口コミ分析のやり方｜不満・評価要因・店舗差を分類して改善テーマを抽出する

監修: 菊地 将（リブランディング株式会社）

口コミを毎月読んでいても、「接客に不満が多そう」「A店の評価が低い気がする」という印象だけでは、何から改善するかを決められません。星の平均や頻出語を眺めるだけでも同じです。決め手になるのは、1件の文章を評価要因ごとの「言及」（口コミの中の個々の評価ポイント）に分け、同じ分類基準で店舗や期間を比べることです。

本記事では、口コミを分類表に落とし込み、頻度・重大度・店舗差・増加傾向・改善可能性から改善テーマを抽出する手順を解説します。スプレッドシートでも運用できる分類表を作り、次の会議で着手する課題と担当者を決めるところまでを扱います。

口コミ分析を含む、取得・返信・改善・風評対応までの全体像は「口コミ・風評対策の全体像」で整理しています。

口コミ分析は「星」ではなく「評価要因」を改善するために行う

最初に確認したいのは、口コミ分析の目的です。目的は平均評価を眺めることではなく、顧客体験のどこに強みと問題があるかを特定し、現場が変えられる改善テーマに変換することです。Googleによると、Google上の口コミスコアは公開された評価の平均です。平均値は店舗の状態をつかむには便利ですが、何を直せば評価が変わるかまでは示しません。

たとえば、同じ星3の口コミでも、「料理はおいしいが提供が遅い」なら、味は肯定、提供時間は否定です。1件を一つの感情に決めてしまうと、強みと不満が相殺されます。そこで、分析の単位は口コミの件数ではなく、文章に含まれる個々の評価要因、つまり「言及」にします。

平均評価は店舗の状態を示しますが、改善箇所までは示しません。口コミを言及単位で分けると、維持すべき強みと改善すべき課題を同時に把握できます。

では、よく使われる指標では、どこまで分かるのでしょうか。次の表に、各指標で分かることと、単独では分からないことをまとめました。

見る指標	分かること	単独では分からないこと
平均評価	店舗全体の評価水準	評価が高い・低い理由
口コミ件数	顧客の声の量	不満や評価の内訳
頻出語	よく使われる言葉	文脈、否定、改善の優先度
評価要因別の言及率	接客・品質・待ち時間などの構成	問題の重大度や改善コスト
店舗差・時系列差	局所的な問題、施策前後の変化	差を生んだ原因の確定

どの指標も、単独では原因までは分かりません。さらに、口コミそのものにも限界があります。口コミは来店客全体を無作為に調べたデータではありません。投稿しなかった顧客の体験は含まれず、媒体や時期によって投稿者の構成も変わります。そのため、口コミだけで原因を断定せず、問い合わせ、キャンセル、再来店、待ち時間などの社内データと照合します。

最初に分析目的と比較条件を固定する

分類を始める前に、「何を決めるための分析か」を一文で固定します。目的が曖昧だと分類項目が増え、集計表はできても施策を選べなくなります。

目的の例は「直近3か月の全店舗の口コミから、翌月に改善する顧客体験を二つ選ぶ」です。この場合、比較するのは店舗、期間、評価要因で、最終的な出力は改善テーマ、担当者、期限になります。

なお、複数サイトの口コミ監視、競合比較、AI返信まで継続的に一元管理したい場合は、「デジタルリスクCLOUD」のような監視ツールを使う方法もあります。

比較可能な共通項目をそろえる

目的が決まったら、後から店舗や期間を比べられるよう、最低限、次の項目を保持します。

• 口コミIDまたは参照URL
• 投稿日と取得日
• 媒体名
• 店舗名
• 星評価
• 口コミ原文
• 評価要因
• 肯定・否定・中立
• 重大度
• 事実確認の要否
• 改善担当部門

このうち、口コミ原文は必ず残します。分類結果だけを保存すると、後から判定基準を変えた際に再確認できません。個人情報や要配慮情報は、社内ルールに従って閲覧権限と保存範囲を制限します。

店舗間では件数だけでなく比率も比較する

口コミ総数が200件の店舗と20件の店舗を、否定的な言及の件数だけで比べると、規模の大きい店舗が不利になります。そこで、店舗差を見るときは件数と比率を併記します。比率は次の式で求めます。

評価要因別の否定言及率 ＝ その要因の否定言及数 ÷ 店舗の全言及数 × 100

ただし、母数が小さい店舗では1件の影響が大きくなります。件数が少ない店舗は単月で順位付けせず、3か月や6か月へ期間を広げ、代表的な原文も合わせて確認してください。

分類表は「評価要因・感情・重大度」の3層で作る

改善につながる分類表は、3つの層で作ります。何についての声かを示す「評価要因」、どの方向の評価かを示す「感情」、どれほど優先的に扱うべきかを示す「重大度」です。業種に合わせて調整してかまいませんが、全店舗では同じ定義を使います。次の表は、評価要因（大分類と小分類）の例です。

大分類	小分類例	肯定例	否定例	主な担当
商品・サービス品質	味、施術、仕上がり、品ぞろえ	期待以上、品質が安定	品質不良、説明と違う	商品・現場責任者
接客	挨拶、説明、配慮、知識	丁寧、説明が明確	高圧的、案内不足	店長・教育担当
待ち時間・運用	予約、受付、提供、会計	スムーズ、時間どおり	待たされた、順番が不明	店舗運営
施設・環境	清潔さ、設備、音、温度	清潔、過ごしやすい	汚れ、故障、騒音	施設・店舗運営
価格・契約	価格、追加料金、説明	納得感がある	割高、料金が不透明	企画・店舗責任者
アクセス・情報	場所、駐車場、営業時間、Web情報	分かりやすい	情報が古い、場所が不明	MEO・Web担当

表の肯定例と否定例が、感情の付け方の目安です。感情は、言及ごとに肯定・否定・中立のいずれかを付けます。重大度については、このあとの項で説明します。

1件に複数の分類を付ける

1件の口コミには、肯定的な評価と否定的な評価が混在します。たとえば「受付は親切だったが、予約時間から40分待ち、料金の説明も分かりにくかった」という口コミには、接客・肯定、待ち時間・否定、料金説明・否定の3つの言及があります。口コミ全体へ「ネガティブ」と一つだけ付けず、意味のまとまりごとに行を分けます。次の表は、この口コミを分けた例です。

口コミID	言及	評価要因	感情	重大度
R-001	受付は親切	接客／配慮	肯定	低
R-001	予約から40分待った	待ち時間／予約	否定	中
R-001	料金説明が分かりにくい	価格／説明	否定	中

このように言及ごとに評価要因・感情・重大度を付けると、強みと問題が相殺されません。

重大度は感情の強さだけで決めない

重大度は、不満の表現が強いかではなく、顧客・安全・法令・信頼・売上への影響で判定します。たとえば件数が1件でも、衛生、安全、差別、個人情報、請求トラブルに関する指摘は、すぐに確認が必要です。次の表は、重大度の4区分と、区分ごとの対応です。

重大度	判定基準	対応
緊急	安全、衛生、法令、差別、個人情報、重大な請求問題	集計を待たず責任者へ連絡
高	利用中止、返金、再発する強い不信につながる	事実確認し、期限を決めて是正
中	体験を明確に下げるが、直ちに重大被害へつながらない	月次の改善候補へ追加
低	好み、軽微な要望、単発の不便	傾向を監視

穏やかな書き方の口コミでも、影響が大きければ重大度は高くなります。逆に、表現が強くても好みや軽微な要望であれば、重大度は低くなります。

口コミを6ステップで分類し、改善テーマへ変える

分類から施策までを同じ流れで繰り返すと、担当者が変わっても判断がぶれにくくなります。最初から大量のデータに適用せず、まず一部を人手で分類して基準を固めます。

口コミ分析は、対象を決めてから言及を分類し、原文との照合を経て差分を集計します。分類精度に問題があれば、定義へ戻って基準を修正します。

STEP1｜対象期間と対象範囲を決める

最初に、分析する範囲を決めます。全店舗、特定店舗、特定媒体など、対象を絞ります。季節性が強い事業は前年の同じ月と、運用変更の効果を見る場合は施策の前後と比較します。媒体が複数ある場合は媒体名を保持し、媒体ごとの平均評価や投稿文化の違いを混ぜないようにします。

STEP2｜50〜100件を読み、分類案を作る

次に、実際の口コミを読んで分類の案を作ります。最初の分類項目は、現場の業務工程と実際の口コミから作ります。項目を細かくしすぎると件数が分散するため、最初は大分類5〜8個、小分類は各2〜6個程度を目安にします。既存の分類に入らない声は「その他」で終わらせず、新しい分類の候補として記録します。

STEP3｜分類定義と境界例を文書化する

分類案ができたら、各分類に「含む例」と「含まない例」を設定します。たとえば「予約が取りにくい」は予約導線、「予約したのに待った」は待ち時間に分類します。境界を決めておかないと、担当者やAIによって集計結果が変わります。

STEP4｜言及単位でラベルを付ける

定義がそろったら、1件の口コミを意味のまとまりに分け、評価要因、感情、重大度のラベルを付けます。AIやテキスト分析ツールは大量処理に役立ちますが、皮肉、二重否定、業界固有語、複数要因を取り違える可能性があります。そのため、緊急・高の重大度の判定と、判断が曖昧な原文は人が確認します。

STEP5｜分類精度を抜き取り確認する

自動分類のあとは、店舗・星評価・カテゴリが偏らないように標本を抜き取り、原文とラベルを照合します。誤りを「分類漏れ」「分類違い」「感情違い」「重大度違い」に分け、定義または指示文を修正します。分類モデルや指示文を変更した日も残してください。

STEP6｜件数・比率・差分を集計する

最後に、評価要因ごとの肯定言及数、否定言及数、否定言及率を集計し、店舗差、前期間との差、重大度を重ねます。頻度だけで並べると「よく話題になる項目」が上位に来るだけで、改善の優先度は分かりません。そのため、優先度は次の節で別に判定します。

改善テーマは頻度・重大度・店舗差・増加傾向・改善可能性で優先順位を決める

集計ができたら、何から手を付けるかを決めます。改善の優先度は、頻度、重大度、店舗差、増加傾向、改善可能性の5つの軸で判断します。単純な件数ランキングにしないことで、低頻度の重大問題や、一部の店舗だけで起きている運用問題を拾えます。次の表は、軸ごとの確認事項と、優先度が高い状態です。

評価軸	確認する問い	高優先の状態
頻度	同じ不満が繰り返されているか	否定言及率が高い
重大度	顧客・安全・信頼への影響は大きいか	緊急・高に該当
店舗差	特定店舗だけ悪化しているか	全店中央値から大きく外れる
増加傾向	前期間より増えているか	件数・比率が連続上昇
改善可能性	自社で原因へ働きかけられるか	低コスト・短期間で変更可能

改善テーマは口コミ件数だけで決めず、5つの軸を重ねて判断します。なお、店舗差の軸にある「全店中央値」は、全店舗を値の順に並べたときの真ん中の値です。

運用しやすくするには、各軸を1〜3点で採点し、合計点を会議の出発点にします。点数は自動で決まる答えではなく、代表原文と現場データを確認する対象を絞り込むために使います。ただし、安全・法令・個人情報に関する緊急項目は、頻度や合計点に関係なく最優先です。

店舗差から原因仮説を作る

店舗差は、改善の原因を考える手がかりになります。全店舗で待ち時間への不満が増えていれば、予約枠や人員配置など、店舗に共通する設計を疑います。1店舗だけ高ければ、シフト、設備、教育、導線など、その店舗に固有の条件を確認します。高評価の店舗の運用を比較対象にすると、改善策を具体化しやすくなります。

高評価も「維持・再現テーマ」として扱う

改善の対象は否定的な口コミだけではありません。肯定的な言及も分類します。複数店舗で「説明が分かりやすい」と評価されているなら、標準手順として維持します。特定の店舗だけで高く評価されているなら、その接客方法を他店へ展開できます。強みを広告表現へ転用する前に、実際の提供価値として再現できるかを確認してください。

分析結果を担当者・期限・検証指標まで落とし込む

改善テーマは「接客を改善する」のような抽象語のままでは、現場が動けません。対象店舗、問題の場面、原因仮説、施策、担当者、期限、検証指標まで書き出します。次の表は記入例です。

項目	記入例
改善テーマ	A店の平日18〜20時の受付待ち時間
根拠	待ち時間の否定言及率が全店中央値より高く、2か月連続で増加
原因仮説	来店集中時の受付担当不足
施策	ピーク時間のみ受付担当を1名追加
担当・期限	A店店長・翌月1日開始
検証指標	実測待ち時間、待ち時間の否定言及率、離脱件数
判定時期	実施から8週間後

この例では、待ち時間の否定言及率が全店の中央値より高く、2か月連続で増えていることを根拠に、来店が集中する時間帯の受付担当不足を原因仮説としています。施策はピーク時間のみ受付担当を1名追加することで、実施から8週間後に判定します。

口コミだけで施策の効果を判定すると、投稿件数の変動に左右されます。待ち時間なら実測時間、説明不足なら問い合わせ内容、予約問題なら予約完了率など、業務データも一緒に追います。改善後は同じ分類定義と同じ期間幅で再集計し、基準を途中で変えないようにします。

口コミ分析で避けたい5つの失敗

口コミ分析では、分類の細かさよりも、比較できることと、施策につながることが大切です。次の5つの失敗を避けるだけでも、集計表が現場で使われやすくなります。

1. 星1・星2だけを分析する：星4でも具体的な不満を含む場合があるため、本文を言及単位で見ます。
2. 頻出語を改善テーマとみなす：「店」「利用」など一般的な語が多くても、施策には直結しません。
3. 店舗ごとに分類基準を変える：店舗差なのか分類差なのか判断できなくなります。
4. 少数データで順位を断定する：母数と比率を併記し、必要なら期間を広げます。
5. AIの分類結果を無確認で採用する：原文、分類定義、抜き取り精度を確認し、重大案件は人が判断します。

まとめ

口コミ分析で改善テーマを抽出するには、1件の口コミを評価要因ごとの言及に分け、「評価要因・感情・重大度」の3層で分類します。そのうえで、件数だけでなく比率、店舗差、時系列の変化、改善可能性を比較します。

最初の一歩は、分析目的を一文で決め、50〜100件を読んで分類案と境界例を作ることです。分類したあとは、頻度・重大度・店舗差・増加傾向・改善可能性で優先順位を付け、担当者、期限、検証指標まで設定しましょう。

参考文献・データ元

‹ 親記事: 口コミ・風評対策の全体像｜取り組むべき5つの領域と、まず押さえておきたい基礎知識

関連記事

• › レピュテーションリスクとは？企業への影響・原因・対策をわかりやすく解説
• › Wikipediaに企業情報が掲載されるリスクとは？編集ルールと風評被害への対処法
• › サイレントクレーマーとは？企業が気づきにくい不満の兆候と再来店につなげる対策
• › まとめサイトの風評被害対策｜転載・拡散された情報への削除依頼と検索対策
• › デジタルタトゥーとは？企業・個人への影響と削除・対処法
• › 企業名の掲示板・口コミを放置すると？監視・モニタリングと対処法
• › 風評被害対策3つを比較｜削除・検索対策・監視・モニタリング
• › テレワークのWebリスクとは？情報漏えい・SNS炎上・風評被害への対策
• › 企業ブランディングとは？進め方・メリット・最初に診断すべき3つの認識ギャップ【独自調査】
• › 風評監視・モニタリングの範囲は？検索語・媒体・リスクで判断
• › 風評監視・モニタリングの誤検知を減らす｜除外語・判定ルール
• › 企業の情報漏えいが相次ぐのはなぜ？ 5年前との比較で見えたAI時代の“守る場所”の変化

関連テーマ

AIO SEO MEO 採用改善 オウンドメディア集客