市場調査をやる

市場調査では、最初から 1 社に決め打ちしません。まずテーマに反応している会社を素早く候補化し、必要な会社だけ理由や出所を確認して、保存できる条件に分解します。

このワークフロー の責任範囲は、次の 3 つです。

• テーマに反応している会社を見つける
• 必要な会社だけ、なぜヒットしたかを確認する
• 残す価値がある候補だけ Company Card を読み、ローカルの表にする

使う場面

• 生成AI CRM のようなテーマに反応している上場企業を見たい
• ある市場で、どの会社が website / EDINET に根拠を持つか見たい
• 営業候補や競合候補を作る前に、まず市場の広がりを確認したい
• 共有する前に、unsupported な自然文条件を分解したい

成功状態

1. 短いテーマ語で会社候補を出す

sf company search "生成AI CRM" --json
sf company search "情報・通信業で生成AI CRMに関連" --json
sf company search "東証プライムで生成AI CRMに関連" --json

見る key:

• status
• companies[].company.company_id
• companies[].company.display_name
• companies[].reason
• query_match
• weak_conditions
• unsupported_conditions
• meta.source_coverage

共有前に status と weak_conditions を確認します。テーマが広すぎる場合は、断定せずに条件を分けます。

テーマ探索では、まず上位候補が妥当かを見ます。EDINET 本文、会社 website、会社カードのどこで当たっているかは、保存や共有の前に確認します。

2. 上位会社を 1 社ずつ深掘りする

横断探索で気になる会社が出たら、会社-first に戻します。

sf company profile <companyId> --json
sf company observations <companyId> --limit 10 --json
sf company filings <companyId> --limit 5 --json
sf signals <companyId> --include ir --json

見る key:

• company.company_id
• profile.industry_33
• profile.market_segment
• filing.artifact_health
• filing.summary_metrics
• filing.segment_metrics
• observations[].summary
• observations[].evidence
• filings[].filing_id
• filings[].document_type

この段階で、保存対象にする条件を言語化します。例: 情報・通信業の prime 上場企業で、生成AI / CRM の signal がある会社。

3. 共有できる条件に分解する

テーマ探索の結果をそのまま断定しません。supported / weak / unsupported を分けます。

sf company search "生成AI CRM に反応している情報通信業の東証プライム上場企業" --json

見る key:

• status
• supported_conditions
• weak_conditions
• unsupported_conditions
• needs_human
• suggested_query
• meta.returned_companies

weak / unsupported がある場合は、出力を supported 条件に戻します。テーマ理由は reason と、必要に応じた 会社-level observations で確認します。比較表は industry / market segment / 財務指標 / listing status などの supported 条件に寄せます。

4. 残す場合だけ Company Card を読む

sf company profile <companyId> --card --json
sf company observations <companyId> --limit 5 --json

見る key:

• company.company_id
• company_card
• observations[].summary
• observations[].evidence
• meta.request_credit

5. 調査メモとして残す

市場調査のまとめでは、次の形で残します。

市場テーマ:
- 生成AI CRM

横断探索:
- query: 生成AI CRM
- filters: industry=情報・通信業, market_segment=prime
- source: company_card / company_website / edinet

見つかった会社:
- <company_id>: <理由>

共有判断:
- status: <completed|weak|unsupported|needs_human>
- local table: <path or not created>

次の調査:
- profile / observations / filings で深掘りする会社

エージェントは、企業名だけで判断せず、companies[].reason と必要な確認 command を一緒に返します。根拠の詳細は、ユーザーが共有に進む段階で確認します。

復旧方法

Claude Code / Codex に渡す prompt

Signal Foundry で市場調査をしてください。

テーマ:
- 生成AI CRM

進め方:
1. `sf auth show --json`
2. `sf company search "生成AI CRM" --json`
3. `sf company search "情報・通信業で生成AI CRMに関連" --json`
4. `sf company search "東証プライムで生成AI CRMに関連" --json`
5. 上位会社について `companies[].company.company_id`, `companies[].reason`, `weak_conditions` を要約
6. 必要な会社だけ `sf company profile <companyId> --card --json` と observations を読む
7. 結果が weak / unsupported / needs_human なら断定しない

返し方:
- 会社名だけでなく reason と確認できる command を付ける
- ローカル表に残す場合は company_id / reason / evidence を付ける
- unsupported 条件を silent 0 件として扱わない

このワークフロー に含めないもの

• 競合 A と B の直接比較
• full monitor / alert
• CRM 同期
• 外部 web search 結果の自動 canonical 化

次に進む

市場調査は、候補と根拠を見つけるワークフローです。候補を運用する場合は、sf company search の JSON を agent 側で local list、Markdown、CSV に整形します。