新商品コンセプトの検証方法6つ。コスト・期間・精度で選ぶ

新商品のコンセプトを世に出す前に確かめたい。そう考えたときに取れる手段は一つではありません。予算をかけずに数日で終わるものから、100万円規模で1か月かかるものまで幅があり、それぞれ分かることも違います。

この記事では、コンセプト検証の方法を6つに整理し、コスト・期間・サンプル数・何が分かるかを並べて比較します。そのうえで、企画のフェーズごとにどれを選ぶべきかを解説します。

1. 検証手法の全体像

コンセプト検証に使われる主な手法は次の6つです。上から順に、手軽さと引き換えに得られる情報の確度が上がっていきます。

1. 社内レビュー
2. 顧客インタビュー（5〜10人）
3. Fake Door / LPテスト
4. ネットリサーチ
5. 会場調査（CLT）
6. AI生活者シミュレーション

実務では単独で選ぶより、フェーズに応じて組み合わせるのが一般的です。まず安価な手法で候補を絞り、残った案に費用をかけて確度を上げていく流れになります。

2. 手法別の詳細

2-1. 社内レビュー

企画メンバーや関連部署に案を見せて意見を集める方法です。費用がかからず即日で回せますが、回答者が生活者ではなく作り手であるため、思い入れや社内文脈の影響を受けます。出発点としては有効でも、これだけで判断するのは危険です。

目安コスト

0円

期間

即日〜数日

サンプル数

数名〜十数名

分かること

説明の分かりにくさ、社内での通しやすさ

分からないこと

生活者にとっての魅力度。作り手バイアスが強く出る

2-2. 顧客インタビュー（5〜10人）

ターゲット層に直接会って話を聞く方法です。課題の深さや言葉の受け取られ方を、その場で掘り下げて確認できます。少人数のため数値としては扱えませんが、想定していなかった論点が出てくる点に価値があります。リクルーティングを外部に頼むと費用が発生します。

目安コスト

0円〜30万円（リクルーティング費による）

期間

数日〜2週間

サンプル数

5〜10人

分かること

課題の深さ、言葉の受け取られ方、想定外の論点

分からないこと

市場全体での比率。少数の意見に引きずられやすい

2-3. Fake Door / LPテスト

商品ページや申し込みボタンだけを先に作り、広告で流入させてクリック率や登録率を測る方法です。実際の行動が数字で出るため、意向を聞くより確度が高い情報が得られます。一方、コンセプトそのものよりページの出来や広告クリエイティブに結果が左右される点に注意が必要です。

目安コスト

1万〜10万円（広告費）

期間

1〜2週間

サンプル数

流入数による（数百〜数千）

分かること

実際の行動としての反応、需要の有無

分からないこと

なぜ反応したか。ページや広告表現の影響を切り分けにくい

2-4. ネットリサーチ

調査会社のパネルにアンケートを配信し、統計的に扱えるサンプル数を集める方法です。購入意向や好意度を数値で比較でき、社内の意思決定資料として通しやすいのが利点です。設問設計から集計まで含めると2〜4週間程度かかります。

目安コスト

数十万円〜

期間

2〜4週間

サンプル数

数百〜数千

分かること

数値としての購入意向・好意度、セグメント別の差

分からないこと

回答の背後にある理由。建前が混じる可能性がある

2-5. 会場調査（CLT）

会場に対象者を集め、実物のサンプルを見せたり試食したりして評価を得る方法です。味・香り・手触りなど、実際に体験しないと分からない要素を確認できるのはこの手法だけです。その分、費用と期間の負担は最も大きくなります。

目安コスト

100万円〜

期間

3〜6週間

サンプル数

数十〜数百

分かること

実物への評価、味覚・触感など体験を伴う反応

分からないこと

日常の生活文脈での受け取られ方（会場という環境の影響）

2-6. AI生活者シミュレーション

統計分布に合わせて設計したAIの仮想回答者に、コンセプト案への反応を答えさせる方法です。数時間で結果が返るため、案を変えながら何度も試せます。実在の生活者の反応そのものではないので、最終判断の根拠にするより、候補を絞る段階での活用が現実的です。手法の中身はAIペルソナ調査サービスの4分類で詳しく整理しています。

目安コスト

月額5万円〜

期間

数時間〜数日

サンプル数

数百〜数千（パネル設計による）

分かること

複数案の相対比較、セグメント別の反応の傾向

分からないこと

実在の生活者の反応そのもの。体験を伴う評価は扱えない

3. コスト×期間の比較表

4. フェーズ別の使い分け

4-1. アイデアが10案ある段階

この段階で全案にネットリサーチをかけると、費用も期間も現実的ではありません。社内レビューで明らかに筋の悪いものを落としたうえで、AI生活者シミュレーションで残りを相対比較するのが効率的です。数時間で結果が返るため、設問を変えて角度を変えた比較も試せます。

4-2. 2〜3案に絞れた段階

候補が絞れたら、なぜその案が支持されるのかを掘り下げます。顧客インタビューで言葉の受け取られ方を確認し、必要に応じてFake Doorテストで実際の行動を測ります。ここで想定と違う反応が出たら、コンセプトの言い換えに戻ります。

4-3. 発売直前の最終確認

投資判断や社内稟議のために数値が必要な段階です。ネットリサーチで統計的に扱えるサンプルを集めます。味・触感などの要素が商品価値の中心にある場合は、会場調査を組みます。

実務でよく機能するのは、AI生活者シミュレーションで案を絞り、人間調査で最終確認するという組み合わせです。絞り込みの回数を増やしても費用が積み上がらない一方、最終判断は実在の生活者のデータで裏づけられます。AIによるコンセプト検証は本当に使えるのかで、人間調査との違いをより詳しく扱っています。

5. よくある誤解

5-1. AI調査は人間調査の代替なのか

代替にはなりません。AI調査の回答は実在の生活者の反応そのものではないため、最終的な投資判断を全面的に委ねる使い方には向きません。絞り込みの工程を安く速くする手段と位置づけ、最終確認は人間調査で行うのが妥当です。

5-2. AIの回答は当てにならないのでは

用途によります。「購入意向が何パーセント」という絶対値をそのまま信じるのは適切ではありませんが、A案とB案のどちらが支持されやすいかという相対比較であれば、実務上の判断材料になります。使う側が絶対値と相対比較を区別することが前提です。

5-3. サンプル数が多ければ精度が上がるのか

サンプル数が増えると統計的なばらつきは小さくなりますが、それは「同じ偏りを持った回答が安定して出る」ことも意味します。パネルの構成が実際の人口構成からずれていれば、数を増やしてもずれは解消しません。数より、パネルの設計と根拠データの確認が重要です。