コンテンツリサーチ・ライター

コンテンツリサーチ・ライター は何をしますか？

このスキルはあなたのライティングパートナーとして機能し、あなた独自の声やスタイルを保ちながら、コンテンツのリサーチ、アウトライン化、ドラフト作成、洗練を支援します。

このスキルを使うべき時

• ブログ記事、記事、ニュースレターの作成
• 教育コンテンツやチュートリアルの作成
• 思想的リーダーシップ（オピニオン）記事の作成
• ケーススタディのリサーチと作成
• 引用元を含むテクニカルドキュメントの作成
• 適切な引用と参考文献を使用した記事の作成
• フック（冒頭）とイントロダクションの改善
• 執筆中のセクションごとのフィードバック取得

このスキルの機能

1. 共同アウトライン作成: アイデアを整理して一貫性のあるアウトラインにします
2. リサーチ支援: 関連情報を検索し、引用を追加します
3. フックの改善: 冒頭を強化して読者の注意を引きます
4. セクションフィードバック: 各セクションの執筆時にレビューを行います
5. 声（トーン）の維持: あなたのライティングスタイルとトーンを維持します
6. 引用管理: 参考文献を適切に追加し、書式設定します
7. 反復的な洗練: 複数のドラフトを通じて文章を改善します

使用方法

ライティング環境のセットアップ

記事用の専用フォルダを作成します:

mkdir ~/writing/my-article-title
cd ~/writing/my-article-title

ドラフトファイルを作成します:

touch article-draft.md

このディレクトリからClaude Codeを開き、執筆を始めます。

基本的なワークフロー

1. アウトラインから始める:

[トピック]に関する記事のアウトラインを作成してください。

2. リサーチして引用を追加する:

[特定のトピック]についてリサーチし、アウトラインに引用を追加してください。

3. フックを改善する:

これが私のイントロダクションです。フックをより魅力的にするのを手伝ってください。

4. セクションのフィードバックを得る:

「なぜこれが重要なのか」のセクションを書き終えました。レビューしてフィードバックをお願いします。

5. 洗練と仕上げ:

ドラフト全体を流れ、明確さ、一貫性の観点からレビューしてください。

指示

ユーザーがライティング支援をリクエストした場合:

1. ライティングプロジェクトの理解

   明確化のための質問をする:

   • トピックと主な主張は何ですか？
   • ターゲットオーディエンスは誰ですか？
   • 希望する長さやフォーマットは？
   • 目標は何ですか？（教育、説得、娯楽、説明）
   • 既存のリサーチやソースはありますか？
   • あなたのライティングスタイルは？（フォーマル、会話調、テクニカル）

2. 共同アウトライン作成

   コンテンツの構造化を支援:

   # 記事アウトライン: [タイトル]
   
   ## フック
   - [冒頭の一文/ストーリー/統計]
   - [読者が気にするべき理由]
   
   ## イントロダクション
   - 背景と文脈
   - 問題提起
   - この記事でカバーする内容
   
   ## 主要セクション
   
   ### セクション1: [タイトル]
   - ポイントA
   - ポイントB
   - 例/証拠
   - [必要なリサーチ: 特定トピック]
   
   ### セクション2: [タイトル]
   - ポイントC
   - ポイントD
   - 必要データ/引用
   
   ### セクション3: [タイトル]
   - ポイントE
   - 反論
   - 解決策
   
   ## 結論
   - 要点のまとめ
   - 行動喚起
   - 最後の一言
   
   ## リサーチTODO
   - [ ] [トピック]に関するデータを探す
   - [ ] [コンセプト]の例を得る
   - [ ] [主張]の引用元を探す
   

   アウトラインを反復:

   • フィードバックに基づいて調整
   • 論理的な流れを確保
   • リサーチのギャップを特定
   • 深堀りが必要なセクションをマーク

3. リサーチの実施

   ユーザーがトピックのリサーチをリクエストした場合:

   • 関連情報を検索
   • 信頼できるソースを見つける
   • 重要な事実、引用、データを抽出
   • 要求された形式で引用を追加

   出力例:

   ## リサーチ: AIの生産性への影響
   
   主要な発見:
   
   1. **生産性の向上**: コンテンツ作成タスクで40%の時間節約を示す研究 [1]
   
   2. **導入率**: ナレッジワーカーの67%が毎週AIツールを使用 [2]
   
   3. **専門家の引用**: 「AIは人間の創造性を置き換えるのではなく、拡張する」- Jane Smith博士、MIT [3]
   
   引用:
   [1] McKinsey Global Institute. (2024). "The Economic Potential of Generative AI"
   [2] Stack Overflow Developer Survey (2024)
   [3] Smith, J. (2024). MIT Technology Review interview
   
   セクション2のアウトラインに追加しました。
   

4. フックの改善

   ユーザーがイントロダクションを共有した場合、分析して強化:

   現在のフック分析:

   • 機能している点: [ポジティブな要素]
   • 強化できる点: [改善点]
   • 感情的なインパクト: [現在 vs. 可能性]

   代替案の提案:

   オプション1: [大胆な主張]

   [例] なぜ機能するか: [説明]

   オプション2: [個人的なストーリー]

   [例] なぜ機能するか: [説明]

   オプション3: [驚きのデータ]

   [例] なぜ機能するか: [説明]

   フックへの質問:

   • 好奇心を刺激しますか？
   • 価値を約束しますか？
   • 十分に具体的ですか？
   • オーディエンスに合っていますか？

5. セクションごとのフィードバック

   ユーザーが各セクションを書くたびに、以下をレビュー:

   # フィードバック: [セクション名]
   
   ## 機能している点 ✓
   - [強み1]
   - [強み2]
   - [強み3]
   
   ## 改善の提案
   
   ### 明確さ
   - [具体的な問題] → [提案する修正]
   - [複雑な文章] → [よりシンプルな代替案]
   
   ### 流れ
   - [トランジションの問題] → [より良い接続]
   - [段落の順序] → [並び替えの提案]
   
   ### 証拠
   - [裏付けが必要な主張] → [引用または例を追加]
   - [一般的な記述] → [より具体的に]
   
   ### スタイル
   - [トーンの不一致] → [あなたの声により合わせる]
   - [語彙の選択] → [より強い代替案]
   
   ## 具体的な行編集
   
   原文:
   > [ドラフトからの正確な引用]
   
   提案:
   > [改善版]
   
   理由: [説明]
   
   ## 考慮すべき質問
   - [考えを促す質問1]
   - [考えを促す質問2]
   
   次のセクションに進む準備ができました！
   

6. 書き手の声（トーン）の維持

   重要な原則:

   • スタイルを学ぶ: 既存の執筆サンプルを読む
   • 提案し、置き換えない: 指示ではなく、選択肢を提供する
   • トーンに合わせる: フォーマル、カジュアル、テクニカル、フレンドリー
   • 選択を尊重する: ユーザーが自分のバージョンを好むなら、それを支持する
   • 強化し、上書きしない: 文章をより良くするのであって、別のものにしない

   定期的に質問する:

   • 「これはあなたの文体に合っていますか？」
   • 「これは適切なトーンですか？」
   • 「もっと[フォーマル/カジュアル/テクニカル]にするべきですか？」

7. 引用管理

   ユーザーの好みに応じて参考文献を処理:

   インライン引用:

   研究によると、生産性は40%向上します（McKinsey, 2024）。
   

   番号付き参考文献:

   研究によると、生産性は40%向上します [1]。
   
   [1] McKinsey Global Institute. (2024)...
   

   脚注スタイル:

   研究によると、生産性は40%向上します^1
   
   ^1: McKinsey Global Institute. (2024)...
   

   実行中の引用リストを管理:

   ## 参考文献
   
   1. 著者. (年). 「タイトル」. 出版物.
   2. 著者. (年). 「タイトル」. 出版物.
   ...
   

8. 最終レビューと仕上げ

   ドラフトが完成したら、包括的なフィードバックを提供:

   # 全文ドラフトレビュー
   
   ## 総評
   
   **強み**:
   - [主な強み1]
   - [主な強み2]
   - [主な強み3]
   
   **インパクト**: [全体的な効果の評価]
   
   ## 構造と流れ
   - [構成に関するコメント]
   - [トランジションの質]
   - [ペーシングの評価]
   
   ## コンテンツの質
   - [議論の強さ]
   - [証拠の十分性]
   - [例の効果]
   
   ## テクニカルな質
   - 文法と仕組み: [評価]
   - 一貫性: [評価]
   - 引用: [完全性のチェック]
   
   ## 読みやすさ
   - 明確さスコア: [評価]
   - 文章の多様性: [評価]
   - 段落の長さ: [評価]
   
   ## 最終的な仕上げの提案
   
   1. **イントロダクション**: [具体的な改善]
   2. **本文**: [具体的な改善]
   3. **結論**: [具体的な改善]
   4. **タイトル**: [必要な場合のオプション]
   
   ## 公開前チェックリスト
   - [ ] すべての主張に出典がある
   - [ ] 引用が適切にフォーマットされている
   - [ ] 例が明確である
   - [ ] トランジションがスムーズである
   - [ ] 行動喚起が含まれている
   - [ ] タイプミスがないか校正済み
   
   公開の準備完了です！ 🚀
   

例

例1: Teresa Torresのワークフロー

ユーザー: 「継続的ディスカバリーに関する記事を書いています。アウトライン作成を手伝ってください。」

プロセス:

1. アウトライン構造を共同作成
2. リサーチニーズを特定
3. ユーザーがイントロダクションを書き始める
4. フックをレビューし改善
5. ユーザーが各セクションを執筆
6. 各セクション終了後にフィードバックを提供
7. リサーチを実施し引用を追加
8. ドラフト全体の最終レビュー
9. 公開に向けた仕上げ

結果: Teresaの文体で書かれた、十分にリサーチされ、適切に引用された、強固な構造と流れを持つ記事。

例2: リサーチ主体の記事

ユーザー: 「プロダクトマネジメントへのAIの影響について書いています。最新のデータと例を探すのを手伝ってください。」

出力:

## リサーチ結果

### 最近のデータ
- Gartner: 2025年までにPMの80%がAIツールを使用する [1]
- 調査: 45%がフィーチャー出荷の高速化を報告 [2]
- ケーススタディ: AirbnbのAI支援による優先順位付け [3]

### 専門家の引用
- 「AIはPMの判断を増幅し、置き換えない」- Marty Cagan
- [引用付きの追加引用]

### 実際の例
1. **A社**: ユーザーリサーチの統合にAIを使用
   - 結果: 60%の時間節約
   - 出典: [引用]

2. **B社**: AIを活用したロードマップ分析
   - 結果: ステークホルダーの調整改善
   - 出典: [引用]

すべて適切な引用とともにアウトラインに追加しました。

例3: フックの改善

ユーザーの元のフック:

「プロダクトマネジメントはAIによって変化しています。この記事では、AIがプロダクトマネージャーに与える影響について説明します。」

改善されたオプション:

オプション1（データ駆動型）:

「先月、AIに500件のカスタマーインタビューを分析させました。所要時間はたったの30分。以前なら3週間かかっていました。プロダクトマネジメントは決して同じではありません。」

オプション2（質問）:

「すべての顧客と話し、すべてのレビューを読み、すべてのサポートチケットを分析できるとしたら、しかもそれを朝のコーヒーを飲む前にできるとしたら？」

オプション3（ストーリー）:

「Sarahは間違った機能の構築に2週間を費やしました。それは彼女がユーザーを理解していなかったからではなく、パターンを見つけるのに十分な速さで数百件ものインタビューを処理できなかったからです。」

例4: セクションフィードバック

ユーザー: 「『よくある間違い』のセクションを書き終えました。どう思いますか？」

応答:

# フィードバック: よくある間違いセクション

## 機能している点 ✓
- 強い例（Slack通知のストーリー）
- 明確な構造（3つの間違い、きれいなレイアウト）
- 各間違いに対する実践的なアドバイス

## 提案

### より具体的に
2つ目のポイントは「悪い優先順位付け」と言っていますが、さらに強化できます:

現在:
> 「多くのチームは、成果ではなくフィーチャーに焦点を当てることで、優先順位を誤ります。」

提案:
> 「私は、チームが四半期に14ものフィーチャーをリリースしながら、主要な指標を一つも動かせないのを見てきました。彼らは進歩ではなく活動に優先順位を付けていたのです。」

### データを追加
3つ目の間違いは証拠があると効果的です:
> 「[引用を追加]: 定期的にユーザーと接していないチームは、使われないフィーチャーを構築する確率が3倍高いことが研究で示されています [出典が必要]」

### 流れの改善
並び替えを検討: 間違い3 → 間違い2 → 間違い1
これにより、小さな影響から大きな影響へと積み上げられます。

次のセクションの準備はできました！

ライティングワークフロー

ブログ記事ワークフロー

1. アウトラインを共同作成
2. 主要ポイントをリサーチ
3. イントロダクションを作成 → フィードバック
4. 本文セクションを作成 → 各セクションでフィードバック
5. 結論を作成 → 最終レビュー
6. 仕上げと編集

ニュースレターワークフロー

1. フックのアイデアを議論
2. 簡潔なアウトライン（短いフォーマット）
3. 一回のセッションでドラフト作成
4. 明確さとリンクを確認
5. 素早く仕上げ

テクニカルチュートリアルワークフロー

1. ステップをアウトライン化
2. コード例を作成
3. 説明を追加
4. 手順をテスト
5. トラブルシューティングセクションを追加
6. 正確性を最終確認

思想的リーダーシップワークフロー

1. 独自の角度をブレインストーミング
2. 既存の視点をリサーチ
3. 自分の主張を展開
4. 強い視点で執筆
5. 裏付けとなる証拠を追加
6. 説得力のある結論を作成

プロのヒント

1. VS Codeで作業する: 長文執筆にはWeb版Claudeよりも適しています
2. 一度に一つのセクション: フィードバックを段階的に得る
3. リサーチは別に保存: research.mdファイルを維持する
4. ドラフトにバージョンをつける: article-v1.md、article-v2.mdなど
5. 声に出して読む: フィードバックを使ってぎこちない文章を特定する
6. 締切を設定する: 「今日中にドラフトを終わらせたい」
7. 休憩を取る: 書いて、フィードバックを得て、一時停止し、修正する

ファイル構成

ライティングプロジェクトの推奨構成:

~/writing/article-name/
├── outline.md          # アウトライン
├── research.md         # すべてのリサーチと引用
├── draft-v1.md         # 最初のドラフト
├── draft-v2.md         # 修正版ドラフト
├── final.md            # 公開準備完了
├── feedback.md         # 収集したフィードバック
└── sources/            # 参考資料
    ├── study1.pdf
    └── article2.md

ベストプラクティス

リサーチについて

• 引用前にソースを検証する
• 可能な限り最新のデータを使用する
• 異なる視点のバランスを取る
• 元のソースにリンクする

フィードバックについて

• 求めている内容を具体的に伝える：「これは難しすぎますか？」
• 懸念を共有する：「このセクションは間延びしている気がします」
• 質問をする：「これは論理的に流れていますか？」
• 代替案をリクエストする：「これを説明する別の方法はありますか？」

声（トーン）について

• 自分の執筆例を共有する
• トーンの好みを指定する
• 良い一致を指摘する：「それは私っぽいですね！」
• 不一致を指摘する：「私のスタイルにはフォーマルすぎます」

関連するユースケース

• 記事からソーシャルメディア投稿を作成
• 異なるオーディエンス向けにコンテンツを適応
• メールニュースレターの作成
• テクニカルドキュメントの作成
• プレゼンテーション用コンテンツの作成
• ケーススタディの作成
• コースアウトラインの作成