「Desirability Testingをやりたい」と言ったとき、上司から「それで何が分かるのか」と返された経験があるはずだ。

感情的な印象を測るテストは、ユーザビリティテストのタスク完了率や発話プロトコルより直観的でない。「先進的だと感じた人が60%」という結果を、どうビジネスの言葉に翻訳するか——この接続を怠ると、Desirability Testingは「やった」で終わる。

本稿では、テストの実施方法ではなく結果のROI化に焦点を当てる。感情指標をビジネス指標に接続し、意思決定を動かすデータにする手順を解説する。

なぜ感情指標はROIに接続できるか

感情と継続率の関係は、複数の研究で定量的に示されている。

Forrester Research は感情的体験の質と顧客ロイヤルティの間に有意な相関があることを継続的に示しており、感情を重視した CX 設計が継続率・推薦意向に影響することを複数のレポートで報告している。Nielsen Norman Group の研究でも、ユーザーの感情的評価（「使いたい」「好き」「信頼できる」）と実際の再訪問率には有意な相関があることが示されている。

つまり Desirability Testing の結果は「感情の測定値」であると同時に、継続率・NPS・推薦意向の予測変数でもある。この前提を持って結果を読むと、数値の意味が変わる。

感情スコアの定量化フレーム

Microsoft Reaction Cards を使った Desirability Testing は、本来は定性手法として設計されている。しかし結果を定量化するためのフレームを事前に設計しておくことで、比較可能なスコアに変換できる。

ポジティブ比率スコア（PRS）

選択されたカードをポジティブ（先進的・信頼できる・シンプルなど）とネガティブ（混乱する・退屈・圧倒されるなど）に分類し、ポジティブカードの比率を計算する。

PRS = ポジティブカード枚数 ÷ 選択カード総数 × 100

PRSが70%以上であれば感情的な受容度が高いと判断できる目安がある（ただし業種・プロダクトカテゴリによって基準は変わる）。PRSを複数プロトタイプで比較することで、「どのデザイン案が感情的に有利か」を数値で示せる。

感情カテゴリ集中度（ECI）

どのカテゴリに感情が集中しているかを見る指標だ。118枚のカードを「信頼性」「先進性」「親しみやすさ」「楽しさ」「シンプルさ」などのカテゴリに事前に分類しておき、どのカテゴリに選択が集中するかを計算する。

これにより「ユーザーはこのプロダクトを主に『信頼できるもの』として受け取っている」「先進性よりも親しみやすさが評価されている」という方向性の読み取りが可能になる。この方向性は、ブランドポジショニングの仮説との照合に使える。

NPSとの接続設計

Desirability Testing と NPS を同じセッションで実施することで、感情指標と推薦意向の相関を直接測定できる。

具体的な手順は以下のとおりだ。

セッション構成:

プロトタイプを体験（5〜10分）
Microsoft Reaction Cards から5枚を選択（5分）
選択した理由をデブリーフ（15〜20分）
簡易NPS設問「このプロダクトを友人・同僚に勧める可能性は？（0〜10）」（1分）
追加の発話収集（任意）

このセッション設計でNPSスコアとPRSの両方が取得できる。参加者を20〜30名確保したうえでこのデータを取ると、PRSとNPSの散布図を描くことができ、感情スコアと推薦意向の相関係数を算出できる。

相関分析の活用法

相関係数が0.5以上であれば、「感情的に好意的に受け取られるほどNPSが高い傾向がある」という主張の根拠になる。これをステークホルダー向けに提示すると「感情の測定がなぜビジネスに重要か」の説明として機能する。

既存プロダクトがある場合——ベースライン比較

リデザインやUI改善のプロジェクトでは、改善前後の比較が最も分かりやすいROI指標になる。

比較設計の例:

指標	改善前（旧デザイン）	改善後（新デザイン）	変化
PRS	54%	71%	+17pt
「信頼できる」選択率	28%	49%	+21pt
「複雑」選択率	33%	11%	-22pt
セッション内NPS	6.2	7.8	+1.6

この表を提示したうえで、既存の継続率データと照合する。たとえば「信頼性スコアが10pt改善したプロジェクトで、過去の事例では継続率が8〜12%向上した」という自社データがあれば、それを根拠に「今回の改善による継続率への影響を5〜10%と見積もる」という試算が可能になる。

アサンプション・マッピングで「継続率が5%改善すれば収益に○○円の影響がある」という試算を先に置いておくと、Desirability Testing の結果が直接ビジネス仮説の検証材料になる。

ステークホルダーへの報告設計

ROI化したデータをどう見せるかは、誰が意思決定者かによって変わる。

プロダクトマネージャー向け

感情スコアの変化と、それが製品ロードマップのどの優先順位に影響するかを接続する。「感情的受容度が低い機能Aより、受容度が高い機能Bを先にリリースすべき根拠」という形で提示すると意思決定に使いやすい。テストカードと実験設計の手法と組み合わせると、仮説検証の構造が整理される。

経営・マーケティング向け

NPSとの相関データを前景に出す。「感情スコアが70%以上のプロダクトはNPSが平均1.5ポイント高い」という内部データが蓄積されれば、定性的な調査が経営指標と直結する根拠になる。

デザインチーム向け

カテゴリ別の集中度（ECI）が有効だ。「先進性に集中していて親しみやすさが低い」「信頼性は高いが楽しさが欠けている」という方向性の分析は、次のデザイン改善の具体的な方向を示す。ユーザビリティテストの結果と並置すると、機能的な問題と感情的な問題を分離して議論できる。

落とし穴：ROI化を急ぎすぎない

感情指標のROI化には、注意すべき落とし穴がある。

相関を因果と混同しない。 PRSとNPSに相関があっても、感情スコアを上げればNPSが上がるとは断言できない。「感情的に好意的なプロダクトは推薦されやすい傾向がある」という読み方にとどめ、「感情スコアを1pt上げると推薦率が○%上がる」という直接的な因果の主張は避ける。

サンプルサイズを守る。 5〜8名のセッションで得たデータをROI試算に使うのは危険だ。パターンの抽出には15〜20名が必要であり、相関分析には20〜30名を確保したい。人数が不足した状態での数値化は、精度の低いデータを根拠にした意思決定を生む。

カード選択の文脈を記録する。 「先進的」を選んだ参加者が、それをポジティブな意味で選んだか、「気取っていて近寄りがたい」という意味で選んだかは、カード選択枚数だけでは判別できない。デブリーフのテキストを残し、数値の解釈に使う定性データを確保しておく。

まとめ：感情の測定を事業言語に変える

Desirability Testing の結果を「感情的に好評だった」で終わらせるか、「感情スコアの変化がNPS・継続率・収益に○○の影響を与える見込み」として報告できるかは、事前設計の差だ。

NPSと同時計測するセッション設計
PRS・ECIによる感情の定量化
ベースライン比較による改善効果の数値化
ステークホルダー別の報告フォーマット設計

この4つを準備してからテストに臨むと、Desirability Testing は「感情の調査」から「事業仮説の検証手段」に変わる。