KA法は、インタビューや観察で得られた定性データを分析する方法です。

プロダクトやサービスの開発や運用にあたり、ユーザーの声をインタビューなどで調査して定性データを収集することがあります。しかし、

• 「インタビューをしたけれど、分析方法がわからず持て余している」

• 「書き起こしを眺めるだけで、いまいち有効活用できている気がしない」

という方も多いのではないでしょうか。
KA法などの定性分析は、ただの文字列としての定性データを、使える情報がまとまったヒントに変える力を持っています。

本記事では、KA法の概要をはじめ、具体的な手順、KJ法との違いなどを解説していきます。

※本記事は、UX向けのKA法について弊社独自の経験と解釈に基づいて執筆しています。
KA法を開発した浅田氏の「図解でわかる商品開発マーケティング」（2006年、浅田和美(著)、JMAM）や、UX向けに改良した安藤氏の「UXデザインの教科書」（2016年、安藤昌也(著)、丸善出版）などの文献も適宜参照いただくことをおすすめいたします。

1. KA法の概要

1.1 KA法とは

KA法は、インタビューや観察などから得られる定性データ（質的データ）を分析して、そこから情報やヒントを得るための定性分析の手法の一つです。
定性分析にはさまざまな手法がありますが、KA法の特徴は

• プロダクトやサービスのユーザー体験の分析に特化している

ことです。

ユーザーの声といっても、ユーザーの感情に注目したり、ユーザーの属性で切り分けてみたり、さまざまな切り口が考えられますが、KA法は

• ユーザー体験の価値

に焦点を当てます。
KA法では、ユーザーが見せたり語ったりしてくれたそれぞれの体験や出来事に注目し、良い体験ならばどんな価値が満たされたから良かったのか、いまいちな体験ならばどんな価値が満たされていればよかったのか、体験の背後にある価値を導き出していきます。

一つひとつ導き出した価値はグルーピングによって大きなレベルの価値にまとめられ、最終的にはそれらの関係が一目でわかる価値マップの形に整理されていきます。
価値の全体像とその構造を把握することで、どの部分の価値に対してアプローチができるのか全体を見ながら考えられるほか、全体の構造がマップの形で可視化されるので、分析結果を他のプロジェクトメンバーと簡単に共有することができるのもKA法の強みです。

このプロセスを経ることで、ユーザーが求めている本質的な価値やニーズが明らかになり、プロダクトやサービスでどんな価値を提供していくかについてのヒントが得られます。
このことから、KA法は本質的価値抽出法と呼ばれることもあります。

ちなみに、KA法という名称ですが、開発者の浅田和実氏（紀文食品チーフ・マーケティング・アドバイザー）のイニシャルが由来となっています。
KA法はもともと商品開発マーケティングの手法として浅田氏が開発・公開したものですが、現在広く使われているのはオリジナルのKA法ではなく、千葉工業大学の安藤昌也教授がUXデザイン領域向けに修正を行ったものになります。

1.2 KA法などの定性分析を行うべき場面

KA法をはじめとした定性分析の手法は、

• データにのっとって施策の仮説を立てる

ときに価値を発揮します。

• 「仮説をとにかくたくさん立てて検証してきたけれど、どれもいまいちだった」

• 「思いつきのアイデアしか出せず、なかなか合意してもらえない」

ということがある場合、それはユーザー体験についてきちんと把握するための定性分析が必要な場面かもしれません。

もちろん、直感や過去の経験から仮説を立てることはできます。
特にプロダクトやサービスの規模が小さいうちは、仮説の質よりも量を重視して、とにかくアイデアを出して検証する形がいいかもしれません。

しかし、規模が大きくなりチームでプロジェクトを進めるようになってくると、一つの施策をするのにもチームでの意思決定が必要になってきます。
感覚や経験に頼った仮説の立て方だと、チームメンバーそれぞれの主観で意見を述べることで議論がまとまらなくなる危険があります。
そもそも、独りよがりな仮説の立て方では、自分が大事だと思ったこと以外の側面を見落としており、結果として仮説の質が落ちる可能性もあります。
その仮説を他の人にも理解してもらったり、そもそもの合理性を高めたりするためには、

• どんなデータがあったのか

• そのデータをどう解釈したのか

を整理し、仮説生成のプロセスを明確にすることが重要になってきます。

データとにらめっこしてひとつひとつ吟味していくのはリソースを割く作業ですので、もちろんプロジェクトのフェーズや規模感とも相談する必要がありますが、
もしも他のメンバーにも納得してもらえるような、質の高い仮説を立てていきたいのであれば、KA法のような定性分析の手法を用いることをお勧めします。

2. KA法の手順

〈必要なもの〉

• 文字起こしなどの定性データ

• 【オフラインの場合】
  印刷したKAカードかふせんなどの小さい紙と、ホワイトボードなどの大きい板や机

• 【オンラインの場合】
  figjamなどのオンラインホワイトボード

• 同時に分析するメンバー（多様な意見・切り口を確保するため）

〈インタビューデータの例〉

今回はあるアパレルショップのアプリに関する架空のデータの一部を例にしてみます。
インタビューの時点でKA法による分析を行う予定がある場合には、日常的な出来事にも焦点を当ててインタビューできると、よりユーザーの実生活に根付いた価値を抽出することができます。

〈カードの例〉

【オフライン】
オフラインの場合は、あらかじめ作ったものをたくさん印刷しておいてもいいですし、ただの付箋に区切り線を書いて進めていくのも一つの方法です。

【オンライン】
オンラインの場合は、コピー&ペーストでKAカードが作れるように、テンプレートをひとつ用意しておくのがおすすめです。figjamであれば、テーブル（表）を使うと便利です。

2.1 カードを埋める

準備ができたら、いよいよ分析開始です。

KA法では、データからわかることをカード（KAカード）に記録していきます。
大量のデータの中から、ユーザーの行動に注目して、KAカードにまとめていきます。

①「出来事」欄に記入する

ユーザーの行動が見つかったら、まずはKAカードの「出来事」欄に何があったかを書いていきます。書き方のポイントは、

• 「メニューを開いた」のような、ユーザーの行動は必ず書き、

• 「〇〇だったので、メニューを開いた」のように、行動の原因を含めるか、

• 「メニューを開いたら、▲▲が起きた」のように、行動の結果を含める

ことです。ユーザーの行動に注目してKAカードをまとめていくので、その前後の情報も含められるとより質の良い分析ができます。

インタビューデータの例を使いながら、実際にまとめ方を見ていきましょう。

「まあ見せるだけで何%か割り引いてくれるのはやっぱり嬉しいんで、割といつも見せてますね。」

この発話からは、「アプリを見せる」というユーザーの行動がピックアップできます。
この行動の原因や結果が読み取れないか見てみると、「アプリを見せると何％か割り引かれる」という原因の部分があることがわかります。

とりあえず今回は「出来事」欄に

アプリを見せると何%か割り引かれるので、アプリを見せる

と記入することにします。

※原因については「何％か割り引かれることを知っていたので」「何％か割り引かれることを嬉しく感じていたので」などさまざまな形が考えられますが、あくまでこのカードで大事なのは「価値」欄なので、「出来事」欄の記述にあまりこだわる必要はないと思われます。

②「ユーザーの心の声」欄に記入する

「出来事」の内容から、ユーザーの心境を想像して「心の声」を表現します。
他人の心の声について、もちろん限られたデータから完璧に分かるはずはないので、「なるべく共感して、ユーザーになったつもりで」書くことができれば十分です。

今回は「嬉しい」という表現が見られるので、

特にしなきゃいけないこともなく、見せるだけで割引してくれるのは嬉しい

としておきます。

③「価値」欄に記入する

その心の声が出る理由や意味を解釈し、その背後にある価値を考えていきます。このとき、

• 「〇〇する価値」「〇〇できる価値」のように、ある行為の価値として書く

ことができると理想的です。この後にグルーピング化するので、「幸せになる価値」など初めから抽象度の高い表現をしてしまうとまとめられなくなってしまうためです。
多少ぎこちない文章でも、具体的な行為の価値として書くことで、後のグルーピングがしやすくなります。

今回は

画面を見せるだけで割引される価値

とします。

「価値」欄が埋まると、このような1枚のカードが完成します。

この作業を残りのデータに対しても繰り返し行い、カードをたくさん作っていきます。

◎うまく表現できている自信がないけど、いいの？

特に②と③は定性分析特有のふわっとした部分が残る感覚はありますが、大事なのはその正しさではなく、

• どのデータをどういうふうに解釈してその価値を導出したかについて、
  他の人にも見せられる形に残す

ことです。

他の人と解釈が異なっていることは当たり前で、一致させることが目的ではありません。
同じデータに対して解釈が分かれることで、多様な観点からの洞察が可能になります。他の人の解釈がどうなっているかは関係なく、自分なりに真摯にデータと向き合うことができればそれで大丈夫です。

◎未充足の価値

また、例の中にはこんな少しネガティブな記述もあります。

「アプリを探すのにいつも時間かかるんですよね。どこやったかなあって。そのときも結構探した気がしますね、店員さんも待たせちゃって、やっぱ焦りますよねそういうときは。」

このデータからKAカードを作る時、
例えば出来事には「アプリが見つからないので、アプリを探したら、店員を待たせてしまった」、
ユーザーの心の声には「見つからなくて他人を待たせるのは焦るし嫌だ」
と書くことができます。

一方で、価値についてはその出来事では満たされていない（未充足の価値）ため、本来ユーザーが求めている価値として書きます。

今回は

アプリを開くために人を待たせない価値（未充足）

としておきます。

2.2 カードをグルーピングする

カードが一通り揃ったら、カードをグルーピングしていきます。
注目するのは「価値」欄で、価値が似ているカードをまとめ、より抽象的な価値（中分類の価値）に集約していきます。

例えば「画面を見せるだけで割引される価値」「ボタンを押すだけで予約できる価値」などの価値をもつカードがあったときは、「〜だけ」という部分に着目して「要求される行為が少ない価値」などとグルーピングすることができます。

◎ボトムアップにグルーピングする

グルーピングにあたり、この作業は仮説を「検証」するためのものではない、ということに注意が必要で、あらかじめ決めた枠にデータを当てはめていくトップダウン的な作業ではなく、そこにあるデータに沿って枠を決めていくボトムアップ的な作業が求められます。

例えば、

「安心できる価値」は構造に含まれていそうだな

と最初に考えてから、

「安心できる価値」に当てはまるカードはどれだろう？

という風に作業をするのはあまり良くありません。
あくまでもデータに忠実に、カードとカードだけを見比べて、共通点を探していくことが重要です。

結論ありきでデータをまとめてしまうのは、いわゆる「確証バイアス」的な心の働きによるものですので、逃れにくい部分があるのは事実です。このような危険性があるということを事前に理解しておくことで、自分の分析を批判的に見ることができるようになり、より質の高い分析につながっていきます。

2.3 全体をマップの形にする（価値マップ）

最後に、グルーピングしてできた価値をマップの形に整えます。マップに整理するときは、価値どうしの

• 因果関係（「この価値があるから、この価値が満たされる」など）

• 時系列的な関係（「この価値を感じるのは体験の前で、この価値は体験の後」など）

を考えていきます。下の図は価値マップの例です。

最終的な分析結果が一目でわかる成果物が出てくることは、KA法の大きな特徴です。
このマップをプロジェクトメンバーと共有することで、ユーザー体験の価値の構造について共通認識を形成することができます。

3. KA法のあとは？

KA法でデータを分析することで、ユーザーの行動に関する手元のデータから、体験に関わっていそうな価値がまとまりました。

ここからは、どんな価値を充足させていけばいいか、それを達成するためにどんな商品・サービスにしたら良いか、分析結果を見ながら仮説を立てていきます。
ブレーンストーミングなどを活用して、いろいろなアイデアを出していきましょう。

今回であれば、例えば「自分の力で使いこなせる価値」に着目して、これまで注力してこなかったオンボーディングの動線設計に力を入れるなどの施策が考えられます。

仮説が立てられたあとは、その仮説を検証するフェーズへと進んでいくことになります。

4. KA法と他の定性分析法との違いは？

ここまではKA法の具体的な手順について説明してきましたが、ここからはKA法と他の定性分析法の違いについて紹介していきます。

KA法は定性データ（質的データ）から分かることを明らかにしていく定性分析法（質的分析法）の一種です（ビジネスの文脈では「定性」、アカデミックな文脈では「質的」という表現がよく用いられます）。
KA法と類似した定性分析法には、KJ法やGTA（グラウンデッド・セオリー・アプローチ）などがあります。これらの方法とKA法の共通点は、どれも

• 「グルーピング」のプロセスを持っている

ことです。ただし、これらのどれもグルーピング自体を目的としているわけではないことに注意が必要です。

※本記事ではKA法との比較対象として共通点や違いについて簡単に言及していますが、方法の詳細については原著や解説書をあたられることをおすすめします。

4.1 KJ法

KJ法は、小さな単位のデータを大きな概念に抽象化していき、そこから新たな発想を生み出すための方法です。
KA法との大きな違いは、その適用範囲の広さです。KA法のグルーピングでは分類の対象がユーザー体験の価値を示したカードなのに対して、KJ法は分類の対象に制限がないことが特徴です。インタビュー調査などのテキストデータだけでなく、ブレーンストーミングなどで出てきた雑多なアイデアや意見を整理していく場面でもよく用いられます。

一方で、適用できる範囲が大きいということで、本来の趣旨とは異なる用途にまで広がっていることがあります。目的に応じて手段は変わるべきですのでそれ自体に問題があるとは言えませんが、「KJ法を用いた」として発信を行うときには注意が必要で、本来のKJ法の強みが発揮されない可能性を認識しておくことが求められます。

KJ法の運用上の注意点については、こちらの文献でまとめられています。https://www.jstage.jst.go.jp/article/methodologysig/1/0/1_1.02/_pdf/-char/ja

4.2 GTA（グラウンデッド・セオリー・アプローチ）

GTAは社会学や心理学などアカデミックな領域でよく用いられる質的研究法です。データに基づいて（グラウンデッド）、理論（セオリー）を組み立てるのがこの手法を用いた分析の目的です。
分析対象のデータがユーザー体験に限定されるKA法とは違い、幅広い対象の分析が可能です。

GTAの詳細な説明は割愛しますが、テキストデータから小さい概念を抽出し、小さい概念から大きい概念へとまとめていき、概念間の関連性に注目しながら理論を組み立てていくのが非常にざっくりとした流れです。

KA法と比較して、方法論に関しての議論は非常に広がっており、GTAの中でも様々なバージョンが存在しています。アカデミックな性格が強く、手法について正しく理解し、実際に分析を行えるようになるまでには、かなりの時間と労力を要することとなります。
特にアジャイル開発など、仮説検証のサイクルの量が重視される場面で、GTAを用いた理論構築が貢献できる部分は少ないかもしれません。

一方で、GTAは実践的な活用のための理論の形成に用いることができるという点は紛れもない事実であり、ユーザー体験に関してより示唆に富んだ理論を作り上げることができる可能性を秘めている手法です。リソースに余裕があれば試してみるのも良いかもしれません。

GTAの歴史や質的研究法の中での位置付けについては、こちらの文献でまとめられています。
https://www.jstage.jst.go.jp/article/jsr1950/57/1/57_1_58/_pdf

5. まとめ

KA法は、

• データから仮説を生み出すための定性分析の一つ

• ユーザー体験に特化している

• 体験の価値に焦点を当てる

• マップの形に整理し、体験価値の全体像を把握できる

という特徴を持つ手法でした。

今回ご紹介したKA法のような定性分析は、あくまで仮説を立てるプロセスで用いるものです。分析をして終わりではなく、分析結果からどんな仮説を立てられるか、どんなことを試すべきか、検討していくことが重要です。

KA法は初心者の方でも取り組みやすい方法ではありますが、「自社だけでは定性データの分析が難しそう…。」という場合は、顧客体験や業務の改善ノウハウがある外部企業との連携を検討することも一つの手です。