ChatGPTでレビューを分析して改善点を見つける方法

「レビューは溜まっているのに、結局なにを直せばいいのか分からない」——これは、改善の糸口を探す多くのEC担当者がぶつかる壁です。実は、お客様の声をChatGPTにまとめて読ませて、不満・要望・称賛に仕分けしてもらうと、優先して手を打つべき場所がくっきり見えてきます。この記事では、レビューを集めて分析し、商品ページや商品そのものの改善につなげるまでの手順を、コピペで使えるプロンプトと一緒に確認していきましょう。

なぜレビュー分析にAIが向いているのか（と、その注意点）

レビューには、お客様が実際に感じた本音が詰まっています。けれど、件数が数十・数百になると、人が一つずつ読んで傾向をつかむのは骨が折れます。ChatGPTのような生成AIは、大量のばらばらな文章から共通点や傾向を拾い上げるのが得意です。「この商品のレビューを、不満・要望・称賛に分けて」と頼めば、感覚ではなく整理された形で全体像を返してくれます。一人で何時間もかけて読み込んでいた作業が、貼り付けて待つだけの数分に縮む——これがレビュー分析にAIを使う最大のメリットです。

ただし、ここで大切なのはAIを「結論を出す人」ではなく「下読みして仕分ける人」と考えることです。AIは“それらしく要約する”のは得意ですが、数を正確に数えたり、文脈を正しく汲んだりするのは苦手な面があります。だからこそ、最後の判断は人が握る前提が欠かせません。AIには次のような限界があります。

• 件数や割合を盛ることがある……「サイズに関する不満が多数」と言いながら、実際は数件しかない、ということが起こります。数の根拠は人が元レビューで確かめる必要があります。
• 解釈を断定しやすい……皮肉や言葉足らずのレビューを、AIが額面どおり受け取って分類を誤ることがあります。微妙なニュアンスは取りこぼしがちです。
• 少数の鋭い声を埋もれさせる……「多数派」を優先する傾向があるため、件数は少なくても重大な指摘（不良・安全性など）が要約から抜け落ちることがあります。

つまり、AIが出した分析はあくまで“下読みメモ”。どこを直すかの判断と、元レビューでの裏取りは人の仕事です。この分担さえ守れば、AIは膨大な声を一望できる強力な味方になります。逆に「AIがそう言ったから」と鵜呑みにすると、的外れな改善に時間を使ってしまいます。まずは「8割をAIに整理させ、最後の2割を人が確かめる」というイメージを持っておきましょう。

レビュー分析の進め方 4ステップ

難しく考える必要はありません。次の流れを順番に踏むだけです。全体像を先につかんでおくと、どのステップで手を抜いてはいけないかが見えてきます。

1. STEP1：レビューを集めてプロンプトに貼る

   楽天・Amazon・自社サイトなどから、対象商品のレビューをコピーして一か所に集めます。ここで個人情報を取り除くのを忘れずに。件数は多いほど傾向が安定しますが、まずは直近の数十件からで十分です。星の数（評価点）も一緒に貼ると、AIが温度感をつかみやすくなります。

2. STEP2：不満・要望・称賛に分類させる

   「次のレビューを、不満・要望・称賛の3つに分けて、それぞれ多い順に整理して」と頼みます。具体的なレビューの言い回しを引用させると、後で元レビューに当たりやすくなります。まずは“どんな声があるか”を一覧化するのが目的です。

3. STEP3：優先度をつけさせる

   「件数の多さ」と「売上・満足度への影響度」の両面で、対応すべき順番を提案させます。ただし件数はAIの自己申告なので、上位に来た項目は人が元レビューで本当に多いか確認します。ここが判断の入り口になります。

4. STEP4：改善アクションに落とし込む

   優先順位の高い声ごとに、「商品ページの言葉で解決できるか」「商品・仕入れ・梱包の改善が要るか」を切り分けます。ここは人が主役。AIには改善案のたたき台を出させ、実行できる形に整えるのは担当者の役目です。

表で整理すると、各ステップの役割分担はこうなります。太字の工程が「人が主役」になる部分です。

特に④の「落とし込み」が成果を分けます。分析して「ふむふむ」で終わってしまうのが、いちばんもったいないパターンです。「サイズが小さめという声が多い」と分かったら、商品ページに実寸表を足すのか、次回仕入れでワンサイズ上げるのか、具体的な一手まで決め切る。一度に全部やる必要はありません。優先度の高いもの一つから着手するのが、続けるコツです。

分類のコツ：不満・要望・称賛の3つに仕分ける

レビューは「何が書いてあるか」だけでなく「どの種類の声か」で扱いが変わります。AIに丸投げする前に、3つの違いを押さえておくと、出てきた分類を読み解きやすくなります。

• 不満（直すべき声）……「サイズが思ったより小さい」「説明と違った」など。商品ページの誤解か、商品自体の問題かを見極めます。放置すると低評価が積み上がる、最優先の声です。
• 要望（伸ばせる声）……「色違いが欲しい」「もう少し容量が多いと」など。次の商品開発や品揃え、セット販売のヒントになります。
• 称賛（活かせる声）……「梱包が丁寧」「肌触りが良い」など。お客様が感じている強みは、そのまま商品ページの訴求ポイントに転用できます。

この3分類が効くのは、それぞれ打ち手の方向が違うからです。不満は「守り（マイナスを消す）」、要望は「攻め（次の一手）」、称賛は「強み（伝え方）」。同じレビューの山でも、この軸で仕分けると次のアクションが自然と見えてきます。良い声と悪い声を、改善という観点で並べると次のように整理できます。

注意したいのは、星の数（評価点）と中身の声を切り離して見ること。星5でも本文に小さな要望が書かれていることはよくありますし、星1でも内容は「配送だけが不満」で商品自体は好評、というケースもあります。点数だけで判断せず、必ず本文の中身まで仕分けてもらいましょう。

コピペで使えるプロンプト集

ここからは、実際にそのまま使えるプロンプトを4種類紹介します。【　】の部分を自分の商品やレビューに置き換えて使ってください。どれも「件数を推測で盛らない」「元レビューにない解釈を足さない」という指示を組み込んであります。

① 基本形：まずは全体を仕分けたいとき

② 優先度づけ型：何から直すか決めたいとき

③ 商品ページ改善型：ページの言葉に落とすとき

④ 商品改善型：モノづくり・仕入れに活かすとき

4つを使い分けると、同じレビューの山から違う角度の気づきが手に入ります。まずは①で全体像をつかみ、②で優先度を出し、③④で具体策へ——という順で回すのがおすすめです。いずれの場合も、出てきた分析をそのまま信じず、上位の項目は必ず元レビューに当たって確かめるのを前提にしてください。

分析結果を「改善」に落とし込む

分析はゴールではなく入り口です。せっかく仕分けても、行動に移さなければ何も変わりません。出てきた声は、大きく次の2つの行き先に振り分けると動きやすくなります。

• 商品ページで解決できる声……「サイズ感が分からなかった」「使い方が不明だった」など、説明不足が原因の不満です。実寸表・使用イメージ・Q&Aの追記で、すぐ手を打てます。いちばん早く効く改善はここに集まります。
• 商品・運用の改善が要る声……「梱包で潰れていた」「耐久性が低い」など、モノや運用そのものの問題です。仕入れ・梱包資材・検品フローの見直しにつなげます。時間はかかりますが、根本のマイナスを消せます。

つまずきポイント：ありがちな失敗と対策

EC参謀でよく見かけるのが、AIの分析結果を鵜呑みにして、的外れな改善に動いてしまうケースです。これには大きく2つのリスクがあります。それぞれ、対策まで一緒に押さえておきましょう。

失敗1：件数の幻に振り回される。AIが「○○の不満が多数」と言っても、実際は少数だった——ということが起こります。印象だけで大きな改善に動くと、労力が空振りします。対策は、優先度上位の声を必ず元レビューで数える（裏取りする）こと。「多い」と言われた項目だけでも実数を確かめれば、判断の精度がぐっと上がります。

失敗2：少数だが重大な声を見逃す。AIは多数派を優先しがちなので、件数は少なくても「発火した」「ケガをした」といった安全性の指摘が要約から抜けることがあります。対策は、低評価レビューだけは件数に関係なく人が全部読むこと。重大な声は数の問題ではなく、対応の緊急度の問題です。

もう一つ静かに多いのが、「分析して満足してしまい、改善が動かない」失敗です。きれいな分類表が出ると、それだけでやり切った気になりがちです。分析の価値は、その後に一つでも手を動かして初めて生まれます。「今日はこの一つを直す」と決めるところまでをセットにしてください。

まとめ：声を集めて、仕分けて、一つ直す

レビュー分析は、①集めて貼る→②不満・要望・称賛に分類→③優先度づけ→④改善に落とし込むという流れで、ChatGPTに下読みと仕分けを任せられます。基本形・優先度づけ・ページ改善・商品改善のプロンプトを使い分ければ、ばらばらだったお客様の声が、次に打つべき一手として見えてくるはずです。

ただしAIには、件数を盛る・解釈を断定する・少数の重大な声を埋もれさせるという限界があります。だからこそ優先度の高い声は必ず元レビューで裏取りし、最後の判断は人がすること。そして、レビューに含まれる個人情報や機密情報は入力しないこと。この2つさえ守れば、AIはお客様の声を改善につなげる頼れる相棒になります。まずは1商品、直近のレビューを上のプロンプトに貼るところから始めてみましょう。

よくある質問

Q. レビューは何件くらいから分析する意味がありますか？

A. 厳密な基準はありませんが、傾向を見るなら20〜30件あれば十分に役立ちます。少なすぎると一部の声に引っ張られやすいので、その場合は「これは少数意見」と割り切って読むのがコツです。逆に数百件あるなら、直近分とそれ以前で分けて貼り、傾向の変化を見ると新しい気づきが得られます。

Q. 低評価レビューだけ読ませてもいいですか？

A. 改善点を急いで知りたいときには有効です。ただし低評価だけだと、お客様が感じている強み（称賛）が見えなくなるのが難点です。強みは商品ページの訴求に直結するので、できれば高評価も一緒に分析しましょう。なお、低評価レビューは件数が少なくても重大な指摘が含まれることがあるため、AI任せにせず人が全部目を通すのがおすすめです。

Q. プロンプトに入力してはいけない情報はありますか？

A. レビューに含まれる投稿者名・注文番号・住所・電話番号などの個人情報は、貼り付ける前に必ず削除してください。また仕入れ原価・取引先名などの機密情報も入力しないでください。入力内容が記録される可能性をゼロとは言い切れないため、社外に出して困る情報は最初から渡さないのが安全です。分析に必要なのは、公開されているレビューの中身だけです。