新規事業のアンラーニング|過去の成功経験を捨てずに前提を検証する

既存事業ではうまくいった施策を、新規事業へそのまま持ち込んでも反応が得られない。そんなとき「過去の成功体験を捨てなければならない」と考えることがあります。しかし、経験そのものが悪いのではありません。成功したときの条件が、新しい顧客・課題・商材でも成り立つかを確かめずに使うことが問題です。

アンラーニングを、身につけた専門性の否定や、自分の常識を無条件に捨てることと同一視する必要はありません。この記事では既存事業の「活用」と新しい機会の「探索」を区別し、過去の知見を使える部分と仮説へ戻す部分を整理します。

探索と活用は、どちらか一方が正しいわけではない

James G. Marchの1991年論文『Exploration and Exploitation in Organizational Learning』は、新しい可能性を探る探索(exploration)と、すでにある知識・能力を磨いて使う活用(exploitation)の関係を分析しました。

この研究は、短期的には成果の測りやすい活用へ資源が向かいやすく、それだけに偏ると長期的な適応に問題が生じ得ると論じています。一方で、探索だけを続ければ売上や顧客価値が生まれるとも述べていません。両者では成果の時間軸、不確実性、学習の仕方が違います。

『過去の勝ちパターン』をすべて捨てる必要はない

たとえば、顧客の発言と実際の行動を分ける、計測の定義を残す、公開情報の根拠を確認するという基本動作は、新規事業でも重要です。一方、広告のクリック率、リード獲得単価、既存顧客の問い合わせ傾向などは、異なる市場で同じ水準になる保証がありません。

  • 継続して活用するもの:顧客の困りごとを確かめる方法、事実確認、リスク管理、適切な実験計画
  • 検証し直すもの:ターゲット顧客、購買経路、利用できる予算、訴求文、チャネルごとの成果
  • 捨てるか保留するもの:根拠がないのに全顧客へ適用している常識、古い仕様、検証不能な成功談

実務では、経験をゼロに戻すより前提を明示して、使える条件を再確認する方が現実的です。

新規事業の成果指標は、何を確かめる段階かで変わる

まだ対象顧客の課題が存在するか分からない段階で、既存事業と同じ大量のMQLを集めても、新しい価値の証拠にはならない場合があります。探索の初期には、何の条件を確認したか、どの仮説が否定されたかも重要な学習です。

ただし「探索ではKPIを置かなくてよい」という意味ではありません。顧客との面談数そのものを目的化せず、何を発見したか、検証の条件は何か、使える時間と費用はどれほどかを決めます。

既存事業の活動を続けながら新事業の可能性を探る経営上の課題は、O’ReillyとTushmanの『The Ambidextrous Organization』(2004)にも扱われています。組織によって分担方法は異なり、「部署を二つに分ければ必ず成功する」という処方箋ではありません。

最初の一歩は、成功施策の『成立条件』を表にすること

過去に成果を上げた施策を、新規事業へ使う前に以下の観点で整理します。

  • どの顧客に対して効果が確認されたか。業種・役割・導入段階は同じか
  • そのときの製品、価格、競合、営業体制、広告環境は何だったか
  • どの数字が観測事実で、どの部分を施策の因果効果と推定したか
  • 新しい市場で変わった条件は何か。まだ分からないことは何か
  • 小さな試行で外れたことを確かめられる仮説は何か

『前回はウェビナーが成功した』という言葉を、例えば「対象は既存の技術導入を検討していた企業で、既知の課題に対する説明会への参加が多かった」と具体化します。その条件が新事業にもあるかを問います。

架空例:既存クラウドサービスからAIサービスへ展開する

以下は考え方を説明する架空例であり、実在企業の実績・受注率ではありません。

  • 既存の経験:クラウド基盤の製品比較資料から商談が生まれていた
  • 新しい案:生成AIで営業の報告作業を支援するサービスを提供したい
  • 再利用できる力:顧客へのヒアリング、企業のセキュリティ条件の確認、技術的な説明資料の作成
  • 検証すべき前提:現場に本当に解決したい負担があるか、AIへ入力可能な情報は何か、導入承認者は誰か
  • 誤った飛躍:既存の比較記事が集客できたので、AIサービスの比較記事も同じ商談率になるはずだと考える
  • 次の試行:対象顧客の現在業務を観察し、架空データで小さな試作を評価する

顧客が「AIは必要ない」と答えた場合も、その理由を聞き、別の改善方法で解決できるか確かめます。提供方法を前提にして「顧客の学習が不足している」と判断しないことが重要です。

学び直した前提を記録する

判断を更新するときは「旧前提」「新しい観測」「残る不確実性」「次の実験」を記録すると、何を学び直したか説明できます。この4項目は本記事で提案する整理法であり、学術研究で一律の形式として定められたものではありません。

試行は、変える前提と判定条件を明らかにする

Nestaのイノベーション実験の指針は、試行を、適切な問いに答えるための設計として扱っています。仮説、対象、方法に合わせ、試作品の利用者評価から比較群を設ける検証まで、実験方法を選びます。

少数の面談や試作は、課題を発見することには役立っても、すぐに市場規模や因果効果を確定するものではありません。何が分かり、何がまだ分からないかを明示します。

新規事業アイデアの仮説化はAI時代の新規事業アイデア検証、実験の判定はBtoBマーケティング実験の進め方を参照してください。本記事では過去の経験を新しい環境へ持ち込む前に、どの前提を疑うかに焦点を置きます。

まとめ:経験を捨てず、適用条件を問い直す

既存事業の経験が、新規事業ではいつも間違いになるわけではありません。一方で、過去の成功が新しい市場の需要を保証することもありません。活用する能力と、新しく確かめる前提を分けることが必要です。

次の企画では「以前うまくいったから」を、成功した条件の説明と、新しい顧客への確認項目へ書き換えてみましょう。それがアンラーニングを実務に落とす出発点です。

主要出典と関連記事

ほかの記事を探す

記事の訂正・出典情報は、お問い合わせから該当記事のURLと根拠資料をお知らせください。