情報設計（Information Architecture：IA）とは、情報の検索性と発見性を高めるために、情報や知識を組織化する技術や手法のことです。検索性（Findability）は、顕在的な要求に対する情報の探しやすさのことで、たとえば母の日ギフトとして「花」を探している人が、「母の日、花」などのキーワードを頼りにイメージしている花を探し出すことができるかどうかのことをいいます。一方で発見性（Discoverability）は、潜在的な要求に対する情報の出会いやすさのことで、たとえば母の日ギフトとして例年とは違う「何か」を贈りたいと考えている際に、「紅茶」などの新しい選択肢への気づきも含めて、ぴったりな贈り物に巡り会えるかどうかのことをいいます。

インターネットの普及やデジタル化により、情報の接点や流通量は飛躍的に増加し、人が本来持っている探索能力だけでは情報取得が困難になっています。この問題に対し、IAの始祖といわれる建築家のリチャード・ソウル・ワーマンは1997年の著書「Information Architects」（訳：情報アーキテクト）で、それを解決する職業として、情報アーキテクト（Information Architect：IA）を以下のように定義しています。

• データの持っているパターンを整理し、複雑なものを明快にする人
  
• 人が知識への経路を見つけるための情報の構造や経路をつくる人
• 時代の要請により21世紀に新しく生まれつつある、明快さ・理解・情報の組織化を専門とした職業

筆者自身も2005年から情報アーキテクトとして、数多くのウェブサイトの設計に関わって来ましたが、当時はWeb 2.0という言葉が流行しており、企業と個人の関係が、従来の単方向から双方向となり、Amazon.comのカスタマーレビューに代表されるように、誰しもが情報の受信者でもあり発信者でもある状態へと変化を遂げた時代でした。その後、SNSの普及によりその流れは加速し、スマートフォンの普及により情報のやりとりは場所を選ばなくなりました。

本日2019年5月1日から令和が始まり、2019年は令和元年となりますが、5G・IoT元年になるとも言われています。これらの普及は、情報設計のあり方も大きく変えるに違いありません。そこで、これまでの変化を振り返りながら、5G・IoT時代の情報設計について考えてみたいと思います。

SNSとスマートフォンによる変化。

インターネットやウェブが普及した1990年代は文献検索が主な用途でした。情報設計には、図書館学（Library Sicence）を起源とする考え方や手法が多いのですが、まさに大量の文献から関心に合うものを探し出すためのものだったと言えます。図書館では本をカテゴリ（Category）で分類・階層化し、上位から下位にたどることで目的の本にたどりつけるようにする考え方が一般的です。例えば「世界史を大きく動かした植物」という本であれば「科学＞植物学」というカテゴリであることが共通理解としてあるため、その棚に配置すれば探し出すことができます。このような構造をツリー構造（Tree Structure）といいます。

一方で「世界史を大きく動かした植物」は、その名のとおり植物に着目した世界史の本でもあるため「歴史＞世界史」で探す人もいるでしょう。このように複数カテゴリにまたがる本の場合、二冊あれば「植物学」「世界史」それぞれの棚に配置することができますが、多くの図書館ではそうはいきません。しかしながら情報は実体を持たないため、一意のカテゴリではなく、「植物学」「世界史」という二つのタグ（Tag）を付与し、双方に紐づく構造にすることが可能です。このような構造を、タグを軸に情報がリンクすることから、ハブ構造（Hub Structure）といいます。なお「パターンランゲージって？」でも触れた、建築や都市計画の領域でいうセミラティス構造（Semi Lattice Structure）¹⁾パターンランゲージって？と同じ概念です。

2000年代に入り、前述のとおり、情報は企業やジャーナリストのみから発信される単方向で静的なものではなく、誰もが受信者であり発信者でもある双方向（Interactive）で動的（Dynamic）なものへと変化しました。さらにFacebookなどのSNSの普及によりその流れは加速します。また、スマートフォンの普及により情報のやりとりは場所を選ばなくなりました。スターバックスで新しいフラペチーノが発売されると、即座にスマートフォンで撮影され、Instagramで共有されます。

こうなると、もはや情報設計の存在意義が疑わしくなります。情報をどう組織化するかという意思決定が、一部の提供者によるものではなく、不特定多数の利用者に委ねられてしまうからです。とはいえ、SNSで発信されている情報の源泉の多くは、企業や一部のインフルエンサーによるものです。さきほどの新しいフラペチーノのInstagramでの共有も、スターバックスが提供している商品という形態の情報を横流しにしているにすぎません。であれば、源泉たる情報をうまく組織化すれば、検索性や発見性を高められる可能性があります。つまり不要になったのは、情報設計そのものではなく、従来型の情報設計ということになります。

では、SNS・スマートフォン時代の情報設計とはどのようなものでしょうか。ポイントは以下の三つです。

1. その瞬間に最適化する
2. 情報をパッケージ化する
3. 伝達経路をデザインする

最近はあまり聞かなくなりましたが、2010年代前半のウェブ領域では、モバイルファーストという言葉がバズワード化していました。これは従来のようにPCを中心ではなく、スマートフォンやタブレットなどのモバイルを中心に設計しましょう、という考え方です。多くの場合、スマートフォンの小さな画面にUI（User Interface）を最適化することだけを指して使われていましたが、本来はそうではありません。情報検索や購買などのあらゆる行動がモバイルを起点に行われるため、ユーザー体験（User Experience：UX）そのものをモバイル中心に再設計するという意味です。

スマートフォンはユーザー行動を劇的に変えましたが、その最たるものは、どこにいようと何かしたいと思ったその瞬間に行動をするというものです。例えば、スターバックスで流れている音楽が気になったその瞬間に曲名を調べ、そのまま購入するというようなことです。その瞬間のことをGoogleはマイクロモーメント（Micro Moment）と呼び、これに最適化することの重要性を示唆しました。さきほどの例でいうと、曲名を調べてそのまま購入するという流れに登場しない情報はすべて無視されることになります。検索エンジンに対してキーワードを最適化することを検索エンジン最適化（Search Engine Optimization：SEO）といいますが、どんなキーワードで検索するかはその瞬間により異なりますし、もはやキーワードで検索するとも限りません。ユーザーのその瞬間の検索行動に最適化することを検索体験最適化（Search Experience Optimization：SXO）といいます。

情報検索や購買のあとは、その体験がさまざまな形で共有されます。スターバックスの新しいフラペチーノの情報を見たり体験したあとは、公式サイトの情報や自ら撮影した写真が、Instagramを通して共有されるわけですが、これもその瞬間に刹那的に行われ、情報は断片化されます。文字にして数十文字、あるいは写真だけが切り取られるため、そこに情報をパッケージ化して詰め込むことが重要です。たとえSNS映えするビジュアルでも、発信したい情報が盛り込まれなければ情報設計としては失格です。

さらに、情報の伝達経路をデザインすることも必要です。SNSを経由しての情報の検索性や発見性を高めるには、伝達力が強く、正確かつ的確に伝えてくれるインフルエンサーは極めて重要な存在となります。彼ら彼女らにとって、どのような情報が「つい教えたくなる」かを見極め、適時適切に提供することが求められます。

5G・IoT時代の情報設計。

では、来たるべき5G・IoT時代の情報設計とは、いったいどのようなものになるのでしょうか。

あらゆるモノがインターネットにつながり、IoTデバイス（IoT Device）となります。そして4Gの100倍の通信速度となる次世代通信規格5Gにより、情報がリアルタイムに処理され、自動運転や遠隔手術などが実現されると言われています。

流通する情報は、テキストや画像を中心としたものから、動画や音声など多様化しつつあります。音声による情報検索は、2009年にGoogleが提供開始し、2011年にはiPhoneのSiriが登場、2017年にはAmazon Echoなどのスマートスピーカーが一般家庭に普及し始めています。これからは耳に装着したごく小さな端末で、音声のみによる情報のやりとりが可能となります。音声検索最適化（Voice Search Optimization：VSO）の意義は数年前から提言されていますが、いよいよ向き合うべき時が来ています。

また、動画顔認証の実現により、非接触ICによる認証が不要になります。さらに、3Dホログラムと呼ばれるレーザーと特殊フィルムを使った立体映像技術により、ディスプレイなしで視覚情報を得られるようになるかもしれません。

これらの技術革新の先には、スマートフォンが不要になることも考えられます。いまの生活からは想像しがたいことですが、ほんの十数年前には存在しなかったわけですから、近い将来に存在していなくても不思議ではありません。

あらゆるモノがIoTデバイスになることで、何かしたいと思ったその瞬間から行動までの時間、つまりマイクロモーメントはさらにマイクロ化するでしょう。スマートフォンをポケットから取り出し、画面をタッチする時間すら不要になります。

また、流通する情報がテキスト・画像・動画・音声など多様化する一方で、現在はスマートフォンに集約されている情報接点が、さまざまなIoTデバイスに分散されることで、情報の断片化がさらに進む可能性があります。スターバックスの新しいフラペチーノの体験が、音声のみで共有されるかもしれません。はたしてその魅力を音声情報にパッケージ化できるでしょうか。「SNS映え」も、ビジュアルだけでなく、音声やテキストによる「映え」の演出が必要になるかもしれません。

5GとIoTは、SNSとスマートフォン以上にユーザー行動を劇変させる可能性を秘めています。モバイルファーストならぬIoTデバイスファーストなる言葉が生まれるかもしれません。情報の形態や接点が多様化する中で、情報設計の存在意義は失われるどころか、その難易度と重要性が増すことは間違いないでしょう。われわれ情報アーキテクトは、新しい時代を生き抜くためにも、いまからその準備をしておく必要があります。

パターンランゲージ（Pattern Language）は、建築家のクリストファー・アレグザンダーが提唱した建築や都市計画に関する理論で、単語が集まることで生きた文脈が生まれるように、物質的要素のパターンが集まってランゲージとなり、それが生きた都市を形成する、というものです。

アレグザンダーは1965年に発表した論文「都市はツリーではない」で、長い年月をかけて自然にできあがった自然都市は、互いに関係をもつ物質的要素の集合が重なり合うセミラティス構造（Semi Lattice Structure）であり、人工都市は、集合の重なり合いをまったく持たないツリー構造（Tree Structure）であると説明しました。ちなみにラティスとは「格子」の意味です。またそれにより、自然都市にそなわった豊な人間性が、人工都市では失われると指摘しています。

そして、より自然都市の構造に近い複雑なセミラティス構造を設計するために、パターンランゲージという手法を考案しました。ちなみに、情報設計（Information Architecture：IA）¹⁾再考する情報設計観点でとらえると、セミラティス構造は「タグ」で、ツリー構造は「カテゴリ」となります。

階段なのか、ベンチなのか。

あまりに有名なローマのスペイン広場の写真で考えてみましょう。中央の階段状の物質的要素は、移動したい人にとっては文字通り「階段」ですが、休憩したい人にとっては「ベンチ」となっています。情報設計的には「階段、ベンチ」の二つのタグづけがされている状態で、構造設計的には｛移動、通路、階段｝の集合と｛休憩、広場、ベンチ｝の集合が重なり合うセミラティス構造になっています。

これにより、移動手段として「階段」を利用している人が、休憩に「ベンチ」として使えることに気づき、やがてお気に入りの広場となっていく。そんな物語が描かれるかもしれません。これはツリー構造では生まれない価値です。ただ、現代の建築や都市計画では、このようなセミラティス構造が意図的に設計されています。

言葉でも考えてみましょう。「この肉、やばい」と聞いて、どんな意味を想像するでしょうか。「この肉、すごく変色している」なのか、それとも「この肉、すごく美味しい」なのか。これは前後の文脈によって意味がかわります。あるいは、そもそも「やばい」は否定的な意味で使う言葉ですが、最近では肯定的な意味でも使われ、辞書にも記載されるようになりました。もしかしたら、年代によって解釈が変わるかもしれません。

情報設計的には「変色、美味」の二つのタグづけがされている状態で、構造設計的には｛年配、腐敗、変色｝の集合と｛若者、熟成、美味｝の集合が重なり合うセミラティス構造といえます。もっとも腐敗肉と熟成肉は相容れないため、実際に重なり合うことはありません。

パターンランゲージの応用。

パターンランゲージは、さまざまな分野で応用されていますが、そのさきがけはソフトウェア工学のオブジェクト指向です。エリック・ガンマらの1995年の著書「オブジェクト指向における再利用のためのデザインパターン」がきっかけとなりました。オブジェクトを再利用可能にしてソフトウエアの開発効率を上げるために、パターンランゲージの手法が採用されています。

そのほか、ウェブサイトの情報設計にも応用されています。情報設計の起源は図書館学（Library Science）ですが、本という物理的な物体が、いずれか一意の物理的な棚（カテゴリ）に配置する必要があるのに対し、ウェブページという論理的な情報は、複数の任意の論理的な札（タグ）を付与することが可能です。

ちなみに、このuxmeetsdata.comもセミラティス構造になっています。たとえば「データエスノグラフィって？」という記事は、集合｜UX｜の一員でもあり、集合｜Data｜の一員でもあります。ただ、カテゴリとしては一意とする構造なので、「Data Ethnography、UX Modeling」という、UXとデータのそれぞれに関連する二つのタグをつけることで表現しています。UXに関心のある読者がデータエスノグラフィを通してデータに関心を持つようになれば、新しい価値の創発につながるはずです。

さらには「データエスノグラフィって？」でも触れたとおり、ユーザー行動が「思考と行動の集合」パターンが集まったランゲージだとすれば、ユーザーの行動データから、思考を類推できる可能性があります。アレグザンダーは人々が「心地よい」と感じる都市・建築を分析して、253のパターンを挙げました。はたして、思考と行動の集合はいったいどのくらいのパターンに抽象化されるのでしょうか。

ユーザーの行動データから、購買の意思決定プロセスを把握したい、あるいは、思いもよらないニーズを発見したい。多くのマーケターやビジネスパーソンにとって、それはデータ活用におけるもっとも重要な関心ごとのひとつでしょう。

あるコンテンツXの閲覧（事象X）と、ある商品Yの購買（事象Y）には、強い共起性があるから、事象Yの意思決定に事象Xがなんらか関与している可能性が高いのではないか。そのような分析はよく行われることと思います。

一方で、事象Xと事象Yの因果関係の説明は難しい問題です。事象Xによる気持ちの変化があったから事象Yにいたったのか、最初から事象Yが起こることは決まっていて、たまたま事象Xをしただけなのかが判別しづらいからです。

因果関係を説明するには、まず時間の関係を把握することが必要です。当たり前ですが、原因と結果の前後が入れ替わることはありません。また、事象Xと事象Yの間に大きな時間の隔たりがある場合は因果関係を説明しづらくなります。

加えて、事象Xが事象Yの発生に影響を与えていることも重要です。事象Xの有無に関わらず事象Yが起こるのであれば、因果関係は説明しづらくなります。アソシエーション分析¹⁾アソシエーション分析とは（アソシエーション分析入門 #01）のリフト値は、この影響力の強さを示す指標として扱うことができます。また、A/Bテストで影響力を検証することもあるでしょう。

なお、因果関係を確率的に推論する手法として、A/Bテストの基本概念である因果推論（Causal Inference）²⁾いまさら聞けない因果推論や、条件付き確率に基づくベイズ推定（Bayesian Inference）³⁾いまさら聞けないベイス推定があります。

行動観察が理解や発見をうながす。

このように、行動データをマクロ視点で分析することで、ユーザーの意思決定プロセスをある程度は理解できます。一方で、一人ひとりの行動データをミクロ視点で観察し、時系列に追うことで、ユーザーの意思決定プロセスの理解や発見が進むことがあります。クロスハックではこれをデータエスノグラフィ（Data Ethnography）と呼んでいます。

エスノグラフィ（Ethnography）⁴⁾エスノグラフィとは（UXリサーチ入門 #03）とは、生活者のありのままの行動を観察することで、アンケートやインタビューからは得られない洞察や発見の獲得を目指す手法のことですが、これはそのデータ版と言えます。

ユーザーの行動をつぶさに観察することで、行動の実態が見えて来ます。あるコンテンツAを見た次の日に来店し、普段から買う商品Bと合わせて商品Cを買い、さらにそれ以降の来店では商品Bと商品Cを必ずセットで購買している、などの行動がとらえられれば、コンテンツAが商品Cの購買の要因になっているのではないかという仮説にたどり着きます。

仮説の発見をマクロ視点の分析で行うことをデータマイニング（Data Mining）⁵⁾再考するデータマイニングといいますが、なかなか難しいものです。そんなときに、このようなミクロ視点の観察が役に立ちます。

思考を理解するためには。

データエスノグラフィには、エスノグラフィにはない欠点が存在します。それは、行動は思考の結果にすぎず、なぜその行動に至ったかの思考を理解することができないという点です。思考を理解できなければ、再現性を高めることはできません。エスノグラフィでは、思考の理解をインタビューで補完できます。

データエスノグラフィで思考を理解するには、ユーザーに後追いでインタビューをするか、行動から思考を想像するしかありません。ただ、パターンランゲージ（Pattern Language）⁶⁾パターンランゲージって？ように、ユーザーの意思決定プロセスが、いくつかの思考と行動の集合によって構成されているとすれば、行動から思考を類推できる可能性があります。

たとえば、あるECサイトで同じワイシャツの色違いを三着同時に買ったユーザーがいたとします。この時点では、色違いを着回ししたいという思考が想像されます。ただ、その後二着を返品したとすると、実際の色を確認して選びたいという思考が浮かび上がります。こういった思考と行動の集合をパターンランゲージとして捉えていく、ということです。

またデータエスノグラフィは、ユーザーの意思決定プロセスの理解や発見に大変有効な手段ですが、大量のデータから観察すべきユーザーを見つけることは容易ではありません。そのためには、似たユーザーをセグメント（Segment）に分類し、観察すべきセグメントを選定するという手順を踏まえる必要があるものの、多くの時間と労力を要します。クロスハックではそれを支援するものとして、UXモデリング（UX Modeling）⁷⁾UXモデリングって？という、大量のデータからシンプルなユーザー行動モデルを取り出す技術を研究開発しています。

このような欠点と余白に、データエスノグラフィの学問としての面白さや可能性を感じます。データエスノグラフィに関する研究の状況や成果については、追ってお伝えしていきたいと思います。