Educare 商品開発 叩き v1（Claude×sol 共創版）
製造工程: Sonnet調査3本（学習実態/ニーズと負/収益モデル網羅・全て出典付き実測）→ Claude統合v0 → sol(gpt-5.6-sol)敵対レビュー+独自提案 → Claude最終統合。 位置づけ: roadmap v2「秋・小額サブスクPoC → 高額ハイタッチ → 自治体B2G」の商品企画の議論土台。決定文書ではない。敏の議論用。
TL;DR（5行）
- 秋PoCは分課金で始める（単一サブスク案は保留）。ただし会員基盤・決済画面は1つに統合——「価格は分ける、体験は分けない」。
- 初手の本命は AI問題集でも汎用AI添削でもなく、「出願事故ゼロ」受験管理OS（772自治体の日程/方式/締切の個人別監視・損失回避訴求）。
- ¥5-10万ハイタッチは「空白市場」ではなくまだ根拠のない価格帯。「AIで解決できなかった一点の有人レビュー」（従量）から段階検証する。
- Chegg型死亡（AIラッパー化）はまだ回避できていない。問題数や自治体数という在庫量でなく、鮮度・出典・利用履歴・人の修正・合否結果の循環が堀になる。
- 現会員27・LINE17で転換率2%/5%判定は統計的に無意味。「誰が・どの文脈で・何に実際に払ったか」を1人単位で追うのが小リストPoCの正しい計測。
1. 調査の核心（fact・出典は調査ダイジェスト3本に完備）
- 紙×デジタルは用途別ハイブリッド: ノート・資料=デジタル、過去問演習・記憶定着=紙（紙派56.9%・学生の95.3%が印刷利用・「本番と同じ紙で解く」文化）。教科書自炊はニッチ。→ 敏の素朴な疑問への回答: 「自炊して電子化」は少数派の効率厨行動。多数派は資料はスマホ/iPad・演習は紙のハイブリッド。
- 生成AI利用経験は2年で46.7%→92.2%（大学生協連n=13,277）だが有料課金は薄く、利用者の92%が出力を自分で検証する「共同作業」型。
- 公務員受験生の負の三層: 一次情報の統合コスト（772市役所が個別に日程/科目/ボーダー・横断DBは民間の90r.jp程度）/ 独学の孤独（「勉強中に涙」「受験仲間ゼロ」）/ 予備校¥30万の壁（地上国般 平均¥304,375）。※この3つの「順位」は未検証（sol指摘）——行動証拠で検証する。
- 添削は二極（無料=質バラつき vs 1問¥3,000-5,000）。SPI対策アプリは無料が主流。LINEオープンチャット利用45.2%=LINE親和性は実証済み。
- 小リストで成立する収益型は3つ: 低単価サブスク/単科（公務員のライト型）・メンバーシップ（¥300-1,000）・従量高単価（添削1件¥5,000級）。B2B広告/成果報酬は数十万人規模前提。
- Duolingo転換率8.9%はストリーク=ロス回避設計の産物（規模非依存で応用可）。Chegg売上▲48%は「ChatGPTの薄いラッパー」の末路。
2. sol敵対レビューで棄却・修正された点（正直に記録）
| v0の主張 | solの反証 | 採用判定 |
|---|---|---|
| 案A（単一サブスク¥980）主軸 | 案Aは「何に払ったか」を隠す=需要探索のPoCには致命的 | 撤回→案B先行、複数カテゴリ購入者が出たらバンドル後出し |
| 印刷PDF需要（95.3%が印刷） | 一般学生の印刷行動→Educareの有料PDF需要への飛躍。「PDF出口の合理性」までしか言えない | 採用: PDFは機能として同梱、単体の課金根拠にしない |
| 添削の中間価格帯=空白市場 | 価格空白≠需要空白。無料ならChatGPTで十分/人の信頼なら数千円払う、が真かもしれない | 採用: 汎用添削は捨て、公務員固有ルーブリック・自治体資料整合・版差分・講師引継ぎ履歴まで商品化 |
| 8,799問DB=堀 | 在庫量≠価値量。適合・解説品質・検証・権利が未証明 | 採用: P1は「基本無料+個別分析課金」に降格 |
| 転換率2%基準 | 現規模では購入者1人で結論が反転 | 採用: 実決済×文脈×再利用の行動判定に置換 |
| 有料コミュニティ(P5) | 小リスト最大の敵は孤独でなく「誰も発言しない空室」 | 採用: 初期商品から除外、利用者密度が出てから |
3. 商品ポートフォリオ v1（敏の①②構想への写像）
敏の原案「①小額テック（ジョブアラート/AI問題集/就活サポート/WEBテキスト）→②高額ハイタッチ」を、調査とsolレビューで次の形に精錬:
🆕 本命候補: AI模擬面接サービス（敏発案・7/17議論で追加）
- 戦略的正体: 商品であると同時に、北極星「面接一次データ最大保有」の収集機械。solの独自提案2位「面接一次データ交換所」と表裏一体——交換所=データを使う側、模擬面接=データが集まる側のエンジン。利用のたびに「志望自治体×想定質問×回答×詰まった箇所」が蓄積し、次のユーザーの質問精度が上がる=使われるほど強くなるフライホイールでChegg型死を構造的に回避できる唯一級の商品。
- 負: 面接練習相手の不在（R2実証）・自治体別の質問/形式の不透明さ・予備校面接対策の高額
- 資産適合: AI選考対策スイートの面接機能は本番稼働済み=ゼロ開発でなく「機能→サービスへの昇格」
- 勝ち筋は公務員特化一点（sol警告: 汎用音声面接は競争過多・海外$8-25/月帯がひしめく）: ①772自治体DB連動の自治体別想定質問 ②面接カード/ES添削履歴からの質問自動生成 ③本番形式再現（個別/集団/討論） ④合否結果フィードバックの回収までの閉ループ
- 課金: 初回診断無料→セッション従量 or 面接シーズンパス。詰まった箇所→「ここだけ人の面接特訓」（例外キュー）→特訓パック=ハイタッチ階段の入口を兼ねる
- 時期適合: 面接需要は筆記後（夏〜秋）に急増=秋PoCの時期と天然に一致
本命: 「出願事故ゼロ」受験管理OS（敏のジョブアラート構想の進化形）
- 負: 締切・必要書類・試験方式の見落とし=受験機会の喪失（損失回避は支払動機として最強）
- 形: 志望自治体ポートフォリオ登録→個人別チェックリスト・変更検知・競合日程警告・優先度付き通知
- 課金: 1自治体従量 or 受験シーズンパス。一般アラート・公開情報検索は無料のまま（SEO面を毀損しない）
- 資産適合: クローラ製造ライン+ジョブアラート+自治体記事群がそのまま裏側になる。B2G釣り堀の面も同時に太る
対抗: AI→講師 例外キュー（ハイタッチへの階段・講師バンク始動）
- 負: AI回答のどこを人に見せるべきか分からない/AIだけでは不安
- 形: AI添削・AI面接がやり切れない箇所を自動抽出→その一点だけ有人レビュー（従量）
- 意味: ¥5-10万ハイタッチの前に「有人価値への支払意思」を最小単位で実測。完全AI駆動（AIが下ごしらえ・人はここぞ）と講師バンクの理念をそのまま商品化
- ハイタッチ段階検証: 単発有人レビュー→複数回パック→伴走(¥5-10万)。いきなり高額を売らない（どこで落ちたか分からなくなる）
第3: 公務員特化AI添削（ES/面接カード/論文）
- 汎用添削はChatGPT代替で死ぬ（Chegg教訓）。公務員固有ルーブリック・自治体の政策/計画との整合チェック・版間差分・講師へ渡せる履歴まで含めて成果物単位の従量課金
- 例外キューとの直列で「AI→人」の階段の入口になる
育成枠（需要実測後に投入）
- AI問題集プレミアム: 基本演習無料を維持、履歴横断・弱点推移・個別印刷パックを追加課金
- WEBテキスト: 「自治体X・方式Y・残りZ日の合格タスクパック」まで狭めた買い切りのみ（汎用テキストはコモディティ）
- 面接一次データ交換所（sol 2位・中期）: 体験報告の提供で解放+検証済み情報は有料。長期北極星「面接一次データ最大保有」に直結。全国網羅を狙わず応募が集まる自治体・職種だけ密度を作る
- 受験方式判定機: 初回診断無料→個別学習計画の買い切り（既存テスト群への送客にもなる）
見送り
- 有料コミュニティ（空室リスク）/ メンタル単体商品（同梱機能扱い）/ 属性広告・B2B送客（規模不足）
🆕 中期ビジョン: 自治体向けAI面接官システム（B2G・敏発案 7/17）
- 同じエンジンの裏面を売る: toC=受験生がAI面接官で練習する / B2G=自治体がAI面接官で一次面接を実施する。両面が同じ面接エンジンとデータで回り、toC練習データが質問設計を鍛え、B2G実施データが練習の本番再現度を上げる二面データの堀になる。
- 市場の実在(fact): 企業向けAI面接は確立市場——SHaiN導入1,000社超(2026-03・国内最大・吉野家等)、次世代版はPKSHA連携で強化。そして東京都昭島市が職員採用試験にHireVue導入(2026-07報道)=自治体採用のAI面接化は「今まさに開き始めた」段階。
- Educareの楔: ①公務員特化の面接一次データ(toCフライホイールで蓄積) ②自治体B2G求人メディアの営業ルートと同一顧客 ③roadmap track2 Phase3「サービス層」(採用広報制作・SPI型移行支援)にAI面接官を追加すればARPU¥1M+の柱になりうる。
- 冷徹な留意(inference): 公的採用の公平性・説明責任はコンプライアンス基準が最も高い領域(評価根拠の開示・バイアス検証が必須)。SHaiN/HireVueの実績と正面競合になるため、勝ち筋は「公務員試験特化×小規模自治体×求人掲載とのバンドル」のニッチ足場から。順路はtoC模擬面接(秋)でエンジンとデータを鍛えてから。toC側にはAI公務員予備校(ai-yobikou.com)等の競合が既在する点も要ウォッチ。
4. 無料/有料の線引き原則（カニバリ防止・sol表を採用）
公開情報と単発診断は無料。個人状態の保存・変化監視・事故防止・完成成果物が有料。 - 無料テスト群: 単発受験・解説は無料のまま（SEO・会員獲得の入口を痩せさせない）。履歴横断・弱点推移・個別印刷パックが有料 - 自治体情報: 検索・公式情報は無料。保存・変更検知・個別通知が有料 - AI添削: 初回診断無料。提出可能版・根拠表示・版差分・継続履歴が従量
5. 秋PoCの実験設計（sol案を採用・情報量最大化）
- 文脈オファー: トップの抽象的「プレミアム登録」ではなく、負が発生した瞬間に提示（自治体記事閲覧後→出願事故ゼロ/テスト結果後→弱点パック/AI添削後→講師例外レビュー）
- 実決済: 予約登録でなく少額でも実決済（or返金可能予約金）。表示ランダム化し「表示→決済開始→完了→初回価値到達→再利用→別カテゴリ購入→有人希望」を記録
- 薄い表側・実在の裏側: フル実装せず既存資産（クローラ/問題DB/AI選考スイート）で実際に納品。ベータ明示
- バンドル後出し: 単品購入者にだけ月額統合を提示。複数カテゴリ購入が出なければ案Aは作らない
- 停止条件を事前に固定: 文脈一致露出を重ねて実決済ゼロ→仮説停止 / 決済あり再利用なし→買い切り化 / 有人希望あるが予約金入らず→¥5-10万帯へ進まない
- 計測前提: 計測配線修理（本日着手済み）の完了が開始条件。率でなく実人数/露出数/文脈/流入元を併記
6. 堀の設計（Chegg回避の条件）
公式一次情報 → 出典・鮮度付き構造化 → 個人の受験行動 → AI判断 → 講師修正 → 面接質問・合否結果 → 次の判断精度向上
この循環が回り始めた商品だけがChatGPTに模倣されない。8,799問・772自治体は「在庫」であり、更新責任・検証履歴・訂正データ・成果との結合が加わって初めて堀になる。
7. 敏に決めてほしい論点
- 初手の順番: AI模擬面接（データ収集機械・秋の面接期と一致）/「出願事故ゼロ」（損失回避・通年）/「例外キュー」（講師バンク始動）のどれを先頭に置くか（小リストでは同時多発は分散リスク。ただしAI模擬面接と例外キューは直列に繋がるため1商品として設計可能）
- 実決済PoCの開始タイミング: 計測修理完了後すぐ小さく始めるか、リードがもう一段育つ（例: 会員100人）まで待つか
- 講師バンクの講師調達: 例外キューを秋に置くなら、講師の審査・品質基準の設計を8月に始める必要がある。誰から当たるか
- セグメント優先: 公務員専願×大学生を主戦場とするか、併願者（出願事故リスク最大）を含めるか
調査出典: scratchpad research_R1/R2/R3（セッション内保存）。sol出力全文は別途保管。前提はroadmap v2（vault/01_Projects/educare/roadmap.yaml）に従う。