【前編・2026年版-六色帽子思考法】EC意思決定が3倍速くなる｜理論編

こんにちは。EC運営の現場で「決断の遅さ」に悩んでいる方に、今日は特に読んでほしい内容です。

「データは見ている。競合も見ている。でも決められない」

この状態、心当たりはありませんか。楽天やAmazon、自社ECを運営していると、判断が求められる場面は一日に何度もあります。価格をいくらにするか、この商品を仕入れるか、セールを打つか打たないか。

迷う時間そのものが、利益を削っています。

その「迷いの正体」を6色に分解して、AIに投げ返す方法があります。エドワード・デボノが1985年に提唱した「六色帽子思考法」です。40年前のフレームワークですが、2026年のAIプロンプトと組み合わせると、意思決定の速さと質が一段上がります。

今回は前後編の前編（理論編）として、六色帽子思考法の本質とECへの対応マップを整理します。後編ではコピペ可能なプロンプト10選を公開する予定です。

⚠️ タイトル「3倍速」について：これは筆者の体感値・目安です。「6色を順に切り替えると、いつもバラバラに考えていた論点が30分で揃う」という運用感覚を表現しています。CBS研究などの定量データで保証された数字ではありません。実際の効果は意思決定の種類・読者のAI習熟度で変わります。

前々回・前回は「AI検索（LLMO）対策 2026年版」を前後編でお届けしました。記事末の関連リンクからどうぞ。

📌 60秒まとめ

この記事でわかること：

• 六色帽子思考法とは何か（1985年〜2026年の歩み）

• ECの現場で起きている「4種の意思決定ノイズ」の正体

• AIプロンプトに六色帽子が効く3つの理由

• 6色とEC業務の対応マップ（食品・家電・ペット用品など複数業種で例示）

• リレー型 vs 一括型：プロンプト設計の2つの流派

• ChatGPT・Claude・Gemini 別の書き方のコツ

• 六色帽子が向かない3場面（使いどころの見極め方）

❓ 六色帽子思考法とは

六色帽子思考法（Six Thinking Hats）とは、エドワード・デボノが1985年に提唱した、白・赤・黒・黄・緑・青の6色で思考モードを切り替える「並行思考（Parallel Thinking）」のフレームワークです。

各色がそれぞれ「事実・感情・批判・楽観・創造・統合」のうちひとつだけを担当します。他の思考を意図的に排除するから、一人でも多角的に決断できます。

🗂️ 目次

（§1）六色帽子思考法とは：1985年から続く「並行思考」フレームの本質

（§2）ECの現場で起きている「4種の意思決定ノイズ」

（§3）AIプロンプトに六色帽子が効く3つの理由

（§4）6色ハットとEC業務の対応マップ

（§5）リレー型 vs 一括型：プロンプト設計の2つの流派

（§6）ChatGPT・Claude・Gemini 別：モデル特性に合わせた書き方

（§7）六色帽子思考法が向かない3場面

1️⃣ 六色帽子思考法とは：1985年から続く「並行思考」フレームの本質

デボノという人物と、フレームが生まれた背景

エドワード・デボノ（Edward de Bono, 1933-2021）はマルタ出身の思考研究者です。オックスフォードとハーバードで学んだ医師でもあります。「ラテラル・シンキング（水平思考）」という言葉を作った人でもあり、「デボノ」と聞いてピンとくる方はビジネス書好きの方かもしれません。

六色帽子思考法を提唱したのは1985年。本の題名そのままで「Six Thinking Hats」という一冊から世に出ました。

当時の会議の課題は、今とほぼ同じです。「論理的な人はずっと論理的に、感情的な人はずっと感情的に話し続ける。だから議論が混線する」。デボノはその解決策として、全員が同じ帽子をかぶるというシンプルな仕組みを提案しました。

「並行思考（Parallel Thinking）」と呼ばれるこの方式では、全員が同じ思考モードで考えます。白帽子の時間は全員が「事実とデータだけ」を出す。黒帽子の時間は全員が「リスクと問題点だけ」を出す。こうすることで、議論の混線が構造的に解消されます。

40年で何が変わったか

1990年代には、フォーチュン500企業（アメリカの売上上位500社）の多くが社内研修に取り入れました。教育機関でも採用が進み、国内でも企画会議やマーケ部門で使われるようになっています。

ただ、AIプロンプトと組み合わせた使い方は、まだほとんど普及していません。

2024年、CBS International Business School（ドイツ・ケルン）の研究者が「Six Thinking Chatbots」という実証プロトタイプを発表しました（CreaRE 2024、REFSQ 2024併設ワークショップ）。六色帽子思考法をLLM（大規模言語モデル）に実装し、各ハットのAI出力をジャッカード類似度（単語の重複率を測る指標）などで定量評価した研究です。

結果として、ハット間で論点の重複が中程度に抑えられることが示されました。プロトタイプ段階・サンプル限定の研究ですが、「六色帽子思考法をAIで使うと各視点が混線しにくくなる可能性がある」という方向性を示す最初の実証研究として注目されています。

6色の役割：まず全体像を把握する

6色それぞれの担当は次のとおりです。

🤍 白（White）：事実・データ・客観情報のみ。推測と感想は禁止。

❤️ 赤（Red）：感情・直感・本能的反応。論拠は不要。正当化しない。

🖤 黒（Black）：リスク・問題点・批判的視点。ポジティブ評価は禁止。

💛 黄（Yellow）：楽観・メリット・成功要因。リスクと懸念点は禁止。

💚 緑（Green）：創造・革新・新アイデア。実現可能性の判断は禁止。

🔵 青（Blue）：俯瞰・統合・次のアクション。既出の整理役。新しい個人意見は禁止。

「〜は禁止」という制約が各ハットについているのが特徴です。この制約こそが、フレームの威力の源です。後ほど（§3）でくわしく説明します。

2️⃣ ECの現場で起きている「4種の意思決定ノイズ」

「迷いの消耗」の正体

経済産業省の「令和6年度電子商取引に関する市場調査」（2025年8月公表）によると、国内BtoC-EC市場の規模は物販系だけで年々拡大しています。衣類・服装雑貨等のカテゴリは2兆7,980億円・前年比+4.74%・EC化率23.38%。食品・飲料・酒類カテゴリに次ぐ規模です。

ペット用品、家電・AV機器、雑貨・日用品・文具、食品など、いずれのカテゴリでも競合は増加傾向にあります。市場が伸びている一方、隣に同じ商品を売る競合が増えている。一つひとつの判断ミスが、そのまま利益を削る状況です。

では、ECの現場ではどんな判断ミスが起きやすいのでしょうか。

4種の意思決定ノイズ

EC運営の現場で繰り返し起きるのは、次の4パターンです。

ノイズ①：感情で動く「感情優先判断」

競合の商品ページが急に更新された。売れ筋ランキングが動いた。こういう情報に触れると、「なんかやばい気がする」という感情が働きます。その感情に引きずられて、データを確認する前に価格を下げたりセールを組んだりしてしまう。

ペット用品ECで「競合がおもちゃセットを値下げした」と気づいた瞬間に、自社もあわてて値下げする。結果として利益率が崩れた、というケースはよくある話です。

ノイズ②：データなしで動く「直感優先判断」

逆に、データを見ないで「これは売れそうだ」という直感で仕入れを決めてしまうパターンです。経験豊富な運営者ほど陥りやすい。「前回もこのパターンで当たった」という成功体験が、データを見る習慣を上書きしていきます。

食品ECで「去年の春に○○が売れたから今年も同じを仕入れよう」と判断したが、トレンドが変わっていて在庫を抱えた、というケースが典型です。

ノイズ③：リスクを直視しない「楽観優先判断」

「うまくいくはず」という仮定だけで突き進んでしまうパターンです。家電ECで大型セールを組む際、ROASの目標値だけ設定して、在庫切れリスクや広告費の上振れリスクを計算しないまま実行する。結果として計画通りにいかなくても「やってみないとわからない」で片付けてしまいます。

ノイズ④：過去の成功体験に縛られる「固定化判断」

「これまでずっとこれで来た」という慣性です。雑貨ECで毎年同じセール構成で大きな数字を作ってきたため、新しい施策を提案されても「うちはこのやり方で十分」と却下してしまう。変化の兆候をキャッチできず、手を打つのが遅れます。

共通点：「ひとつの思考モードだけで決めている」

4つのノイズに共通するのは、思考のモードが偏っていることです。

感情だけで決める、直感だけで決める、楽観だけで決める、過去の経験だけで決める。人間の頭は、複数の思考モードを同時に扱うのが苦手です。並列で処理しようとすると、結局「いちばん声の大きい感情」に流されます。

六色帽子思考法はこの問題に対して「思考モードを順番に切り替える」という答えを出しています。全部を同時に考えようとしない。一度に一色。これが並行思考の本質です。

3️⃣ AIプロンプトに六色帽子が効く3つの理由

なぜ「AIに投げる」と特に効くのか

「六色帽子は会議でやるもの」と思っている方は多いです。でも実は、一人でAIに投げる用途で真価を発揮します。理由は3つあります。

理由①：AIへの指示が曖昧にならない

「多角的に分析してください」という指示はどうでしょうか。AIはこれに対して、メリットもデメリットも感情的価値も全部混ぜて返してきます。出力がぼやけて当然です。

「白ハットとして、事実とデータのみで答えてください。推測は禁止です」に変えると、出力の純度が段違いに上がります。制約が明示されているから、AIが「どの思考モードで回答するか」を明確に把握できるためです。

プロンプトの4要素（役割・制約・情報・出力形式）でいうと、六色帽子の指定は「役割」と「制約」を一度に精度高く指定できる方法です。

理由②：各視点の独立性が担保されやすい

先述のCBS International Business Schoolの研究（CreaRE 2024）では、六色帽子思考法をLLMに実装した際、各ハットの出力のジャッカード類似度が中程度に抑えられることが示されています。

ジャッカード類似度とは、2つの文章で使われている単語の重複率を0〜1で表す指標です。1に近いほど「同じ言葉を使っている＝論点が似ている」ことを意味します。0.608前後という中程度の値は、ハット間で論点が完全に重なっているわけでも完全に独立しているわけでもないことを示しています。

つまり、各ハットを別々に投げることで「同じ話の繰り返し」が減る傾向があります。プロトタイプ研究でありECでの対照実験はまだないため、この数値を過大評価することは避けつつ、「各ハットを独立して投げると論点整理に役立つ可能性がある」という参考として押さえておいてください。

理由③：青ハットの統合指示が圧倒的に楽になる

六色帽子の最後は青ハット（統合・俯瞰）です。白から緑までの5つの出力を受け取り、「対立点を整理して、優先順位をつけてアクションを出す」役割を担います。

人間がこれを手でやると、5つの出力を読み返して、矛盾を整理して、優先順位をつけて……と、相当な時間がかかります。AIに「以下の5つのハットの出力を青ハットとして統合してください」と渡すと、数十秒でまとまります。

1人のEC担当者が複数の視点で考える作業を、AIへの「分業」で実現できる。これが六色帽子 × AIプロンプトの最大の価値です。

4️⃣ 6色ハットとEC業務の対応マップ

6色をEC業務に当てはめる

各ハットがEC運営のどの場面に対応するのか。食品・家電・ペット用品・雑貨・書籍など複数業種を想定して整理します。

🤍 白ハット（White Hat）：事実とデータの時間

思考モード：客観情報のみ。推測・感想・評価は禁止。

EC業務での使いどころ：

• 売上・CVR（購入率）・客単価・在庫回転率などの数値確認

• 競合の価格帯・レビュー件数・検索順位などの客観的データ収集

• 今の施策で何がわかっていて、何がわかっていないかの整理

典型的な場面：「今期のキャンペーン、データで見ると何が起きていたか」を整理する時。

白ハットで大事なのは「不明は不明と明記する」ことです。AIは不明な情報でも推測で埋めようとする癖があります。「入手できない情報は『不明』と書いてください」と明示すると、「手元にないデータ」が可視化されて、次の打ち手が見えやすくなります。

❤️ 赤ハット（Red Hat）：感情と直感の時間

思考モード：感情・直感・本能的反応のみ。論理的根拠は不要。

EC業務での使いどころ：

• 顧客の購買動機・感情的価値の言語化

• 商品ページを見た瞬間のファーストインプレッション

• 「なんとなく合わない」という運営者自身の感覚の言語化

典型的な場面：新しい商品画像に差し替えた時、「なんか違う気がする」という感覚を言語化する時。

赤ハットのポイントは「正当化しない・証明しない」というルールです。感情は感情のまま出す。このルールがないと、赤ハットは黄ハットや白ハットに薄まっていきます。

ひとつ注意：赤ハットで出てきた「顧客感情の描写」は社内の仮説立案・ページ改修の叩き台です。AIが生成した感情描写を、レビューや広告の「お客様の声」としてそのまま使うのは景表法（優良誤認）とステマ規制に触れる可能性があります。社内検討止まりで使ってください。

🖤 黒ハット（Black Hat）：リスクと批判の時間

思考モード：問題点・リスク・批判的視点のみ。ポジティブ評価は禁止。

EC業務での使いどころ：

• 施策の失敗シナリオ・競合の脅威・コスト超過リスク

• 在庫滞留リスク・広告費の無駄打ちシナリオ

• 「最悪の場合、何が起きるか」の洗い出し

典型的な場面：ペット用品ECで新カテゴリ参入を検討する時、「何が失敗のトリガーになるか」を事前に洗い出す時。

ClaudeやGeminiは安全フィルタが効きすぎて「両論併記」しがちです。「ポジティブな評価は一切禁止」と強めに書くか、「最悪シナリオを箇条書きにしてください」と具体的な観点を入れると、キレのある指摘が返ってきます。

💛 黄ハット（Yellow Hat）：楽観とメリットの時間

思考モード：メリット・成功要因・機会のみ。リスクと懸念点は禁止。

EC業務での使いどころ：

• 施策の期待効果・ベストケースシナリオ

• 競合には出せない自社の強みの特定

• 「これがうまくいけば、何が実現するか」の具体化

典型的な場面：家電ECで新商品を出すかどうか迷っている時、「うまくいった場合のシナリオ」を意図的に考える時。

黄ハットは「意図的に楽観視する時間を確保する」ことが目的です。黒ハットのリスク洗い出しだけをやり続けると、新しい施策をすべて潰してしまいます。黒と黄を交互に使うことで、「リスクを知った上で、なぜやるのか」の根拠が作れます。

💚 緑ハット（Green Hat）：創造とアイデアの時間

思考モード：創造・革新・新アイデアのみ。実現可能性の判断は禁止。

EC業務での使いどころ：

• 競合にない差別化案・未開拓の販促アイデア

• 既存商品や素材の意外な組み合わせ

• 「予算・工数を気にせず考えたら、何ができるか」の発散

典型的な場面：食品ECで季節のキャンペーンを考える時、「これまでとは全く違う企画」を出す時。

緑ハットで最重要なのは「実現可能性の判断を禁止する」ルールです。AIは緑ハットを指定しても「ただし予算的には…」と自分でリスクを混ぜてきます。「実現可能性の判断は禁止」と明示すると、突飛なアイデアが10個前後きれいに並びます。その中から1〜2案が実装候補になれば十分です。

🔵 青ハット（Blue Hat）：統合と決断の時間

思考モード：俯瞰・統合・次のアクション。新しい個人意見の追加は禁止。

EC業務での使いどころ：

• 白〜緑の各ハット出力をまとめた最終判断

• 優先順位の決定・実行計画の策定

• 「何を今すぐやり、何を後回しにするか」の整理

典型的な場面：6色での分析が終わった後、「結局どうするか」を一枚のアクションリストにまとめる時。

青ハットには他の5色の出力をそのまま貼り付けて渡します。編集や要約をしてから渡すと論点が抜ける可能性があるため、コピペは加工せずそのまま渡すのがコツです。

5️⃣ リレー型 vs 一括型：プロンプト設計の2つの流派

「6色を順番に」vs「6色を一気に」

六色帽子をAIに使う方法は、大きく2つに分かれます。

リレー型：1色ずつ順番に投げる

白 → 赤 → 黒 → 黄 → 緑 → 青 の順で、6回に分けてAIに問いかけます。各ハットの出力を受け取ってから次のハットに進む、リレー形式です。

メリット：

• 各ハットの出力が深くなる（1回のプロンプトに集中できる）

• ハット間で「前の出力を踏まえて次を考える」連携ができる

• 青ハット統合時に全ハットの出力が手元に揃っている

デメリット：

• 6回やりとりが必要なため時間がかかる

• 途中でセッションが途切れると引き継ぎが必要

一括型：6色を一度に投げる

「以下のテーマについて、六色帽子思考法の6色すべての視点で分析してください」と一度に指示します。

メリット：

• 1回のプロンプトで全視点が揃う

• 素早く全体像をつかむのに向いている

• 新しい課題への最初の判断に使いやすい

デメリット：

• 各ハットの出力が浅くなりやすい

• ハット間で論点が混ざりやすい

どちらを使い分けるか

使い分けの基準は、「決断の重さ」と「時間の余裕」です。

重要な判断（価格変更・新カテゴリ参入・セール設計など）はリレー型が向いています。各ハットを丁寧に回した分、「わかった上で決めた」という根拠が積み上がります。あとで「なぜこうなったか」を振り返りやすくもなります。

素早く全体像をつかみたい時（アイデア出し・初動の方向感確認）は一括型で十分です。まず全体を広げて、気になる視点だけリレー型で掘り下げるという組み合わせも有効です。

後編では、EC運営の5シナリオ（価格設定・仕入れ判断・セール設計・商品ページ改善・広告判断）ごとに、リレー型・一括型を使い分けたプロンプト10選を公開します。

6️⃣ ChatGPT・Claude・Gemini 別：モデル特性に合わせた書き方

モデルによって「帽子のかぶり方」が違う

同じ六色帽子のプロンプトを投げても、ChatGPT・Claude・Geminiでは返ってくる出力の傾向が異なります。モデルごとの特性を知っておくと、プロンプトの書き方を調整できます。

ここで紹介する傾向は、2026年4月時点での観察に基づくものです。モデルは継続的に更新されるため、実際の使用時には最新バージョンで確認してください。モデル間の比較には Arena（旧 LMArena、lmarena.ai）を活用すると、特定のプロンプトでの比較検証ができます。

ChatGPT（GPT-4o系）の傾向

構造化された指示に忠実に従いやすいです。「箇条書きで3点ずつ」「1ハット最大200字」など、出力フォーマットを細かく指定すると、その通りに返ってきます。

黒ハット（リスク洗い出し）で「悲観的な想定も含める」と指定すると、かなり鋭い指摘が返ってくる傾向があります。

調整ポイント：赤ハット（感情）で「正当化しない」と書いても、説明を加えようとする場合があります。「感情・直感だけ。理由は書かない」と二重で強調するとより純粋な赤ハット出力になります。

Claude（Sonnet 4.6 / Opus系）の傾向

安全性を重視した応答が多く、黒ハット（批判・リスク）では「ただ、一方で…」と両論を添えてくることがあります。「批判的視点のみ。ポジティブなフォローは禁止」と制約を強めに書くことで、黒ハット本来のキレを引き出せます。

緑ハット（創造・発想）では比較的ユニークなアイデアが出やすい印象があります。「実現可能性は無視して」と付記すると、発散の幅が広がります。

青ハット（統合）では、前の5色の出力を渡した時の整理の精度が高い傾向があります。「対立点を明示して、推奨アクションを優先順位付きで3項目」という指示に対して、論点ごとに丁寧にまとめてくれます。

Gemini（3.1 Pro 等）の傾向

検索連動の情報を参照できるバージョンでは、白ハット（事実収集）で最新の市場データや競合情報を取ってくるのが得意です。「現在の競合価格帯を調べて白ハットとして列挙して」という使い方は、Geminiとの相性がいいです。

黄ハット（楽観・メリット）では肯定的な展開をしっかり書いてくれる傾向があります。

調整ポイント：長い指示文を渡すと、後半の制約を見落とすことがあります。制約条件を冒頭に箇条書きで出しておくと見落としが減ります。

3モデルを「使い分ける」視点

1つのモデルだけで全6色を回すのも十分機能します。一方、余裕があれば白ハット（事実収集）はGemini、青ハット（統合）はClaude、という使い分けも選択肢になります。

どのモデルが「正解」かは課題によって変わります。Arena（旧 LMArena）で同じプロンプトを複数モデルに投げて比較するのが、自社の用途に合ったモデルを見つける一番確実な方法です。

7️⃣ 六色帽子思考法が向かない3場面

どんなフレームワークにも「向かない使いどころ」があります。六色帽子についても同様です。使う前に向かない場面を知っておくことで、「なぜかうまくいかない」を防げます。

向かない場面①：即断が求められる緊急対応

在庫が急になくなった、クレームが爆発している、システム障害が起きた。こういう「今すぐ決めないといけない」場面に六色帽子は向きません。

6色を順番に回す時間的余裕がないためです。緊急時は「まず事実だけ押さえる（白）→今すぐとれる最善策（青）」という2段階で十分です。六色帽子はじっくり考えるための道具であり、緊急対応の道具ではありません。

向かない場面②：すでに答えが決まっている意思決定（確証バイアス確認型）

「本当はもうやると決めているが、根拠が欲しい」という状態で六色帽子を使うと、無意識に都合のいいハットだけ使い、都合の悪い結果を見ない、という歪みが生じやすいです。

自己診断のサイン3つ：

• AI に投げる前から「この答えになるはず」と特定の結論を期待している

• 黒ハット（リスク）の出力を「いや、それは大丈夫」と即時否定したくなる

• 緑ハット（アイデア）の出力を読み飛ばし、青ハット（統合）に急ぎたい

これらが2つ以上当てはまるなら、すでに「答えが決まっている」状態です。六色帽子は「オープンな問い」に対して有効。「この施策を正当化したい」という目的で使うのは、フレームの誤用です。その場合は黒ハット（リスク洗い出し）だけを徹底的に使うほうが、意思決定の質は上がります。

向かない場面③：データがゼロの段階の商品企画

白ハット（事実収集）の段階で、参照できるデータが何もない状態は厳しいです。新しいカテゴリへの初めての参入、まったく実績のない商品ジャンルの検討など、データゼロの状況では白ハットが空振りします。

「不明は不明と書く」ルールを守れば白ハットはそれなりに機能しますが、他のハットの根拠が弱くなります。この場合は先にデータ収集（検索ボリューム調査・競合調査・顧客インタビューなど）を行い、最低限の事実基盤を作ってから六色帽子を回すのが正解です。

❓ FAQ

Q. チームでなくても一人で使えますか？

使えます。というよりも、一人でAIに投げる用途でこそ真価を発揮します。チーム会議では「全員が同じ帽子をかぶる」ファシリテーションが必要ですが、AIに投げる場合は一人でも6色の視点を順番に確保できます。EC運営は一人〜数人の小規模チームが多いため、「一人でも多角的に判断できる」点が特に有効です。

Q. ChatGPT・Claude・Gemini のどれで使えばいいですか？

どれでも機能します。（§6）で書いたように、モデルごとに得意不得意がありますが、始めるなら普段使っているモデルで十分です。黒ハットで「両論併記してくる」と感じたら「批判のみ・フォロー禁止」と制約を強調する、赤ハットで「理由を書いてくる」と感じたら「感情だけ・説明禁止」と調整する、という形で各モデルの癖に合わせてプロンプトをチューニングしてください。

後編予告

次回：【後編・2026年版-六色帽子思考法】AIプロンプト10選｜EC5シナリオ実践編

前編で理論と対応マップを押さえたところで、後編はすぐ使えるプロンプト集です。

EC運営の5つのシナリオ（価格設定・仕入れ判断・セール設計・商品ページ改善・広告判断）に対して、リレー型と一括型を使い分けたプロンプト10選を、サンプルアンサー（AI出力例）とセットで公開します。

コピペしてカスタマイズするだけで、明日からの意思決定に使えます。

関連記事

前回（前後編）：AI検索（LLMO）対策 2026年版

「AIがあなたのお店を紹介してくれるには？」というテーマで、楽天・Amazon・自社ECの運営者向けにLLMO（LLM検索最適化）の基本と実践手法をまとめています。本記事と合わせて読むと、AIの使い方の全体像がつながります。

前々回：EC担当者が今すぐ使えるAI画像生成 5パターン

商品ページ・バナー・SNS投稿用の画像を、AIで作るための5つのパターンを解説しました。C2PA（コンテンツの真正性確認の規格）への対応についても触れています。

参考文献

• 経済産業省「令和6年度電子商取引に関する市場調査」（2025年8月公表）

• Edward de Bono, "Six Thinking Hats", Little, Brown and Company, 1985

• CBS International Business School（ケルン）「Six Thinking Chatbots」, CreaRE 2024（REFSQ 2024併設ワークショップ）, プロトタイプ研究

免責事項

本記事の内容は、2026年4月時点の情報に基づきます。AIモデルの仕様・出力傾向は随時更新されるため、実際の使用時には最新バージョンをご確認ください。記事内のプロンプト例・出力例は特定の結果を保証するものではありません。法令・プラットフォーム規約（景表法・ステマ規制・楽天市場規約等）の最新情報は、各一次情報源にてご確認ください。

#六色帽子思考法 #SixThinkingHats #EC運営 #楽天市場 #Amazon #意思決定 #AIプロンプト #ChatGPT活用 #Claude活用 #Gemini活用 #ECの意思決定 #プロンプトエンジニアリング #並行思考 #デボノ #ネットショップ運営 #マーケティング #LLMO #AI活用 #EC事業者 #ビジネス思考法 #2026年 #生成AI活用 #楽天出店者 #店長向け