Maze と Lyssna:返品手続きのプロトタイプテストでは、タスクの経路を見るか、理由を掘り下げるか
両製品とも AI リサーチ機能を持つ。Maze は指定経路と音声での追加質問、Lyssna は目標画面へのタスク、複数プロトタイプの組み合わせ、テキストでの追加質問を優先検証する用途に向く。選ぶ前に成功の定義、機能の利用資格、参加者募集費用を分けて確認したい。
製品チームが改修を準備するとき、プロトタイプテストで答えるべき問いは二つある。ユーザーがタスクを完了できるか、そしてつまずく理由が修正の指針になるかだ。Maze と Lyssna はどちらも行動とテキストのフィードバックを収集できる。想定経路と遠回りの成功を区別し、その後に音声で追加質問を行いたいなら Maze を優先評価したい。目標画面への到達を成功とし、一つの調査で複数の Figma プロトタイプを組み合わせたいなら Lyssna を先に試す価値がある。この判断は 実際の募集や効果のテストではない。
まず「成功」を合意してから経路を比較する
たとえば「注文を見つけて返品を申請する」を検証するとする。これは分析用の場面であり、顧客事例ではない。ユーザーがヘルプセンターを経由して返品の入口にたどり着き、最終的にタスクを完了した場合、成功とするのか、それともナビゲーション設計を調べるのか。二つの定義は異なる改修提案につながる。
Maze のプロトタイプ設定ドキュメントでは、指定画面への到達、または指定経路に従うことを成功に設定でき、目標を置かない自由探索も選べる。現在、このプロトタイプテストブロックは Figma のみ対応し、調査一件につき取り込めるプロトタイプは一つで、複数のテストブロックで共有する。独立した二つのプロトタイプを比較する際は、事前に調査の分割を計画する必要がある。
Maze の結果の説明では、直接成功、想定外の経路で終点に到達する間接成功、未完了を区別し、経路ごとの人数と所要時間を示す。「入口を見つけられなかった」と「遠回りして見つけた」を分けて議論するのに向く。総合成功率一つだけでナビゲーションの作り直しを決めてはいけない。
Lyssna の Figma テストは、目標画面で Task flow を定義し、Free flow にも対応する。同じプロトタイプセクションに複数のタスクを設定でき、タスクごとに追加質問を設定して結果を表示する。各タスクはプロトタイプの開始画面からやり直す。調査には異なる Figma ファイルのプロトタイプも含められる。よく使われる経路、個別経路、クリックヒートマップも提供するため、アンケートだけの製品と説明してはいけない。
したがって「返品画面に到達したか」が重要な判断なら、両製品を候補にできる。特定の操作順序を成功条件にする必要があるなら、Maze の設定がより直接要件に対応する。Lyssna の複数タスクは状態の継続を意味しない。二つ目のタスクが、一つ目の終了画面を引き継ぐと想定してはいけない。
AI の追加質問で理由を捉えつつ負担も抑える
両製品ともすでに AI リサーチ機能を持つ。Lyssna の Research AIには追加質問、要約、書き起こしなどがあり、「Maze には AI があり、Lyssna にはない」という比較は使えない。見るべきなのは、どこで追加質問が行われ、読み手がテキストと音声のどちらの証拠を必要とするかだ。
Maze の Open Questionは最初の回答に応じて最大 3 問の AI 質問を追加でき、参加者はスキップできる。ヘルプページは Team と Enterprise で利用可能としている。AI Conversationは Enterprise の音声ブロックで、プロトタイプタスクの後に置け、探索的または台本に沿った質問に対応する。マイクが必要で、デスクトップ、タブレット、スマートフォンのウェブに対応するが、このブロックを含む調査をモバイルアプリで実行することには対応しない。音声の要件は参加条件に影響し、情報が増えるだけの機能とは考えられない。
Lyssna の AI 追加質問は長文回答の質問に使い、他のテストセクション後の長文の追加質問にも対応する。最初の回答が具体的で十分かどうかに応じて、システムが追加質問の要否を自動判断し、最大 2 問まで行う。問数は自分で設定できない。最初の回答と追加回答は別々にも、まとめても確認できる。返品タスク後の「見つけにくかった」という一言を掘り下げる起点にはなるが、AI が必ず正しい原因を尋ねるとは保証できない。
選定時には「先ほど、どの手順で迷いましたか。なぜですか」のような同じ中立的質問をプレビューしよう。AI が回答を誘導していないか、プロトタイプに未実装の機能を設計上の欠陥と誤認していないかを確認する。本人の言葉と追加質問の文脈を残し、反対意見を要約で置き換えたり、会話が長いだけで証拠が強いと考えたりしてはいけない。
分析を改修につなぎ、コネクターに判断を委ねない
Maze MCPは調査を検索し、結果や書き起こしに関する質問に答えられる。MCP による調査作成にはすでに正式なヘルプ文書があり、利用資格は Enterprise で、作成前に下書きプレビューと承認の手順がある。ここでは、単に計画中の機能とは扱わない。
Lyssna MCPはすべての有料プラン向けで、デフォルトは読み取り専用だ。管理者はテストやアンケートを作成・編集する書き込み権限を有効にできる。ドキュメントには beta と明記され、保存結果は下書きとなり、調査の開始と募集は引き続き Lyssna 内で行う。Research AI ページでも MCP は Beta とされている。購入時には、既存の照会機能と、まだ beta 表示のあるフローを分けて確認すべきだ。
返品フローについてデザイナーに渡すべきなのは、検証し直せる記録だ。タスクと成功の定義、問題のある画面や経路、参加者の言葉、修正案、次回検証する問いを含めたい。AI は整理を支援できるが、研究責任者は元の回答、画面録画、サンプルの出所を確認する必要がある。MCP を接続する前に、どの研究データを外部 AI アプリに渡してよいかもチームで確認すべきだ。
プラットフォームの利用資格と募集予算を分けて計算する
Lyssna のプラン説明では、プロトタイプテストは Free に含まれるが、無料の自社募集回答は最初の 15 件しか閲覧できない。Growth には AI 追加質問、画面録画、件数無制限の自社募集回答が含まれ、開始できる詳細調査は月 5 件、年払いでは 60 件が前もって提供される。「プロトタイプテストを作成できる」を、完全な分析や録画もすべて無料という意味に受け取ってはいけない。
Maze の料金ページでは MCP と AI Study Builder を Enterprise としている。これは Open Question のヘルプページにある Team/Enterprise という表記と完全に同じレベルの説明ではないため、本記事では新規顧客がどの Team プランを購入できるかを推測せず、旧版の月額料金も引用しない。見積もり時には、テキストの追加質問、音声ブロック、画面録画、調査枠、MCP の具体的な利用資格を営業担当者に個別確認したい。
参加者の購入には、両製品とも別途予算が必要だ。Maze panel creditsは調査の種類と対象者の条件で課金される。Lyssna は調査プラットフォームの契約と panel の回答を明確に分け、テスト時間が募集費用に影響する。タスクや追加質問を増やしたら想定所要時間と募集見積もりを確認し直し、契約料金を調査の総費用と考えてはいけない。
最後に、同じ返品タスクを使って小規模に比較できる。まず成功の定義を確認し、次に経路と本人の言葉が具体的な修正一件を支えられるかを確認する。遠回りの成功を明確に区別し、音声の説明を追加したいなら Maze を優先検証したい。目標画面へのタスク、複数プロトタイプの組み合わせ、テキストの追加質問を重視するなら Lyssna を優先検証したい。どちらの AI 要約や有料サンプルも統計的代表性を自動的に保証せず、プロトタイプでの成功が正式製品のコンバージョン率向上を直接証明するわけでもない。
内容説明:本記事は公開情報をもとに整理した、ツール選定の参考情報です。機能、料金、関連ポリシーは随時変更される場合があります。最新の公式情報をご確認ください。
元の出典:help.maze.co