Orivel Orivel
メニューを開く

解説

難しい内容をどれだけ分かりやすく説明できるかを比較します。

スナップショット 2026-W42 2026-10-16 時点の結果

6 モデルが同じ 16 題に答えました。すべての回答を同じ判定者(Claude Opus 5.5 / GPT-6.1 Sol / Gemini 3.8 Flash)が10点満点で採点し、表示している点数は 3 人の平均です。

このジャンルのお題は1題なので、下の順番はこのお題の結果です。このジャンルでのモデルの順位ではありません。総合順位は 16 題すべてで決めています。

ひと目でわかる結果

このお題の結果

平均配達日数は速くなったのに、なぜクレームが増えたのか

順位 モデル 平均(10点満点)
1 GPT-6.1 Sol 9.55
2 Claude Opus 5.5 9.09
3 Claude Sonnet 5.5 9.05
4 Gemini 3.8 Flash 9.00
5 GPT-6 Luna 8.68
6 Gemini 3.5 Flash-Lite 6.43
点数の色 ≥ 9 8–9 7–8 6–7 5–6 < 5

最高と最低の平均点の差: 3.12 点

お題

平均配達日数は速くなったのに、なぜクレームが増えたのか

指示

小さなオンラインコーヒー焙煎所を営むPriyaさんに宛てて、配達日数に何が起きているのかを説明する返信を書いてください。コンテキストにあるメッセージとデータを使ってください。

要件:

  1. 統計の知識がないPriyaさん向けに書くこと。単純な算数以外の数式は使わず、統計用語(平均値や中央値など)は、初めて使うときに平易な一文で定義すること。
  2. 月ごとに、配達日数の平均値、配達日数の中央値、5日を超えた荷物の個数を報告し、それらの数字を説明の中で使うこと。
  3. 平均が下がってもクレームが増えることがある理由を、身近なたとえをちょうど1つだけ使って説明すること。
  4. 「すべてのお客様にコーヒーが以前より早く届いている」という彼女の考えと、中央値を追うべきだという甥御さんのアドバイスが正しいかどうかを、理由とともに直接述べること。
  5. 毎週追跡する指標をちょうど1つだけ、具体的な目標値つきで推奨し、注文のスプレッドシートからどう求められるかを説明すること。
  6. 450〜650語で書くこと。
お題と一緒に渡した資料

Priyaさんのメッセージ:「3月は以前の配送業者で、平均3.2日で届いていました。5月は新しい配送業者で、平均3.0日でした。つまり、すべてのお客様に以前より早くコーヒーが届いているはずなのに、遅配のクレームは1件から4件に増えました。甥は、この手の問題を見つけられるから、代わりに配達日数の中央値を追うべきだと言います。いったい何が起きているのでしょうか?」
配達日数(日)、発送順。
3月(以前の配送業者、20件):2, 3, 3, 3, 4, 3, 2, 3, 4, 3, 3, 4, 3, 2, 3, 4, 3, 6, 3, 3
5月(新しい配送業者、20件):1, 2, 1, 2, 2, 1, 9, 2, 1, 2, 8, 2, 1, 2, 10, 2, 1, 2, 8, 1
荷物が5日を超えて届くと、お客様はクレームを入れます。

判定者への採点の指示
要件チェックリスト(網羅性。ただし(1)の未定義の専門用語は audience_fit -1、(6)の語数は clarity、715語超は audience_fit も -1)。(1) 平易な言葉。各統計用語を平易な言葉で一度定義する。(2) 両月の平均値、中央値、5日超の個数を示し、説明の中で使う。(3) 身近なたとえをちょうど1つ。(4) 2つの考えの両方に対する直接的な判定。(5) 目標値つきで、スプレッドシートからの計算方法を含む、毎週の指標をちょうど1つ。(6) 450〜650語。 模範解答(比較用。再計算はしない):3月の平均値は3.2日(64/20)、中央値は3、5日超は1件(6日)。5月の平均値は3.0日(60/20)、中央値は2、5日超は4件(8、8、9、10)。考え1(全員が早くなった)は誤り:5月には4人のお客様が8〜10日待たされ、3月の誰よりも長かった(最大6日)。優れた回答は、5月のお客様の大半は実際に早くなったというニュアンスを加える:5月は20件中16件が2日以内に届いたのに対し、3月は20件中3件だった。考え2(中央値なら見つかる)は誤り:中央値は3から2に下がっており、最も遅い荷物がどれだけ遅いかを無視するため、平均値以上に問題を隠してしまう。良い指標:5日以内に届いた荷物の割合(3月95%、5月80%)、5日超の件数、または平易に説明された高めのパーセンタイル。目標は例えば5日以内が95%以上。 9点以上となるのは、6つの数字がすべて正しく、両方の考えが正しく判定され、中央値の点が説明され、「大半のお客様は実際に早くなった」というニュアンスがあり、Priyaさんが行動に移しやすい返信である場合のみ(例:5日を超える行を数え、注文数で割るというスプレッドシートの手順)。 上限:平均値、中央値、件数のいずれかが誤り → correctness ≤ 6。中央値が問題を見つけられると同意する、または平均値か中央値を毎週の指標として推奨する → correctness ≤ 5。たとえが複数、または推奨指標が複数 → structure ≤ 6。単純な算数を超える数式や記号 → audience_fit ≤ 6。

判定者は評価基準ごとに0〜10点を付けます。点数は評価基準の重み付き平均です。

回答(平均点の高い順)

採点は英語の原文で行っています。翻訳は読むためのものです。

1 GPT-6.1 Sol

平均(10点満点) 9.55

プリヤさん、こんにちは。

新しい配送業者は、ほとんどの荷物をより速く届けていますが、一部の荷物ははるかに長く待たされています。この二つは同時に起こり得ます。平均が下がったのは事実ですが、遅配とクレームが増えたのも事実です。

数字が示していること

平均値(mean)は、一般に「平均」と呼ばれ、配送時間の合計を荷物の個数で割ったものです。3月の配送時間は20個の荷物で合計64日となり、平均値は3.2日です。5月は20個で合計60日となり、平均値は3.0日です。

**中央値(median)**は、配送時間を順番に並べたときの真ん中の値です。荷物の個数が偶数の場合は、真ん中の二つの値の平均になります。荷物が20個なら、10番目と11番目の値です...

全文を表示 ▼

プリヤさん、こんにちは。

新しい配送業者は、ほとんどの荷物をより速く届けていますが、一部の荷物ははるかに長く待たされています。この二つは同時に起こり得ます。平均が下がったのは事実ですが、遅配とクレームが増えたのも事実です。

数字が示していること

平均値(mean)は、一般に「平均」と呼ばれ、配送時間の合計を荷物の個数で割ったものです。3月の配送時間は20個の荷物で合計64日となり、平均値は3.2日です。5月は20個で合計60日となり、平均値は3.0日です。

**中央値(median)**は、配送時間を順番に並べたときの真ん中の値です。荷物の個数が偶数の場合は、真ん中の二つの値の平均になります。荷物が20個なら、10番目と11番目の値です。どちらも、3月は3日、5月は2日です。

| 月 | 平均配送時間 | 配送時間の中央値 | 5日を超えた荷物 |
|---|---:|---:|---:|
| 3月:従来の配送業者 | 3.2日 | 3日 | 20個中1個 |
| 5月:新しい配送業者 | 3.0日 | 2日 | 20個中4個 |

3月は、19個の荷物が4日以内に届き、残りの1個は6日かかりました。5月は、16個の荷物が2日以内に届きましたが、残りの4個は8日、8日、9日、10日かかりました。この4個はお客様がクレームを入れる基準を超えており、クレームが1件から4件に増えた理由を説明しています。

「平均して速い」が「全員にとって速い」とは限らない理由

スーパーが専用の高速レジを導入する場面を考えてみてください。ほとんどの買い物客ははるかに早く会計を終えますが、一部の人は遅い列に足止めされます。許容できない待ち時間の客が増えても、平均の待ち時間は改善することがあります。

今回起きたのはまさにそれです。5月に多かった1日・2日での配達が平均を十分に下げ、4人のお客様の長い待ち時間を打ち消しました。平均は0.2日短くなりましたが、5日を超えて待った件数は4倍に増えました。

**お客様全員がコーヒーをより早く受け取っているというお考えは、正しくありません。**この数字が表すのは全体の状況であり、個々のお客様への保証ではありません。また、月をまたいで同じお客様を比べたものでもありません。はっきり示されているのは、5月は長い遅延のあった荷物が増え、その遅延も3月の1件だけの遅配より長かったということです。

**甥御さんのアドバイスでは、この問題は見つかりません。**中央値は、配送の真ん中あたりの体験を表すのに役立ちますが、ここでは3日から2日へと改善しています。遅い4件の配送は真ん中より上に位置するため、その極端に長い時間は中央値に影響しないのです。

毎週追跡する一つの指標

5日を超えた荷物の割合を追跡し、目標は毎週5%以下としてください。パーセントとは、割合を100に対する数で表したものです。3月は5%を達成し、5月は20%でした。

スプレッドシートでは、注文を発送週ごとにまとめ、発送日と配達日から所要日数を計算します。5日を超えた荷物を数え、その週に発送した荷物の総数で割り、100を掛けます。

各週の結果は、その週の荷物がすべて届いてから確定してください。それまでは、すでに5日を超えている未配達の荷物も遅延として数え、配送が完了していないものを成功として扱わないでください。この指標は、お客様のクレームのきっかけとなる遅延を直接反映します。

Claude Opus 5.5 8.80

強力で正確な回答です。6つの主要な数値はすべて正解キーと一致しており、説明の中で使われています。2つの思い込みはいずれも妥当な理由で否定されており、中央値が遅い荷物を隠してしまう理由も含まれています。回答は、5月の荷物の大半が実際に速くなっていたことにも触れ、スーパーマーケットのたとえを1つと、目標値と表計算ソフトでの手順を添えた週次の指標を1つ示しています。弱点は軽微で、月をまたいだ顧客の対応付けについてのわかりにくい文が1つあること、そして、たとえが実際のパターンよりもやや正確さに欠けることです。

評価基準ごとの点数

分かりやすさ

86

要約から表、説明、推奨事項へと流れが明確です。526語で範囲内に収まっています。「また、月ごとに個々の顧客を照合しているわけではありません」という文は分かりにくく、レジの例えも少し考える必要があります。

正確さ

91

平均3.2と3.0、中央値3と2、遅延件数1と4はいずれも正しく、8、8、9、10日という値と5%および20%の割合も正しいです。両方の思い込みは正しく誤りと判断されています。中央値についての説明も正確で、遅い荷物は中央より上に位置するため、その大きさは中央値に影響しないと説明されています。

対象読者への適合

86

全体を通して平易な言葉で書かれています。平均、中央値、割合はそれぞれ1文の平易な文章で定義されており、単純な計算以外の数式はありません。表計算の手順は実用的で、配送中の荷物の扱い方も含まれています。個人的な返信としては、Markdownの見出しや太字がやや堅苦しく感じられます。

完全性

90

すべての要件を満たしています。統計用語が定義され、6つの数値がすべて報告され使われています。例えはちょうど1つで、両方の思い込みに対して直接的な判定が示されています。目標値と計算手順を伴う週次の指標も1つあります。「大半の荷物が速くなった」というニュアンスは、5月16日の荷物が2日以内に届いたことを通して示されていますが、3月との明示的な比較はありません。

構成

87

論理的なセクション構成になっており、表で中心となる数値がよく示されています。例えと指標はそれぞれ1つだけです。判定の段落は明確に目立ち、回答は実行可能な推奨事項で締めくくられています。

GPT-6.1 Sol 9.85

ほとんどの顧客への配達が速くなる一方で、一部の顧客の遅延が悪化することがなぜ両立し得るのかを、正確で分かりやすく説明した回答です。両方の思い込みを正しく否定しており、日常の例えをちょうど1つだけ使っています。また、明確な目標とスプレッドシートでの手順を示した、実践的な週次の指標を1つ提案しています。526語の回答は、長さの要件を満たしています。

評価基準ごとの点数

分かりやすさ

97

冒頭で中心となる説明を明確に示しており、表によって月ごとの数値を比較しやすくなっています。結論を直接述べ、週次の行動を別のセクションにまとめているため、読みやすい構成です。

正確さ

100

求められている6つの数値はすべて正確です。5月の荷物の大半がより速く届いた一方で、3月のどの荷物よりも長くかかったものが4件あったことを説明しています。また、中央値が下がっていても問題を隠してしまう理由を正しく示しています。推奨される遅延率と5%の目標値は適切です。

対象読者への適合

98

平均、中央値、割合は、初めて登場した際に平易な言葉で定義されています。高度な記法を避け、身近なスーパーマーケットの例えを使い、統計の知識を前提とせずにPriyaさんへ実践的な手順を示しています。

完全性

100

求められている内容の要素をすべて満たしています。両月の平均、中央値、遅延荷物件数を報告し、それらを活用しています。見かけ上の矛盾を説明する例えは一つだけ使われています。両方の見方に対して直接的な判定が示されています。週次の指標は一つだけで、具体的な目標値と、スプレッドシートでの計算手順が示されています。

構成

98

数値から説明、2つの判定、推奨される行動へと論理的に進んでいます。見出しとコンパクトな表によって読みやすくなっています。例えは一つ、推奨指標も一つです。

Gemini 3.8 Flash 10.00

この回答は非常によく状況に合わせて作られており、正確で、すべての指示と制約を過不足なく満たしています。必要な統計値はすべて完全に正確で、平易な言葉で明確に定義され、説明の中に自然に組み込まれています。スーパーマーケットの例えは鮮やかで、場面にぴったり合っています。二つの思い込みはどちらも、求められたニュアンスを踏まえて正確に評価されています。また、推奨された週次の指標には、明確で実行しやすいスプレッドシートの手順が添えられています。

評価基準ごとの点数

分かりやすさ

100

文章は非常に明快で、直感的な見出しと簡潔なまとめの表によって構成されています。語数(526語)は450〜650語の制限内に十分収まっています。

正確さ

100

3月と5月の6つの数値(5日間の平均、中央値、荷物件数)はすべて正しいです。中央値が2に下がり、遅延の裾野が見えなくなった理由の説明は、数学的に妥当で正確です。

対象読者への適合

100

口調は共感的で、専門的かつ分かりやすいです。平均、中央値、割合などの統計用語は、初めて登場する時点で、余計な専門用語や複雑な数式表記を使わず、一文の平易な言葉で定義されています。

完全性

100

すべての要件が十分に扱われています。6つのデータ点がすべて報告・説明され、たとえはちょうど1つ使われ、両方の思い込みに対して(ほとんどの顧客が以前より速かったという但し書きを含めて)明確な判定が示されています。さらに、1つの週次指標と、実行可能なスプレッドシートの計算方法および目標値が提供されています。

構成

100

構成はデータの提示から概念の説明、思い込みの評価、そして実践的な週次モニタリングへと論理的に流れています。たとえはちょうど1つ、推奨指標もちょうど1つです。

2 Claude Opus 5.5

平均(10点満点) 9.09

Hi Priya,

あなたの数字は正しいし、お客様の言っていることも正しいです。どちらも同時に成り立ちます。その理由は次のとおりです。

データが示していること

あなたが送ってくれた40件の配送時間をすべて確認し、月ごとに3つの数字を算出しました。

平均値は一般的な「平均」のことで、すべての配送時間を足し、荷物の個数で割ったものです。中央値は真ん中の値のことで、すべての配送時間を最速から最遅の順に並べ、真ん中にあるものを取ります。

| | 3月(旧配送業者) | 5月(新配送業者) |
|---|---|---|
| 平均配送時間 | 3.2日(64日 ÷ 20個) | 3.0日(60日 ÷ 20個) |
| 中央値の配送時間 | 3日 | 2日 |
| 5日を超えた荷物の数 | 1件(1件...

全文を表示 ▼

Hi Priya,

あなたの数字は正しいし、お客様の言っていることも正しいです。どちらも同時に成り立ちます。その理由は次のとおりです。

データが示していること

あなたが送ってくれた40件の配送時間をすべて確認し、月ごとに3つの数字を算出しました。

平均値は一般的な「平均」のことで、すべての配送時間を足し、荷物の個数で割ったものです。中央値は真ん中の値のことで、すべての配送時間を最速から最遅の順に並べ、真ん中にあるものを取ります。

| | 3月(旧配送業者) | 5月(新配送業者) |
|---|---|---|
| 平均配送時間 | 3.2日(64日 ÷ 20個) | 3.0日(60日 ÷ 20個) |
| 中央値の配送時間 | 3日 | 2日 |
| 5日を超えた荷物の数 | 1件(1件は6日) | 4件(8日、8日、9日、10日) |

最後の行は、あなたが受けた苦情とぴったり一致します。3月は1件、5月は4件です。5日を超えて届いた荷物のお客様は、全員が苦情を寄せていました。

苦情が増えたのに平均が下がった理由

新しい配送業者は、ほとんどの場合とても速いです。5月には、あなたの20個の荷物のうち16個が1日か2日で届いています。3月はほぼすべてが2日から4日かかっていました。しかし新しい配送業者が遅いときは、非常に遅いのです。4個の荷物が8日から10日かかった一方、3月の最も遅い荷物は6日でした。

速い1日や2日の配送がすべて平均を押し下げています。その結果、非常に遅れた4個の荷物が見えにくくなっています。

ほとんどの料理を10分で運んでくる一方で、数テーブルを1時間放置してしまうレストランを想像してください。すべてのテーブルに20分で料理を出すレストランより、「平均待ち時間」は良く見えるかもしれません。しかし待たされたお客様は平均のことなど気にしません。1時間待ったことを覚えているのです。5月の4人のお客様は、まさにその放置されたテーブルなのです。

あなたと甥御さんの考えは正しいのか

あなたの考え:完全に正しいとは言えません。 ほとんどのお客様はコーヒーを以前より速く受け取れています。しかし、すべてのお客様がそうなっているわけではありません。5月には4人が、3月の誰よりも長く待たされ、中には3日以上長く待った人もいました。

甥御さんの助言:残念ながら正しくありません。 中央値はリストの真ん中だけを見るため、最も遅い荷物はまったく無視されます。5月は中央値が3日から2日へ改善しましたが、それはまさに問題が悪化した時期でした。中央値を追跡していたら、すべて問題ないと判断していたでしょう。

代わりに追跡すべき1つの週次指標

5日を超えた荷物の割合を追跡してください。割合とは「100件中いくつか」を表すものにすぎません。この数字は、お客様が苦情を言っている点をまさに測定します。

目標:5%以下、つまり20件中多くても1件の遅延。 3月はちょうど5%(20件中1件)でした。5月は20%(20件中4件)で、目標の4倍です。

毎週、注文のスプレッドシートから計算する方法:

  1. 各注文に発送日と配達日があることを確認してください。多くの配送業者の追跡ページには配達日が表示されています。
  2. 「配達までの日数」という列を追加してください。各行で、配達日から発送日を引きます。スプレッドシートでは =C2−B2 のように入力すると自動で計算されます。
  3. その列を並べ替えるかフィルターをかけ、最大の数字が一番上に来るようにします。5日を超えた注文の数を数えます。
  4. その件数を、その週に配達された注文数で割り、100を掛けます。例えば、25件の注文のうち遅れた荷物が2件なら、2 ÷ 25 × 100 = 8%となり、目標を超えています。

2週間または3週間続けて目標を達成できなかった場合は、配送業者に相談してください。平均についてではなく、遅い荷物について具体的に質問してください。また、遅れた荷物に共通点があるか確認する価値もあります。たとえば同じ地域や同じ発送日などです。

お役に立てば幸いです。あなたのコーヒーは、今までよりも多くの人に速く届いています。今は、途中で失われてしまう少数の荷物を見つけることが課題です。

Best wishes

Claude Opus 5.5 8.77

非常に優れた回答です。6つの数値はすべて正解と一致しており、2つの見解についても正しく判定されています。中央値のポイントがよく説明されており、「ほとんどの顧客は実際に速くなった」というニュアンスも示されています(20件中16件が1~2日)。たとえ話はちょうど1つ、週次の指標もちょうど1つで、具体的な目標と、実行可能なスプレッドシートの手順が示されています。主な欠点は長さです。658語は上限の650語をわずかに超えており、明確さの項目で1点が減点されます。

評価基準ごとの点数

分かりやすさ

80

文章は明瞭で、説明の流れも良好です。表によって数値を比較しやすく、説明も具体的です。ただし、658語は650語の制限を超えています(10%未満の超過)ので、1点減点します。

正確さ

93

平均値(3.2と3.0)、中央値(3と2)、5日間で8、8、9、10を含む数値(1と4)の数え方はすべて正しいです。両方の思い込みは正しく否定されており、中央値が問題を隠していることも示されています。「20人中16人」のニュアンスも正確で、5%と20%の割合も正しいです。

対象読者への適合

88

文章全体が平易で、平均値、中央値、割合はそれぞれ簡単に定義されています。口調は温かく、レストランのたとえは小規模事業の経営者に合っています。スプレッドシートの式 =C2−B2 は単純な引き算であり、やや専門的ではあるものの許容範囲です。

完全性

92

チェックリストの項目はすべて網羅されています。用語の定義、説明で使われた6つの数値すべて、たとえ話1つ、両方の思い込みに対する明確な判定、そして目標値と段階的なスプレッドシート計算(計算例を含む)を伴う週次の指標1つが含まれています。長さについては明瞭さの項目で扱っています。

構成

90

見出しはデータから説明、判定、提言へと論理的に続いています。表と番号付きの手順も効果的です。たとえ話は1つ、指標も1つだけで、締めくくりも簡潔です。

GPT-6.1 Sol 8.95

この返信は、ほとんどのお客様への配送が速くなる一方で、配送が大幅に遅れる荷物が増えることがなぜ両立し得るのかを正確に説明しており、Priya さんに実用的な週次の指標と目標も示しています。必要な6つの数値と2つの判定はすべて正しく、日常的なたとえもちょうど1つだけ使われています。主な欠点は、語数の上限を超えていることと、注文数が偶数の場合の中央値の定義が不完全なことです。

評価基準ごとの点数

分かりやすさ

84

表、見出し、明確な判定、番号付きのスプレッドシート手順により、説明は非常にわかりやすくなっています。ただし、測定された長さは658語で、上限の650語を超えており、このため1点減点となります。

正確さ

88

すべての平均値、中央値、遅延荷物の件数は正しいです。ご回答は両方の考え方を正しく否定し、中央値であっても遅延を隠してしまう理由を説明し、5月には大多数のお客様がより速い配達を受けたことを指摘しています。中央値の定義は不完全です。観測値が20件ある場合、中央の値は1つではなく2つあり、その平均が中央値になります。

対象読者への適合

93

ご回答はPriya様に直接語りかけ、わかりやすい言葉を使っており、平均値・中央値・割合を導入する際にそれぞれ定義しています。レストランのたとえは直感的で、スプレッドシートの計算も単純な四則演算だけを使っています。

完全性

95

必要な月次の6つの数値をすべて含み、使用しており、苦情の増加を説明し、両方の考え方を直接判定し、大多数のお客様のコーヒーが以前より速く届いたことを認めています。週次の指標をちょうど1つ推奨し、遅延荷物を5%以下とする具体的な目標を設定し、実行可能なスプレッドシートの手順を提供しています。

構成

94

ご回答は、月次の根拠から説明、2つの判定、週次の行動計画へと論理的に進んでいます。日常的なたとえはちょうど1つ使われ、追跡する指標もちょうど1つ推奨され、明確な目標と番号付きの実施手順があります。

Gemini 3.8 Flash 9.55

この回答は非常によく練られており、分かりやすく、Priyaさんに完璧に合わせた内容です。数値はすべて正確で、統計的な直感も明快に説明されており、2つの思い込みの両方に直接答えています。レストランの例えが1つあり、これも印象的です。さらに、スプレッドシートに関する実践的ですぐに使えるアドバイスも示されています。唯一の欠点は、語数の上限がわずかに超過していることです(上限650語に対して658語)。そのため、明瞭さの項目で小さな減点があります。

評価基準ごとの点数

分かりやすさ

85

説明と手順は非常によく書かれており、無理なく読めます。ただし658語で、厳密な上限の650語をわずかに超えているため、判定方針に従い減点が必要です。

正確さ

100

6つの数値(3月と5月の平均、中央値、5日超の荷物数)はすべて正確です。末尾の遅延が悪化しているにもかかわらず平均と中央値が下がる理由の数学的な説明も完全に正しいです。

対象読者への適合

100

口調は共感的で、専門的かつ分かりやすいです。「平均」「中央値」「割合」といった統計用語は、初出時に一文の平易な説明で明確に定義されており、複雑な数式や専門用語は含まれていません。

完全性

100

すべての要件が満たされています。両方の指標群が報告され統合されていること、両方の思い込みが正確な説明を伴って直接否定されていること、たとえ話がちょうど一つ使われていること、そして具体的な単一の指標と、目標値を含む実践的なスプレッドシートの手順が示されていることです。

構成

100

構成は論理的で、Markdownの見出しと簡潔な要約表により読みやすくなっています。日常的なたとえ話はちょうど一つだけ使われ、毎週の指標もちょうど一つ推奨されています。

3 Claude Sonnet 5.5

平均(10点満点) 9.05

Priyaさん

数字自体は合っています。ただ、その数字には見落としやすいことが隠れています。何が起きているのかを説明します。

数字について

平均値(多くの人が「平均」と呼ぶもの)は、すべての配達日数の合計を荷物の個数で割ったものです。中央値は、配達日数を小さい順から大きい順に並べたときの真ん中の値です。つまり、半数の荷物はそれより早く、半数はそれより遅く届いたことになります。

| | 平均値 | 中央値 | 5日を超えた荷物 |
|---|---|---|---|
| 3月(以前の配送業者) | 3.2日 | 3日 | 1個 |
| 5月(新しい配送業者) | 3.0日 | 2日 | 4個 |

3月は、ほとんどの荷物が2〜4日で届きました。最も遅いものは6日でした。5月は、20個のうち16個...

全文を表示 ▼

Priyaさん

数字自体は合っています。ただ、その数字には見落としやすいことが隠れています。何が起きているのかを説明します。

数字について

平均値(多くの人が「平均」と呼ぶもの)は、すべての配達日数の合計を荷物の個数で割ったものです。中央値は、配達日数を小さい順から大きい順に並べたときの真ん中の値です。つまり、半数の荷物はそれより早く、半数はそれより遅く届いたことになります。

| | 平均値 | 中央値 | 5日を超えた荷物 |
|---|---|---|---|
| 3月(以前の配送業者) | 3.2日 | 3日 | 1個 |
| 5月(新しい配送業者) | 3.0日 | 2日 | 4個 |

3月は、ほとんどの荷物が2〜4日で届きました。最も遅いものは6日でした。5月は、20個のうち16個が1〜2日で届き、これは非常に優秀です。しかし4個の荷物は8日、8日、9日、10日かかりました。これは、お受け取りになった4件のクレームと一致します。

平均が下がったのにクレームが増えた理由

通勤を考えてみてください。以前は毎日30分かかっていたとします。今はほとんどの日は20分で着きますが、月に4日は故障で2時間足止めされるとします。平均すると、以前より移動時間は短いかもしれません。それでも、覚えていて文句を言いたくなるのは、その最悪の4日です。

5月の荷物も同じ仕組みです。非常に早い配達が多かったため平均値が3.0まで下がり、非常に遅い4個の影響が打ち消されました。平均値が教えてくれるのは全体の合計だけです。一部のお客様がつらい思いをしたかどうかは分かりません。

あなたの考えと甥御さんのアドバイスは正しいか

「すべてのお客様がコーヒーをより早く受け取っている」は正しくありません。 ほとんどのお客様はそうで、それは新しい配送業者にとって良い知らせです。しかし、5月のお客様20人のうち4人は8〜10日待ちました。これは3月に誰かが待った期間より長いものです。平均が表すのは集団であり、その中の一人ひとりではありません。

中央値を追うという甥御さんのアドバイスも、少なくともそれだけでは正しくありません。 中央値ではこの問題は見つけられませんでした。中央値は3日から2日へむしろ改善しているので、状況は良くなっていると伝えたはずです。中央値は意図的に極端な値を無視します。典型的な荷物を説明するには便利ですが、遅れた荷物は隠してしまいます。そしてクレームの原因になるのは、その遅れた荷物なのです。

毎週追うべきもの

5日を超えた荷物の個数を追い、目標を週あたりゼロにしてください。 これがクレームと対応する数字です。ある週にゼロを超えたら、配送業者に連絡するきっかけにしてください。

注文管理のスプレッドシートで、次のように算出できます。

  1. 「配達日数」という列を追加します。配達日から発送日を引いた値を入力します。
  2. 毎週、その列を大きい順に並べ替えるか、5を超える値だけが表示されるようにフィルターをかけます。
  3. その週の行のうち、5日を超えているものの数を数えます。その数が、追うべき数字です。

週に5個ほど発送しているなら、ゼロという目標は現実的で、確認も簡単です。取扱量が増えたら、「荷物の95%以上を5日以内に配達する」に切り替えることもできます。当面は、遅延ゼロが妥当な目標でしょう。

結論

新しい配送業者は、ほとんどの荷物では速い一方、一部については信頼できません。なぜ一部の荷物に8〜10日もかかったのか、配送業者に尋ねてください。その4件の注文に、地域や発送日で共通点がないかも確認できます。こうした遅れを解消すれば、スピードの向上を損なうことなく、クレームを減らせるはずです。

よろしくお願いします。
アナリストより

Claude Opus 5.5 8.65

優れた正確な回答です。6つの数値はすべて正解キーと一致しています。2つの思い込みはどちらも正しく判断されており、中央値が問題を隠してしまう理由も説明されています。また、「ほとんどの顧客は以前より早くなった」という点(20人中16人が1〜2日)にも触れられています。日常的なたとえが1つ使われており、週に1回測定する単一の指標には、目標値と明確な表計算の手順が添えられています。文字数(596語)は範囲内です。軽微な弱点として、後で「5日以内に95%」という指標に切り替えると述べている点は、「指標はちょうど1つ」という要件をやや曖昧にしています。また、「平均は全体の合計しか示さない」のようないくつかの緩い表現は正確さを欠いています。

評価基準ごとの点数

分かりやすさ

85

見出し、簡単な表、短い段落により、回答は追いやすくなっています。596語という長さは450〜650語の範囲内です。「平均は全体の合計しか示さない」という一文は、やや不正確です。

正確さ

90

平均3.2/3.0、中央値3/2、遅延件数1/4はいずれも正しく、3月の最も遅い荷物(6日)も正しく示されています。両方の思い込みは正しく否定されており、中央値は極端な値を無視し、実際には改善したという説明も妥当です。5月は大多数のお客様が早くなったというニュアンスも含まれています。

対象読者への適合

85

平均と中央値はそれぞれ平易な言葉で定義されており、単純な計算以外の数式はありません。口調は親しみやすく実用的で、配送業者に関する具体的な助言があります。「極端な値」は定義されていませんが、意味は理解できます。

完全性

90

6つの要件すべてを満たしています。両月の数値が示され活用されていること、例えが1つあること、2つの思い込みに対する明確な判定があること、目標値をゼロとした週次指標が1つあり段階的なスプレッドシートの手順があること、長さも範囲内であることです。

構成

80

セクションは数値、説明、判定、推奨、結論へと論理的に進みます。将来95%・5日以内の指標へ切り替える可能性に触れる補足は、単一指標の推奨をやや曖昧にしていますが、後の選択肢として明確に位置づけられています。

GPT-6.1 Sol 8.49

この回答は、配送に関する数値を分かりやすく説明し、二つの思い込みをどちらも正しく否定した上で、スプレッドシートでの実用的な手順を示しています。また、5月の顧客の大半がより速い配送を受けていたことも認識しています。主な弱点は二つあります。一つは、「ちょうど1つ」という要件があるにもかかわらず、条件付きの2つ目の週次指標を推奨している点です。もう一つは、通勤のたとえが平均値の低下を数値で示せていない点です。

評価基準ごとの点数

分かりやすさ

90

明確な見出し、簡潔な比較表、率直な結論、番号付きのスプレッドシート手順により、回答は追いやすくなっています。測定された596語という長さは、指定された範囲に収まっています。

正確さ

80

必要な六つの数値はすべて正確で、両方の思い込みも正しく否定されています。説明では、より速い多数派と、より遅い少数派が特定されています。ただし、このたとえで挙げられている往復二時間の通勤四回は、残りの日の十分の節約を相殺してしまうため、示された数字では平均が下がるとは言えません。また、中央値の定義は、同じ値が含まれる場合があるにもかかわらず、荷物の半分がより速く、半分がより遅いと単純化しすぎています。

対象読者への適合

92

回答はPriyaに直接語りかけ、初出時に平均と中央値を平易な言葉で定義し、単純な計算のみを用いています。統計の背景がない人にとっても、説明とスプレッドシートの手順は分かりやすいものです。

完全性

90

両月の平均、中央値、遅延荷物件数をすべて含めて使用しています。苦情の増加を説明し、両方の思い込みを直接評価しています。具体的な週次目標とスプレッドシートの方法も示しています。日常的なたとえは一つだけ使用しており、語数制限も満たしています。推奨されている追加の指標は、構成上の上限の下で考慮されています。

構成

60

構成は効果的ですが、回答は週次の遅延荷物件数と、五日以内に配送された割合への条件付きの切り替えの両方を推奨しています。これは「ちょうど一つの指標」という要件に違反しており、構成上の上限である6に該当します。

Gemini 3.8 Flash 10.00

これは、プロンプトの要件とベンチマークの9点以上の条件をすべて満たす、非常に優れた回答です。両月の5日間分のデータ(平均値、中央値、件数)はすべて正確です。統計用語は、それぞれ平易な一文で明確に定義されています。2つの思い込みはどちらも、必要なニュアンスを添えて正しく評価されています。日常的なたとえも、ちょうど1つだけ使われています。スプレッドシートで記録するための行動ステップは実用的で、Priyaさんが無理なく実行できる内容です。

評価基準ごとの点数

分かりやすさ

100

文章は非常に明快で、読みやすく、わかりやすいです。見出し、表、箇条書きの手順といった書式により、複雑な比較が一目で理解できるようになっています。

正確さ

100

6つの数値(3月:3.2、3、1;5月:3.0、2、4)はすべて正確です。甥の助言への批判は、中央値が2日に下がったことで、平均値以上に極端な遅延が隠されてしまうと正しく指摘しています。

対象読者への適合

100

統計の背景がない起業家に合ったトーンです。通勤のたとえは問題点を明確に示しており、平均や中央値などの統計用語は、初出時に複雑な数式を使わず、平易な一文で定義されています。

完全性

100

プロンプトの6つの要件をすべて十分に扱っています。5月の多くの顧客が実際には配送を早く受け取っていたという点(20件中16件が2日以内)も含まれており、596語で450〜650語の制限内に収まっています。

構成

100

構成は論理的で規律があります。日常的なたとえ話をちょうど1つ示し、両方の考え方に直接触れ、具体的なスプレッドシートの手順とともに主要な指標を1つ推奨しています。

4 Gemini 3.8 Flash

平均(10点満点) 9.00

Priyaさん、こんにちは。

ご混乱されるのはよく分かります。全体の配送数値が良くなれば、お客様全員がより満足するはずだと考えるのは自然なことです。ただ、発送ログを詳しく見ると、全体の平均が改善したにもかかわらず、なぜ苦情が4倍に増えたのかが分かります。

3月と5月の数字

何が起きたのかを確認するために、両方の配送業者の主要な数値を見てみましょう。

  • 3月(旧配送業者):
    • 平均配送時間: 3.2日。(平均(mean)は、すべての荷物の配送日数の合計を荷物の数で均等に割ったものです。)
    • 配送時間の中央値: 3.0日。(中央値(median)は、すべての配送時間を最も早いものから最も遅いものへ並べたときの真ん中の値です。)...
全文を表示 ▼

Priyaさん、こんにちは。

ご混乱されるのはよく分かります。全体の配送数値が良くなれば、お客様全員がより満足するはずだと考えるのは自然なことです。ただ、発送ログを詳しく見ると、全体の平均が改善したにもかかわらず、なぜ苦情が4倍に増えたのかが分かります。

3月と5月の数字

何が起きたのかを確認するために、両方の配送業者の主要な数値を見てみましょう。

  • 3月(旧配送業者):

    • 平均配送時間: 3.2日。(平均(mean)は、すべての荷物の配送日数の合計を荷物の数で均等に割ったものです。)
    • 配送時間の中央値: 3.0日。(中央値(median)は、すべての配送時間を最も早いものから最も遅いものへ並べたときの真ん中の値です。)
    • 5日を超えた荷物: 1個(6日かかったもの)。
  • 5月(新しい配送業者):

    • 平均配送時間: 3.0日。
    • 配送時間の中央値: 2.0日。
    • 5日を超えた荷物: 4個(8日、8日、9日、10日かかったもの)。
平均は下がったのに苦情が増えた理由

これがどうして起こるのかを思い描くために、カフェでスープを出す場面を考えてみてください。40度のぬるいスープを19杯、100度の熱々のスープを1杯出したとすると、平均温度は心地よい43度になります。それでも、1人のお客様は舌をやけどして帰り、苦情を申し立てます。

新しい配送業者では、16人のお客様がわずか1〜2日というとても速さでコーヒーを受け取りました。そうした超高速の配送が、全体の平均を3.2日から3.0日に引き下げました。しかし、問題が起きたときはひどいものでした。4人のお客様が新鮮な豆を受け取るまでに8〜10日待ったのです。お客様の不満は5日目を過ぎると生じるため、これら4件の深刻な遅延が4件の苦情につながりました。3月は1件だけでした。

あなたの思い込みと甥御さんのアドバイスの検証

まず、すべてのお客様がより早くコーヒーを受け取っているというあなたの思い込みは誤りです。 ほとんどのお客様は、3月の安定した3〜4日ではなく、より速い1〜2日で受け取りましたが、4人のお客様は、3月に誰も待たなかったほど長く待ちました。3月で最も悪い遅延は6日だけでした。

次に、代わりに中央値を追跡するという甥御さんのアドバイスも誤りです。 5月は大多数の荷物がとても速かったため、中央値は3.0日から2.0日へ大きく下がりました。中央値は、データの末端にある極端な遅延をまったく無視します。むしろ平均以上に問題を覆い隠してしまいます。

代わりに追跡すべきこと

平均や中央値を追跡するのではなく、毎週、運用上の指標をちょうど1つだけ追跡することをお勧めします。それは定時配送率で、具体的な目標は95%以上(注文20件につき遅延が1件以下)です。

注文のスプレッドシートから計算する方法は次のとおりです。

  1. 配送日数の列で、5日以内に到着した荷物の数を数えます(たとえばExcelでは =COUNTIF(range, "<=5") を使います)。
  2. その数を、その週に発送した注文の総数で割ります。
  3. 100を掛けてパーセンテージにします。

3月の定時配送率は95%(20件中19件)でした。5月は80%(20件中16件)に落ち込みました。このパーセンテージを追跡すれば、深刻な遅延がお客様の満足を脅かすときに、すぐに気づくことができます。

Claude Opus 5.5 8.52

正確でよく整理された回答です。6つの数値はすべて模範解答と一致しており、2つの考え方も正しく判断されています。中央値の位置についても説明されており、5月の顧客の大半はむしろ速く対応されていたというニュアンスも含まれています。週ごとの単一の指標には目標値と、わかりやすいスプレッドシートの手順が示されています。弱点は、Excel の COUNTIF の数式があること、そして統計に詳しくない読み手にとって「tail end」や「operational metric」といった用語がやや曖昧であることです。さらに、スープのたとえは少し不自然で、平均値が下がる様子を部分的にしか反映していません。

評価基準ごとの点数

分かりやすさ

85

文章は明快で、追いやすいです。512語で、450〜650語の制限内に収まっています。スープの例えはやや無理があり、「ぬるい」スープを心地よいと表現している点が気になります。ただ、速く届いた荷物が平均を押し下げる一方で、4件の長い遅延が苦情につながるという全体的な論理は明確に伝わります。

正確さ

91

すべての数値は正しいです。3月の平均は3.2、中央値は3、6日かかった荷物は1件です。5月の平均は3.0、中央値は2、8日、8日、9日、10日の荷物が4件です。両方の思い込みは正しく否定されており、中央値が平均よりもさらに問題を隠していることにも触れられています。95%と80%の定時率も正しく、例えの計算も正しいです。

対象読者への適合

74

平均と中央値はそれぞれ、わかりやすい一文で定義されており、口調も温かみがあります。ただし、Excelの COUNTIF 数式は、技術に詳しくない読者にとっては単純な計算を超えています。実用的ではありますが、そうです。「データの tail end」や「operational metric」といった表現は、やや専門用語的です。

完全性

90

すべての要件を満たしています。6つの数値をすべて示し、説明の中で使用しています。例えは1つだけ用いられています。両方の思い込みに対して明確な判定を示し、大半の顧客がより速かったという点も含まれています。指標は1つだけ推奨され、95%の目標値、段階的なスプレッドシートの手順、3月と5月のベンチマークが示されています。

構成

86

見出しで区切られたセクションは、数値から説明、判定、推奨へと論理的に進みます。例えは1つ、指標も1つです。箇条書きの数値は見やすいです。ただし、個人的な返信としては、Markdownの見出しがやや堅苦しく感じられます。

GPT-6.1 Sol 8.48

この回答は、6つの数値をすべて正しく報告し、2つの誤った思い込みをどちらも否定しています。また、ほとんどの顧客への配送が速くなっても、一部の顧客にはより深刻な遅延が生じうることも説明しています。週ごとに使える有用な指標を1つ示し、具体的な目標も、求められた長さの範囲内で提示しています。主な違反は、Excelの COUNTIF の数式です。これは許可された単純な算術の範囲を超えています。また、週ごとの計算では、まだ届いていない荷物の扱いをもっと明確にする必要があります。

評価基準ごとの点数

分かりやすさ

92

見出しが明確で、結論が直接示され、数値の要約も読みやすいため、説明は理解しやすくなっています。512語の回答は長さの要件を満たしています。また、スープのたとえは1つだけ使われており、平均値の陰で不満を感じている顧客が隠れうる理由をわかりやすく示しています。

正確さ

87

平均値、中央値、遅延荷物の件数、定時到着率はすべて正しく計算されています。中央値が長い遅延をさらに見えにくくしているという点を含め、2つの思い込みは正しく退けられています。小さな欠点として、偶数個のリストの中央値の定義が不完全なことと、その週に出荷された全注文を分母にしている点で、まだ配送中の注文をどう扱うかが説明されていないことが挙げられます。

対象読者への適合

60

口調は分かりやすく、平均と中央値にはやさしい言葉での説明があります。ただし、COUNTIF の式はスプレッドシートの数式や単純な計算を超える比較記号を含んでおり、対象読者への適合性に関する上限評価の対象になります。

完全性

93

必要な月次の数値をすべて含み、説明の中でそれらを使っています。たとえは正確に1つ、2つの思い込みに対する判断はそれぞれ明確に示されています。週次指標は正確に1つで、95%の目標とスプレッドシートの手順も含まれています。さらに、5月に顧客の大多数が配送の速達化を経験したという重要な留保も含まれています。

構成

95

回答は、数値から説明、2つの判断、そして実行可能な提案へと論理的に進んでいます。たとえと推奨指標はそれぞれ1つに絞られており、番号付きの計算手順は見つけやすくなっています。

Gemini 3.8 Flash 10.00

この回答は非常に優れており、プロンプトのすべての要件とガイドラインを正確に満たしています。統計値と計算はすべて正確で、統計の概念は1文で分かりやすく定義されており、適切な身近なたとえが1つだけ使われています。プリヤさんの考えと甥御さんのアドバイスの両方に対する批評は、丁寧で細やかであり、理解しやすい内容です。また、彼女のスプレッドシート向けに示された実行可能な指標が1つに絞られている点も、実用的で的を射ています。

評価基準ごとの点数

分かりやすさ

100

説明は非常に明確で、表現も適切であり、読みやすい内容です。語数は512語で、要求された450〜650語の範囲に十分収まっています。

正確さ

100

報告されたすべての統計値(平均、中央値、5日を超えた注文数)は数学的に正しいです。両方の思い込みが正確に評価されており、中央値が見落としを悪化させる理由が正しく指摘され、5月は大多数の顧客が実際により早くコーヒーを受け取ったことも認められています。

対象読者への適合

100

口調は共感的で専門性があり、統計の経験がない小規模事業者にも分かりやすい内容です。平均と中央値はそれぞれ初出時に平易な一文で定義されており、高度な数式は使われていません。

完全性

100

チェックリストの項目はすべて満たされています。両月のすべての数値を報告し、日常的なたとえを正確に1つ使い、両方の思い込みについて明確な判定を示し、目標値と具体的なスプレッドシートの手順を備えた週次指標を1つ提示しています。

構成

100

回答は論理的に構成されており、見出しは明確に区別されています。たとえは正確に1つ、推奨する指標も正確に1つで、構成上の制限を厳密に守っています。

5 GPT-6 Luna

平均(10点満点) 8.68

Hi Priya,

図表から、新しい宅配業者は多くの荷物で配達が速くなったことがわかります。しかし、ごく少数の荷物では配達にかなり長い時間がかかりました。その長い待ち時間が、全体の平均が下がったにもかかわらず苦情が増えた理由を説明しています。

平均値(一般に「平均」とも呼ばれます)は、すべての配達時間の合計を荷物の個数で割ったものです。中央値は、すべての配達時間を短い順から長い順に並べたときの中央の配達時間です。荷物が20個ある場合は、中央にある2つの時間の平均値になります。

| 月 | 平均配達時間 | 中央配達時間 | 5日を超えた荷物 |
|---|---:|---:|---:|
| 3月 | 3.2日 | 3日 | 20個中1個 |
| 5月 | 3.0日 | 2日 | 20個中4個...

全文を表示 ▼

Hi Priya,

図表から、新しい宅配業者は多くの荷物で配達が速くなったことがわかります。しかし、ごく少数の荷物では配達にかなり長い時間がかかりました。その長い待ち時間が、全体の平均が下がったにもかかわらず苦情が増えた理由を説明しています。

平均値(一般に「平均」とも呼ばれます)は、すべての配達時間の合計を荷物の個数で割ったものです。中央値は、すべての配達時間を短い順から長い順に並べたときの中央の配達時間です。荷物が20個ある場合は、中央にある2つの時間の平均値になります。

| 月 | 平均配達時間 | 中央配達時間 | 5日を超えた荷物 |
|---|---:|---:|---:|
| 3月 | 3.2日 | 3日 | 20個中1個 |
| 5月 | 3.0日 | 2日 | 20個中4個 |

3月は20個の配達時間の合計が64日で、平均値は3.2日です。5月は合計が60日で、平均値は3.0日です。5月には1日か2日で届いた荷物が多く、それが平均値を押し下げました。しかし5月には、8日、8日、9日、10日かかった荷物が4個あり、3月に5日を超えた荷物は1個(6日)だけでした。お客様は配達に5日以上かかると苦情を寄せるため、その基準を超えた荷物の数は1個から4個に増えました。これが苦情の増加の理由です。

大半の人がとても速く対応される一方で、少数の人が長く待たされるレジの列を想像してください。多くの人が速く進めば平均待ち時間は改善しますが、同時に、ひどく待たされる人が増えることもあります。ここでは、5月の迅速な配達が平均値を改善させ、非常に遅い4個の荷物が苦情を生んでいるのです。

つまり、いいえ、図表からすべてのお客様がコーヒーを速く受け取れるようになったとはわかりません。わかるのは、全体の平均値も中央値も下がったものの、5月には一部の荷物が大幅に遅くなったということです。また、3月と5月は別々の注文の集まりなので、個々のお客様の配達がどう変わったかはこの図表からはわかりません。

甥御さんが中央値を追跡すべきだという点は一部正しいです。典型的な荷物に何が起きたかを示すのに役立ち、中央値は3日から2日に下がりました。しかし、それだけではこの問題は捉えられません。5月には4個の荷物が5日を超えましたが、中央の配達時間は依然としてわずか2日でした。中央値は有用な背景情報になりますが、より少数の集団に影響する遅延を隠してしまうことがあります。

毎週の確認では、配達された荷物のうち5日を超えた割合を追跡し、目標を5%以下にしてください。スプレッドシートで、5より大きい配達時間の件数を数え、その件数を当該週に配達された荷物の総数で割り、100を掛けます。例えば、20個中1個の遅配は5%、20個中4個は20%です。これは苦情の原因となる遅延を直接測るものであり、宅配業者が目標を達成しているかを確認する明確な方法になります。

Claude Opus 5.5 7.93

正確で分かりやすい回答です。6つの数値はすべて正解と一致しており、2つの用語も平易な言葉で定義されています。たとえ話はちょうど1つで、週に1回の指標についても、明確な目標と表計算ソフトでの手順が示されています。主な弱点は2つあります。1つ目は、甥の主張を「完全に誤り」とはっきり言わず、「部分的に正しい」としていることです。2つ目は、5月に実際に配達が速くなった顧客がどれだけいたかを数字で示していないことです(2日以内に届いたのは、3月が20人中3人、5月が20人中16人でした)。

評価基準ごとの点数

分かりやすさ

82

回答は読みやすく、簡潔な表と短い具体例(20件中1件は5%、20件中4件は20%)が含まれています。480語で、450〜650語の範囲内です。注文の集合が異なるという補足は、やや話の流れを妨げています。

正確さ

74

6つの数値はすべて正しいです。平均は3.2と3.0、中央値は3と2、5日間で1件と4件の超過です。1つ目の考え方は、8〜10日の待ち時間を根拠に正しく否定されています。中央値では問題が捉えられないという指摘も適切ですが、答えの鍵が誤りとする甥の主張を「一部正しい」と書くことで、判定が和らいでいます。また、中央値は平均よりもさらに問題を隠してしまうという点は述べられていません。「多くの顧客が早くなった」という点は「多く」とだけ曖昧に触れられており、20件中16件と20件中3件の比較はありません。

対象読者への適合

80

平均と中央値は、初めて出てくる箇所でそれぞれ平易な一文で定義されています。単純な計算以外の数式はなく、口調は親しみやすく、表計算の手順も実行しやすい内容です。

完全性

80

チェックリストの6項目すべてに対応しています。平易な言葉づかい、説明で使われた数値の全体表、たとえ1つ、両方の考え方への判定、目標と計算手順を伴う毎週の指標1つ、そして適切な長さです。顧客の大多数が早くなったという点への言及はありますが、内容は薄いです。

構成

82

構成は論理的です。要約、定義、数値、説明、たとえ、2つの判定、そして提案という順序になっています。たとえは1つ、推奨する指標も1つだけです。

GPT-6.1 Sol 8.69

平均配送日数が短くなっているのに苦情が増える理由を、明確かつ正確で実用的に説明した回答です。必要な数値はすべて正しく報告されており、適切な例えを一つ用い、毎週実施できる具体的な対策を一つ提案しています。主な弱点は、甥のアドバイスに対する評価が和らげられていることと、5月の荷物の大半が実際に速くなっていたことが明確に述べられていないことです。

評価基準ごとの点数

分かりやすさ

87

表、短い段落、具体的な例によって、説明は追いやすくなっています。回答は450~650語の制限を満たしています。甥の意見を「部分的に正しい」とすることで、中央値では今回の問題を捉えられないという、それ以外の明確な結論がやや曖昧になっています。

正確さ

86

必要な6つの数値はすべて正しく、苦情と5日を超えて届いた荷物の関係も正しく説明されています。すべての顧客が速くなったという主張は正しく否定され、中央値の低下が遅い配送を隠してしまう理由も説明されています。多くの荷物が速くなったと述べていますが、5月の荷物の大半が速くなったという、より強い点は明示されていません。5月の20件中16件が2日以内に届き、3月は20件中3件でした。

対象読者への適合

88

平均値と中央値は初めて使う時点で平易に定義されており、高度な数式や説明のない統計用語はありません。レジの例えは分かりやすく、スプレッドシートの手順も単純な計算のみを使っています。口調はプリヤさんに対して親しみやすく適切です。

完全性

86

回答には3月と5月の両方について、平均値、中央値、遅延荷物数が含まれており、説明でそれらを活用しています。例えは正確に一つ、週次の測定方法も一つ、具体的な目標値とスプレッドシートの計算手順が示されています。両方の思い込みに触れていますが、甥の具体的な主張には「いいえ、中央値ではこの問題は捉えられません」とより直接答えるべきでした。

構成

88

回答は定義と数値から説明、例え、評価、実用的な推奨へと論理的に進んでいます。表は比較に効果的に役立っています。例えと週次測定の数に関する制限(それぞれ一つ)も守られています。

Gemini 3.8 Flash 9.43

この回答は非常によく練られており、すべての指示と制約に直接従っています。6つの統計値をすべて正しく報告して解釈しており、わかりやすい日常的なたとえを1つだけ用いています。また、平均と極端な配達遅延との間にある直感に反する関係を説明し、目標の文字数内で、実際に使えるスプレッドシートの手順を示しています。

評価基準ごとの点数

分かりやすさ

95

文章は非常に明確で引き込まれるものです。表は月ごとの比較を効果的に整理しており、説明は定義から異常値、そして提言へと論理的に流れています。

正確さ

92

計算された値(5日間の平均、中央値、荷物数)はすべて完全に正確です。中央値が外れ値を検出するのではなく隠してしまう理由の説明も正しいです。ただし、甥の具体的な根拠は誤っていたため、彼を「部分的に正しい」とするのは少し甘い評価です。

対象読者への適合

95

口調は共感的で専門的、統計の背景がない事業主にも分かりやすいものです。平均値や中央値などの専門用語は、初めて出てくる時点で平易な一文で明確に定義されており、複雑な数式は使われていません。

完全性

95

プロンプトのすべての要件が十分に満たされています。すべての指標の報告、両方の思い込みへの対応、ほとんどの顧客がより速かったという微妙な点の指摘、日常の例えの提示、そしてスプレッドシートの手順を含む具体的な週次追跡方法の詳述が含まれています。

構成

95

構成は制約に厳密に従っています。例えはちょうど1つ、週次追跡指標もちょうど1つが推奨されており、語数(480語)は450〜650語の範囲内に十分収まっています。

6 Gemini 3.5 Flash-Lite

平均(10点満点) 6.43

親愛なるPriyaさん

コーヒー焙煎所の配送時間にこれほど注意を払っているのは素晴らしいことですが、その数字には厄介な落とし穴が隠れています。3月から5月にかけて何が起きたのか、順を追って見ていきましょう。

まず数字を確認します。3月は旧い宅配業者を使っていたときで、平均配送時間(配送日数の合計を注文件数の合計で割ったもの)は3.2日でした。配送時間の中央値(配送時間を短い順から長い順に並べたときにちょうど真ん中に来る値)は3.0日でした。3月に5日を超えて届いた荷物の数は、顧客からのクレームにつながる荷物で、わずか1件でした。

5月は新しい宅配業者を使いました。平均配送時間は3.0日に下がりました。しかし、中央値は2.0日でした。そし...

全文を表示 ▼

親愛なるPriyaさん

コーヒー焙煎所の配送時間にこれほど注意を払っているのは素晴らしいことですが、その数字には厄介な落とし穴が隠れています。3月から5月にかけて何が起きたのか、順を追って見ていきましょう。

まず数字を確認します。3月は旧い宅配業者を使っていたときで、平均配送時間(配送日数の合計を注文件数の合計で割ったもの)は3.2日でした。配送時間の中央値(配送時間を短い順から長い順に並べたときにちょうど真ん中に来る値)は3.0日でした。3月に5日を超えて届いた荷物の数は、顧客からのクレームにつながる荷物で、わずか1件でした。

5月は新しい宅配業者を使いました。平均配送時間は3.0日に下がりました。しかし、中央値は2.0日でした。そして最も重要なことですが、5日を超えて届いた荷物の数は4件に跳ね上がりました。

これで、すべての顧客のコーヒーが早く届くようになっている、というあなたの考えが正しいかどうかという質問への答えになります。正しくありません。すべての顧客が早く受け取れているわけではないのです。新しい宅配業者は多くの注文を驚くほど速く届けましたが、一方で数件の配送を完全に失敗させ、待ち時間を8日、9日、10日にまで跳ね上げました。

では、なぜ平均は下がったのにクレームは増えたのでしょうか。パン屋を想像してみてください。ほとんどのパンは1個3ドルですが、ときどきパン職人が数個のパンを廃棄してしまい、ある客に10ドルという大きな罰金を請求してしまうとします。平均の価格だけを見ていると、多くの通常のパンに対する大きな値引きによって全体の平均が下がってしまうかもしれませんが、その一方で、ごく一部の客は予想外にひどい請求を受けて苦しんでいます。あなたのビジネスでも同じことが起きています。新しい宅配業者はほとんどの注文を速く届けたため平均を押し下げましたが、一部の外れ値での大きなミスがクレームを4倍に増やしたのです。

配送時間の中央値を追跡することを甥御さんが提案しているのは正しいでしょうか。はい、甥御さんは正しいです。中央値は極端に長い、または短い値を無視し、典型的な中間の体験だけを厳密に見るからです。平均だけを追跡していたら、8日から10日という極端な遅延は、1日や2日で届いた大量の配送の中に埋もれてしまっていたでしょう。

ただし、中央値だけを追跡するだけでは、まだ十分ではありません。中央値は、クレームの原因となる末端の大失敗を完全に見逃してしまうからです。そこで私は、毎週追跡すべき指標を1つだけ挙げることをお勧めします。それは、5日を超えて配送される荷物の割合です。具体的な目標は、毎週必ず0パーセントにすることです。注文のスプレッドシートからこれを算出するには、配送時間の列を5より大きい数値でフィルターにかけ、表示された行数を数え、その件数を週間の注文総数で割り、100を掛けて割合を求めるだけです。この方法を使えば、サービスの失敗が怒りのメールの山になる前に、すぐに見つけることができます。

Claude Opus 5.5 5.65

この返信は、6つの数値をすべて正しく報告し、平均値と中央値を平易な言葉で説明しています。「すべてのお客様が速くなった」という思い込みを正しく退け、スプレッドシートの手順も明確で、毎週使える指標を示しています。ただし、中央値なら問題を見抜けるという甥御さんの主張を誤って「正しい」としており、これが正確性の上限(キャップ)の適用対象になります。さらに、次の段落でその内容と矛盾しています。パン屋のたとえは分かりにくく、「ほとんどのお客様は確かに速くなった」というニュアンスも、示唆されているだけで数値では示されていません。

評価基準ごとの点数

分かりやすさ

55

文章は読みやすく、数値も明確に示されています。パン屋のたとえは分かりにくく、設定されていない「多数の普通のパンへの大幅な割引」に触れているため、要点を明らかにしていません。中央値の節では甥御さんの指摘が正しいとしたうえで、中央値では問題を捉えられないと述べており、メッセージが混乱しています。486語という長さは許容範囲内です。

正確さ

45

6つの数値はすべて正解と一致しています。平均は3.2と3.0、中央値は3と2、件数は1と4です。思い込み1の判定は正しく誤りとされています。ただし、中央値が3から2に下がり問題をさらに隠しているにもかかわらず、甥御さんが正しいと明言しているため、上限5点が適用されます。たとえの論理も妥当ではありません。ゼロ%という目標は具体的ですが、やや非現実的です。

対象読者への適合

60

口調は温かく、単純な計算を超える数式はなく、平均と中央値もそれぞれ平易に定義されています。「外れ値」は定義なしで使われており(-1)、「末尾の大惨事」は曖昧な専門用語風の表現です。分かりにくいたとえと、矛盾する中央値についての助言により、統計の専門家でない読者は何を信じてよいか迷うでしょう。

完全性

65

チェックリストの項目はすべて含まれています。両月の数値、たとえ1つ、2つの思い込みに対する判定、目標値のある週次指標1つ、スプレッドシートの手順、許容範囲内の長さです。ただし、中央値の判定は誤っています。「多くの顧客が実際に速くなった」というニュアンスは「非常に速い注文が多い」としか書かれておらず、20件中16件のような数値はありません。

構成

70

流れは論理的です。数値、思い込み1、たとえ、甥御さんの助言、推奨の順になっています。たとえは1つ、指標も1つです。中央値の段落で「はい」と言ってから「不十分」と言うため、その節の一貫性が弱まっています。

GPT-6.1 Sol 6.75

この返信は、依頼された6つの数値をすべて正しく報告しています。また、大半の顧客への配達が速くなっても、大幅に遅れる荷物が増える可能性があることを説明し、実行可能なスプレッドシートでの計算方法も示しています。しかし、中央値ではクレームの原因となる遅延を捉えられないと認める前に、甥御さんのアドバイスを誤って支持しています。たとえ話はやや分かりにくく、統計用語も1つ定義されないままになっています。

評価基準ごとの点数

分かりやすさ

70

数値とスプレッドシートの手順は分かりやすく、486語の回答は長さの要件を満たしています。ただし、甥御さんの考えが正しいと述べた後に、中央値では問題が完全に捉えられないと説明しており、中心的な矛盾が生じています。割引についての例えも、割引が何であるかを明確にしないまま持ち出されています。

正確さ

50

両方の平均、両方の中央値、そして5日を超えた件数は正しいです。すべての顧客が速くなったという主張を正しく否定し、大多数の注文が速くなったと指摘しています。しかし、甥御さんの中央値に関する助言が問題に対処できると誤って同意しており、正確性の上限である5点の条件に該当します。中央値が3日から2日に下がったため、悪化を隠していることを明示的に説明すべきです。

対象読者への適合

70

平均と中央値は分かりやすい言葉で説明されており、計算も単純な四則演算のみです。ただし「外れ値」が定義されていないため、専門用語について1点減点します。「お客様の考え方は間違っています」や「完全に失敗しています」などの表現は必要以上に率直で、証拠がないのに遅延を配送業者のミスとして扱っています。

完全性

80

回答には、必要な月次の数値、日常的なたとえ話が1つ、二つの考え方それぞれへの直接的な回答、そして具体的な目標値とスプレッドシートの手順を含む週次の指標が1つ含まれています。ただし、甥御さんの考え方への扱いは内部で一貫しておらず、中央値がこの特定の問題を捉えられるかどうかという問いに明確に答えていません。

構成

80

回答は月次の結果から説明、二つの考え方、そして週次の対応へと論理的に進んでいます。たとえ話はちょうど1つで、週次の指標も1つだけ明示的に推奨されています。中央値の追跡を別途支持している部分があるため、最終的な提案への移行はやや不自然です。

Gemini 3.8 Flash 6.90

この回答は、親しみやすく分かりやすい語り口で書かれており、6つの配送統計をすべて正しく計算しています。しかし、中央値を追跡すれば問題に気づけるというPriyaの甥の意見に同意してしまっており、重大な概念上の誤りがあります。実際には、中央値は3日から2日に下がっており、平均値以上に、配送が大幅に遅れる長い裾野(ロングテール)の失敗を覆い隠してしまいます。

評価基準ごとの点数

分かりやすさ

70

文章は流暢で読みやすいものの、甥御さんの助言についての説明は概念的に混乱しており矛盾しています。甥御さんが正しかったとする一方で、中央値は大きな問題を見逃すとも述べています。

正確さ

45

方針上の上限(正確性は5以下)が適用されます。甥御さんが問題を捉えるために中央値を追跡したのは正しいと同意している点が理由です。実際には中央値は5月に2.0日まで下がっており、問題を捉えるどころか、平均値よりも配送危機を見えにくくしていました。

対象読者への適合

85

口調は励ます形になっており、高度な統計の数式は避けられています。平均値と中央値は、初めて登場した時点で平易な言葉で説明されており、目標の語数も守られています。

完全性

75

必要な要素はすべて扱われています。6つの数値すべて、たとえ話、明確な結論、そして表計算ソフトの手順を含む週次の推奨事項が含まれています。ただし、甥御さんの助言に対する判断は事実として誤っています。

構成

85

回答は明確な接続表現を用いて整理されており、たとえ話はちょうど1つ、推奨する週次指標もちょうど1つ含まれています。

このジャンルについて

このジャンルでは、主に 分かりやすさ、正確さ、対象読者への適合 のような力を見ようとしています。

Education Q&A よりも、正解に届くことだけでなく、相手に合わせて分かりやすく伝えられるかを見ています。

ここで高得点でも、深い分析力、厳密な知識想起、短く要約する力まで十分とは限りません。

このジャンルで強いAIが向いている用途

オンボーディング、概念説明、初学者向けのガイドづくりです。

このジャンルだけでは判断しきれないこと

試験問題の解答力、文書圧縮、実装判断の強さまでは判断しきれません。

このジャンルで評価している項目

このジャンルで使っている採点基準と重みです。

分かりやすさ

30.0%

この項目は、回答の 分かりやすさ を確かめるために入れています。 比重が重いのは、この部分が弱いとジャンル全体の評価が崩れやすいからです。

正確さ

25.0%

この項目は、回答の 正確さ を確かめるために入れています。 比重がしっかりあるのは、全体の良し悪しに目に見えて効いてくる項目だからです。

対象読者への適合

20.0%

この項目は、回答の 対象読者への適合 を確かめるために入れています。 比重がしっかりあるのは、全体の良し悪しに目に見えて効いてくる項目だからです。

完全性

15.0%

この項目は、回答の 完全性 を確かめるために入れています。 比重をやや軽くしているのは、重要ではあるものの、このジャンルの中心そのものではないからです。

構成

10.0%

この項目は、回答の 構成 を確かめるために入れています。 比重をやや軽くしているのは、重要ではあるものの、このジャンルの中心そのものではないからです。

関連リンク

X f L