プロンプトと適用コンテキスト
架空の都市における処方薬の即日配送による1年間の配送料売上を推定してください。外部データがない場合、どのように分解、クロスチェックを行い、結果を位置づけますか？
これはプロダクトマネジメント、ビジネスアナリシス、戦略、コンサルティング職向けの市場規模推定（マーケットサイズ）の質問です。2026年時点の公開プロダクト面接対策資料でも市場、売上、利用規模の推定は依然として含まれており、中国のプロダクト面接資料でもフェルミ推定がケースタイプとして扱われています。この実績は、特定の企業にプロンプトを帰属させたり、根拠のない出題頻度を主張したりすることなく、現在の妥当性を示しています。
このプロンプトでは、意図的に実際の市場データが伏せられています。面接官は、あなたが都市に薬局が何軒あるかを覚えているかを試しているのではありません。モデル化する前に問題を定義しているか、単位を維持しているか、前提条件を開示しているか、独立したアプローチで桁数（オーダー）を検証しているか、そしてその推定値がどのような意思決定をサポートでき、どのような決定をサポートできないかを明確に述べているかを見ています。
以下に示す人口、世帯規模、処方箋の頻度、対象割合、利用率、薬局数、配送能力、価格の各数値は、すべて面接練習用の前提条件です。実際の都市やビジネスを表すものではありません。
面接官が評価するポイント
第1のシグナルは、指標のコントロールです。「市場規模」は、ユーザー数、注文数、流通取引総額（GMV）、配送料売上、売上総利益などを意味する場合があります。プロンプトが配送料売上を求めている場合、医薬品自体の売上は分子に含まれず、売上を利益と言い換えることもできません。時間、地理的範囲、顧客の単位、通貨も計算前に固定する必要があります。
第2のシグナルは、構造化された分解です。各レイヤーが説明可能である必要があります。人口が世帯になり、一部の世帯が処方箋需要を生み出し、それぞれが年間の処方回数を生み出し、一部の処方が即日配送の対象となり、対象となった処方の一部がサービスを利用し、1回の注文が売上になります。分岐は、状況が許す限り相互に排他的かつ全体として網羅的（MECE）であるべきです。
第3のシグナルは、不確実性の管理です。データがない場合の前提設定は許容されますが、回答ではその根拠レベルを特定し、低位・基本・高位のケースを提示し、最初に検証すべき変数を挙げる必要があります。無駄に小数点以下の桁数を増やしても信頼性は生まれません。対象割合や利用率に対する感度（センシビリティ）を説明することが重要です。
最後に、面接官はクロスチェックと意思決定への接続を重視します。需要側モデルは「顧客がどれだけ購入する可能性があるか」を問い、供給側モデルは「初期ネットワークでどれだけ配送できるか」を問います。結果が似ていても実際の市場が証明されたわけではなく、大きく異なる結果を安易に平均化すべきでもありません。優れた回答は、単位、カバレッジ、利用率、キャパシティの不一致の原因を突き止め、次の調査を設計します。
回答前に明確にすべき質問
- どの指標を推定しているのか？ この回答では年間配送料売上を推定します。医薬品GMV、会員費収入、返金、補助金、配達員コスト、決済手数料、利益は除外します。GMVや利益を問う質問には別の計算式が必要です。
- 地理的および時間的境界は何か？ この演習では架空の1都市および1年間を使用します。都市住民、大都市圏住民、サービス提供可能エリアは異なる分母です。日次、月次、年次の数値を混同してはなりません。
- 顧客の単位は個人、処方箋、世帯のどれか？ このモデルでは世帯を需要単位とし、調剤イベントを取引機会とします。人口から世帯数を導出するため、後から人口を再度加算してはなりません。
- 何が「即日」の対象となるか？ 対象範囲が通常処方のみか、コールドチェーン（保冷）、規制薬物、緊急、地域外注文も含むのかを確認します。この演習では、規制上の事実を勝手に創作するのではなく、対象割合を1つの前提条件として分離します。
- 価格は配送料か、それとも注文総額か？ この演習では、配送完了1件あたり8ドルの手数料を想定します。送料無料のしきい値、サブスクリプション、ダイナミックプライシングモデルの場合は、有料注文の割合や配送あたりの実現収益を考慮する必要があります。
- どの意思決定にこの推定値を使用するのか？ 初期の機会選定には桁数と感度の把握が必要です。投資、採用、立ち上げには、観察された需要、競合、ユニットエコノミクス、規制、運用データが必要です。
- 外部ソースを使用してよいか？ 使用不可の場合は、前提条件と範囲を開示します。使用可能な場合は、信頼できる人口統計や業界データを大枠のアンカーとし、プロダクト固有の利用率や支払意欲についてはインタビュー、アンケート、過去の注文データ、実験を活用します。
30秒回答フレームワーク
「医薬品GMVとコストを除外した年間配送料売上を推定します。需要側は世帯数と処方頻度から始め、対象割合、利用率、手数料を適用し、不確実性の高い2つの率には幅を持たせます。供給側は提携薬局数、1日あたりの配送件数、稼働日数を用いてクロスチェックします。2つのアプローチで乖離が出た場合は、平均化するのではなく、単位、カバレッジ、稼働率を確認します。この結果はさらなるリサーチの妥当性を示すものであり、実際の立ち上げには規制とユニットエコノミクスの検証が依然として必要です。」
完全な回答では、数値を代入する前に単位を含めた計算式を記述します。範囲やクロスチェックを含め、すべての数値はその計算式を通じて再現可能である必要があります。
ステップごとの詳細な回答
ステップ1: スコープ、単位、指標の合意を確立する
まず1行書き出します：架空の都市 × 翌年 × 対象となる即日処方箋配送 × 米ドル建ての配送料売上。これ以降のすべての変数は、この4つの次元に対応している必要があります。
売上レイヤーは、最もブレが生じやすい部分です。薬の価格は商品価値（GMV）に属します。8ドルの配送料はサービス売上です。貢献利益を算出するには、配達員への支払い、返金、補助金、決済手数料を差し引く必要があります。プロンプトは手数料売上のみを求めているため、結論で「市場は580万ドルの利益を上げる」と述べてはなりません。
ステップ2: 需要側の計算式を構築し、単位を監査する
以下の需要関係式を使用します：
年間配送料売上 = 人口 ÷ 1世帯あたり人数 × 処方箋需要がある世帯の割合 × アクティブ世帯あたりの年間調剤回数 × 即日配送対象割合 × 利用率 × 配送あたり手数料
練習用の明示的な前提条件は以下の通りです：
- 人口：5,000,000人
- 世帯規模：2.5人（世帯数：2,000,000世帯）
- 年間に処方箋需要がある世帯の割合：60%（アクティブ世帯：1,200,000世帯）
- アクティブ世帯あたりの年間調剤回数：6回（調剤イベント：7,200,000回）
- 即日配送の対象割合：40%
- 対象イベントにおける利用率：25%
- 配送あたり手数料：$8
基本ケースの注文数は以下の通りです：
7,200,000イベント × 40% × 25% = 720,000件の配送
年間配送料売上は以下の通りです：
720,000件の配送 × 配送あたり$8 = $5,760,000（口頭では約580万ドルと概算）
すべての行で単位を明記することで、人がまず世帯になり、世帯が調剤イベントになり、対象となって利用されたイベントが配送になったことが明確になります。500万人に世帯あたり調剤回数の6を直接掛けると、単位の整合性チェックで誤りとなります。
ステップ3: 不確実性を範囲として表現する
この演習では、人口、世帯規模、頻度、手数料を固定します。最も脆弱な前提は対象割合と利用率です。低位ケースを対象割合30%、利用率10%に設定します：
7,200,000 × 30% × 10% = 216,000件の配送、216,000 × $8 = $1,728,000（約170万ドル）
高位ケースを対象割合50%、利用率40%に設定します：
7,200,000 × 50% × 40% = 1,440,000件の配送、1,440,000 × $8 = $11,520,000（約1,150万ドル）
したがって、他のすべての前提を固定した場合、練習上の結論は年間手数料売上約170万ドル〜1,150万ドル、基本ケースで580万ドルとなります。この広い範囲は、モデルがまだ大規模な投資判断を下す段階にないことを示しています。一方で、どのリサーチが意思決定リスクを低減できるかを明らかにしています。
ステップ4: 単なる前提の追加ではなく感度をテストする
他の条件をすべて固定し、利用率を25%から35%に引き上げます。これは相対的に40%の増加です。基本売上は比例して$5,760,000から次のように変動します：
7,200,000 × 40% × 35% × $8 = $8,064,000
対象割合も同様の線形特性を持ちます。どちらも人口の前提ほど根拠が強固ではないため、最優先で検証する価値があります。面接では、すべての入力に対して10段階のテーブルを作る必要はありません。不確実で影響の大きい変数を2〜3個選び、それらが意思決定をどう変えるかを説明します。
面接官から立ち上げコストのしきい値が提示された場合は、損益分岐点となる利用率を逆算します。目標売上を$8で割って必要な注文数を算出し、それを7,200,000回の調剤イベントと対象割合で割ります。しきい値に関する問いは、単一の推定値を細かく調整するよりも意思決定に役立つことがよくあります。
ステップ5: 供給側からオーダー（桁数）をクロスチェックする
独立した供給キャパシティの経路を作成します。1年目の提携薬局数を60店舗、1店舗1日あたりの完了配送数を平均35件、年間稼働日数を360日と仮定します：
60店舗 × 1店舗あたり1日35件の配送 × 360日 = 年間756,000件の配送
1件あたり$8の場合、このキャパシティは以下に対応します：
756,000 × $8 = $6,048,000（約600万ドル）
供給側は需要側の基本ケース（720,000件）を36,000件（需要ベースに対して5%）上回っています。この近さは練習用の前提によって生じたものであり、実際の需要の証拠ではありません。供給側は理論上のキャパシティと実際の稼働率を混同している可能性があり、需要側は利用率を過大評価している可能性があります。一致していることが示すのは、現在の計算とスケールに明らかな矛盾がないということだけです。
もし両アプローチで3倍の開きがある場合は、定義を一致させ、1行ずつ精査します。同じサービス提供エリアを使用しているか？薬局数には提携店のみが含まれているか？35件はピーク時の数値か、それとも年間平均か？利用率はすべての調剤に適用されたか、対象調剤のみか？稼働日数が二重に換算されていないか？乖離の原因を見つけることは、結果を平均化することよりもはるかに有益です。
ステップ6: 推定をリサーチ計画へと転換する
二次データは、人口統計、世帯構成、処方箋量、薬局数などの大枠の分母を調整するのに役立ちます。U.S. Small Business Administrationの市場調査ガイダンスでも、既存の情報源と直接調査を区別し、需要、市場規模、立地、飽和度、価格設定を挙げています。プロダクト固有の対象割合、利用率、支払意欲には一次情報が必要です。
リスクに応じて次のステップの優先順位を決めます：
- 薬局および規制の専門家に対象範囲の絞り込みを行い、実際の即日配送対象割合を確認する。
- ターゲットユーザーにインタビューし、単なる「配送の要望」と「即日配送に8ドル支払う意思」を区別する。
- 表明された関心だけに頼るのではなく、順番待ちリスト（ウェイトリスト）、コンシェルジュ型配送、小規模なランディングページでのオファーを通じて実際の行動をテストする。
- 少数の薬局コホートにおいて、完了した配送件数、拒絶理由、日内の変動を記録する。
- 売上に返金、補助金、フルフィルメントコスト、リピート率を加味し、ユニットエコノミクスを評価できるようにする。
プロダクトにおける推定の価値は、最初にどの情報を獲得すべきかを決めることにあります。推定自体が市場を証明したり、規制面の確認、競合分析、実際のパイロット運用の代わりになったりすることはありません。
ステップ7: 結論に意思決定の境界線を設ける
完全な結論には、代表値、範囲、感度の高い変数、クロスチェック、用途が含まれます：「練習用の前提条件下では、年間配送料売上は基本ケースで約580万ドル、低位・高位ケースで170万ドル〜1,150万ドルです。供給モデルは約600万ドルのキャパシティを示唆しています。対象割合と利用率が不確実性の大半を占めているため、次の段階ではこれらを検証すべきです。この結果は低コストなリサーチの実施を支持するものであり、立ち上げや大規模投資のレベルを支持するものではありません。」
この表現により、モデルのアウトプットを実際の観測結果であるかのように見せることなく、実用的な示唆を維持できます。実際のデータが得られたら、最終的な数値だけを変更するのではなく、前提条件を1つずつ置き換え、モデルのバージョンと差異の説明を記録します。
質の高い模範解答
「まず指標を定義します。架空の都市における1年間の処方薬即日配送による実現配送料売上（米ドル建て）です。医薬品GMV、サブスクリプション、返金、補助金、フルフィルメントコストは除外します。需要を推定した上で、供給面からクロスチェックを行います。以降の数値はすべて面接用の前提です。
人口500万人、1世帯あたり2.5人と仮定すると、200万世帯になります。年間で処方箋需要がある世帯を60%とすると、アクティブ世帯は120万世帯です。アクティブ世帯あたり年間6回の調剤があるとすると、720万回の調剤イベントになります。40%が即日配送の対象であり、そのうち25%がサービスを利用する場合、年間の配送件数は72万件です。配送あたり8ドルとすると、基本の手数料売上は576万ドル（約580万ドル）になります。
この単一の数値のみを報告することはしません。対象割合30%、利用率10%の低位ケースでは21.6万件の配送で172.8万ドル（約170万ドル）となります。対象割合50%、利用率40%の高位ケースでは144万件の配送で1,152万ドルとなります。したがって、練習上の範囲は約170万ドル〜1,150万ドルです。
供給側の検証として、1年目に60店舗の提携薬局があり、それぞれが360日にわたり1日平均35件の配送を完了すると仮定します。これは75.6万件の配送、604.8万ドル（約600万ドル）に相当します。これは需要のベースラインを5%上回っています。2つの練習用モデルは規模として整合していますが、これは需要の存在やキャパシティの完全稼働を証明するものではありません。
対象割合と利用率が感度の高い前提です。たとえば、他の条件をすべて固定して利用率を25%から35%に引き上げると、売上は576万ドルから806.4万ドルに増加します。次のステップとしては、薬局や規制の専門家とともに対象割合を検証し、ユーザーリサーチや小規模な有料パイロットを通じて利用率と8ドルの支払意欲をテストしつつ、実際のフルフィルメントコストを測定します。
私の結論は、設定した前提のもとで基本ケース580万ドル、範囲として170万ドル〜1,150万ドルです。これは低コストな検証フェーズに進むべきかを判断するには十分ですが、これ単体でサービスの立ち上げ、採用、投資を正当化することはできません。」
重要なのは、500万人や8ドルという数値を暗記することではありません。面接官が任意の前提を置き換えて計算結果を再現できる状態を作ることです。面接官から実際のデータが提示された場合は、指標、単位、両方のモデルアプローチを維持したまま、即座に数値を差し替えてください。
よくある間違い
- 「市場規模」を定義する前に計算を始める → ユーザー数、取引数、GMV、売上、利益が混同される → 最初に地理、時間、顧客単位、指標、通貨を書き出す。
- 人と世帯を行き来する → 需要が二重計上され、計算式の単位が破綻する → 各ステップにラベルを付け、どの時点で人が世帯、イベント、注文になるかを明示する。
- 小数を根拠として利用する → 根拠のない入力値は、小数点以下3桁にしても根拠のないままである → 再現可能な計算を維持しつつ、口頭では適切に丸める。
- 単一の推定値のみを報告する → 不確実性と失敗の境界が見えなくなる → 影響の大きい未知数について低位、基本、高位のケースを提示する。
- 感度を示さずに範囲だけを列挙する → 単に広い区間を示してもリサーチの指針にならない → 結果を大きく左右し、かつ根拠が不足している変数を特定する。
- 需要と供給の推定値を平均化する → 平均化しても各モデルのバイアスは除去されない → カバレッジ、単位、利用率、キャパシティ稼働率の違いを特定する。
- キャパシティを需要と呼ぶ → 75.6万件の注文を配送できる能力があるからといって、顧客がそれを購入するとは限らない → 需要、キャパシティ、実現取引を明確に区別する。
- 配送料売上をGMVや利益と呼ぶ → 指標レイヤーが変わり、プロダクトの結論が破綻する → 含まれるものと除外されるものを明示し、利益については個別のコストモデルを構築する。
- 推定値のみから立ち上げを推奨する → 規制、競合、リテンション、ユニットエコノミクスが不明なままである → 結論は次のリサーチやパイロット実施の判断に留める。
フォローアップ質問と回答例
フォローアップ1: 利用率25%の前提には根拠がありません。なぜその数値を使ったのですか？
未検証の前提であることを認め、その数値を過度に正当化しようとしないでください。10%、25%、40%での結果を示すか、面接官が想定する目標売上から必要な利用率を逆算します。推定の目的は、利用率があらかじめ分かっているかのように装うことではなく、意思決定が何に依存しているかを明らかにすることです。
フォローアップ2: 注文ごとの手数料ではなく月額サブスクリプションにした場合、何が変わりますか？
売上は「対象世帯数 × サブスクリプション加入率 × 月額料金 × 12」となり、平均加入月数や解約率（チャーン）で調整されます。注文数は引き続き配送キャパシティの検証に使用されますが、注文数に8ドルを掛けて売上とすることはできなくなります。また、送料無料による利用頻度の上昇がユニットエコノミクスに影響を与えます。
フォローアップ3: 規制上の制限により対象割合が40%から20%に減少した場合はどうなりますか？
他のすべての前提を固定すると、注文数と売上は半減します。720万回の調剤 × 20% × 25% = 36万件の注文となり、$8を掛けると288万ドルになります。その後、余剰となった供給キャパシティを再評価し、その縮小した規模で提携ネットワークの採算が合うかどうかを検討します。
フォローアップ4: 需要と供給で3倍の差が生じた場合はどうしますか？
安易に平均化してはなりません。地理的範囲、期間、注文の定義を揃えます。供給側がピークキャパシティを使っているか平均稼働率を使っているか、需要側が対象イベントのみに利用率を適用しているか、薬局のカバレッジが完全かを確認します。それでも差が説明できない場合は、リスクの幅として残し、2つのモデルを識別するための最も安価なテストを設計します。
フォローアップ5: 実際の注文データが入手可能になった場合、モデルをどのように更新しますか？
ユーザーまたは世帯コホートごとに、実際の調剤頻度、対象割合、利用率、支払金額、リピート率、返金を算出します。新規ユーザーと既存ユーザー、およびサービス提供エリアを分離します。過去のバージョンを保持し差異の理由を説明できるようにした上で、該当する前提を置き換えます。都市全体へ外挿する前に、プロモーション期間や限定された薬局サンプルによる選択バイアスがないかを確認します。
フォローアップ6: この結果をプロダクトのロードマップにどう反映すべきですか？
まず、保守的なケースでも検証コストと配送コストをカバーできるかを確認します。利用率が結果を左右する場合は、支払意欲と実際の転換率（コンバージョン）を測る実験を優先します。対象割合が左右する場合は、規制および供給面のリサーチを先に完了させます。本格的な機能開発は、クリティカルな範囲が狭まり、ユーザー価値とユニットエコノミクスの両方が成立することを確認した後に開始します。