主張の核

  1. 情報が均質化した市場では、アルゴリズムや論理性での差別化は限界があり、競争の本質は「どの情報を入力として持っているか」の違いに移行している。
  2. 「やってみる」という行為は、世界で自分だけが保有する独自データ（第一者データ）を生成する唯一の手段である。
  3. 公開データ＋汎用LLMを使った分析は誰がやっても同じアウトプットしか生まず、実験による行動データのみが情報の非対称性を生む。

推奨文献（読む順）

  1. The Use of Knowledge in Society — Friedrich A. Hayek (1945)

- 日本語: 翻訳なし（American Economic Review掲載、4ページ、無料公開）

- 関連理由: 「知識は社会に分散して存在し、特定の時間・場所に関する知識は行動者本人だけが保有する」という命題の原典。「やってみた人しか持てないデータ」の哲学的根拠として最重要。

- 優先度: 高

  1. The Economic Implications of Learning by Doing — Kenneth J. Arrow (1962)

- 日本語: 翻訳なし（Review of Economic Studies掲載）

- 関連理由: 「行動の累積が知識を生産し、それが生産性を上昇させる」という経済学的原典。「実験 = 知識生産」の命題をHayekの哲学と接続する。

- 優先度: 高

  1. Prior Knowledge and the Discovery of Entrepreneurial Opportunities — Scott Shane (2000)

- 日本語: 翻訳なし（Organization Science、被引用数1,000件超、無料PDF）

- 関連理由: MITの一発明技術を8チームが異なる方法で事業化したケース研究。「同じ公開情報にアクセスしても、事前に保有する知識の種類が見える機会を規定する」を実証。

- 優先度: 高

  1. Competition and Entrepreneurship — Israel M. Kirzner (1973)

- 日本語: 翻訳なし

- 関連理由: 「市場の機会は『警戒心（alertness）』によって発見される」理論書。本考察の「やってみることで他者が気づかない情報が見える」という命題の理論的対位。

- 優先度: 高

  1. Teaming: How Organizations Learn, Innovate, and Compete in the Knowledge Economy — Amy C. Edmondson (2012)

- 日本語: 一部邦訳あり

- 関連理由: 「答えが事前に分からない状況では、実験が学習の唯一の手段」という組織学習論の実証研究。個人レベルのやってみることを組織論に拡張する。HBR論文「Strategies for Learning from Failure」(2011) が短く読みやすい。

- 優先度: 中

  1. Are Data Moats Dead in the Age of AI? — V7 Labs Research Report (2024)

- 日本語: なし（v7labs.com無料公開）

- 関連理由: LLM時代に独自データの価値がどう変化するかを実務視点で分析。「データ量よりも行動データの質（behavioral data）が差別化の鍵」という本考察の延長線を提供。

- 優先度: 中

  1. The Innovator's Dilemma — Clayton M. Christensen (1997)

- 日本語: 『イノベーションのジレンマ』（翔泳社）

- 関連理由: 合理的分析では取れないデータが存在する理由の経営戦略側からの補強。「行動した者だけが見える需要」が競争の源泉になる点で本考察と接続。

- 優先度: 低

新視点・未考慮の角度

  1. 「言葉」vs「行動」の非対称性: フォーカスグループ・ヒアリングは「言葉（stated preference）」を集め、実験は「行動（revealed preference）」を集める。Ford Edsel（10年・2.5億ドルの市場調査が完全に外れた）vs Zappos（近所の靴屋から写真を撮るだけの実験で需要を確認）の対比が象徴的。「やってみること」の本質的価値はこの「行動データ」にある。
  1. Hayek的「現場知（local knowledge）」: Hayekが「特定の時間・場所の状況に関する知識」と呼んだものは、抽象的な市場データでは代替できない。商品を5人に使ってもらった時に得られる「誰が・何に反応して・どう行動したか」は、現場にいた者だけが持てる知識。これがEMHの「情報の均質化」を突破する唯一のルート。
  1. 複利的速度差の構造: 実験を1回やることより、「実験のサイクルを速くすること」が競争優位の本体かもしれない。Booking.comは年間25,000〜30,000本のA/Bテストを同時並行で回している。「仮説の9割は間違い」という自覚のもとで実験速度を上げると、競合が分析している間に100本終わらせる速度の非対称性が生まれ、独自データの蓄積が複利的に拡大する。
  1. 「n数の問題」という逆説（Hayek的解釈）: 個人・小規模事業者の実験は統計的有意性（statistical significance：サンプル数が十分かどうか）に達しないことが多い。しかしこの「小さなn数の行動データ」こそが、「市場全体の集計データには見えない局所的真実」を含む（Hayek的知識の分散）。集計データが「平均的な顧客」を映すのに対し、5人への実験は「特定の顧客が実際にどう反応するか」を映す。この違いが意思決定の精度差になる。
  1. AI時代の「行動データ」の相対的価値上昇: LLMが公開データの分析を汎用化したことで、逆に「行動データ（behavioral data）」の希少性が増した。誰もがChatGPTで市場分析できる今、「実際に売ってみた時の転換率・解約率」という行動データの情報優位が拡大している。V7 Labs（2024）が指摘する「データモートの崩壊」は主にデータ量の話であり、行動データの質的優位は続く。

反論

強い反論（エビデンスあり）

  • ファーストムーバーのサバイバーシップバイアス: Lieberman & Montgomery（UCLA）の研究では、ファーストムーバー（最初に実験・参入した者）の失敗率は47%、獲得シェアは平均10%。ファストフォロワー（後追い）の失敗率は8%で市場シェアは28%。「やってみた人」よりも「観察してから動いた人」が統計的に優位 — ソース: UCLA Anderson First-Mover Advantage PDF
  • データモートの崩壊（AI時代の逆転）: V7 Labs（2024）の分析では、基盤モデルの汎用化により企業が構築したデータモートが「スピードバンプ」程度の障壁にしかならなくなっている。「データ量ではなく洞察の質が差別化の源泉」——実験でデータを持つことと、そこから他者と異なる結論を引き出すことは別問題 — ソース: V7 Labs / LBZ Advisory 2025
  • アルゴリズムはまだ差別化できる: Academy of Management Reviewの論文「Competitive Advantage Through AI」では、「どのアルゴリズムでどう問いを立てるか」という設計知が競争優位になっており、「論理の汎用化」ではなく「論理の高度化による差別化」が進行中 — ソース: Academy of Management Review 2020

弱い反論（仮説レベル）

  • 実験コストの非対称性: 大企業がA/Bテストを毎日数千件回せる環境では、個人の1回の実験が持つ相対的価値は薄まる（ただし「大企業が取れないローカルな現場知」という反論も可能）
  • 組織能力がなければデータは活かせない: ScienceDirect（2023）では、SMEsが失敗から学ぶ効果は「学習文化・経営サポート」という組織能力に依存。実験で得たデータを活かす能力が別途必要

主張が崩れる条件

  • 実験結果が競合に容易に観察される場合（公開された実験）: 製品リリース・価格変更など「公開された実験」は競合がアウトカムをコスト0で学習できる。ファストフォロワーが先行者の失敗コストをタダ乗りする構造が成立する
  • サンプルサイズが統計的有意性に達しない場合: 小規模実験では確率的ノイズとシグナルを区別できず、独自データが「独自の誤った仮説」を強化するだけになる可能性
  • B2B・規制産業・長期コントラクト型ビジネス: 実験知見が意思決定に反映されるまでのラグが大きく、先行者のデータ優位が薄れる

実事例

支持事例

  • Booking.com（継続中）: 年間25,000〜30,000本のA/Bテストを同時並行。「仮説の9割は間違い」を前提に実験速度を最大化した結果、弱小スタートアップから時価総額1,700億ドル超に成長。実験速度の非対称性が競争優位の本体 — ソース: HBR 2020, readtrung.com
  • Zappos（2000年〜）: 在庫を持たず近所の靴屋から写真だけ撮って掲載するウィザード・オブ・オズ実験で需要を最小コストで確認。「実際に売ってみる」から得た「行動データ」が、その後のブランド戦略（顧客体験の制御）の根拠になった — ソース: Medium, Fireapps
  • Google（継続中）: 93%の検索シェアが生む1日35億件の検索ログは構造的に再現不可能。シェアが低い競合はデータも少なく改善できない→さらにシェアが落ちる悪循環。「入力情報の差」そのものが競争を固定する最大の実例 — ソース: Xpert.digital
  • Netflix（継続中）: 視聴時間・一時停止・スキップ・デバイス文脈など1,000種類超のタグで視聴行動を分類。データ蓄積年数が「Disney+等の後発が追いつけない参入障壁」になっているフライホイール構造 — ソース: Harvard d3.harvard.edu

反証・例外（ファストフォロワー優位の事例）

  • Ford Edsel（1957〜1959）: 10年・2.5億ドルの市場調査・ヒアリングが完全に外れ、3.5億ドルの損失で生産中止。「言葉を集める調査」と「行動を集める実験」の差を逆説的に証明 — ソース: Volan Media, HowStuffWorks
  • ファストフォロワー統計: Lieberman & Montgomery（UCLA）研究。ファーストムーバー失敗率47% vs ファストフォロワー8%。「実験したが撤退した先行者のコスト」を後追いがゼロで学習できる構造の問題 — ソース: UCLA Anderson PDF

次の問い（継続用）

この考察をさらに深めるなら:

  1. 「ファストフォロワーの方が統計的に有利」という事実を踏まえると、「やってみる」べき最適なタイミングはいつか。「最初にやってみる人」と「学んでから動く人」の分岐点はどこで決まるか。
  2. 「実験の結果を競合に観察されないようにする」方法は何か。クローズドな実験（非公開）の設計として何が有効か。
  3. 個人事業主（ロイヤルハニー販売等）レベルで「実験速度を最大化する」には何が実践的か。Booking.com型の複利サイクルを小規模で再現するには何から始めるべきか。