口コミの評価分布を分析する方法｜1〜5星・件数・新鮮さ・競合差から改善優先度を決める

監修: 菊地 将（リブランディング株式会社）

口コミの平均評価だけを見て、店舗の状態を判断していませんか。同じ平均4.0でも、「星4を中心に安定している店舗」と「星5と星1に評価が割れている店舗」では、顧客体験も確認すべき課題も異なります。平均値だけを見ていると、顧客評価の大きな変化を見落とすことがあります。

そこで、1〜5星の評価分布を起点に、口コミ件数、最近の口コミの構成、過去との差、他店舗・競合との差まで順に確認します。本記事では、平均値を分解して評価の偏りを捉え、どの評価帯の口コミを深掘りし、何から改善するかを決める方法を解説します。読み終えると、自店舗の評価分布を集計し、優先して本文を読む評価帯を決められるようになります。

評価分布を見ると、平均評価の中身が分かる

この節では、評価分布とは何か、なぜ平均評価だけでは足りないのかを、同じ平均4.0の2店舗で確認します。

口コミの評価分布とは、星1〜星5の口コミがそれぞれ何件、何％あるかを分けて確認する方法です。

Google Business Profileの公式ヘルプでは、Google上の口コミスコアは、その場所・事業者について公開されている評価の平均と説明されています。平均評価は便利な指標ですが、1〜5星の構成を一つの数字へ圧縮したものです。

たとえば、口コミが100件ある次の2店舗は、どちらも平均評価4.0です。

評価	店舗A	店舗B
星5	20件	70件
星4	60件	0件
星3	20件	10件
星2	0件	0件
星1	0件	20件
平均評価	4.0	4.0

同じ平均4.0でも、店舗Aは星3〜5に集まり、星1・2はありません。一方、店舗Bは星5が多いものの、星1も20％あり、評価が星5と星1に分かれています。平均値だけでは、この違いを判別できません。

店舗Bでは、「一部の顧客だけが強い不満を感じる条件があるのか」「特定の商品・時間帯・店舗運営で評価が割れていないか」といった確認が必要になります。

実際、LeeらがAmazon.comのDVD516商品、10,198件のレビューを分析した研究では、評価のばらつきが小さい場合と大きい場合で、ユーザーが平均評価や個別レビューをどう利用するかが異なることが示されています。評価の分散が大きいときほど、平均値だけではなく個々のレビューへ注意が向きやすくなりました。

評価分布を含む口コミ分析全体の見方と改善へのつなげ方は、口コミ分析とは？で整理しています。

では、評価分布を何と組み合わせて見れば、改善の判断につながるのでしょうか。次の節で、5つの指標を見ていきます。

評価分布は5つの指標とセットで見る

評価分布は、それだけで状態を判断せず、件数や時間、比較対象と組み合わせて読みます。店舗運営や本部で口コミを診断するときは、次の5つをセットにすると判断しやすくなります。

指標	基本的な見方	分かること
1〜5星の構成比	各評価件数 ÷ 全口コミ件数	評価の偏り・ばらつき
口コミ件数	累計件数と期間内件数	分布を見る際の母数
新鮮さ	直近期間の件数・構成	最近の顧客体験
過去・店舗差	前期・他店舗との差	自店舗固有の変化
競合差	同条件の競合との比較	市場内での相対的位置

表の「新鮮さ」は、最近投稿された口コミの件数と構成を見る軸です。「過去・店舗差」は、自店舗の前期や他店舗との差を指します。「口コミ件数」の欄にある母数は、構成比の元になる口コミ件数のことです。この5つを組み合わせて確認すると、平均値だけでは分からない状態が見えてきます。

以降の3つの小見出しでは、構成比、口コミ件数、新鮮さの見方を順に説明します。過去・店舗差と競合差はSTEP5と、店舗・競合比較の節で扱います。

1〜5星は件数と構成比の両方で確認する

最初に各評価の件数を集計し、構成比へ変換します。計算式は次のとおりです。

星5構成比 ＝ 星5件数 ÷ 全口コミ件数 × 100

同じ方法で星1〜星4も算出します。

店舗間の比較には、件数ではなく構成比が必要です。口コミ1,000件の店舗で星1が50件ある場合と、口コミ100件で星1が20件ある場合では、星1の件数だけを比べても状態は判断できません。構成比にすると、前者は5％、後者は20％で、星1の割合に4倍の差があると分かります。

実務では、構成比を次の5つにまとめておくと、変化を捉えやすくなります。

• 高評価比率：星4＋星5
• 中間評価比率：星3
• 低評価比率：星1＋星2
• 星1単独の比率
• 星5単独の比率

ただし、「低評価が○％なら危険」といった一律の基準を最初から置く必要はありません。業種・媒体・商圏によって分布が異なるため、自店の過去や同条件の競合と比べた変化を見る方が実務的です。

口コミ件数は「分布をどこまで信頼してよいか」の目安にする

構成比を見るときは、必ず口コミ件数も並べます。

たとえば口コミ10件で星1が2件なら低評価比率は20％ですが、新たに星5が1件増えるだけでも分布は大きく動きます。一方、口コミ1,000件の店舗では、1件追加されても分布はほとんど変わりません。

そのため、多店舗比較では「低評価率ランキング」だけを作らず、母数を併記してください。

オンラインレビューに関する2024年のメタ分析では、156研究、214の効果量、69,006観測を統合し、レビューの評価方向だけでなくレビュー量も購買意向との関連が研究されてきたことが整理されています。ただし、商品・サービス・研究条件によって効果は異なるため、「件数が多ければ必ず成果が上がる」と因果関係を決めつけるべきではありません。

新鮮さは「最近の分布」を別に切り出して見る

累計評価が高くても、最近の口コミだけを見ると低評価が増えている場合があります。そこで、累計分布とは別に、たとえば次の期間を切り出します。

• 直近30日
• 直近90日
• 直近180日
• 前年同期

店舗数や口コミ件数が少ない場合は、十分な件数が得られるまで期間を広げます。

社内管理用に次のように定義しておくと、累計評価に埋もれている最近の変化を把握できます。

直近90日構成比 ＝ 直近90日の対象評価件数 ÷ 直近90日の全口コミ件数 × 100

ここでいう「新鮮さ」は、口コミ分析のために設定する運用上の比較軸です。「新しい口コミほどGoogleの検索順位で有利になる」という意味ではありません。

なお、オンラインフードデリバリーを対象に311人で行われた実験では、ネガティブレビューについて、最近のレビューかどうかがレビューの有用性や注文意向と関係する結果が示されています。Googleマップの店舗口コミへそのまま一般化はできませんが、直近の低評価を別枠で確認する意義を考える参考になります。

評価分布は6ステップで分析し、深掘りする口コミを決める

評価分布を改善判断へつなげるには、「グラフを作って終わり」にせず、比較から原因候補の特定まで毎回同じ手順で行います。手順を固定すると、月ごとの結果を同じ基準で比べられます。

順序は、条件と母数をそろえ、最近の変化や他店舗・競合との差を確認してから、変化した評価帯の口コミ本文を深掘りする、という流れです。先に本文を読み始めると、条件の違うデータを比べたり、件数の少ない変化に引きずられたりするおそれがあると考えます。

STEP1｜比較条件をそろえる

最初に、比較するデータの条件を固定します。最低限そろえたいのは次の項目です。

• 口コミ媒体
• 店舗・拠点
• 対象期間
• 星1〜5の件数
• 口コミ総数
• 投稿日
• 比較対象となる競合
• 業種・サービスカテゴリー
• 商圏

Googleと別の口コミ媒体を一つの分布へ混ぜると、評価方法や利用者層の違いまで店舗差として扱ってしまいます。媒体ごとに分けて集計してください。

競合比較でも、全国チェーンと地域の単店舗をそのまま比較するのではなく、商圏、業態、価格帯などが近い店舗を優先します。

STEP2｜1〜5星の件数と構成比を並べる

まず累計の分布を作ります。棒グラフなら、横軸を星1〜5、縦軸を構成比に統一すると店舗比較が容易です。

次の数値は例です。平均評価の横に、このような構成を置くだけでも、平均値だけを見る状態から情報量が大きく増えます。

「星5 58％／星4 25％／星3 9％／星2 3％／星1 5％」

STEP3｜口コミ件数を重ねて母数を確認する

次に、構成比へ母数を加えます。たとえば低評価比率が同じ10％でも、次の2店舗では判断の確度が異なります。

• 店舗A：口コミ20件、低評価2件
• 店舗B：口コミ1,000件、低評価100件

店舗Aは1件増減するだけで比率が約5ポイント動きますが、店舗Bはほとんど動きません。件数が少ない店舗は、短期間の変化だけで良し悪しを断定せず、観測期間を広げます。

STEP4｜直近期間だけの分布を作る

累計分布と、直近90日などの分布を並べます。たとえば次のような結果が出たとします。

• 累計：低評価8％
• 直近90日：低評価18％

この場合、平均評価がまだ大きく下がっていなくても、最近の顧客体験に変化が生じている可能性があります。

反対に、累計では低評価が多くても直近で減少しているなら、改善施策が機能しているかを検証する材料になります。

Googleは、新しい口コミが投稿された後、表示される口コミスコアの更新に最大2週間かかる場合があると案内しています。短期間で変化を追うときは、表示される平均だけで判断せず、元の口コミ件数や投稿日も保存しておくと安全です。

STEP5｜前期・他店舗・競合との差を出す

評価分布は、絶対値より「差分」にすると改善対象を見つけやすくなります。比べる順番は、次の3つがおすすめです。

1. 自店舗の前期
2. 同一企業の他店舗
3. 同商圏・同業態の競合

次の表は、見方を示すための例です。

指標	自店	前期	他店舗中央値	競合中央値
星5比率	54%	58%	57%	60%
星4比率	27%	28%	27%	25%
星3比率	9%	8%	8%	7%
星1・2比率	10%	6%	8%	8%
直近90日件数	42件	38件	35件	46件

この例では、自店の星1・2比率は前期の6％から10％へ上がり、他店舗中央値・競合中央値の8％も上回っています。星5比率も前期の58％から54％へ下がっています。直近90日件数は自店42件で、前期38件、他店舗中央値35件と近い水準です。ただし、いずれも件数が多くないため、数件の増減でも比率は数ポイント動きます。

ここから、単に「平均評価が低い」と考えるのではなく、「最近、自店で低評価側への移動が起きている」という仮説を立てられます。原因までは、この表だけでは分かりません。

STEP6｜変化した評価帯の口コミ本文を読む

最後に、分布で異常や差を見つけた評価帯だけを深掘りします。星1・2が増えたのであれば、最近の星1・2を中心に、次のような観点へ分類します。

• 接客
• 待ち時間
• 商品・サービス品質
• 価格
• 説明
• 施設・環境

評価分布の役割は「どの口コミを優先して読むか」を決めることで、口コミ本文の分類の役割は「なぜその評価が生じたのか」を探ることです。この2つを分けると、数百・数千件の口コミを最初からすべて細かく分類しなくても、変化が大きい領域へ分析工数を集中できます。

評価分布は4つのパターンに分けて読む

分布を見るときは、「高い・低い」ではなく形を見ます。次の表は、代表的な4つのパターンと、それぞれで次に確認することをまとめたものです。

分布パターン	状態	次に確認すること
高評価集中型	星4・5が中心	強みの維持、最近の低評価増加の有無
中央厚型	星3・4が多い	期待を超えられていない要因
二極型	星5と星1・2の両方が多い	条件別に体験差が生じる原因
低評価増加型	最近の星1・2が増加	直近の運用・商品・人員変更

評価分布は、平均点の高低だけでなく、星1〜5がどのような形で分布しているかを見ると、次に確認すべき課題を絞りやすくなります。

4つのうち、特に解釈に注意したいのが二極型です。

Schoenmueller、Netzer、Stahlは、25の主要オンラインプラットフォームから2億8,000万件超のレビューを分析し、多くのプラットフォームで評価が両端へ偏る「polarity」が見られると報告しました。また、極端な評価を持つ人ほどレビュー投稿へ参加しやすい自己選択が、その要因の一つであるとしています。

したがって、星1や星5が多いからといって、来店客全体が同じ割合で満足・不満を感じていると解釈することはできません。評価分布は、顧客全体を無作為抽出した満足度調査ではなく、「実際に投稿された口コミの構成」として扱う必要があります。

改善の優先度は「低評価率」だけで決めない

実務では、分布の大きさ、最近の変化、母数、他店舗との差を組み合わせて優先順位を決めます。次の表は、状態ごとの判断と対応の目安です。

状態	判断	推奨対応
低評価比率が上昇し、直近期間でも増えている	優先度が高い	最近の星1・2をテーマ分類する
低評価比率が高いが件数が少ない	判断保留	期間を広げて再確認
星5から星4への移動が目立つ	潜在課題の可能性	星4の不満・要望を確認
自店だけ低評価側へ移動	店舗固有課題の可能性	他店舗との差を確認
全店舗・競合も同時に変化	外部要因の可能性	季節・価格・市場変化を確認
分布が改善し直近でも維持	改善継続候補	施策を維持して再測定

表の「判断」は、原因を確定したものではなく、次に何を確認するかの目安です。評価分布から原因は断定できません。「星1が増えた」という数字だけでは、接客が原因なのか、値上げなのか、待ち時間なのかは分かりません。

そのため、分布は異常を検知する指標、口コミ本文は原因候補を探る情報として役割を分けます。

店舗・競合比較では平均値ではなく「分布差」を見る

多店舗企業では、全店平均だけを見ていると改善対象が埋もれます。本部では、店舗ごとに次の項目を一覧化すると、優先的に確認すべき店舗を絞れます。

• 星1〜5構成比
• 口コミ総数
• 期間内口コミ件数
• 直近90日の構成比
• 前期との差
• 全店舗中央値との差
• 競合中央値との差

たとえば平均評価が3.9の店舗が3店あっても、次のように意味はまったく異なります。

• A店：長期間安定して3.9
• B店：4.2から3.9へ低下
• C店：3.6から3.9へ改善

B店は低下の原因を確認する必要があり、C店は改善した要因を確認して維持を検討できるなど、同じ3.9でも次の行動が変わります。「現在値」と「変化」を分けて見るのはこのためです。

競合比較でも同様です。自店4.1、競合4.3という0.2ポイント差だけではなく、星1〜5のどこで差が生まれているのかを確認します。競合では星5が多いのか、自店では星3が厚いのか、自店だけ星1が多いのかによって、次に調べる内容が変わります。

評価分布で絞った評価帯から、原因テーマを深掘りする

評価分布分析と口コミ本文のテーマ分析は、どちらか一方ではなく順番に使うと効率的です。まず評価分布で「どこが変わったか」を確認し、その評価帯の本文から「なぜ変わったか」を探ります。

たとえば星1・2が直近3か月で増加しているなら、直近の低評価口コミを読み、頻出する評価要因を分類します。

星5が減り星4が増えているなら、「致命的な不満」ではなく、次のような小さな不満や期待との差が増えていないかを確認します。

• 待ち時間が少し長い
• 説明が不足している
• 以前より価格が上がった
• 品質は良いが期待ほどではない

分布で対象を絞ってからテーマ分析を行うと、分析結果を「接客改善」「待ち時間短縮」「説明の見直し」など具体的な施策へつなげやすくなります。

月次では1枚の評価分布シートにまとめる

店舗運営で毎月使うなら、複雑な分析資料を作る必要はありません。次の項目を1行1店舗で持つだけでも、変化を追跡できます。

項目	記録内容
店舗名	対象店舗
集計日	データ取得日
累計口コミ数	総件数
星5〜星1	各件数・構成比
高評価比率	星4＋5
低評価比率	星1＋2
直近90日件数	最近の母数
直近90日低評価比率	最近の状態
前期差	増減ポイント
全店中央値差	社内比較
競合差	市場比較
要確認評価帯	深掘り対象
主な原因候補	本文分析後に記入
改善施策	担当・期限
次回確認日	再測定時期

このシートを月ごとに保存すれば、「平均評価が何点になったか」だけではなく、「どの評価帯が、いつ、どの店舗で動いたか」を確認できます。

評価分布を読むときの3つの注意点

評価分布は便利ですが、数字だけで店舗の状態を断定することはできません。

評価分布を顧客全体の声として解釈する前に、店舗・時期・依頼チャネルなどの偏りがないかは、口コミデータのサンプル偏りを監査する方法で確認しておくと安全です。

読むときは、次の3点に注意してください。

1. オンライン口コミには投稿者の自己選択があります。実際の顧客全体を無作為に調査した満足度分布とは異なります。2億8,000万件超を扱った研究でも、極端な評価を持つ利用者の投稿行動が分布へ影響することが示されています。
2. 媒体が違えば、ユーザー層や評価の付け方も異なります。競合比較では同じ媒体を使い、可能な限り同じ業態・商圏・期間で条件をそろえてください。
3. 「分布が変わったこと」と「施策が原因で変わったこと」は別です。施策前後で星1が減ったとしても、季節、客層、価格、商品構成など別の条件が影響している可能性があります。

評価分布で変化を検知し、口コミ本文、問い合わせ、解約・再来店、待ち時間、売上などの社内データと照合すると、改善判断の精度を高められます。

まとめ

口コミ分析では、平均評価をゴールにせず、1〜5星の評価分布へ分解して見ることが出発点になります。評価分布を入口にすれば、大量の口コミから優先して確認すべき部分を絞り込み、店舗・本部の改善判断に使えるデータへ変えられます。

分析は、次の6ステップの順に進めます。

1. 媒体・店舗・期間などの比較条件をそろえる
2. 星1〜5の件数と構成比を並べる
3. 口コミ件数で母数を確認する
4. 直近30日・90日など最近の分布を切り出す
5. 前期・他店舗・競合との差を見る
6. 変化した評価帯の口コミ本文を深掘りする

改善施策を実施したあとは、同じ条件で再測定し、分布がどう動いたかを確認します。

判断で見るのは、「平均4.0だから問題ない」かどうかではありません。どの星が増減し、その変化がいつから起き、他店舗や競合と比べてどこが違うのかです。

最初の一歩として、担当する店舗の星1〜5の件数を、媒体と期間を決めて構成比に直してみましょう。平均値だけでは見えない変化が、改善テーマとして見えてきます。

参考文献・データ元

‹ 親記事: 口コミ分析とは？「何を見て、どう活かすか」を体系的に整理する完全ガイド

関連記事

• › Google口コミで身バレする？本名は表示される？匿名性と対策を解説
• › Googleマップの口コミは信用できる？信憑性の見分け方と件数が合わない理由
• › 鵜呑み厳禁！クチコミにはこんなものもあります。
• › 店舗別口コミ改善会議の進め方｜課題・担当・期限を月次で回す運用設計
• › 口コミデータの偏りを確認｜店舗・時期・依頼経路・評価分布
• › 口コミ分析のカテゴリ辞書を設計する方法｜商品・接客・価格・待ち時間を一貫して分類する
• › 競合店舗の口コミを比較する方法｜評価要因・不満・返信・件数から選ばれる理由を分析
• › 口コミの時系列トレンドを分析する方法｜件数・評価・テーマ変化を週次・月次で比較
• › 低評価口コミを見たユーザーが何を不安に感じるかを調査する方法｜内容・返信・比較行動を可視化
• › 口コミを信頼する条件を調査する方法｜件数・新しさ・具体性・星分布・返信・写真を比較
• › ユーザーは低評価口コミへの店舗返信の何を見るのか｜謝罪・具体性・再発防止・定型文を比較調査
• › 古い低評価口コミが今も目立つときはどうする？返信・最新情報・検索結果で「現在」を伝える方法

関連テーマ

AIO SEO MEO 採用改善 オウンドメディア集客