コンテンツにスキップ

speech-coach 要件チケット案（反映済みアーカイブ）

作成日: 2026-07-18 ステータス: 2026-07-18 GitHub Issues へ反映済み。以降の正は Issues。

反映先: #1 MVP全体設計 / #3 縦切り実装 / #5 要件定義(クローズ) / #6 ビジネス+マーケ+PDCA / #8 Google ログイン / #9 図解パイプライン / #10〜#13 仮説検証

反映予定の内容は以下の4つ。

  1. Issue #1 の本文改訂（MVP 全体設計）
  2. Issue #5 への決定事項記入 → クローズ
  3. Issue #3 の本文改訂（縦切り実装を面接モード前提に）
  4. 新規 Issue「Google ログイン実装」

※ 要件確定の経緯コメントは Issue #1 に投稿済み: https://github.com/yoshioka0101/speech-coach/issues/1#issuecomment-5010651105

1. Issue #1「MVP全体設計を固める」改訂案

コンセプト

AI が面接コーチになる Web アプリ。ユーザーの目的・職種に応じた質問を出し、音声回答に対して深掘りの追い質問を重ね、後から観点別のフィードバックを返す。

ペルソナとユーザーストーリー

初期検証は「自分 + 知り合い数人」だが、プロダクトとしては以下の属性を想定する。

P1: 転職活動中の中途エンジニア（コアペルソナ・自分自身）

  • 書類は通るが面接で落ちる。「設計で意識したことは？」の深掘りに詰まる
  • ストーリー: 面接経験者として、想定質問への回答を深掘りされる練習がしたい。本番で初めて聞かれて頭が白くなるのを避けたいから
  • ストーリー: 面接の録画を人に見せるのは恥ずかしいので、AI 相手に一人で夜中に練習したい
  • 対応機能: 深掘りループ、一発勝負、辛口トーン → MVP
  • 課金意欲: 最も高い（面接が迫っている = 痛みが最大）。月2,000円の主対象

P2: 転職を意識し始めたエンジニア（活動前）

  • まだ応募していないが、自分の経験を言語化できるか不安。キャリアの棚卸しをしたい
  • ストーリー: 数年同じ会社にいる者として、自分の成果が社外の言葉で説明できるか試したい。市場価値が測れず転職に踏み出せないから
  • 対応機能: 職種・レベル入力、履歴一覧（言語化の変化を見返す）→ MVP
  • 課金意欲: 中。緊急性が低いので無料枠 → 有料転換の導線が必要

P3: 新卒就活生

  • ガクチカ・自己紹介・志望動機。Web 面接そのものに慣れていない
  • ストーリー: 就活生として、友人やキャリアセンターに頼まず何度でも面接練習したい。人相手だと回数に気を使うから
  • 対応機能: 職種カスタマイズ（新卒テンプレ）、優しめトーン、問数少なめ → MVP の職種選択で吸収可能
  • 課金意欲: 低（学生）。ユーザー数のボリュームゾーンだが無料枠前提。学割や後回しも検討

P4: 未経験・第二新卒からのエンジニア転職

  • 志望動機と学習経過の説明が中心。技術より熱意とポテンシャルの言語化
  • ストーリー: 異業種からの転職者として、「なぜエンジニアに？」への回答を説得力ある形に磨きたい。全ての面接で必ず聞かれるから
  • 対応機能: 目的・志望先タイプ入力 → MVP

P5: 非エンジニア職の中途（営業・企画・CS など）

  • 面接の型（STAR・結論ファースト）は職種共通。質問テンプレだけ職種依存
  • ストーリー: 営業職として、実績数字を交えた成果の語り方を練習したい
  • 対応機能: 職種選択制にしてあるので追加コスト小 → MVP の設計でカバー、質問テンプレの拡充は後続

P6: 昇進・昇格面接を控えた社員

  • 社内の役職者面接・アセスメント。転職市場より競合が少ない隠れニーズ
  • ストーリー: 昇格候補者として、マネジメント観・後輩育成の実績を聞かれる練習がしたい。社内の人には練習相手を頼みにくいから
  • 対応機能: 志望先タイプに「社内昇格」を追加するだけ → 後続（プロンプト追加のみ）

P7: カジュアル面談を控えた人

  • 選考前の面談で自己紹介と逆質問を軽く整えたい
  • ストーリー: カジュアル面談参加者として、5分の自己紹介だけサッと練習したい
  • 対応機能: 問数1問モード → MVP の問数選択で吸収可能

事前資料のユースケース

要件定義では「事前情報は目的・志望先タイプだけ」としたが、ペルソナを広げると事前資料の投入は強いユースケースになる。

資料 ペルソナ 価値
職務経歴書 P1/P2 一般論ではなく本人の経歴に基づいた質問・深掘りができる
応募先の求人票（JD） P1 「この企業が聞きそうな質問」を生成。面接直前の追い込み = 課金意欲が最大の瞬間に刺さる
ES・ガクチカ P3 ES の記述と口頭回答の一貫性チェック（新卒特有の価値）
昇格申請書・自己評価 P6 社内面接の再現度向上

段階的な導入方針:

  1. MVP: セッション設定に任意のテキストエリア「補足コンテキスト（任意）」を1つ置くだけ。経歴の要約や求人票を貼れば質問生成プロンプトに混ぜる。ファイル解析なし・実装コストほぼゼロ
  2. 後続: 職務経歴書のファイルアップロード（PDF 解析）、資料の保存・再利用、JD 別のセッション管理
  3. 注意: 経歴書は個人情報の塊。保存する場合は扱いを設計してから（MVP のテキストエリアは保存せずセッション限りにするのが安全）

ペルソナから導く設計上の含意

  • 質問テンプレは「職種 × 選考タイプ（中途/新卒/昇格/カジュアル面談）」の2軸で持つと全ペルソナを同じ仕組みで吸収できる
  • MVP の検証対象は P1（自分）。友人テストは P1〜P2 に該当する知り合いを優先する
  • 課金設計は P1 に向ける（面接が迫っている人）。P3 はボリュームはあるが無料枠前提
  • P6（昇格面接）は競合が薄い差別化候補として Issue #6（ビジネス）でも扱う

モード制（優先度を変更）

モード 内容 優先度
面接練習 職種・目的に応じた質問 + 深掘りの往復 MVP
説明練習（ファインマン） 勉強中の技術を AI に説明して理解を深める 後続
LT / プレゼン 持ち込みテーマの練習 後続

コアフロー

  1. Google ログイン
  2. セッション設定: 職種・レベル、目的・志望先タイプ、問数（1/3/5問）、深掘りの深さ（あっさり/しつこく）、トーン（辛口/優しめ）、補足コンテキスト（任意テキストエリア。経歴要約や求人票を貼ると質問に反映。保存せずセッション限り）
  3. AI が質問をテキスト表示（自己紹介、強み・弱み、成果、設計経験、後輩育成など）
  4. ユーザーが音声で回答（上限なし・一発勝負）
  5. AI が回答を深掘り（「元々の課題は？」「協力で意識した点は？」）→ 再回答。設定した深さまで繰り返し
  6. 全問終了後、非同期でフィードバック生成 → 履歴から閲覧

フィードバック仕様

  • 観点: 回答の構造（結論ファースト・STAR法）/ 話し方（話速・フィラー・沈黙）/ 模範回答例
  • スコア: 観点別5段階
  • 深掘り質問の生成のみセッション中に同期（数十秒待ち UI が必要）。総評は非同期

技術構成（変更なしの再掲 + 認証追加）

  • Backend: Go（net/http、REST API に専念）/ DB: SQLite
  • Frontend: Vite + React + TanStack Router / TanStack Query（5月版の Vite + React 判断を踏襲し TanStack を採用）
  • STT: Whisper 系（#4 で選定）/ AI: Claude API
  • 認証: Google OAuth（go_auth リポジトリの経験を活用）
  • PC ブラウザ優先

MVP でやること / やらないこと

  • やること: セッション設定 → 質問 → 音声回答 → 深掘り往復 → 非同期FB → 履歴一覧、Google ログイン
  • やらないこと: TTS 読み上げ、録り直し、スコア推移グラフ、スマホ最適化、決済、動画

2. Issue #5「要件定義」への記入 → クローズ案

「決めることリスト」への回答:

  • 想定ユーザー: 自分 + 知り合い数人
  • セッション: 問数選択制（1/3/5問）、録音上限なし、一発勝負
  • 事前入力: 目的・志望先タイプ + 職種・レベル + 補足コンテキスト（任意テキストエリア、セッション限りで保存しない）。ファイルアップロード解析は後続
  • 追い質問: MVP に入れる（中核機能）。深さはユーザー選択
  • フィードバック構成: 構造 / 話し方 / 模範回答例、観点別5段階、トーン選択制
  • 質問提示: テキストのみ

残タスク「画面ワイヤーフレーム」は #3 のタスクに移してクローズする。

3. Issue #3「縦切り実装」改訂案

説明モード前提 → 面接モード前提に書き換え。

スコープ（変更点）

  • お題生成 → 質問生成: 職種・目的・志望先タイプから面接質問を生成
  • 深掘りループを追加: 回答 → STT → 深掘り質問生成（同期）→ 再回答 → 設定深さで終了
  • フィードバック: 非同期ジョブ化（まずは goroutine + DB ステータス管理で簡易に）
  • 認証はスコープ外（新規 Issue に分離）

タスク案

  • [ ] backend/ Go モジュール初期化、net/http で REST API サーバー
  • [ ] frontend/ Vite + React + TanStack Router / TanStack Query セットアップ
  • [ ] 画面ワイヤーフレーム（設定 → 質問/回答 → 履歴 → 結果の4画面。手書きレベル）
  • [ ] セッション設定画面（職種・目的・問数・深さ・トーン・補足コンテキスト）
  • [ ] 質問生成（Claude API）
  • [ ] 録音画面（MediaRecorder API）+ 音声アップロード（React コンポーネント）
  • [ ] STT 呼び出し（#4 の選定結果。仮決めで Whisper 開始可）
  • [ ] 深掘り質問生成（回答の文字起こしを渡して次の質問を返す）
  • [ ] 分析ロジック: 話速・沈黙・フィラー数（テーブル駆動テスト）
  • [ ] フィードバック生成（構造/話し方/模範回答例、5段階、トーン反映）+ 非同期化
  • [ ] 履歴一覧 + 結果画面

完了条件

  • 「設定 → 質問 → 録音 → 深掘り → 全問終了 → 後からフィードバック閲覧」がローカルで通しで動く

備考

実装はユーザー自身が行う（Go 学習を兼ねる）。AI は設計相談・レビュー役。

4. 新規 Issue「Google ログイン実装」案（ラベル: 開発）

概要

自分 + 知り合い数人が使えるように Google OAuth ログインを実装する。親: #1

タスク案

  • [ ] go_auth リポジトリの実装を読み返して流用できる部分を確認
  • [ ] Google Cloud Console で OAuth クライアント作成
  • [ ] ログイン/ログアウト + セッション管理（cookie）
  • [ ] ユーザーテーブル（SQLite）と履歴の紐付け
  • [ ] 許可リスト（自分と知り合いのメールアドレスのみ通す）

完了条件

  • Google アカウントでログインでき、セッション履歴がユーザーごとに分離される

5. Issue #6「ビジネス検討」への追記案: 赤字→黒字化シミュレーション

コスト構造

項目 金額 備考
変動費/セッション 約50円 STT 27円（Whisper $0.006/分 × 30分）+ LLM 10〜20円（質問・深掘り・FB）
有料ユーザー変動費 約500円/人/月 月10セッション想定
無料ユーザー変動費 50〜150円/人/月 無料枠の設計次第（下記）
固定費 約2,000円/月 Fly.io 等 + ドメイン。SQLite なので DB 代ゼロ
開発費 0円計上 自分の時間（Go 学習を兼ねるため）

損益分岐

  • 月2,000円 − Stripe 3.6%（72円）− 変動費500円 = 貢献利益 約1,430円/人
  • 固定費 2,000円 ÷ 1,430円 ≒ 1.4人 → 有料3人で確実に黒字（現金ベース）

無料枠が黒字化の鍵

無料枠 無料100人のコスト 黒字に必要な転換率 判定
月3セッション 15,000円/月 約12% ✗ フリーミアム相場（2〜5%）では無理
お試し1セッションのみ 5,000円/月 約5% △ 相場上限。ギリギリ
1セッション + 話し方分析はロック 3,000円前後/月 約3.5% ○ 現実的
  • 方針: 無料はお試し1セッション程度に絞る。P3（新卒・学生）はボリュームがあるが課金意欲が低いので、無料枠を厚くすると出血源になる
  • 有料の主対象は P1（面接が迫っている中途）。「JD 貼り付けで直前対策」は課金トリガーとして最有力

フェーズ別の収支見通し

  1. Phase 0（自分用）: API 使用料 数百円/月の趣味コスト。赤字というより学習費
  2. Phase 1（友人数人）: 固定費込みで月2,000〜3,000円の持ち出し。検証費として許容
  3. Phase 2（課金開始）: 有料3人で黒字転換。以降は有料1人ごとに +1,430円/月
  4. リスク: 無料ユーザーの急増（コスト線形増）、STT 単価の変動、Claude API 値上げ。→ セッション上限とレート制限は課金前に必ず入れる

価格の再検討（2026-07-18 追記）

月2,000円は上限であって目標ではない:

  • ユーザーは「AI に払う金額」を ChatGPT/Claude の約3,000円でアンカーする。ニッチツールは汎用 AI の 2/3 以下が実質天井 → 値上げ方向の余地はない前提で設計する

真の競合は「ChatGPT の音声モードに面接官をやらせる」（タダでできる）。

主軸の再定義（2026-07-18）: プロダクトの正体は「AI 面接官」ではなく「面接カルテ」。 AI 面接官の会話体験は汎用 AI に模倣されるが、構造化された縦断データは模倣できない:

  1. 履歴書・経歴の保存 → 毎回貼り直さず、自分の経歴に基づく質問が出続ける（Phase 2 の中核機能に格上げ。個人情報の扱い設計とセット）
  2. 弱点分析 → 回答履歴を質問カテゴリ×評価軸×時系列で構造化して貯めるので「失敗経験系の深掘りで毎回スコアが落ちる」が可視化できる。ChatGPT のメモリは非構造テキストでこれができない
  3. 話し方メトリクスの推移（フィラー率・話速）— 汎用 AI が構造的に持てないデータ
  4. 設計された深掘り（職種×選考タイプ×深さ調整）+ プロンプト不要の3タップ UX
  5. スイッチングコスト: 練習するほど自分のカルテが貯まり、乗り換えると弱点分析がゼロに戻る
  6. 注意: データの防御壁は使用開始後にしか効かない（獲得には無力。効くのは継続・再購入・価格正当化）
  7. 注意: 「世の中に存在しない」は不正確 — 英語圏に Yoodli / Final Round AI 等はある。正確には「日本語×深掘り×縦断分析の組み合わせが空白」
  8. DB スキーマは最初から「カルテ」前提で設計する: 質問にカテゴリ軸、回答にスコア軸、セッション横断で集計可能な形（#3 の実装要件）

競合分析: Yoodli / Final Round AI（2026-07-18 調査）

Yoodli Final Round AI
中核 フィラー検出+話速+セッション横断推移。JD 貼り付け質問生成、追い質問、Webカメラ視線分析、Zoom 連携 履歴書+JD で質問生成、STAR フィードバック、本番面接中に回答提案する「Copilot」
価格 無料生涯5回 / Pro $8/月（年契約）/ Advanced $20/月 $25/月（年契約）〜 月契約 $90。恒久無料枠なし
  • パリティ確認: 確定済み MVP スコープ（職種+JD 質問生成 / 深掘り / 3指標分析 / 観点別スコア / 無料お試し）で最低限は充足
  • 要検討: 無料枠1回 → 3回への緩和（Yoodli は生涯5回。1回だと体験が薄い可能性）
  • Phase 2 最優先に格上げ: セッション横断のスコア推移表示（Yoodli 既存機能かつカルテ主軸なら必須）
  • 意図的にやらない: Zoom 連携 / 履歴書ビルダー / 本番中 Copilot（カンニング支援。信頼戦略・エージェント売却シナリオと正反対なので絶対にやらない）
  • カメラ分析は「やらない」ではなく段階の最後（Phase 3）に置く（2026-07-18 方針）:
  • カメラ必須は練習ハードルを跳ね上げ、「夜中に一人で気軽に」の価値と矛盾する → 普段の練習は音声のみを維持
  • 「本番モード」（カメラ ON・任意）として導入: 面接1週間前の通しリハーサル用。ハードルの高さを「本番の緊張感の再現」という価値に反転させる。直前対策7日パック980円と相性が良い
  • 実装は MediaPipe でクライアントサイド計測（視線率1指標のみ。動画はサーバーに送らない・保存しない → プライバシー説明が楽・ストレージコストゼロ）。全身ボディランゲージはやらない（日本の Web 面接で効くのはカメラ目線率）
  • 海外価格をアンカーにしない: $25/月や年契約 $8/月は日本の個人市場に持ち込めない。収益予測の ARPU は米国の半分以下で見る。逆に海外勢のコスト構造では 1,980円買い切りに降りてこられないため、価格自体が参入障壁になる
  • 優位性4つ: ①日本語・日本の面接文化ネイティブ（日本語フィラー検出 = #4 が技術的護城河）②1,980円買い切り（両者とも実質年契約サブスクで、転職の2〜3ヶ月ニーズと唯一整合）③カルテの弱点マップ（Yoodli の推移追跡はフィラー頻度どまり）④「実力を上げる」ポジション（対 Copilot）
  • Yoodli が $8〜20/月で売れている事実は、市場の支払い意思の証明

課金形態はサブスク前提を見直す（面接練習は内定が出たら終わる期間限定ニーズ）:

パック 価格 中身
スタンダード30日（買い切り） 1,980円 決定（2026-07-18）。音声練習・深掘り・カルテの全機能。2,000円の心理的壁の下 + Claude 3,000円より明確に安い
本番対策30日 2,980円 スタンダード + 本番モード（カメラ・視線分析）。Phase 3 で追加。上位パックが 1,980円を安く見せる価格アンカーも兼ねる
直前7日 980円 本番モード込みの短期集中（面接日が決まっている人向け）。Phase 3 で追加
月額サブスク — 当面やらない。必要なら後から併設

  • カメラ分析の課金方針: 単品アドオンにはしない（低単価 C2C で決済時の選択摩擦は CVR を下げる）。上位パックの差別化機能として載せる。決済は常に1回・選択肢は最大3つ

  • 貢献利益: 1,980円 − Stripe 手数料71円 − 変動費約500円 ≒ 約1,400円/人・パック（黒字化ラインは有料2〜3人で変わらず）

  • LTV = 1,980円 × 2〜3パック ≒ 4,000〜6,000円/人（転職活動の面接期間は2〜3ヶ月。面接が続く限り再購入理由が明確で、サブスクの解約心理が発生しない）
  • リピート織り込み後の月6万円ライン: 平均2.5パック/人なら新規購入者 月12人で回る（転換率3.5%なら無料登録 月350人ペース）
  • リピートを取るための設計要件:
  • 履歴・スコア推移はパック失効後も閲覧無料（消すと再購入動機ごと消える。「前回の続きが見たい」が再購入理由になる）
  • 失効時の文脈は「解約」ではなく「面接、まだ続いていますか？」で次パックを提案
  • 内定報告 → 紹介リンク提示（リファラル導線と接続）

イグジット戦略（2026-07-18 追記・「稼ぎ続ける」の代替ゴール）

「内定=離脱」の churn 構造は、買い手（転職会社）から見ると長所に反転する:

  • 人材紹介は成約1人で年収の30〜35%（100〜300万円）。転職会社にとってこのアプリは「面接直前の高意欲ユーザーが毎月自動で集まる送客装置」
  • 弱点カルテは「候補者の仕上がり具合」が見えるデータとしてエージェントに価値がある
  • ユーザーの回転が速い = リードの鮮度が高い、と評価される

相場観（個人開発サービスの M&A 市場: ラッコM&A 等・月商の12〜24ヶ月分が目安）:

状態 想定売却価格
有料25人・月商5万 60〜120万円
有料100人・月商20万 + カルテ + SEO 資産 300〜600万円
戦略的買収（送客装置として評価） 上乗せあり。1,000万級の理屈も立つ

売れるアプリにするために今から仕込むこと:

  1. 利用規約 v1 に事業譲渡条項を入れる（必須・後付け不可）。譲渡条項があれば個人情報は事業承継時に同意取り直しなしで移転できる。後から足すと全ユーザーの再同意が必要になる
  2. 属人性を下げる: X は個人名義ではなくアプリ公式アカウント運用に寄せる（売却時に移転できる資産にする）。SEO 質問 DB が最重要の移転可能資産
  3. 売上の証跡: Stripe で売上が明瞭に追える状態を維持（デューデリ対策）

注意（データ販売との区別）: ユーザーデータ単体の第三者への販売は個人情報保護法上も信頼上も不可。売るのは「事業ごと」（譲渡条項ベース）か、同意ベースの送客、個人を含まない統計インサイトのみ。

広告の扱い

収益源として（無料ユーザーに広告表示）→ 採用しない

  • ニッチ Web アプリの広告収益は RPM 100〜500円程度。無料ユーザーの変動費すら回収できない
  • 面接練習の「真剣モード」の UX と広告は相性が悪い
  • 転職エージェント系アフィリエイトは単価は高いが、練習アプリからエージェント誘導は製品の信頼を削るため慎重に（やるとしても黒字化後の実験）

費用として（集客 = CAC）→ 有料広告は使わない前提で設計

  • LTV 見積もり: 面接練習は内定が出たら解約する構造（成功 = 離脱）。平均継続2〜3ヶ月 → LTV ≒ 1,430円 × 2.5 ≒ 3,500円程度
  • 転職系キーワードは CPC 激戦区で CAC 数千円〜1万円になりがち → LTV < CAC で有料広告は成立しない
  • 集客は無料チャネルに限定:
  • Zenn での開発記事・「AI と面接練習してみた」体験記事（このリポジトリ自体がネタになる）
  • X での進捗発信
  • SEO（「面接 深掘り 練習」「面接練習 AI 一人」等）
  • リファラル: 内定が出たユーザーが友人に薦める導線（解約時に紹介リンクを出す等は後続検討）

無料枠の決定（2026-07-18）

「お試し1セッション + 機能ロック」を採用。

  • 無料: 1セッションのみ体験可（質問・深掘り・フィードバックの基本部分まで）
  • 有料ロック: 話し方分析（話速・フィラー・沈黙）、模範回答例、2セッション目以降、履歴
  • 必要転換率 約3.5% で現実的。無料ユーザー増によるコスト線形増を構造的に防ぐ

AI コスト設計（2026-07 時点の料金で試算）

プラットフォーム: Anthropic API 直を採用（Vertex AI は見送り）

  • 料金は Vertex も直 API もほぼ同じ。Vertex の利点は GCP 請求一本化くらいで、Google ログインは GCP と無関係に実装できる
  • 決定打: Batch API（全トークン50%オフ）が Vertex では使えない。フィードバック生成は非同期設計なので Batch API と相性が良い
  • Go 公式 SDK: anthropic-sdk-go

処理別のモデル使い分け:

処理 モデル 料金（入力/出力 per 1M tokens） 理由
質問生成 Haiku 4.5 $1 / $5 定型的。速くて安い
深掘り生成（同期） Sonnet 5 $3 / $15（2026-08-31 まで $2 / $10） 文脈理解が品質の核
フィードバック（非同期） Sonnet 5 同上。Batch API で 50%オフ可 最も品質が問われる
  • 1セッション（5問 + 深掘り2回/問 + 総評）の LLM コスト目安: 30〜50円 → 既存試算の範囲内
  • コスト削減レバー:
  • Prompt caching: 深掘りループは毎回会話履歴を再送するため、キャッシュ読み取り（通常入力の0.1倍）が効く。実装時にシステムプロンプトを固定し cache_control を置く設計にする
  • Batch API: フィードバック生成を移行すると50%オフ（大半1時間以内に完了）。MVP は通常 API、課金開始前に移行検討

マーケティング施策（予算ゼロ前提・3本柱）

2026-07-18 改訂: 当初は Build in Public を柱1にしていたが、「作ってる報告」に集まるのは 作る側（個人開発仲間・駆け出しエンジニア）であって使う側（転職活動中の P1）ではない、 という指摘により組み替え。発信の軸は「作る過程」ではなく「面接の悩み」。

柱1: コンテンツ SEO = 質問データベース（最重要・P1 に意図ベースで届く唯一のチャネル）

  • 「面接 深掘り 対策」で検索する人は、まさに今困っている P1 本人。検索意図とプロダクトが直結する
  • アプリの質問テンプレ（職種 × 選考タイプ）を1問1ページの公開ページにして、各ページに「この質問で練習する」CTA を置く。製品データがそのまま SEO 資産になる
  • 狙うキーワード例: 「面接 深掘り 対策」「面接練習 一人」「面接練習 AI」「昇格面接 質問」(P6 は競合が薄い分、上位を取りやすい)
  • 効果が出るまで3〜6ヶ月かかるため、開発中の今から仕込む

柱2: ペルソナ向け価値コンテンツ =「深掘りツリー図解」アカウント（アプリの話をしない）

  • X で「面接の深掘り質問をツリー図1枚で可視化」するアカウントを運用する。発信の軸は面接そのものの悩みで、アプリは CTA・プロフィールリンクに置く
  • 図解の型（独自フォーマット = 深掘りツリー）: 最初の回答を根にして、そこから面接官が掘ってくる質問を枝で展開し、各枝に「面接官が見ていること」を注釈する
「業務改善の成果を出しました」
 ├─ 元々どんな課題があった？ → 数字で語れるかを見ている
 ├─ なぜあなたがやることに？ → 主体性を見ている
 ├─ 協力で意識した点は？   → 巻き込み力を見ている
 └─ 失敗しかけたことは？   → 振り返り力を見ている
  • 領域の選定理由（パクリ回避 = 住み分け）:
  • 技術面接（システムデザイン・DSA）の図解は ByteByteGo・サカモト氏（InterviewCat）ら先行者がいるレッドオーシャン。行動面接の深掘り構造の可視化は日本語圏でほぼ空白
  • アプリの中核機能（深掘りループ）と発信内容が一致し、「この深掘りに音声で答える練習ができる」という CTA が最も自然
  • インスパイア元は隠さない。「ByteByteGo の行動面接版を日本語で」と公言する方が戦略として通る
  • 参考モデル（プレイブックとして参照、コンテンツは真似ない）:
  • ByteByteGo（Alex Xu）: 図解1枚×固定フォーマット×継続で2年弱にニュースレター33万購読。X/LinkedIn 同時投稿。https://growthinreverse.com/bytebytego/
  • サカモト@エンジニアキャリア論: 発信 → 面接対策プロダクトへの導線設計を観察する（領域は技術面接なので競合しない）
  • 転職エージェント系の型:「面接官の本音・NG 事例」→ ツリーの注釈（面接官が見ていること）として取り込み済み
  • 1素材4形態: ツリー図1枚 = ①X 投稿 ②note 記事（図+深掘り解説） ③SEO 質問ページ ④アプリの深掘りプロンプトのシードデータ。作る作業は1回。Excalidraw か Figma でテンプレを固定
  • 立ち位置は「アプリを作ってる人」ではなく「面接の深掘りを体系化してる人」
  • 将来の独自性: アプリに蓄積される「実際にみんなが詰まった深掘り質問」データが、他の誰にも書けない図解ネタになる
  • 体験記事:「AI 相手に面接練習を30日続けたら」（自分の転職活動と兼ねられる）

柱3: リファラルと季節性（成長期）

  • 内定＝解約の構造を逆手に取る: 解約時に「内定おめでとうございます🎉 次に面接を控えた友人に」と紹介リンクを提示
  • 季節性に合わせて発信を厚くする: 中途は 1〜3月・9〜10月が需要期、新卒は 3月広報解禁前
  • 友人テスト（Phase 1）の感想を許可を取って紹介文に使う

補助: Build in Public（集客の柱ではなく副次効果）

  • X の開発進捗発信（#個人開発）と Zenn の開発連載は継続するが、集まるのは作る側の人という前提で期待値を設定する
  • 効能は3つ: ①エンジニアは P1/P2 でもあるので初期テスター獲得には有効 ②開発の継続圧 ③STT 比較（#4）等の検証作業が記事として二次利用できる
  • Zenn 題材リスト: 要件定義セッション記 / 日本語 STT 4サービス比較 / Go 深掘りループ実装記

計測

  • チャネル別流入を UTM パラメータで分ける（Zenn / X / SEO / 紹介）
  • 見る数字は3つだけ: 登録数、無料→有料転換率（目標3.5%）、チャネル別の登録単価（時間コスト換算）

実行方法（具体的なアウトプット手順）

面接ノウハウ記事（note・柱2の主力）

  • アプリの質問テンプレを作る作業がそのまま記事素材になる（テンプレ1カテゴリ = 記事1本）
  • 構成テンプレ:「よくある質問 → 面接官がその質問で見ていること → ダメな回答例 → 良い回答例 → 練習方法（ここでアプリ CTA）」
  • 自分の転職活動・面接経験を一次情報として入れる（体験のない一般論は埋もれる）

X 運用戦略（柱2の実行計画・3フェーズ）

フェーズ0: アカウント設計（最初の1日）

  • 人格設計: 偽属性（性別・経歴を盛る等）は不可 — 信頼が資産の戦略と矛盾し、転職ジャンルでバレたときの毀損が致命的。個人名義 / 中性的な仮名+キャラアイコン / アプリ公式（サービス名+ロゴ）のいずれかで、属性は「盛る」のではなく「出さない」は可
  • プロフィール:「面接の深掘り質問をツリー図で可視化 | エンジニア | 転職◯社経験」の型
  • 図解を3枚作ってから運用開始（0枚で始めない）。一番の自信作を固定ポストに
  • フォローは30〜50件のみ（キャリア系・エージェント系・面接の話題を書く人）。目的は相互フォローではなく「リプライしに行く先の TL を作る」こと。フォロー爆撃は厳禁（相互目的の人しか集まらない）

フェーズ1: 初動〜90日（リプライが主戦場）

  • フォロワー0の投稿は誰にも届かない。初期の露出は他人のリプ欄で作る: 毎日10〜15分、面接・転職系の伸びてる投稿に価値のあるリプライ（その話題への深掘り質問を1〜2個添える）。リプ欄→プロフィール→固定ポスト→フォローが獲得動線
  • 図解投稿は週1枚。必ずセルフスレッド化: 1枚目=図解 / 2枚目=各枝の解説 / 3枚目=CTA
  • 軽い投稿を週2〜3: 深掘り質問1個のテキスト投稿、「この質問即答できる？」アンケート、面接あるある
  • KPI はフォロワー数ではなく図解のブックマーク数（保存 = 面接前に見返す気 = P1 に刺さってる）とプロフィールリンクのクリック数

フェーズ2: 素材が貯まってから（90日〜）

  • 過去ポスト再利用を解禁: 総集編スレッド、伸びた図解のセルフ引用リポスト（新規フォロワーは過去ポストを見ないので再掲は正当）
  • 伸びた図解だけを note 記事・SEO ページに昇格（反応で選別。全部を4形態化しない）
  • リリース時はブックマーク上位の図解に「アプリで練習できるようになりました」と引用告知

時間予算（上限・マーケが開発を食ったら本末転倒）

作業 頻度 時間
図解1枚制作（質問テンプレ作成と兼用） 週1 60〜90分
リプライ回り 毎日 10〜15分
軽い投稿 週2〜3 各5分
合計 週2.5〜3時間
  • 90日の目標: 図解12枚。フォロワーは数百でもブックマークされる質なら成功と判定

投稿の自動化パイプライン（在庫は Google スプレッドシート → 将来はアプリ DB）

  • 在庫管理はフェーズで移行する（YAML 手書きはしない）:
  • 今すぐ: Google スプレッドシート。列 = root質問 | 深掘りq/意図 ×N | 投稿文 | 予定日 | 投稿済み。スマホから思いついた瞬間に追記できる。GCP サービスアカウント1つで Actions から読み書き可（無料）
  • アプリ完成後: アプリの DB を正にする。深掘りツリーはどのみち質問テンプレとして DB に入るので、自分専用の簡易管理画面を作り、投稿パイプラインも DB から読む。シートの内容は一括インポートして移行
  • パイプライン3段:
  • 図解レンダリング（全自動）: シートの行 → SVG テンプレート → PNG。デザインは初回1回だけ人間が作る
  • 配信（全自動）: GitHub Actions cron（週1）が 投稿済み = FALSE の次の1件を X API で投稿 → シートを TRUE に更新。X API 無料枠は月500投稿まで書き込み可で、週5ペースなら十分
  • 文面下書き（半自動）: ツリーから投稿文+スレッドを AI 生成 → 人間レビューして確定
  • 自動化の線引き:
  • ✅ 自動: 画像生成、予約配信、文面下書き
  • ❌ 人間のまま: ツリーの中身を考える（コンテンツの価値の源泉）、リプライ回り（自動エンゲージメントは規約違反・凍結リスク。毎日15分は人間作業として残す）
  • ⚠️ 計測: X API の読み取りは有料（$100/月〜）なので、ブックマーク数は週1で画面から目視
  • 副産物:「Go で X 図解自動投稿パイプラインを作った」が Zenn 記事ネタになる
  • Instagram は今はやらない（後続）: 就活系カルーセルはインスタで強く P3（新卒）の主要チャネルだが、いま狙う P1（中途エンジニア）は X にいる。投稿にリンクが張れず導線も弱い。ただしパイプラインが動けば同じツリーデータからカルーセル形式（フック→各枝1枚ずつ→CTA）を自動生成でき、Meta API で予約投稿も可能なので、P3 を取りに行くフェーズで出力先を1つ足すだけの後続タスクとする

X 進捗投稿（Build in Public・補助）

  • フォーマット固定:「今日やったこと1行 + スクショ/コード片 + 学び1行 + #個人開発」
  • デモ動画は QuickTime 画面収録（Cmd+Shift+5）→ X 添付。編集なし・30秒でよい
  • 深掘りツリーのアカウントとは役割が違う（こちらは開発仲間・初期テスター向け）。同一アカウントで混ぜる場合は比率を図解7:進捗3程度に保つ

Zenn 連載（開発タスク1つ終えるごとに1本）

  • 既存の articles/ + /article-zenn スキルの流れで書く
  • 題材リスト:
  • 「AI と対話しながら個人開発の要件定義をやってみた」（今日のセッション。開発前から書ける）
  • 「日本語 STT 4サービス比較（フィラー検出編）」（Issue #4 の検証結果を流用）
  • 「Go で面接の深掘りループを実装した」（Issue #3 の実装記）

SEO（質問データベースページ）

  1. アプリに /questions/{slug} の公開ページを追加（React Router のルート + 質問表示 + 「この質問で練習する」CTA）
  2. sitemap.xml を自動生成 → Google Search Console（無料）にサイト登録して送信
  3. キーワード選定はラッコキーワード（無料）で「面接練習」の複合語を調べ、実際に検索されている語をページタイトルに使う
  4. 効果が出るまで3〜6ヶ月かかる前提で、開発中から仕込む

UTM 計測

  • 貼るリンクに ?utm_source=zenn / ?utm_source=x を付けるだけ
  • Go サーバーのアクセスログに utm_source を記録。GA4 は不要、最初は自前ログで十分

仮説検証と PDCA（2026-07-18 設計）

確度の現状評価（正直な見積もり）:

ケース 定義 確度 ボトルネック
A: 黒字化 有料3人（月6千円） 30〜35% ローンチまで辿り着けるか（50〜60%と評価。5月に一度止まった前例あり）
B: 副収入 有料30人（月6万円） 10〜15% 図解・SEO コンテンツが当たるか。無料層900人が必要
C: 事業レベル 有料300人（月60万円） 2〜3% 市場構造的に例外ケース

未検証の危険な仮説（確度を上げる = これを順に潰すこと）。それぞれ「検証」ラベルの Issue にする:

  1. 人は AI 相手に一人で声を出して練習するか（最大のプロダクトリスク）
  2. 検証: 自分で2週間・週3セッション + 友人3人に試させる / 判定: 自分が継続 & 友人1人が2回目を自発実行 / 期限: MVP 完成後2週間
  3. LLM の深掘りが「面接官らしい」品質になるか
  4. 検証: MVP 前にプロンプトだけで試作（テキストチャットで模擬面接）/ 判定: 自分が「答えに詰まる」深掘りが5回中3回出る / 期限: 実装着手前（最速で検証可能）
  5. 深掘りツリー図解が伸びるか
  6. 検証: 図解12枚を90日投稿 / 判定: ブックマーク合計3桁 / 期限: 開始から90日
  7. 無料→有料転換率3.5%が出るか
  8. 検証: 課金導入後の実測 / 判定: 無料100人時点で転換2人以上 / 期限: Phase 2 開始後

PDCA の回し方:

  • Plan: 仮説 Issue（仮説/検証方法/判定基準/期限の4点セットを必ず書く。後から自分を甘やかさないため判定基準を先に決める）
  • Do: 開発・投稿・テスト
  • Check（週次15分）: 投稿在庫スプレッドシートに計測タブを追加し毎週金曜に転記: 週 | 図解投稿数 | インプ計 | ブックマーク計 | プロフィールクリック | 登録数 | セッション実行数 | 継続ユーザー数

ファネル基準値（一般ベンチマーク・詰まり診断用）:

段階 基準値 詰まっていたら疑う場所
インプ → クリック 0.5〜1% CTA・プロフィール・固定ポスト
クリック → 無料登録 5〜15% LP の質・登録までの摩擦
登録 → 課金 2〜5%（目標3.5%） プロダクト価値・課金トリガー
（合成）登録1件 1,000〜4,000インプ —
（合成）課金1件 2万〜10万インプ —
  • 含意: ケース B（月12人課金）を X 単独で賄うには月24万〜130万インプが必要で非現実的。X はケース A（黒字化）までの獲得 + ブランド接点、ケース B は SEO が運ぶ（検索流入は意図ベースで CVR が5〜10倍）。90日の X 現実目標: 累計インプ5万〜20万 → 登録25〜100 → 課金1〜3人 = ちょうど黒字化ライン
  • Act（月次）: 月末に Issue #6 へ「今月の数字 + 4仮説の進捗 + 来月変えること」を1コメント（workspace の月次振り返り習慣とタイミングを揃える）

撤退・転換基準（先に決めておく）:

  • 図解12枚でブックマーク合計が2桁前半 → 柱2のフォーマット転換（撤退ではなく型の変更）
  • 自分が2週間で練習をやめる → 根本仮説の崩壊。UX 変更か説明モード転換を再検討
  • 無料100人で転換1人以下 → 課金トリガー（JD 貼り付け機能）の作り直し

追加タスク

  • [x] 無料枠の最終設計 → お試し1回 + 機能ロックに決定（上記）
  • [ ] 仮説1〜4を「検証」ラベルの Issue として起票する（Issues 反映時）
  • [ ] Zenn 開発連載の第1回を書く（リポジトリ公開範囲の判断含む）
  • [ ] 質問データベースの SEO ページ化を #3 の後続タスクとして起こすか検討
  • [ ] レート制限・セッション上限の実装を #3 完了条件に追加するか検討
  • [ ] STT 選定（#4）の結果で変動費を再計算
  • [x] 集客チャネル計画 → 「マーケティング施策（3本柱）」として決定（上記）
  • [ ] リファラル導線の検討（黒字化後）