Add evaluation worksheet link

Author: Takahiro Kubo

docs/organizer/day0_v2.md

@@ -92,7 +92,7 @@ AI/ML 特に生成 AI は進化の速い領域です。そのため、特に 3)
 - [ ] : ワークショップで扱うプロダクトと対象顧客 ( ※ ) が決まっている
 - [ ] : 改善編までの間に 1~3 時間の振り返りの場が確保されている
 - [ ] : 可能な限り、データがすぐに参照できる環境が整備されている
-- [ ] : プロダクトの成長に繋がる事例が 3~4 つ収集されている
+- [ ] : プロダクトの成長に繋がる事例が 3~4 つ収集され **[評価用ワークシート](https://docs.google.com/spreadsheets/d/1MP9cSSDeQevrHNgeXmdA90DiiiwhUIL83eFQzX9PQ0k/edit?gid=149988163#gid=149988163) の A~C 列を埋める形でまとめられている**
 
 
 ### ワークショップ中 : 実践編

docs/organizer/day1_v2.md

@@ -15,6 +15,6 @@
 3. 意思決定者の決定にゆだねる
    * Define では課題ごとに担当を決めていただきカテゴリと点数の意思決定権を持ってもらいます
 4. 意思決定を投票で行う
-   * Invent では各人のスコアリングによって考える解決策が決まります
+   * Invent では各人のスコアリングによって考える解決策が決まります。スコアリングには [評価用ワークシート](https://docs.google.com/spreadsheets/d/1MP9cSSDeQevrHNgeXmdA90DiiiwhUIL83eFQzX9PQ0k/edit?gid=149988163#gid=149988163) を使用してください
 5. 型にはめて決める
    * Test/Iterate では評価基準を決めますが、どれぐらいのデータを集めればよいのかはある程度型があります。例えばユーザーインタビューは大体 5 人に聞けば 85% の問題が発見できると言われています ( [参考](https://note.com/mikiok/n/n0784034f4004) ) 。また、母集団が 10,000 人の場合 100 人に効けば 90% の精度で傾向を確認できます ([参考](https://jp.surveymonkey.com/curiosity/how-many-people-do-i-need-to-take-my-survey/))。このように、キリの良い、ある程度保証された数値で対象のデータ数などを仮決めしてしまうことで決定速度を速められます。