モーフォロジカル分析は、複雑な課題をいくつかの重要な要素へ分解し、それぞれの要素ごとに複数の選択肢を並べ、その組み合わせから新しい解決案や設計案を探す方法です。
実務では、「案を出そう」と言われても、既存の延長線上のアイデアばかりになりやすく、複数条件を同時に考えると抜けや偏りも起こりやすくなります。モーフォロジカル分析を使うと、考える対象をパラメータに分け、選択肢を横断的に組み合わせることで、普段なら選ばない案まで構造的に発散できます。
ただし、組み合わせを作っただけでは実務で使える案にはなりません。制約条件を確認し、評価軸で比較し、有望案を小さく検証するところまで進めることが重要です。
この記事では、モーフォロジカル分析の具体例を3つ紹介します。法人向け研修サービスの新しい提供モデル、問い合わせ対応の長時間化、採用イベント企画を題材に、背景→課題→なぜモーフォロジカル分析か→パラメータ→選択肢→組み合わせ→制約→評価→結果→学びまで通して解説します。基本的な意味や考え方から確認したい場合は、モーフォロジカル分析とは?意味・使い方・具体例を参照してください。
ケース1:法人向け研修サービスの新しい提供モデルを考える
背景
ある法人向け研修会社では、地方拠点の受講者が集合研修へ参加しにくく、参加率が伸び悩んでいました。
現場では、
- オンライン研修にする
- 動画教材を増やす
- 1on1を付ける
- 時間を短くする
など、個別の案は出ていました。
課題
アイデアが単発で、どの要素をどう組み合わせると新しい提供モデルになるのか整理できていませんでした。
なぜモーフォロジカル分析を使ったのか
研修サービスを構成する要素を分け、それぞれの選択肢を横断的に組み合わせることで、既存の集合研修とは違うモデルを体系的に出せるためです。
パラメータを決める
新しい提供モデルを構成する主要要素として、
- 提供形式
- 学習時間
- 講師の関与方法
- フォロー方法
- 料金方式
を設定しました。
各パラメータの選択肢を出す
提供形式:
- 対面
- ライブオンライン
- 録画
- ハイブリッド
学習時間:
- 半日集中
- 1日集中
- 60分×4回
- 30分×8回
講師関与:
- 常時登壇
- 冒頭・まとめのみ
- 質疑時のみ
- 講師なし
フォロー方法:
- なし
- メール
- チャット
- 1on1
- グループ相談
料金方式:
- 一括
- 月額
- 人数課金
- 拠点課金
組み合わせ案を作る
案A:
ライブオンライン × 60分×4回 × 常時講師 × チャット × 人数課金
案B:
録画 × 30分×8回 × 講師なし × 月1回グループ相談 × 月額
案C:
ハイブリッド × 半日 × 冒頭・まとめのみ講師 × 1on1 × 拠点課金
制約を確認する
案Cは、全受講者へ1on1を付けると講師工数が大きく、現行人員では運用できないことが分かりました。
そこで、フォロー方法だけを「1on1」から「希望者向けグループ相談」へ差し替えました。
評価軸で比較する
- 顧客価値
- 実行可能性
- 運用負荷
- 差別化
- 収益性
で比較しました。
案Aは既存研修から移行しやすい一方、講師稼働が高めです。
案Bは、地方拠点でも受講しやすく、講師稼働を抑えられ、月額モデルとも相性がよいという評価になりました。
修正後案Cは顧客価値が高いものの、運用負荷はまだ中程度でした。
判断
最初の検証候補として、案Bを選びました。
小さく試す
既存顧客3社を対象に、
- 30分動画×8本
- 月1回グループ相談
- 2か月提供
で試験運用しました。
確認指標は、
- 動画完了率
- 相談会参加率
- 満足度
- 継続意向
- 運営工数
です。
結果
動画完了率は高かった一方、グループ相談の参加率は低い結果になりました。
そこで、フォロー方法だけを、
「月1回グループ相談」から「チャット+隔月相談」
へ差し替えて再検証しました。
学び
このケースでは、最初から完成案を1つ考えるのではなく、「提供形式」「時間」「講師関与」「フォロー」「料金」を分けて考えたことで、案の構造が見えました。
また、検証結果が悪かったときも案全体を捨てず、問題のあるパラメータだけを差し替えられました。
具体的な手順は、モーフォロジカル分析のやり方でも確認できます。
ケース2:問い合わせ対応が長時間化する条件を整理する
背景
あるカスタマーサポート部門では、問い合わせ件数自体は大きく増えていないのに、1件あたりの対応時間が長くなっていました。
現場では、
- 新人担当者が増えたから
- システムが多いから
- 契約変更の問い合わせが難しいから
- 承認が遅いから
など、複数の原因仮説が出ていました。
課題
個別要因を1つずつ見ても、どの条件が重なると長時間化しやすいのか分かりませんでした。
なぜモーフォロジカル分析を使ったのか
問い合わせ対応時間は、1つの原因だけではなく、問い合わせ種類、担当者経験、必要システム数、承認有無、顧客区分など複数条件の組み合わせで変わる可能性があるためです。
このケースでは、解決案を作るというより「確認すべき条件組み合わせ仮説」を整理するために使いました。
パラメータを決める
- 問い合わせ種類
- 顧客区分
- 担当者経験
- 必要システム数
- 承認有無
- 発生時間帯
を設定しました。
選択肢を整理する
問い合わせ種類:
- 操作方法
- 契約変更
- 請求確認
- 障害対応
顧客区分:
- 新規顧客
- 既存顧客
- 大口顧客
担当者経験:
- 3か月未満
- 3か月〜1年
- 1年以上
必要システム数:
- 1つ
- 2つ
- 3つ以上
承認有無:
- なし
- チームリーダー承認
- 他部署承認
発生時間帯:
- 午前
- 午後
- 営業終了前
条件組み合わせを作る
たとえば、
仮説A:
契約変更 × 新規担当者 × 3システム以上 × 他部署承認
仮説B:
請求確認 × 既存担当者 × 2システム × チームリーダー承認
仮説C:
障害対応 × ベテラン担当者 × 1システム × 承認なし
のように整理しました。
実データで確認する
実際の対応履歴を確認すると、平均対応時間は、
- 全体平均:18分
- 契約変更:27分
- 契約変更 × 経験3か月未満:39分
- 契約変更 × 経験3か月未満 × 3システム以上:52分
- さらに他部署承認あり:68分
という傾向が見えました。
判断
「新人だから遅い」という単一要因ではなく、
「契約変更 × 経験の浅い担当者 × 複数システム参照 × 他部署承認」
という条件の重なりで長時間化している可能性が高いと判断しました。
対策
- 契約変更の確認項目をチェックリスト化
- 必要情報を1画面で参照できるようにする
- 他部署承認が必要な条件を明文化
- 新任担当者向けに契約変更専用の演習を実施
しました。
結果
次月に同じ条件の問い合わせを確認すると、平均対応時間が68分から41分へ短縮しました。
学び
このケースでは、モーフォロジカル分析を「アイデア発想」だけでなく、「どの条件の組み合わせで問題が起きるか」を整理するために使っています。
重要なのは、組み合わせを原因と断定せず、データで確認する仮説として扱うことです。
ケース3:採用イベントの企画を広げる
背景
ある企業では、毎年同じ形式の採用イベントを実施していました。
- 会社説明
- 社員座談会
- 質疑応答
という構成で、一定の参加者は集まるものの、他社との差別化が難しくなっていました。
課題
企画会議では、「オンラインにする」「若手社員を出す」といった部分的な変更案しか出ず、イベント全体の新しい型を作れませんでした。
なぜモーフォロジカル分析を使ったのか
採用イベントを構成する要素を分け、普段は組み合わせない選択肢を意図的に掛け合わせることで、新しい体験設計を考えられるためです。
パラメータを決める
- 開催形式
- 参加対象
- 中心コンテンツ
- 社員の関与
- 開催時間
- 参加後フォロー
を設定しました。
選択肢を出す
開催形式:
- 対面
- ライブオンライン
- ハイブリッド
- オンデマンド+ライブ
参加対象:
- 全学生
- 職種別
- 文理別
- 選考前候補者
中心コンテンツ:
- 会社説明
- ケースワーク
- 職場体験
- 社員インタビュー
- 課題解決ワーク
社員関与:
- 人事のみ
- 若手社員
- 管理職
- 複数職種の社員
開催時間:
- 30分
- 60分
- 90分
- 半日
参加後フォロー:
- なし
- 資料送付
- 個別面談
- コミュニティ招待
- 次回イベント優先案内
組み合わせ案を作る
案A:
ライブオンライン × 職種別 × ケースワーク × 若手社員 × 90分 × 個別面談
案B:
オンデマンド+ライブ × 全学生 × 社員インタビュー × 複数職種 × 60分 × コミュニティ招待
案C:
対面 × 選考前候補者 × 職場体験 × 管理職 × 半日 × 次回イベント優先案内
制約を確認する
案Cは、管理職の半日拘束と会場コストが大きく、毎月実施するには難しいことが分かりました。
そこで、案Cは四半期に1回の重点イベントとして扱い、月次イベントとは分けました。
評価軸で比較する
- 候補者体験
- 差別化
- 運営負荷
- 集客しやすさ
- 選考接続性
で比較しました。
案Aは、職種理解と選考接続性が高く、オンラインのため運営負荷も抑えやすいという評価になりました。
案Bは広く集客しやすい一方、参加者ごとの深い体験は弱めです。
案Cは体験価値が高い一方、コストと運営負荷が大きいと分かりました。
判断
月次イベントは案A、四半期の重点イベントは案Cという使い分けにしました。
結果
案Aでは、参加後の職種理解度と個別面談への移行率が、従来の会社説明会より高まりました。
案Cでは、対象人数を絞ることで運営負荷を抑えながら、候補者の志望度を高めるイベントとして機能しました。
学び
このケースでは、「イベントを改善する」という曖昧なテーマを、開催形式、対象、コンテンツ、社員関与、時間、フォローに分けたことで、企画の組み合わせを広げられました。
また、1つの案だけを選ぶのではなく、頻度や目的に応じて複数案を使い分けています。
3つのケースから分かるモーフォロジカル分析の使い方
3ケースには共通点があります。
- まず対象をパラメータへ分ける
- 各パラメータの選択肢を広げる
- 普段なら選ばない組み合わせも作る
- 組み合わせを制約で確認する
- 評価軸で比較する
- 有望案を具体化する
- 実データや小規模実験で検証する
- 必要ならパラメータ単位で差し替える
一方、目的によって使い方は少し違います。
法人向け研修では、新しいサービス案の発散と絞り込みに使いました。
問い合わせ対応では、問題が起こる条件組み合わせの仮説整理に使いました。
採用イベントでは、既存企画の構成要素を組み替え、新しいイベント形式を作るために使いました。
自分の業務へ当てはめる手順
具体例をそのまま真似するのではなく、次の順で考えると使いやすくなります。
- 何の案を増やしたいか、または何の条件組み合わせを確認したいか決める
- 対象を4〜7個程度の主要パラメータへ分ける
- 各パラメータに複数の選択肢を出す
- 各パラメータから1つずつ選び、組み合わせ案を作る
- 普段選ばない組み合わせも意図的に入れる
- 法令、安全、コスト、人員、設備など本当の制約で確認する
- 顧客価値、実行可能性、運用負荷などの評価軸で比較する
- 有望案を具体化する
- 小規模に試す、または実データで条件仮説を検証する
- 結果に応じてパラメータ単位で差し替える
記入用の型が必要な場合は、モーフォロジカル分析テンプレートを使うと、パラメータ、選択肢、組み合わせ、制約、評価、検証まで一続きで整理できます。
具体例を見るときの注意点
パラメータを抽象語にしない
「顧客」「営業」「品質」のような抽象語だけでは、組み合わせ案を作りにくくなります。
「対象顧客」「販売チャネル」「品質保証方法」のように、設計項目へ変えます。
選択肢の粒度をそろえる
「オンライン」「Zoom」「対面研修」のように、概念と具体手段を同じ選択肢として並べないようにします。
発散段階で削りすぎない
「今までやったことがない」という理由だけで外すと、既存案の延長に戻ります。
全組み合わせを総当たりしない
パラメータと選択肢が増えると組み合わせ数は急増します。
全件を見るのではなく、意図的に発散し、制約と評価で絞ります。
組み合わせを答えだと決めつけない
問い合わせ対応のケースのように、条件組み合わせはあくまで仮説です。実データで確認します。
よくある失敗と改善策は、モーフォロジカル分析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、パラメータ候補、選択肢候補、意外な組み合わせ、制約候補、評価軸候補を出す補助に使えます。
ただし、課題設定、パラメータの採否、実際の制約、評価軸、有望案の選択、検証結果の判断は人が行う必要があります。
具体的な使い方は、生成AIでモーフォロジカル分析を使う方法で解説します。
まとめ|具体例では「何を分け、どう組み替え、どう絞ったか」を見る
モーフォロジカル分析の具体例を見るときは、最終案だけでなく、「何をパラメータに分けたか」「各パラメータでどんな選択肢を出したか」「どんな組み合わせを作ったか」「どの制約と評価軸で絞ったか」を見ることが重要です。
法人向け研修では、提供形式、学習時間、講師関与、フォロー、料金方式を組み替えました。問い合わせ対応では、問い合わせ種類、担当経験、システム数、承認などの条件組み合わせを確認しました。採用イベントでは、開催形式、対象、コンテンツ、社員関与、時間、フォローを組み替えました。
自分の業務へ応用するときも、いきなり完成案を考えるのではなく、まず対象を構成要素へ分け、選択肢を広げ、普段なら選ばない組み合わせも作り、その後に制約と評価で絞り込むことが、モーフォロジカル分析を実務で活かすポイントです。