顧客の声を「聞いて終わり」にしない｜AIで感情分析し、改善のヒントを経営に届ける

顧客の声は毎日届いているのに、集めて見返す仕組みがないから経営に届かない

問い合わせ、クレーム、Googleマップのレビュー、アンケートの自由記述——顧客の声は毎日どこかに届いています。そのひとつひとつに、「何を直せば選ばれ続けるか」のヒントが埋まっています。ところが多くの中小企業では、その声が現場での個別対応で終わり、集めて見返す仕組みがありません。クレームはその場で謝って収束、良いレビューは読んで嬉しいで終了。声は確かにあるのに、経営判断の材料にはならないまま流れていきます。

これは、現場が顧客の声を軽んじているからではありません。声がチャネルごとにバラバラの場所にあり、集めて分析する手間が大きく、しかも経営が見られる「傾向」の形になっていないという仕組みの問題です。原因を分けると、だいたい次の3つが重なっています。声の置き場所が分散している（メール・レビューサイト・アンケート・SNS）、一件ずつ読んで分類する余裕がない、そして「今月は何の声が増えたか」を一目で見る形になっていない——この3つです。

裏を返せば、声を1か所に集め、AIで感情（ポジティブ／ネガティブ）とテーマを分類すれば、「今月はこの点への不満が増えた」「この価値が評価されている」という傾向が見えてきます。しかもこれは、高価なツールを入れる前に、手元の道具で始められます。

自分でやるなら：顧客の声を集めて、AIで「傾向」に変える

順番はシンプルです。散らばった声を1か所に集め、AIで感情とテーマに分類し、月に一度のレポートにして経営に渡す。以下がその中身です。

ステップ1：散らばった「声」を1か所に集める

まず、自社に顧客の声がどこに届いているかを棚卸しします。よくあるのは、問い合わせ・クレームのメール、Googleマップや各種サイトのレビュー・口コミ、アンケートの自由記述、SNSでの言及、営業や店舗スタッフが聞いた生の声、あたりです。

これらを、月に一度でよいので1枚のGoogleスプレッドシートにコピーして集めます。列は、後で傾向を出せることを基準に絞ります。

• 日付／チャネル（問い合わせ・レビュー・アンケートなど）
• 顧客の属性（分かる範囲で。新規／既存、地域など）
• 声の本文（原文のまま）

原文のまま残すのがポイントです。要約は次のステップでAIにやらせるので、ここで手を加えると、拾えたはずのニュアンスが消えてしまいます。

ステップ2：AIで「感情」と「テーマ」に分類する

声が集まったら、一件ずつ人が読んで分類するのは大変です。ここを ChatGPT や Gemini に任せ、ポジティブ／ネガティブの判定と、内容のテーマ分けをまとめてやってもらいます。

コピペで使えるプロンプト例（感情分析とテーマ分類）：

以下は、当社に届いた顧客の声の一覧です。
一件ごとに、次を判定して表にしてください。

・感情：ポジティブ／ネガティブ／中立 のどれか
・テーマ：内容を表す分類（例：価格／品質／接客／納期／使いやすさ）を1つ
・要注意度：すぐ対応すべきものに「高」（強い不満・解約の気配など）

事実だけで判断し、書かれていないことは推測しないでください。

［顧客の声の一覧をここに貼り付け］

分類ができたら、そのまま「で、何を直せばいいのか」まで一歩踏み込ませます。

コピペで使えるプロンプト例（改善ヒントの抽出）：

上の分類結果をもとに、次をまとめてください。

・ネガティブが多かったテーマ 上位3つと、その代表的な声（原文を1つずつ）
・逆に評価されている点 上位3つ
・来月に向けて検討すべき改善アクションの候補を3つ（各1行）

経営者が短時間で読める分量で、箇条書きでお願いします。

AIの判定は下書きです。特に「要注意度・高」と出た声は、必ず人が原文を読んで確かめてください。感情分析はニュアンスを取り違えることがあり、皮肉や条件つきの褒め言葉は誤判定が起きやすい部分です。また、顧客名など個人が特定できる情報をAIに入れてよいかは、事前に社内で線引きを決めておきます。

ステップ3：月次「顧客の声レポート」にして経営に届ける

分析は、経営が見る形になって初めて意味を持ちます。毎月同じフォーマットで、A4一枚の「顧客の声レポート」にまとめます。盛り込むのは、ポジティブ／ネガティブの比率と前月からの変化、増えたテーマ、そして必ず「代表的な生の声」を数件、原文で添えることです。数字だけだと現場感が伝わらず、生の声だけだと印象論になります。両方を一枚に載せるのがコツです。

そして、レポートを「見て終わり」にしないために、毎月ひとつだけ改善アクションを決めます。全部に手をつけようとすると何も進まないので、「今月はこの一点」と絞る。翌月のレポートでその声が減ったかを見れば、打ち手が効いたかどうかも分かります。

ツールで本格的に運用する：アンケート・口コミ分析ツール

手元の運用が回り始め、声の量が増えて毎月の集約がつらくなってきたら、収集や分析を助ける専用ツールを検討します。ここで挙げるのは中小企業でも導入しやすい国内サービスです。どの「声」を主に扱うかで選ぶと迷いません。

どれを選ぶかの目安：

• まず手元の声（メール・問い合わせ）を無料で分析したい → Googleフォーム／スプレッドシート＋ChatGPT
• アンケートで狙って声を集めたい → Questant（無料プランから）
• Googleマップ等のレビュー・口コミが集客に効く業種 → 口コミコム

なお、大企業向けの高機能なVOC分析基盤もありますが、中小企業がまず必要とするのは「声を集めて、傾向を月次で見る」ところまでです。手元＋アンケートツールで十分に始められます。

つまずきやすいポイントと回避策

「集めるだけで、分析・共有まで続かない」 → いちばん多い失敗です。最初から全チャネルを完璧に集めようとせず、まずは問い合わせとレビューの2つだけ、月1回でよいので回してください。AIに分類させれば、読む負担は大きく減ります。

「AIの感情判定を鵜呑みにする」 → 皮肉や「安いけど品質は…」のような条件つきの声は、判定を誤りがちです。特に「要注意度・高」は人が原文を確認する、という一手を必ず残してください。

「声を集めても、何も変えないので不信になる」 → 顧客の声を集める姿勢が見えて何も変わらないと、かえって失望を生みます。毎月ひとつでいいので改善アクションを決め、可能なら「いただいた声をもとに、ここを変えました」と顧客に返すところまでつなげてください。

自走では越えにくい境界線

上記のやり方で、「顧客の声を集めて傾向をつかみ、月次で経営に届ける」ところまでは自社で作れます。一方、次の領域は専門的な設計や仕組みが必要になります。

大量・多チャネルの声のリアルタイム分析

声が毎日大量に届く規模になり、SNSやレビューを自動で収集して常時モニタリングする段階になると、専用のVOC分析基盤やデータ連携の設計が必要になります。手元の運用は「月次でまとめて見る」までが現実的な範囲です。

定量調査としての設計（統計的な裏づけ）

「本当にその声は全体の傾向か、たまたま声の大きい一部か」を統計的に確かめるには、サンプルの取り方や設問設計といった調査の専門知識が要ります。改善の意思決定に大きな投資が伴う場合は、ここは専門家の領域です。

声を全社の改善サイクルに組み込む仕組み

集めた声を、商品開発・接客・オペレーションの改善に確実につなげ、担当と期限を決めて回す仕組みづくりは、ツールではなく業務プロセスと体制の設計になります。

今週からできる、最初の一歩

大きな仕組みを考える前に、今週試せる最小の一歩があります。

直近1か月に届いた顧客の声を、チャネルを問わず30件だけ1枚のスプレッドシートに集め、そのままChatGPTに貼って「ポジ／ネガとテーマで分類し、ネガティブが多かったテーマ上位3つと改善案を挙げて」と聞いてみる。

30件でも並べてAIに通すと、「今このテーマの不満が多い」という傾向が、驚くほどはっきり見えてきます。まずは1か月分・1回だけ。そこで見えた一点を改善して、翌月また同じことをする——この繰り返しが、顧客の声を経営の判断材料に変えていきます。

多チャネルの自動収集や統計的な調査設計、全社の改善サイクルづくりまで踏み込む段階になったら、どこから手をつけるかの優先順位づけからご相談ください。

本記事で紹介したQuestant・口コミコムは代表的な一例です。機能・料金は変更される場合があります。導入前に各社の公式サイトで最新情報をご確認ください。