異なる市場構造を、同一の観測空間に載せる。

01三層構造

各プラットフォームは経済単位そのものが異なります。ココナラは出品型、Fiverr は Gig 型のカタログ、Upwork は求人・提案型、Freelancer.com はプロジェクト・入札型。Upwork の求人1件と Fiverr の検索1件を足した数字には意味がありません。変換を挟まずに合算した指数は、見た目が整っているだけで何も測っていません。

そこで、観測から指数までを三層に分けます。各層の出力は前層へのポインタを保持し、監査可能性はこの構造に依存します。

地域依存の所在

共通スキーマとオントロジーの階層構造は地域非依存です。一方、表層表現の対応表（言語ごと）、観測手段（どのサイトを見るか）、較正係数（市場規模が違う）は地域依存です。データが完成した後の配布は地域を問いませんが、データを作る工程は地域ごとに作り直しになります。

02Market Ontology

多言語・多表記の表層表現を、単一の市場定義に束ねます。

「logo design」「logo designer」「brand logo」「logo creation」
「ロゴ制作」「ロゴデザイン」「ロゴ作成」
        ↓
DESIGN > BRANDING > LOGO_DESIGN

Ontology v0.1 は、生データ90日分の観察後に確定します。実データを横断で見る前に体系を作ると、実在しない構造を設計してしまうためです。なお、ココナラの「占い」「悩み相談・カウンセリング」のように、英語圏の主要プラットフォームに対応先が存在しないカテゴリがあります。全カテゴリが対応するわけではないことを前提に設計します。

03正規化：水準を失わない設計

最も重要で、最も間違えやすい箇所です。プラットフォーム内で percentile や Z-score を取ると、水準の情報が消えます。Fiverr のロゴ市場がココナラの10倍の規模であっても、それぞれの市場内で90パーセンタイルなら同じ数字になります。このとき指数が測っているのは「そのプラットフォーム内での相対的な目立ち度」であって、需要そのものではありません。

Cross-Market Gap は水準差の検出そのものです。相対値のみで統合すると、原理的に検出不能になります。

較正（アンカー方式）

1. アンカーカテゴリを少数固定する両プラットフォームに明確な対応物が存在し、取引の代理指標が最も直接的に取れるカテゴリを選ぶ。生データ90日分の観察が入力になる。

2. 較正係数を推定するアンカーにおける実測値からプラットフォーム間の較正係数を推定する。

3. 残りのカテゴリの絶対量を推定する相対値 × 較正係数で絶対量を推定する。全カテゴリで絶対値を直接取る必要はない。

4. バージョンと推定誤差を出力に含める較正係数のバージョンと推定誤差を、指数と一緒に出力する。

アンカーがゼロの状態で相対値だけを統合した指数には、意味がありません。

04需要代理指標と変換上の注意

直接の検索ボリュームは各プラットフォームとも非公開です。需要は以下の代理指標で構成します。

プラットフォームごとの落とし穴

入札数・提案数は Supply Index 側に入ります。各代理指標をどのソースから取るか（候補と確認状態を含む）は観測ソースに一覧があります。

雇用需要は別のレイヤーとして持つ

求人件数は外注需要（サービス市場）とは別の指標として保持し、混ぜません。同じ市場について外注需要と雇用需要を並置すると、水準だけでなく構造の変化が見えます。

AI Agent Development
  外注需要（サービス市場） +80%   雇用需要（求人） +55%   → 市場全体が伸びている可能性
  外注需要（サービス市場） +150%  雇用需要（求人） −5%    → 雇用ではなく外注化が進んでいる可能性

どちらも事実の並置であり、解釈は加えません。求人の集計指数（Indeed Hiring Lab）と、公式 API で取れる実求人件数（Saramin など）を区別して記録します。

05出力する指標セット

単一の Gap スコアにはまとめません。販売速度 ÷ 供給密度 のような比率に潰すと、「100 ÷ 10」と「10,000 ÷ 1,000」が同じ値になります。市場としては全く別物です。比率は水準を消します。

06Cross-Market Gap

同一の市場定義について、地域間の需要・供給の水準と変化を並置します。出力は事実の並置に留め、解釈を加えません。「アービトラージ」という語は利益機会の提示を含意するため使いません。

これは水準差の検出であるため、volume_absolute と較正係数が揃って初めて成立します。相対値のみでは原理的に検出できません。言語とプラットフォームの壁により即座には埋まらないため、公開しても自己破壊しにくい唯一の指標であり、最優先で実装します。

07Confidence Model

Confidence は表示上の親切さのために置くのではなく、Signal Validation Log に統計的な意味を与えるために必要です。全判定を一本の的中率で公開すると、外れたときに何も説明できません。帯別に分解して初めて、次のような開示が可能になります。

Confidence 90以上の判定：的中率 71%
Confidence 60未満の判定：的中率 48%

Confidence 58 と開示した判定が外れても信用は毀損しません。開示せずに外した場合のみ毀損します。

因子

シグナル種別に等級を貼るだけでは不十分です。A級シグナルで観測3週間のカテゴリと、B級で観測18ヶ月のカテゴリでは、実際の信頼度が逆転しえます。

Confidence = 100 × ( w_S·S + w_M·M + w_N·N + w_T·T + w_F·F )

重みは推測せず、実測から較正する

初期の重みは仮置きであり、正しさを主張しません。Signal Validation Log が最初の検証サイクルを終えた時点で、Confidence 帯別の実測的中率との相関から重みを較正します。Confidence モデル自体がバージョン管理の対象です。

• 全出力に confidence_model_version を付与する
• 較正のたびに旧バージョンの出力を保持する（過去の開示を遡って書き換えない）
• 較正の実施と変更内容を公開する
• 四半期ごとに Confidence 帯別の的中率（較正曲線）を公開する。Confidence が的中率と単調に相関していなければ、モデルが壊れている

低 Confidence を隠さない

Confidence が低いカテゴリを非表示にせず、数値を添えて表示します。較正が済んでいない指標にはその旨を明示し、絶対量推定が較正係数に依存している場合は volume_confidence を別途出します。

AI Agent Development     Gap +33   Confidence 92
Japanese Voice Acting    Gap +35   Confidence 58

Gap のみを見れば後者が大きいですが、データ品質が弱いことが同時に読めます。この2行が並んで表示されることが、この製品の設計思想そのものです。

08表示ルール

製品が中立でも、審査されるのは表示です。中身と訴求の温度を一致させるため、以下を UI とデータ配布物の両方に適用します。

• 総合ランキングを作らない。単一の順位表を出した時点で、一文も推奨していなくても推奨になる
• 既定のソート列が事実上のランキングになる。初期表示はカテゴリ名順または観測日順とし、Gap 降順は利用者が明示的に選択した場合のみ適用する
• 「注目」「おすすめ」「有望」等のラベルを UI 語彙から排除する
• 並べ替え軸は対称に提供する（Demand 昇降／Supply 昇降／Gap 昇降／Momentum）
• 「稼げる」「収益が見込める」類の訴求を、自社の表示物から排除する

09公開範囲とバージョン

以下は仕様として公開します。

• オントロジーの対応表（バージョンごと）
• 指数の算出式
• Confidence の因子・重み・較正履歴
• 較正係数とアンカーカテゴリ、推定誤差
• 日次チェーンヘッドと外部アンカリング先

秘匿するのは生データそのものと、その履歴の深さだけです。

バージョンが変われば別の指標として扱い、旧バージョンの出力を保持します。仕様変更を静かに行いません。仕様を変更した日は、日次チェーン上で特定可能です。