エンパシーマップ（共感マップ） - エンパシーマップは顧客の本音をチームで見える化する共感マップです。Says/Thinks/Does/Feelsで認知ズレを減らし、ペルソナやジャーニーを“施策に落ちる形”へ。ペイン起点で訴求と改善点を特定できます。

Summary
秀逸ポイント
提唱者・発表時期
詳細説明
具体例／活用案
すぐ使える問い（Killer Question)
参考文献リスト
補足情報
- エンパシーマップの歴史的タイムライン
- 主要な提唱者・関係者

Summary

ターゲティングと顧客理解の中で、顧客インサイトを「チームの共通言語」に翻訳するフレームです。

ひとことで言うと「顧客が“何を言い・何を考え・何をし・何を感じるか”を可視化する」

いつ使うか： ペルソナや施策の議論が“主観のぶつけ合い”になり、打ち手の優先順位が決まらないときに使います。

秀逸ポイント

エンパシーマップの価値は、顧客理解を「合意できる仮説」に落とすプロセスにあります。4象限（Says/Thinks/Does/Feels）に分解することで、観察できる事実（発話・行動）と、推定が混ざりやすい領域（思考・感情）を切り分けられます。
結果として、①チーム内の認知ズレが早期に露呈し、②不足している定性・定量データ（VOC、行動ログ、商談メモなど）が明確になり、③コピー／LP／オンボーディング／CRMのどこを直せば“刺さる理由”が生まれるかを議論できます。さらにAIマーケティングの文脈では、インタビュー文字起こしや自由記述をLLMで要約し象限に整理することで、スピードと再現性を上げやすい点も実務的です（ただし根拠データの紐づけが必須）。

提唱者・発表時期

「共感（empathy）を起点に顧客を理解する」考え方自体はデザイン思考の流れの中で発展してきました（IDEOの実践を起点に、Stanford d.schoolでもツールとして整理されてきた、という説明があります）。
一方、現在もっとも広く流通しているテンプレートとしてのEmpathy Mapは、デザインコンサルXPLANEのDave Grayらが整形し、ファシリテーション・プレイブック『Gamestorming』（2010）で紹介されたことが普及の大きな契機だと説明されています。
その後、Dave Gray本人が2017年に“Updated Empathy Map Canvas”として拡張版（Sees/Hears、Pains/Gains等）を提示しています。

詳細説明

エンパシーマップ（共感マップ）は、特定の顧客タイプ（セグメント／想定ユーザー）について、「私たちは何を知っていて、何が不明か」を一枚で共有するための協働ワークです。NN/gは、共感マップを「特定タイプのユーザーについて知っていることを表現し、共有理解と意思決定を助けるための協働可視化」と定義しています。

基本構造（4象限）と“推定の扱い”

Says：ユーザーの発言（直接引用、または妥当な要約）
Does：観察された行動・典型行動（行動ログや現場観察が強い）
Thinks：頭の中の前提・動機・迷い（推定になりやすい）
Feels：感情（推定になりやすい）

重要なのは、Thinks/Feelsを「事実」のように断定しないことです。根拠が弱い場合は「仮説」ラベルを貼り、次の調査（インタビュー設計、アンケート項目、ログ分析）に接続します。NN/gも、作成プロセスが“データの穴”を露呈させる点を強調しています。

注： NN/g（Nielsen Norman Group）は、ユーザビリティ研究者 Jakob Nielsen と Don Norman によって設立された UX リサーチ機関として知られています。

拡張構造（7領域のキャンバス）

拡張版では、状況理解を強めるために Sees/Hears（周囲環境・他者からの影響）や、意思決定を左右する Pains/Gains（不安・摩擦／得たい成果）などが追加されます。
マーケティングでは特に、Pains/Gainsを**「訴求（ベネフィット）と障壁（リスク認知）」**に翻訳しやすく、広告コピー、FAQ、比較表、導入事例の設計に直結します。

似ている用語との違い（混同しやすいポイント）

手法	何を解く道具か	強み	落とし穴
エンパシーマップ	顧客理解の共有・仮説化	思考/感情まで含め“認知ズレ”を可視化	根拠薄い推測で埋めると危険
ペルソナ	代表ユーザー像の定義	意思決定の軸（誰のために）を固定	作ることが目的化しやすい
カスタマージャーニー	時系列の体験設計	どこで離脱・不満が起きるか見える	“時系列”が必要、粒度が重くなりがち
JTBD	目的（片づけたい仕事）の特定	代替比較・選定理由に強い	文脈（感情/周囲影響）が抜けやすい

※エンパシーマップは時系列ではありません（ジャーニーの前段で「その人をどう理解するか」に向きます）。

歴史的背景と位置づけ

『Gamestorming』では、共感マップは“厳密なリサーチに基づくペルソナ作成ほどの手間はかけずに、素早く人に焦点を当てる”ための手法として説明されています。
この性格上、マーケティング実務では 「①短時間で仮説を揃える → ②調査で検証して更新する」 の往復運動が最適解になります。

AIマーケティングへの自然な接続（さりげなく、しかし効く）

入力（材料）：インタビュー、商談議事録、コールログ、レビュー、自由記述、チャット履歴
AI活用：LLMで象限別に要約・分類 → 埋め込み（embedding）でペインのクラスタリング → “勝ち筋仮説”を複数生成
注意点：LLMの要約は便利ですが、根拠テキストへのリンク（引用元ID）を残し、推測は推測として管理しないと“もっともらしい誤解”が増えます。

具体例／活用案

1) プロダクト改善の現場：チームの共通理解を先に作る

AtlassianのTeam Playbookでは、Empathy Mappingを「顧客（ペルソナ）理解のための可視化」として、短時間で実行できるワークとして手順化しています。プロダクト・マーケ・CSが同席し、Says/Doesの根拠（チケット、通話ログ、行動ログ）を貼った上でThinks/Feelsを仮説として置くと、オンボーディングやUI改善の論点が早く収束します。

施策への落とし込み例（BtoB SaaS）

Pains：稟議の不安、失敗の責任回避、移行コスト
Gains：短期での成果可視化、監査対応、運用負荷の低下
→ 施策：①比較表＋セキュリティFAQの強化、②“30日で成果が見える”テンプレ提供、③導入事例を「稟議で使える1枚」に再編集

2) 社会・公共領域：ステークホルダー理解と“影響（Impact）”設計

EuropeanaのImpact Playbookでは、遠くなりがちなステークホルダーを理解するためにEmpathy Mapを用い、ニーズの仮説を描いた上で、実際に将来ユーザーを巻き込み検証したことが紹介されています。マーケティングの文脈でも、自治体・教育・文化事業のように“顧客”が多様な場合、共感マップを**セグメント別（利用者／提供者／意思決定者）**に分けるだけで設計が進みます。