AI商品リサーチ｜レビューから課題を抽出する5ステップ

レビューデータを取得

Amazon から対象商品のレビューを取得します。TSV形式でのエクスポート、または SellerSprite のレビュー分析 からデータを抽出します。

ChatGPTにアップロード

レビューデータを ChatGPT の Code Interpreter（Advanced Data Analysis）にアップロードします。データ量が多い場合は、商品ごとや期間ごとに分割してアップロードしましょう。

課題・要望を抽出

「頻出する課題TOP10」「改善要望TOP10」「ネガティブ理由TOP5」をAIに抽出させます。各課題には該当するレビューの引用を1件ずつ付与するよう指示しましょう。

カテゴリ分類

抽出された課題を「商品機能・配送・価格・サイズ・素材」の5カテゴリに分類します。カテゴリごとの課題数を集計することで、どの領域に問題が集中しているかが可視化できます。

優先度マトリクスで決定

「頻出度 × 重要度（ユーザーへの影響度）」の2軸で改良優先度マトリクスを作成し、最初に手をつけるべき改善対象を決定します。高頻度かつ高重要度の課題から対応しましょう。

「次のレビューデータから、頻出する課題をTOP10まで抽出してください。各課題に対して、該当するレビューを1件ずつ引用し、出現回数も併記してください。」

「レビュー内の改善要望を、『商品機能』『配送』『価格』『サイズ』『素材』の5カテゴリに分類してください。カテゴリごとの要望件数と、代表的なコメントを3件ずつ抽出してください。」

「星1つと星2つのネガティブレビューについて、不満の理由を3語以内で要約し、頻出順に並べ替えてください。各理由の出現回数と、評価平均への影響度も推測してください。」

「競合商品Aと競合商品Bのレビューを比較し、自社商品が参入するべき差別化ポイントを抽出してください。両社の強み・弱みを表にまとめ、自社が勝てるポイントを3つ提案してください。」

「これらのレビューから、現在の商品では満たされていない未充足ニーズを5つ抽出してください。新商品企画のアイデアとして、各ニーズに対応する具体的な機能案も提案してください。」

★★★★★

最重要

サクラレビューの除外

明らかに宣伝目的のサクラレビューや、ステマコメントを分析対象から除外しましょう。これらが含まれると、課題抽出の精度が大きく低下します。

★★★★★

重要

悪意の低評価キャンペーン

競合によるネガティブキャンペーン（組織的な低評価投稿）がないか確認しましょう。不自然に集中した星1レビューは疑う必要があります。

★★★★★

注意

評価の偏りに注意

星1のみ・星5のみを抽出して分析すると、全体像が歪みます。全評価のバランスを見ながら、中間評価（星3・星4）の意見も拾うことが大切です。

★★★★★

参考

古いレビューの比重

1年以上前のレビューは、商品仕様が変わっている可能性があります。直近6ヶ月のレビューに比重を置いて分析すると、現在の課題をより正確に捉えられます。

★★★★★

参考

言語別の分析

日本語と英語のレビューでは、重視するポイントが異なることがあります。言語別に分けて分析することで、マーケットごとのニーズの違いを把握できます。