クラスター錯視

統計的にはランダム分布の中に起こる自然なばらつきや「偶然の偏り」を、人間が意味づけしようとしてしまう心理的傾向である。

人は真にランダムなデータでも一定の集まりや間隔を「非ランダム」と見なす傾向があり、これにより誤った因果関係や「ホットスポット」などの認識を引き起こす。

提唱者

心理学者（トーマス・ギロビッチ）引用：https://www.unsiloedpodcast.com/episodes/thomas-gilovich

明確な提唱者は存在しないが、この現象は1970年代にトーマス・ギロビッチ（Thomas Gilovich）らによって、誤認知の研究文脈で体系的に紹介されている。彼の著書に関連する記述がある。

クラスター錯視は、デザインにおいて「偶然の偏り」や「分布の偏り」がユーザーの誤解や誤読を招く可能性があるため、データの可視化やインフォグラフィック作成の際に注意を払うべきである。

たとえば、ヒートマップやマップ上のドット表示で特定地域にアイコンが集中しているように見えると、ユーザーはそこに実体のある傾向があると信じてしまうことがある。

これを避けるためには、ランダム分布と有意なクラスターを区別する統計処理や、視覚的間隔の調整を行うことが重要である。

シーン	具体例	活用法
ユーザー行動のマッピング	ウェブサイトのヒートマップでクリックが「バナー」周辺に集中して見える	実際にはレイアウトの都合でそう見えるだけの可能性があり、過剰なUI変更を避けるために統計的検証を行うべきである。
エラー報告やバグ投稿の可視化	特定のバージョンでバグ報告が多数集まっているように見える	ユーザー数の偏りや偶然の報告タイミングでの偏りに注意し、母数との比率を確認すべきである。
GPSや地図上でのデータ表示	犯罪・病気・顧客分布などの位置情報における「ホットスポット」	実際のクラスターかどうかを検定（例：空間的自己相関）で確認し、誤認識を防ぐようにUI設計する。