Issue Detector Skill

ペルソナ分析結果から思い込みと真の課題を階層的に分析し、解決可能性を評価します。

機能

1. 思い込み特定

• ペルソナの行動・発言から根拠のない前提を10個以上特定
• 思い込みと事実を明確に区別
• 影響度レベル（高・中・低）を評価

2. 課題階層化 (4層構造)

表面的課題 (Surface Level)
  ↓
機能的課題 (Functional Level)
  ↓
感情的課題 (Emotional Level)
  ↓
根本的課題 (Fundamental Level)

3. Why-Why分析

• 各課題について「なぜ？」を5回繰り返し
• 根本原因を特定

4. 解決可能性評価

• 技術的実現可能性の判定
• 実現期間・難易度の評価

使用方法

Claude Codeでの自然言語リクエスト

「ペルソナの課題を分析して」
「思い込みを特定してください」
「Phase1の結果から課題を階層化して」

Pythonスクリプト直接実行

python .skills/issue-detector/core/issue_analyzer.py \
  --persona-file reports/real_instagram_persona_report.md \
  --output pb000_deliverables/executions/{execution_id}/phase2_issues/issue_analysis.md

入力

• Phase1 ペルソナ分析結果 (Markdown)
• 企業MVV (オプション)

出力

1. issue_analysis.md

# Phase2: 課題検知・思い込み分析結果

## 特定された思い込み（12個）
1. **思い込み**: "転職活動は2ヶ月かかる"
   **実際**: 適性が明確なら1週間で決定可能
   **影響度**: 高

## 課題の4層階層分析
### 表面的課題
### 機能的課題
### 感情的課題
### 根本的課題

## 解決可能性評価

2. assumptions_list.md

思い込みリストの詳細版

品質基準

• ✅ 思い込み特定数: 10個以上
• ✅ 課題階層化: 4層構造完成
• ✅ 感情的影響分析: 心理的負荷レベル特定
• ✅ 解決可能性判定: 技術的実現性評価完了

分析手法

• Why-Why分析: 根本原因特定
• 思い込みvs事実の整理: 根拠のない前提と実際の事実を区別
• 顕在課題vs潜在課題: 認識されている課題と無意識の課題
• 解決済み領域vs未解決領域: 既存サービスとの差分分析

依存関係

なし (Phase1の出力ファイルのみ)

トラブルシューティング

Q: 思い込みが10個見つからない

A: ペルソナの行動パターン、発言、価値観から合理的推論で補完可能。SNS投稿内容から暗黙の前提を読み取る。

Q: 課題階層化が難しい

A: Why-Why分析を活用。各層は以下の視点で区別:

• 表面: 症状・行動
• 機能: 具体的な不便さ
• 感情: 心理的負荷
• 根本: 構造的問題

生成日時: 2025-10-19 ステータス: ✅ Production Ready