ユーザーは「この機能は欠かせない」と言うのに、利用状況データを見るとほとんど使われていない――そんなとき、どちらの情報源がより信頼できるかを決めつけたくなるかもしれません。しかし、より建設的なアプローチは、両者がそもそも同じものを測定しているのかを疑ってみることです。例えば、1人の管理者がチーム全員を代表してその機能を使っているのかもしれないし、「欠かせない」というのは稀に起こる緊急時に使える状態を指しているのかもしれません。

トライアンギュレーション（多角検証）とは、複数の手法やデータソース、調査者、あるいは視点を通じてリサーチの問いを検証するアプローチです。これによって説明に説得力を持たせたり、体験の異なる側面を浮かび上がらせたり、あるいは深掘りすべき意見の不一致を見つけ出したりできます。結果が一致することは有益ですが、それだけが価値ある成果ではありません。

明確な役割を持ったエビデンスを選ぶ

先ほどの機能の例で言えば、イベントログデータで実際の利用履歴を把握し、インタビューでその機能が重要となる背景を探り、行動観察によって同僚間でどのように作業が分担されているかを確認できます。あらかじめ決めた結論に賛票を増やすためではなく、それぞれが独自の知見をもたらすように設計することが大切です。

Nielsen Norman Groupによるトライアンギュレーションの解説では、各アプローチの限界を補うために調査手法を組み合わせる方法が論じられています。それぞれのカバー範囲と弱点を理解してこそ、複数の情報源が真の価値を発揮します。同じトラッキングエラーを抱えたダッシュボードを3つ並べたところで、3つの独立した裏付けにはなりません。

トライアンギュレーションでは、対象となる母集団や時期、分析者を分けることも有効です。どのような組み合わせが適切かは、不確実性の度合いとリスクの大きさによって決まります。文言の軽微な修正程度であれば、わざわざ3つの調査を実施する理由にはなりません。

見出しだけでなく、主張の中身を比較する

結果の一致や不一致を解釈する前に、それぞれの結果の背景にある対象層、調査時期、質問内容を確認してください。有料プランの管理者を対象にした満足度調査と、新しいエンドユーザーの行動観察では、まったく異なる体験が語られていて当然です。そうした文脈を無視して「矛盾している」と片付けてしまうと、データ自体が示してもいない架空の問題を生み出すことになります。

各調査のアプローチを適切に分析し、その限界も見失わないようにしましょう。アンケートのパーセンテージを見るときはサンプリングや無回答に目を向ける必要がありますし、インタビューの解釈には発言自体の裏付けが欠かせません。複数の調査を組み合わせたからといって、個々の弱点が消えるわけではないのです。

各アプローチが問いの異なる側面を捉えているなら、それらがどう関連し合っているのかを説明しましょう。同じ主張に対して結果が食い違っているなら、考えられる理由を検討し、何がまだ未解明なのかを明らかにします。都合の悪いデータを付録に追いやった上で、都合よく一致した部分だけをレポートのメインストーリーにするべきではありません。

比較を通じて結論を柔軟にアップデートする

調査の結果、利用頻度の低い機能が、実は1人の管理者によって多くの同僚のための極めて重要な月次タスクをこなすのに使われていたと分かったとします。導くべき結論は「広く普及している」でも「不要な機能」でもなく、「限られた場面で凝縮された価値を発揮している」ということかもしれません。これにより、利用状況の捉え方だけでなく、プロダクトに関する意思決定そのものが変わってきます。

混合研究法（ミックスメソッド）ではこうした統合がよく行われますが、定性調査のみ、あるいは定量調査のみの中でもトライアンギュレーションは可能です。ただし、どちらのアプローチであっても、参照する情報源の数を増やしただけで確実性が担保されたり因果関係が証明されたりするわけではありません。

実務で本当に役立つアウトプットとは、各情報源が何を裏付けているのか、それぞれのエビデンスがどう繋がっているのか、そしてどの部分の確度がまだ低いのかを丁寧に説明することです。それだけでアクションを起こすには十分な場合もありますし、意見の不一致こそが、次に実施すべきより絞り込まれた価値あるリサーチを明確にしてくれることもあります。