仮説思考は、すべての情報を集めてから考えるのではなく、現時点で最もありそうな答えを仮置きし、必要な情報で素早く検証しながら更新していく考え方です。
実務では、仮説を頭の中だけで扱うと、事実と推測が混ざったり、最初の思い込みに固執したりしやすくなります。そこで、問い、初期仮説、根拠、代替仮説、必要データ、検証結果、判定、仮説更新、次のアクションまで一続きで記録できるテンプレートにすると、調査と判断の筋道を残しやすくなります。
この記事では、そのままコピーして使える仮説思考テンプレート、各欄の書き方、法人向け研修サービスの売上未達を題材にした記入済み具体例、良い例・悪い例、会議用の簡易版までまとめます。基本的な意味から確認したい場合は、仮説思考とは?意味・使い方・具体例を参照してください。
そのまま使える仮説思考テンプレート
以下をコピーして、問題分析、売上未達、納期遅延、顧客解約、業務負荷、企画検討などに使えます。
基本情報
- テーマ:
- 対象:
- 対象期間:
- 判断期限:
- 担当者:
- 最終的に決めたいこと:
問い
- 答えるべき問い:
- 対象:
- 期間:
- 比較基準・目標:
- この問いに答えた後に決めること:
初期仮説
- 初期仮説:
- 仮説を置いた理由:
- 現時点で確認済みの事実:
- まだ確認していないこと:
代替仮説
- 代替仮説A:
- 代替仮説B:
- 代替仮説C:
仮説ごとの検証設計
仮説ごとに次のセットを作ります。
- 仮説:
- この仮説が正しいと何が観測されるか:
- 必要データ:
- 入手先:
- 確認方法:
- 優先度:高 / 中 / 低
- 優先した理由:
検証結果
- 確認したデータ:
- 実際の結果:
- 当初予想との一致 / 不一致:
- 仮説の判定:採用 / 棄却 / 条件付きで継続
- 判定理由:
仮説の更新
- 更新前の仮説:
- 更新後の仮説:
- 更新した理由:
- 次に確認すること:
- 追加で必要なデータ:
次のアクション
- 実施する打ち手:
- 担当者:
- 期限:
- 確認指標:
- 再確認日:
- 次回判断:
各欄の書き方
問いは「答えが出れば次の行動を決められる形」にする
悪い例:
「売上について調べる」
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、基準が入っているため、調べる範囲を絞りやすくなります。
初期仮説は断定ではなく、確認できる形で書く
悪い例:
「営業担当の能力が低い」
良い例:
「売上未達の主因は、商談数の減少ではないか」
さらに良くするなら、
「商談数が計画比で大きく下がっているなら、売上未達への寄与が成約率や平均単価より大きいのではないか」
のように、何を見れば判定できるかが分かる形にします。
事実と仮説を分ける
事実:
「売上は計画比80%」
仮説:
「商談数の減少が主因ではないか」
この2つを同じ欄に混ぜると、確認前の推測を事実として扱いやすくなります。
代替仮説を残す
初期仮説を1つだけ置くと、外れたときに思考が止まりやすくなります。
売上未達なら、たとえば、
- 商談数が減っている
- 成約率が下がっている
- 平均単価が下がっている
- 継続率が下がっている
など、主要な代替仮説を残します。
必要データは「仮説を判定できる最小限」にする
悪い例:
「営業データを全部集める」
良い例:
「直近3か月の商談数、成約率、平均単価、継続率を計画値と比較する」
仮説思考では、あると便利なデータではなく、「この仮説の採否に必要か」で選びます。
具体的な進め方は、仮説思考のやり方で詳しく解説しています。
判定は採用・棄却だけにしない
実務では、データが十分でなく「条件付きで残す」こともあります。
たとえば、全体では相関が弱いが、特定チャネルでは関係が見える場合、仮説を条件付きで残して追加検証できます。
仮説更新の履歴を残す
仮説を変更したら、更新前・更新後・理由を残します。
最初の仮説が外れたことは失敗ではありません。何を確認して、なぜ次の仮説へ進んだかが分かることが重要です。
記入済み具体例|法人向け研修サービスの売上未達
基本情報
- テーマ:法人向け研修サービスの売上未達
- 対象:法人向け研修サービス
- 対象期間:直近3か月
- 判断期限:今週金曜日
- 最終的に決めたいこと:最優先で改善する営業プロセス
問い
「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」
初期仮説
「売上未達の主因は商談数の減少ではないか」
初期仮説を置いた理由
現場から「最近、商談が少ない」という声が複数出ていたため。ただし、まだ数値確認はしていません。
確認済みの事実
- 売上は計画比80%
- 平均単価は大きく下がっていないという営業報告がある
代替仮説
- 成約率が低下している
- 平均単価が低下している
- 継続率が低下している
最初の検証設計
仮説:商談数の減少が主因
- 必要データ:商談数、成約率、平均単価、継続率
- 比較対象:直近3か月の計画値
- 優先度:高
- 理由:短時間で確認でき、売上未達の主要構成要素を比較できるため
検証結果1
確認すると、
- 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。
判定1
初期仮説は「採用寄り」と判断しました。
商談数の落ち込みが他の指標より大きく、次に商談数の内訳を深掘りする価値が高いためです。
商談数を分解する
代替となる下位仮説を置きます。
- 新規リード数が減っている
- リードから商談への転換率が下がっている
- 紹介経由の商談が減っている
- 失注顧客への再アプローチが減っている
検証設計2
仮説:新規リード数が減っている
- 必要データ:月別・チャネル別問い合わせ数
仮説:商談化率が下がっている
- 必要データ:問い合わせ件数、商談件数、商談化率
仮説:初回対応の遅れが商談化率に影響している
- 必要データ:問い合わせ受信時刻、初回対応時刻、商談化有無
検証結果2
- 問い合わせ数は前年並み
- 商談化率は32%から19%へ低下
- 24時間以内に初回対応した案件の商談化率は30%
- 48時間超の案件は12%
でした。
仮説更新
更新前:
「新規リード数が減っているのではないか」
判定:棄却
理由:問い合わせ数は前年並みだったため。
更新後:
「問い合わせ後の初回対応遅延が商談化率低下に影響しているのではないか」
追加検証
担当割り当て時刻を確認すると、新しい振り分けルール導入後、一部案件が担当未設定のまま残っていました。
最終判断
「商談数不足」という上位仮説の中でも、優先して改善すべきは「問い合わせ後の初回対応遅延」と判断しました。
次のアクション
- 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
- 週次で初回対応時間と商談化率を確認
この例のポイントは、最初から大量の営業データを集めず、その時点の仮説を判定するために必要なデータだけを順番に確認していることです。
より多くの適用イメージは、仮説思考の具体例で確認できます。
良い記入と悪い記入の比較
問い
悪い例:
「売上が悪い理由を考える」
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」
初期仮説
悪い例:
「営業が弱い」
良い例:
「売上未達の主因は商談数の減少ではないか」
必要データ
悪い例:
「営業関連データ全部」
良い例:
「商談数、成約率、平均単価、継続率を直近3か月の計画値と比較する」
判定理由
悪い例:
「なんとなく違いそう」
良い例:
「問い合わせ数は前年並みだったため、リード不足仮説は棄却する」
仮説更新
悪い例:
「別の原因を調べる」
良い例:
「商談化率32%→19%を確認したため、リード不足仮説から初回対応遅延仮説へ更新する」
次のアクション
悪い例:
「営業改善を進める」
良い例:
「未割り当て案件を2時間以内に通知し、24時間以内の初回連絡率と商談化率を週次確認する」
良い記入は、第三者が「なぜそう判断したか」「次に何を確認・実行するか」を追える点が共通しています。
会議用の簡易テンプレート
30〜60分程度の問題整理会議なら、次の簡易版でも使えます。
- 答えるべき問い:
- 確認済みの事実:
- 初期仮説:
- 代替仮説A:
- 代替仮説B:
- 最優先で検証する仮説:
- 必要データ:
- 検証結果:
- 判定:採用 / 棄却 / 条件付き
- 更新後の仮説:
- 次に確認すること:
- 次のアクション:
- 担当者:
- 期限:
会議の目的は、最初の仮説を当てることではありません。「何を確かめれば次の判断に進めるか」を合意することです。
テンプレートを使うときの注意点
最初の仮説に固執しない
仮説は暫定案です。データと合わなければ更新します。
仮説と事実を混ぜない
現場の感覚や経験談は仮説形成の材料にはなりますが、それ自体が検証済み事実とは限りません。
仮説を1つだけにしない
主要な代替仮説を残しておくと、初期仮説が外れたときに次へ進みやすくなります。
データを集めすぎない
「あると便利」ではなく、「仮説を判定するために必要か」で選びます。
検証だけで終わらない
仮説を絞ったら、意思決定や打ち手へつなげます。
よくある失敗と改善策は、仮説思考で失敗しやすいポイントで詳しく解説しています。
生成AIを使う場合
生成AIは、初期仮説の候補、代替仮説、必要データ候補、仮説を検証可能な形への言い換え、検証結果からの次仮説候補の整理に使えます。
ただし、AIが出した仮説は事実ではありません。元データの正確性、仮説の妥当性、優先順位、採否、最終判断は人が確認する必要があります。
具体的な使い方は、生成AIで仮説思考を使う方法で解説します。
まとめ
仮説思考テンプレートは、仮説を書くためだけのメモではありません。
問い、初期仮説、根拠、確認済み事実、代替仮説、必要データ、検証結果、判定、仮説更新、次のアクションまで一続きで記録することで、調査と判断を速くし、思い込みによる分析を減らせます。
特に重要なのは、事実と仮説を分けること、代替仮説を残すこと、必要データを最小限に絞ること、検証結果に応じて仮説を更新することです。
テンプレートを使って「何を確かめれば次の判断へ進めるか」を明確にし、検証から打ち手までつなげることで、仮説思考を実務の問題解決に組み込めます。