好みではなく、
行き先を聞く。

パーソナライズには、ときどき尋問のような瞬間がある。好み、性格、理想の暮らしを、まだ何も返していないサービスが次々に聞く。答える側は「それで何が変わるのか」が見えない。

ウマたんさんが紹介した食事計画アプリ「mise」は、国、人数、予算、調理器具などに加えて、よく利用するスーパーも尋ねるという。紹介ページには29画面のオンボーディング例があり、月間収益などの数値は同ページによる推定で、独立した実績確認ではない。一方、App Storeの公式説明でも、好きな英国のスーパー、予算、手元の食材に合わせて食事計画を作ることは確認できる。

「健康志向ですか」より「どの店に行きますか」のほうが、返す内容をすぐ変えられる。棚にある商品、価格帯、移動のついでに寄れる時間。アプリが人の内面を理解したからではなく、次の場面を具体化できたから、個別化が目に見える。

場所は、データであり物語でもある

砂川伸夫さんは、地図アプリ風のルート表示と、行動順に画面を並べる短尺表現を組み合わせ、待ち合わせから飲食店、宿までをたどる案を投稿した。これは制作案で、反応や効果を検証したものではない。ただ、点だった場所が順番を持つと、それだけで物語になる。

ここで二つをつなぐ。オンボーディングで実在する行き先を一つ聞き、その答えから最初のルートを返す。たとえば買い時を知らせるサービスなら、「よく行く店」と「切らしたくない日用品」を一つずつ聞く。すると最初の画面は、抽象的なおすすめ一覧ではなく、「次にその店へ寄る日まで、残り何日」という一本の時間軸にできる。

地域案内のAIなら、駅、用事のある施設、帰りに寄れる一か所を青い線でつなぐ。利用者はプロフィールを書き込む前に、自分の一日が少しだけ編集された景色を見る。場所を集めること自体が目的ではなく、最初の有用な返答を早く見せるための最小入力にする。

小さく試すなら、一地点だけ

試作では、生活スタイルを五問聞く版と、よく行く場所を一つだけ聞く版を用意する。比較するのは入力数ではなく、最初の提案まで完了した割合や、提案を保存した割合だ。詳細な住所や移動履歴は求めず、駅名や店の種類のような粗い情報を選べて、後から削除・変更できるようにする。

「あなたらしさ」を先回りして当てるより、今日の行き先に役立つものを一つ返す。その小さな往復から、好みはあとで育てればいい。

その人らしさを推測する前に、
今日どこへ向かうのかを一つ聞けないだろうか。