「答えるべき問い」へ分解します。
たとえば「商談数が不足している」を掘るなら、
- 新規リード数は足りているか
- リードから商談への転換率は低くないか
- 既存顧客からの紹介は十分か
- 失注顧客への再アプローチは機能しているか
と分けられます。
「成約率が低い」なら、
- 顧客課題の把握は十分か
- 提案内容は課題に合っているか
- 決裁者へ届いているか
- 競合比較で弱い点は何か
などです。
判断基準
- 下位の問いに答えると上位の問いに答えられるか
- 枝同士の粒度がそろっているか
- 調査・確認できる問いになっているか
ステップ5:仮説を置く
ツリーができたら、各サブイシューについて仮説を置きます。
例:
サブイシュー: 「新規リード数は足りているか」
仮説: 「Web経由の問い合わせ減少が商談数不足の主因ではないか」
サブイシュー: 「提案内容は課題に合っているか」
仮説: 「担当者向け説明が中心で、決裁者が重視する費用対効果が弱いのではないか」
仮説を置くことで、何を調べるかが明確になります。
ただし、仮説は事実ではありません。
ステップ6:各イシューに必要な情報をひも付ける
次に、仮説を検証するために必要な情報を整理します。
たとえば、
- 月別リード数
- チャネル別問い合わせ数
- 商談化率
- 提案書の内容
- 失注理由
- 顧客ヒアリング
- CRMデータ
などです。
「この問いに答えるには、何を見ればよいか」を枝ごとに決めます。
ステップ7:優先順位を付ける
イシューツリーの枝をすべて同じ深さまで掘る必要はありません。
優先順位は、
- 問題への影響が大きいか
- 仮説の確度が低く不確実性が高いか
- 確認すれば他の判断も進むか
- 短時間で確認できるか
などで決めます。
たとえば、売上未達のうち商談数が計画比40%減、成約率はほぼ計画どおりなら、まず商談数側を優先して掘る合理性があります。
ステップ8:検証結果でツリーを更新する
イシューツリーは最初に作って終わりではありません。
データを確認して仮説が外れたら、その枝を弱めたり、別の枝を追加したりします。
例:
仮説: 「Web問い合わせが減っている」
確認結果: 問い合わせ数は前年並み
すると、次に、
「問い合わせから商談への転換率が落ちているのではないか」
という枝を優先します。
イシューツリーは、分析の進行に合わせて更新する作業用の地図として使います。
通し例|法人向け研修サービスの売上未達を整理する
ここまでの流れを一つのケースで見ます。
トップイシュー
「法人向け研修サービスの月次売上が、直近3か月で計画比20%未達なのはなぜか」
第1階層
売上の構成要素から、
- 商談数
- 成約率
- 平均単価
- 継続率
へ分けました。
事実確認
直近3か月の実績を見ると、
- 商談数:計画比60%
- 成約率:計画比95%
- 平均単価:計画比102%
- 継続率:計画比98%
でした。
ここから、最初に深掘りすべきは「商談数不足」と判断できます。
商談数を分解する
- 新規リード数は足りているか
- リードから商談への転換率は低くないか
- 紹介経由の商談は減っていないか
- 既存失注顧客への再アプローチは機能しているか
仮説を置く
仮説A:Web問い合わせ数が減っている
仮説B:問い合わせ数は変わらないが、商談化率が下がっている
仮説C:営業担当の初回対応が遅く、商談化しにくくなっている
必要情報
- 月別問い合わせ数
- 流入チャネル別件数
- 商談化率
- 初回対応までの時間
- 失注・未商談化理由
検証結果
確認すると、問い合わせ数は前年並みでした。
一方で、
- 商談化率が32%から19%へ低下
- 初回対応が24時間以内だった案件は商談化率30%
- 初回対応が48時間超の案件は商談化率12%
でした。
さらに調べると、新しい問い合わせ振り分けルール導入後、一部案件が担当未設定のまま残ることがわかりました。
判断
この時点で、優先して改善すべき論点を、
「問い合わせ後の初回対応遅延」
と判断しました。
対策
- 問い合わせ受信時に担当を自動割り当て
- 2時間以内に未割り当て案件を通知
- 営業日の24時間以内に初回連絡
- 週次で商談化率と初回対応時間を確認
結果
次の2か月で初回対応時間が短縮し、商談化率も改善しました。
このケースでは、最初から「営業力不足」と決めつけず、売上を構成要素へ分け、数値で優先枝を特定し、その枝をさらに掘ったことで、改善対象を絞れました。
より多くの適用イメージは、イシューツリーの具体例で確認できます。
原因分析型と打ち手検討型を使い分ける
イシューツリーには、大きく分けて2つの使い方があります。
原因分析型
「なぜ問題が起きているのか」を分ける使い方です。
例:
「納期遅延が増えているのはなぜか」
打ち手検討型
「どうすれば目標を達成できるか」を分ける使い方です。
例:
「納期遅延を半減するにはどうすればよいか」
原因分析と打ち手検討を同じ階層で混ぜると、ツリーが崩れます。
まず原因を整理し、その後に対策のツリーを作るほうが扱いやすい場合があります。
イシューツリーでつまずきやすいポイント
最初から細かく分けすぎる
いきなり10個以上の枝を出すと、全体像が見えにくくなります。
まず2〜5個程度の大きな切り口から始めます。
名詞だけを書いて終わる
「営業」「顧客」「商品」だけでは、何を確認すべきかわかりません。
「商談数は足りているか」「顧客課題を把握できているか」のように問いへ変えます。
MECEを目的にする
完璧なMECEにこだわりすぎると、分析が進みません。
重要な抜け・重複を減らし、検証に使える構造にすることを優先します。
仮説を事実扱いする
「営業担当の対応が遅い」と書いても、確認前は仮説です。
データや記録で検証します。
全枝を同じ深さまで掘る
影響の小さい枝まで細かく掘ると時間がかかります。
上位データで優先度を確認し、重要な枝から進めます。
よくある失敗と改善策は、イシューツリーで失敗しやすいポイントで詳しく解説します。
イシューツリーテンプレートを使う場合
記録用には、次の項目があると使いやすくなります。
- トップイシュー
- 第1階層の論点
- サブイシュー
- 仮説
- 必要情報
- 確認結果
- 優先度
- 次のアクション
そのまま使える形式は、イシューツリーテンプレートで確認できます。
生成AIを使う場合の注意点
生成AIは、論点候補の発散、MECEのチェック、サブイシュー化、仮説候補の整理を補助できます。
ただし、AIは自社のデータや現場の事実を自動で知っているわけではありません。
AIには、
- 切り口候補の洗い出し
- 重複・抜けのチェック
- サブイシュー候補の作成
- 仮説候補の発散
を任せ、人は、
- トップイシューの設定
- 事実確認
- 優先順位
- 仮説採否
- 最終判断
を担います。
具体的な使い方は、生成AIでイシューツリーを使う方法で解説します。
実務チェックリスト
イシューツリーを使う前後に、次を確認してください。
- トップイシューが一つの問いになっている
- 対象・期間・基準が必要に応じて明確
- 第1階層の粒度がそろっている
- 上位概念と具体施策が混ざっていない
- 同じ階層の重複・抜けを確認した
- サブイシューが調査可能な問いになっている
- 仮説と事実を分けている
- 各問いに必要情報をひも付けた
- 重要な枝から優先して調べている
- 検証結果に応じてツリーを更新している
まとめ|イシューツリーは「分けること」より「答えるべき問いを絞ること」が重要
イシューツリーを実務で使う流れは、トップイシューを定義し、大きな切り口へ分解し、MECEを意識して抜け・重複を確認し、サブイシューへ落とし、仮説と必要情報を整理し、優先順位を付け、検証結果で更新するというものです。
重要なのは、枝をたくさん作ることではありません。「どの問いに答えれば問題の全体像が見えるか」「どの枝を先に調べれば判断が進むか」を明確にすることです。
原因が複数あり、何から調べるべきか迷っているとき、イシューツリーは問題を分解し、分析の順番を決めるための実務的なフレームワークとして使えます。