口コミ・レビューを分析する方法｜感情×観点で可視化

お店や商品に寄せられる口コミ・レビューは、改善のヒントの宝庫です。しかし数が増えると全部を読むのは困難。本記事では、レビューを感情（ポジ／ネガ）と観点（品質・価格・接客など）で仕分けて集計し、強みと弱みを可視化する方法を、手作業・Excelでのやり方から順に解説します。

なぜレビュー分析が重要か

レビューには「お客様が本当に感じていること」が書かれています。★の数だけを見ても、なぜ低評価なのか・どこが評価されているのかは分かりません。中身を分析することで、次のような意思決定ができます。

• どの観点（品質・価格・配送・接客など）が評価され、どこが不満か。
• 改善すれば満足度が上がるポイントはどこか。
• 強みを、広告やLPの訴求にどう活かすか。

特に見落とされがちなのが★の数と本文のズレです。★4でも本文には強い不満が書かれていることがあり、逆に★2でも「ここは良かった」と書かれていることがあります。点数ではなく本文を分類するのが、レビュー分析の要点です。

分析の2つの軸：感情と観点

レビュー分析は、次の2軸で捉えると整理しやすくなります。

• 感情：その声がポジティブか、ネガティブか、中立か。
• 観点（テーマ）：何について言及しているか（例：品質、価格、配送、接客・対応、使いやすさ）。

この2つを掛け合わせると、「価格については不満が多い」「接客は高評価」といった具体的な示唆が見えてきます。

なお、1件のレビューに複数の観点が混ざることは珍しくありません（「味は良いが待ち時間が長い」など）。この場合は1件を1つの観点に押し込めず、観点ごとに分けて数えるのが正確です。

観点（ラベル）の決め方

実務でつまずくのは、たいていここです。次の順で決めると失敗しません。

1. まずレビューを30〜50件そのまま読む。頭で考えるより、実際に出てくる言葉から作るほうが精度が上がります。
2. 自社の打ち手に対応する単位で切る。「配送」は配送業者や梱包の見直しにつながりますが、「全体的な印象」では何もできません。そのラベルが多かったら誰が何をするかを言えるかが基準です。
3. 5〜7個から始める。細かすぎると各観点の件数が小さくなり、傾向が読めなくなります。
4. 「その他」を必ず用意する。ただし「その他」が2〜3割を超えたら、ラベルが実態に合っていないサインです。中身を読み直して観点を足します。

分析の手順

1. レビューを集める

ECのレビュー、Googleマップの口コミ、アンケートの自由記述などを、テキストの一覧（1行1レビュー）にまとめます。SNS上の反応も対象にする場合はSNS・口コミのコメントを分析する方法で媒体別の集め方を解説しています。

2. 感情と観点を仕分ける

各レビューに「感情」と「観点」のラベルを付けます。少量なら手作業でも可能ですが、数百〜数千件になると現実的ではありません（ラベル付けの考え方はAIでテキストを自動分類する方法で詳しく解説しています）。

3. 集計して示唆を出す

観点ごとにポジ／ネガの件数を数え、割合を出します。ネガが多い観点＝改善候補、ポジが多い観点＝訴求に使える強みです。

手作業・Excelでやる場合

件数が100件程度までなら、表計算ソフトだけでも十分に分析できます。手順はシンプルです。

1. A列にレビュー本文、B列に「感情」、C列に「観点」の列を作ります。
2. 1件ずつ読んで、B列・C列に手入力します。入力ミスを防ぐため、入力規則（プルダウン）でラベルを固定しておきます。
3. ピボットテーブルで「行＝観点／列＝感情／値＝件数」に集計します。これで下記のクロス集計表がそのまま作れます。

この作業を実際にやってみると、ラベル設計の良し悪しがすぐ分かります。判断に迷う件が多いなら、観点の定義が曖昧だということです。数百件を超えて手作業が現実的でなくなったときに、自動化を検討すれば十分です。

感情×観点のクロス集計

観点を行、感情を列にした表（ヒートマップ）にすると、強み・弱みが一目で分かります。

この例なら「品質・接客は強み」「価格・配送に不満」と即座に判断でき、次の打ち手（配送の改善、価格の見せ方の工夫）につなげられます。あわせて、各観点の代表的なコメントを数件抜き出すと、現場で共有しやすくなります。

件数を見るときは割合もあわせて確認してください。件数が少ない観点は、1〜2件の増減で割合が大きく動くため、傾向として扱うには注意が必要です。

時系列で変化を見る

1回だけの集計でも強み・弱みは分かりますが、本当に価値があるのは変化を追うことです。改善策を打ったあとに、その観点のネガが実際に減ったのかを確認できます。

• レビューに投稿日を持たせ、月次または週次で同じ集計を行います。
• 比べるのは件数より割合です。レビュー総数は時期で変動するため、件数だけでは増減を誤読します。
• 施策の実施日を記録しておくと、前後比較ができます。

「配送のネガが3割から1割に下がった」と数字で言えると、改善活動を継続する根拠になります。

結果を打ち手に変える

集計して終わりにしないために、次の優先順位で見ます。

1. ネガが多く、かつ件数も多い観点＝最優先。影響範囲が大きく、改善効果が数字に出やすい領域です。
2. ネガの割合は高いが件数が少ない観点＝様子見。ただし内容が深刻（安全・衛生・請求の誤りなど）なら件数に関係なく即対応です。
3. ポジが多い観点＝訴求に転用。商品ページや広告に、お客様が実際に使っている言葉をそのまま載せると効果的です。

低評価そのものへの対応（返信）はGoogleマップの口コミに返信する方法にまとめています。

よくある失敗

• ★の平均だけを追う：平均が動かなくても、中身の内訳は変化していることがあります。
• ネガだけを集計する：改善点は見つかりますが、伸ばすべき強みを見落とします。
• 基準を途中で変える：ラベルの定義を変えると、前後の比較ができなくなります。変える場合は変更日を記録してください。
• 1件の強い意見に引っ張られる：印象的なレビューほど記憶に残りますが、必ず件数で確認します。

大量のレビューをAIで安く処理する

数百〜数千件のレビューを人手で仕分けるのは大変ですが、AIを使えば感情・観点の分類と集計を自動化できます。ポイントは「安く回す」こと。似た内容の使い回し（キャッシュ）や、多数を1回のリクエストにまとめる（バッチ処理）で、費用を大きく抑えられます。詳しくはAI導入でコストを削減する考え方をご覧ください。

自動化しても、ラベル設計と結果の解釈は人の仕事です。前述の「観点の決め方」を先に固めてから自動化すると、出てくる集計がそのまま打ち手につながります。