レビューを読み、
根拠のある所見へ。

数字を集める手間と、声を読む手間を分ける

毎月、アクセス・広告・受注の数字を集め、レビューと問い合わせを読み、報告文へまとめます。デモでは商品・アクセス・広告・受注・お客様の声の5種類のCSVを読み込み、2026年9月と8月を比べます。

本導入では、対象月とタイムゾーン、注文数・売上・購入率の定義、返品・取消の扱いを先に合わせます。違う画面の数字を同じ意味だとみなさず、どのファイル・列から計算したかを残します。デモの集計は用意したCSVが対象で、複数モールの任意の書式をそのまま統合する機能ではありません。

計算を済ませてから、AIに分類と文章を任せる

デモでは、声の分類にはお客様の声の文章を渡します。所見の下書きには、集計した数字と声の分類結果を渡し、アクセス・受注の元の記録は送りません。実運用では、氏名・住所・注文番号などの送信範囲と匿名化の方法を先に決めます。

評価の星だけで分けず、何についての声かを読む

デモの分類は「品質・使い心地」「配送」「組み立て」「サイズ・寸法」「決済・サイトの操作」「価格」「商品の情報」「その他」の8種類です。AIは1件ごとに分類・感情・話題・引用を付け、プログラムが月別の件数を数えます。

「決済・サイトの操作」の声は9月分が3件で、8月分は0件です。件数は購入者全体の不具合率ではありません。レビューと問い合わせでは投稿する人も目的も違うため、声の数だけで影響の大きさや売上減少の原因を決めません。

担当者は、引用が原文のままか、質問を不満と決め付けていないか、複数の話題がある声を1分類で十分に表せるかを確認します。商品が特定できない声は、商品別の原因として断定しません。

数字と声を並べて、次に調べることを書く

デモの「所見を下書き (AI)」では、事実・仮説・確認すること・次の打ち手を分けた案が出ます。スマートフォンの購入手続きから購入までの率は、事実F-12を根拠に、8月59.7%から9月44.0%へ15.7ポイント低下しています。これはセッションあたりの購入率とは別の指標です。

プログラムは所見に書かれた数字を集計値と照合し、合わない数字を示します。担当者は数値だけでなく、指標の意味、引用した声との関係、仮説を裏付ける情報も見ます。数字が一致していても、因果関係が確かめられたわけではありません。

採用する所見を選び、グラフと一緒に確認する

担当者がレポートに入れる所見を選び、必要な文を修正します。「5 レポート」で、採用した所見とプログラムが描いたグラフによるスライドを確認し、PowerPointのファイルを保存します。自動送付は行いません。

出力前には、対象月・比較月・指標名・単位・グラフ・根拠の数字がそろっているかを確認します。仮説が確定事項のように見えないか、次に確認することが残っているかも読み直します。保存後に文章や配置を編集する場合も、数値と結論の対応を再確認します。

今のデータと、いつもの報告書から始める

あなたの店のデータと、今の報告の形に合わせて作ります。匿名化した1店舗・1か月分のデータと比較月、レビュー・問い合わせ、現在の報告書を用意し、対象の分類と採用する所見を相談できます。

評価では、分類の修正件数、引用・数字の不一致、所見を確認する手間、報告資料に直す手間を記録します。集計の時間と声を読む時間を分けて比べると、どの工程に効果があったかを確かめられます。