イノベーター2.5%は観測値ではない—ロジャース普及理論の正しい使い方とキャズム

2.5%・13.5%・34%は、観測結果ではなく定義

イノベーター2.5%、アーリー・アドプター13.5%、アーリー・マジョリティ34%、レイト・マジョリティ34%、ラガード16%。

この数字は非常に有名で、たいてい「調査で分かった割合」のように引用されます。実際には違います。

エベレット・ロジャースは、ある技術を採用した時期の分布を正規分布と仮定し、その分布を平均と標準偏差で機械的に区切って5つのカテゴリーを定義しました。

• 平均より2標準偏差より早い層 → 2.5%（イノベーター）
• 平均より1〜2標準偏差早い層 → 13.5%（アーリー・アドプター）
• 平均より0〜1標準偏差早い層 → 34%（アーリー・マジョリティ）
• 平均より0〜1標準偏差遅い層 → 34%（レイト・マジョリティ）
• それより遅い層 → 16%（ラガード）

正規分布を標準偏差で切れば、必ずこの割合になります。つまりこの数字は、世の中を観測して出てきた発見ではなく、分類のために引いた線です。

これは理論を否定する話ではありません。ただし「調査によるとアーリー・アドプターは13.5%です」という言い方は誤りで、正しくは「そう定義されています」です。この区別を持っているかどうかで、この理論の使い方は変わります。

---

理論の骨格

ロジャースのイノベーション普及理論は、新しい技術やアイデアが社会に広がる過程を説明するモデルです。初版は1962年の『Diffusion of Innovations』で、現在も版を重ねています。

採用者の累積数は、最初はごく少数で始まり、途中で急激に増え、最後にまた鈍化するS字カーブを描きます。各時点での新規採用者数を取れば、それは釣鐘型になります。この釣鐘型を標準偏差で切ったのが、冒頭の5分類です。

5つの採用者層

イノベーター（2.5%） 新しさ自体に価値を見る層。リスク許容度が高く、失敗を織り込んでいます。技術に詳しく、外部（開発者コミュニティなど）とのつながりが強い一方、地域社会の中では「変わった人」と見られやすく、周囲への影響力は必ずしも高くありません。

アーリー・アドプター（13.5%） 理論上もっとも重要な層です。イノベーターと違い、その社会の内側で尊敬を集めている人たちで、周囲が「あの人が使うなら」と判断する基準になります。ロジャースがオピニオンリーダーと呼んだのはこの層です。

アーリー・マジョリティ（34%） 慎重で、採用前に十分な検討をします。新しさより「うまくいっている実例」を求めます。

レイト・マジョリティ（34%） 懐疑的で、周囲の大半が採用してから動きます。経済的な必要や、社会的な圧力が動機になりやすい層です。

ラガード（16%） 最後に採用する層。過去の経験や既存の方法への信頼が強く、判断の基準が過去に置かれています。「遅れている人」というより、参照点が違うと捉えた方が実務的です。

---

採用を左右する5つの属性

ロジャースは、普及の速さが技術そのものの性質にも大きく依存すると整理しました。ここは実務でいちばん使える部分です。

新しい技術が広まらないとき、原因は「良さが伝わっていない」ではなく、試行可能性や両立性が低いことである場合が多くあります。この5属性は、その診断に使えます。

---

臨界量（Critical Mass）

普及が自走し始める閾値を臨界量と呼びます。ここを超えると、採用が採用を呼ぶ自己増殖のフェーズに入ります。

臨界量は、ネットワーク外部性を持つ技術で特に決定的です。電話、SNS、決済手段のように「使う人が多いほど価値が上がる」ものは、少人数の段階では価値が低く、普及が始まりにくい。逆に閾値を超えると一気に広がります。

---

キャズム——実務で使うなら押さえるべき修正

ロジャースの曲線は連続的に描かれますが、実務ではジェフリー・ムーアのキャズム（chasm）の指摘を併せて理解した方が有用です。

ムーアは、アーリー・アドプター（13.5%）とアーリー・マジョリティ（34%）の間に深い断絶があると主張しました。両者は買う理由がまったく違うからです。

• アーリー・アドプターは変化そのものを買う。多少壊れていても、可能性に投資する。
• アーリー・マジョリティは改善を買う。壊れていないこと、実績があることを求める。

同じ製品を同じ売り方で両方に届けようとすると、ここで止まります。「初期は伸びたのに、その先が伸びない」という現象の多くは、この断絶で説明できます。

ロジャースの理論が「なぜ広がるか」を説明するのに対し、キャズムは「なぜ広がらないか」を説明します。実務では後者の方が使う頻度が高いかもしれません。

---

現代の普及で変わったこと

理論の骨格は今も有効ですが、前提条件は変化しています。

普及速度が上がった

ロジャースが研究対象にした農業技術（ハイブリッド種子など）の普及には年単位から十数年を要しました。現在のソフトウェアやアプリは、配布コストがほぼゼロで、アップデートが自動で届きます。S字カーブの横軸が大幅に圧縮されました。

「試行可能性」が既定になった

無料枠、フリーミアム、ブラウザで即実行。5属性のうち試行可能性のハードルが構造的に下がったことが、速度上昇の大きな要因です。逆に言えば、試すのに手間がかかる技術は、それだけで不利になりました。

観察可能性がSNSで増幅された

誰が何を使っているかが可視化され、アーリー・アドプターの影響が届く範囲が地理的制約を超えました。ただし同時に、否定的な評価も同じ速度で広がります。観察可能性は両刃です。

カテゴリー間の境界が曖昧になった

領域ごとに人は違うカテゴリーに属します。AIツールではイノベーターでも、決済手段ではラガードということが普通に起きます。「その人がどの層か」ではなく「その技術についてどの層か」で考える方が実態に合います。

---

この理論の限界

• 事後的な説明に強く、事前予測には弱い。 広まったものを後から説明するのは容易ですが、どれが広まるかを事前に当てるのは別問題です。
• 成功したイノベーションに偏る。 消えていった技術は研究対象になりにくく、生存バイアスがかかります。
• 採用＝良いことという前提が入りやすい。 ロジャース自身も指摘していますが、普及が望ましくないイノベーションもあります。
• カテゴリーの割合は定義。 冒頭に書いたとおりです。実際の分布が正規分布から外れれば、割合も変わります。

---

まとめ

• 2.5%・13.5%・34%・34%・16%は観測値ではなく、正規分布を標準偏差で区切った定義。「調査によると」と引用するのは誤り。
• 理論の骨格はS字カーブと5つの採用者層。最重要はアーリー・アドプターで、彼らは社会の内側で尊敬されているためオピニオンリーダーとして機能する。
• 普及速度は技術の性質にも依存する。相対的優位性・両立性・複雑性・試行可能性・観察可能性の5属性が診断に使える。
• 実務ではムーアのキャズムを併せて理解する。アーリー・アドプターとアーリー・マジョリティは買う理由が違うため、同じ売り方では越えられない。
• 現代は配布コストの低下で横軸が圧縮され、試行可能性が既定になり、観察可能性がSNSで増幅された。ただし否定的評価も同速で広がる。
• 人は領域ごとに違う層に属する。「誰が」ではなく「何について」で考える。

---

参考

• Everett M. Rogers, Diffusion of Innovations, 初版1962年（Free Press）
• Geoffrey A. Moore, Crossing the Chasm, 1991年