Google口コミの感情分析とは、口コミ本文を「ポジティブ・ネガティブ・中立」などに分け、さらに接客、価格、待ち時間、品質といった評価項目ごとに、満足・不満の理由を整理する方法です。

大切なのは、ネガティブな口コミの数を数えることではありません。「何に対する感情か」「顧客は何を期待し、実際には何が起きたか」まで分けることで、返信内容、現場改善、維持すべき強みを決められるようになります。

この記事では、専門的なAI知識がなくても始められる分析表の作り方と、AI・ツールを使う際の注意点を実務向けに解説します。

Google口コミの感情分析は「感情×評価項目」で理由を見つける方法

Google口コミを星の平均だけで見ていると、評価が上がった・下がったことは分かっても、理由までは分かりません。感情分析では、本文から肯定的・否定的・中立的な表現を見つけます。そこへ評価項目を掛け合わせると、次のように改善できる単位へ変わります。

• 「ネガティブ」ではなく「待ち時間への不満」
• 「ポジティブ」ではなく「説明の丁寧さへの評価」
• 「星3」ではなく「品質は高評価だが、価格説明には不満」

星評価と本文は別々に記録してください。星5でも改善要望が書かれることがあり、星2でも商品自体は評価されている場合があります。星だけで本文の感情を決めると、こうした評価理由を見落とします。

Google口コミの感情分析とは

感情分析（センチメント分析）は、文章に表れた感情の向きや強さを判定する自然言語処理の一分野です。たとえばGoogle CloudのNatural Language APIは、文書全体と文ごとに感情を分析し、肯定・否定の向きを示すスコア等を返します。これは一般的な感情分析の技術例であり、Google口コミを無条件に取得できるという意味ではありません。

店舗改善で特に役立つのが、評価対象を分ける「アスペクト別感情分析」です。SemEval-2014の研究課題でも、レビューから評価対象となる語やカテゴリを抽出し、それぞれを肯定・否定・混合・中立へ分類する考え方が整理されています。

たとえば、次の文章は全体を一つの感情にはできません。

料理はおいしかったのですが、提供まで長く待ちました。

この架空例では、「料理」はポジティブ、「待ち時間」はネガティブです。店舗で使う場合は、口コミ全体へ一つのラベルを付けるのではなく、一つの口コミを評価項目ごとに分けて記録します。

感情分析で分かる3つのこと

1. 顧客が不満を感じた対象と期待差

「不満がある」だけでなく、接客、清潔さ、価格、予約、説明、待ち時間など、どこで期待と実際の体験に差が生まれたかを整理できます。

たとえば「高い」という表現も、単純な値下げ要望とは限りません。量との釣り合い、事前説明、追加料金、競合との比較など、理由を分けると打ち手が変わります。

2. 高評価につながった具体的な理由

改善対象だけでなく、維持すべき強みも見つかります。「親切」という評価が多い場合も、案内の速さ、説明の分かりやすさ、トラブル時の対応などへ分けると、再現すべき行動が明確になります。

高評価の理由は広告表現へそのまま転用するのではなく、まず現場の標準手順やスタッフ教育へ反映するのが安全です。口コミを外部へ掲載する場合は、著作権、投稿者の許諾、Googleの表示条件も別途確認してください。

3. 星と本文の食い違い、店舗・期間ごとの差

星評価と本文感情の食い違いは、誤判定として捨てず、人が確認する対象にします。入力ミス、複数論点、遠回しな表現などが隠れている可能性があるからです。

多店舗の場合は、全店の総数だけでなく店舗別に確認します。期間もそろえ、キャンペーン、繁忙期、メニュー変更、スタッフ体制の変更前後を混ぜないようにします。

分析を始める前に確認する3項目

1. 何を判断する分析か

目的を「評判を良くする」のように曖昧にせず、判断へ落とします。

• 今月、最優先で改善する顧客体験を決める
• 新人研修へ追加する接客項目を見つける
• 店舗別に繰り返される不満を比較する
• 高評価につながる行動を標準化する

目的が違えば、必要な期間、評価項目、集計方法も変わります。

2. データを扱う権限と条件

Google Business Profile APIのReviewリソースには星評価、本文、作成・更新日時、オーナー返信などの項目があります。一方、GBP APIの公式FAQによると、APIは一般公開ではなく、利用申請と対象プロフィールへのアクセス権限が必要です。

さらにGoogle Business Profile APIsのポリシーには、API由来コンテンツの保存期間や保存方法、加工・集約に関する条件があります。したがって、「口コミを自動取得して永久保存し、自由にAI分析する」ことを前提にしてはいけません。分析前に、取得元、利用権限、現行規約、保存期間、委託先への送信条件を確認してください。

少量から始めるなら、自社の確認済みビジネスプロフィール上で口コミを読み、個人を特定する情報や原文を分析表へ必要以上に複製せず、評価項目と要点を記録する方法があります。大量処理は、Googleとの連携条件とデータ処理方法を説明できるツール・事業者へ確認しましょう。

3. 通常の低評価とポリシー違反の疑い

厳しい内容でも、実体験に基づく通常の低評価なら、削除を前提にせず返信・事実確認・改善へ回します。Googleは、不適切な口コミの報告手順で、内容に同意できない、気に入らないという理由だけでは削除対象にならないと案内しています。

実体験と無関係な投稿、スパム、なりすまし、嫌がらせなど、ポリシー違反が疑われる場合は別の台帳に分け、Googleの報告手順を使います。通常の不満と違反疑いを同じ集計に混ぜると、現場課題の判断を誤ります。

Google口コミを感情分析する7ステップ

ステップ1. 目的・対象店舗・期間を固定する

最初に「何を決めるための分析か」を一文で書きます。対象店舗と期間も固定し、比較条件をそろえます。初回は全社横断の大規模分析より、特定店舗・特定期間・一つの判断テーマから始める方が分類基準を調整しやすくなります。

ステップ2. 分析表の列を作る

最低限、投稿日、星、評価項目、感情、感情の強さ、要点、期待差、返信要否、改善担当、期限を用意します。原文を保存する場合は、取得元の規約と社内ルールに従い、アクセス権限と保存期間を決めます。

ステップ3. 評価項目を仮決めする

飲食店なら料理、接客、待ち時間、価格、清潔さ、予約などが候補です。ただし、最初からカテゴリを増やしすぎないでください。最初の口コミを読み、自社で改善担当を決められる粒度へ調整します。

「その他」が増えたら新しいカテゴリを追加し、似たカテゴリへ分類が割れるなら統合します。

ステップ4. 一つの口コミを論点ごとに分ける

一つの口コミに複数の評価項目があれば、表では複数行へ分けます。「商品は良いが説明が分かりにくい」を一行の「中立」にすると、強みも不満も消えてしまうからです。

ステップ5. 感情と期待差を付ける

感情はポジティブ、ネガティブ、中立、混合など、担当者が同じ意味で使えるラベルへ固定します。強さを付ける場合も、強・中・弱など基準を文章で定義します。

さらに「何を期待し、何が起きたか」を短く記録します。たとえば「予約時間に案内される期待／実際は説明なく待った」のように、改善可能な差へ変換します。

ステップ6. 評価項目ごとに集計し、人が確認する

評価項目別に肯定・否定の件数や比率を見ます。ただし、件数だけで結論を出さず、元の文脈をサンプル確認します。星と本文が食い違うもの、感情が混合のもの、強い不満、個別事情を含むものは優先的に人が確認します。

ステップ7. 担当・期限・確認指標を決める

分析結果を「接客を改善する」で終わらせず、行動へ変えます。たとえば「混雑時の待ち時間説明を受付担当が今月中に統一し、翌月の『説明なしで待った』という指摘件数を確認する」のように、担当、期限、確認方法をセットにします。

感情分析表の作り方

以下は形式を示すための架空例です。実在する口コミや店舗実績ではありません。

同じ星4の口コミでも、品質の強みと待ち時間の不満が同居しています。1口コミを一つの総合ラベルへ丸めないことが重要です。

分析表には、次の列を追加すると運用しやすくなります。

• 店舗名・対象期間
• 返信済み／未返信
• 緊急対応の要否
• 改善担当・期限
• 改善後の確認指標
• AI判定を人が修正したか

口コミ本文をそのまま社内資料へ大量複製するのではなく、分析目的に必要な要点と分類を中心に扱い、原文へのアクセス範囲を限定してください。

改善優先度は「頻度×深刻度×改善可能性」で決める

ネガティブ件数が多い順だけで改善すると、軽い要望へ工数が偏ることがあります。次の3軸で判断します。

1. 頻度: 同じ指摘が繰り返されているか
2. 深刻度: 安全、法令、個人情報、差別、健康、返金トラブルなど重大性が高いか
3. 改善可能性: 店舗側で原因を確認し、手順や説明を変えられるか

深刻度が高い指摘は、件数が少なくても通常の月次集計から外し、責任者へ早く共有します。反対に、頻度は高くても店舗側で変更できない要素は、事前説明や期待値調整で不満を減らせないか検討します。

ポジティブな項目も同じ表で確認してください。評価されている行動を変更施策で壊さないよう、「維持する強み」を明記します。

AI・ツールを使うときの4つの注意点

1. 入力してよいデータを先に決める

公開されている口コミでも、自由な長期保存や外部AIへの送信が常に許されるとは限りません。Googleの現行規約、ツールの利用規約、社内の個人情報・機密情報ルールを確認します。投稿者名、予約情報、医療・健康情報など、分析に不要な情報は入力しません。

2. AIへ評価項目の定義を渡す

「分析して」だけでは、同じ内容が接客・サービス・スタッフなど別カテゴリへ割れます。各評価項目の定義、感情ラベル、複数論点は分割すること、判断できない場合は不明とすることを指示します。

3. 誤判定しやすい文を人が確認する

否定表現、皮肉、遠回しな要望、一文中の複数論点、業界固有語は誤判定しやすいため、人の確認が必要です。AIの判定と星が食い違う口コミ、強いネガティブ、低い確信度のものを確認対象にします。

4. 返信や改善を自動確定しない

感情分析は判断材料です。事実確認前に謝罪内容や補償を確定したり、個別事情を含む返信を自動投稿したりしないでください。GoogleのBusiness Profile APIポリシーでも、第三者による返信や自動操作には承認に関する条件があります。

Sooonの「クチコレ」は、公式ページでGoogle口コミの生成・返信・分析、GBP運用、複数店舗管理などを扱うサービスとして案内されています。自社の取得方法・保存条件・承認フローに合うかは、デモや資料で具体的に確認してください。

感情分析で起こりやすい5つの失敗

星評価だけを感情として扱う

星は総合評価であり、個別項目の理由ではありません。本文と別に保持し、食い違いを確認します。

ポジティブ／ネガティブだけで終える

対象が分からなければ担当部署も改善策も決まりません。評価項目と期待差まで記録します。

件数だけで優先順位を決める

安全や個人情報など重大な指摘は単発でも優先確認が必要です。頻度、深刻度、改善可能性を組み合わせます。

一件の強い表現で全体方針を変える

重大性は確認しつつ、単発の好みと再発する構造問題を分けます。対象期間や店舗差も見てください。

レポートを作って終わる

担当、期限、確認指標がなければ、翌月も同じ不満が並びます。返信、現場改善、再集計までを一つの運用にします。

Google口コミの感情分析に関するよくある質問

星評価だけでも感情分析できますか？

全体傾向の把握はできますが、不満や高評価の理由は分かりません。本文がある口コミは、星と本文を別々に分析してください。本文なしの星評価は「理由不明」として扱います。

口コミが少なくても始められますか？

始められます。少数の場合は割合を一般化せず、分類基準を作る試行期間と考えてください。件数が少ない段階でも、重大な指摘や繰り返しの兆候を発見し、返信や事実確認へつなげられます。

口コミをChatGPTなどの生成AIへ貼り付けてもよいですか？

一律には判断できません。口コミの取得元と利用条件、投稿者情報、予約・健康等の機微情報、利用するAIサービスのデータ設定、社内規程を確認してください。不要な個人情報は削除し、外部送信が認められていないデータは入力しないでください。

競合店のGoogle口コミも分析できますか？

公開表示されていることと、自由に自動収集・保存・加工できることは同じではありません。無許可のスクレイピングを前提にせず、Googleの規約と利用するサービスの権限を確認してください。競合分析が必要なら、利用根拠とデータ処理方法を説明できるツールを選びます。

低評価の口コミは削除できますか？

低評価という理由だけでは削除できません。Googleのポリシー違反が疑われる場合は報告できますが、通常の不満は事実確認、公開返信、現場改善へつなげます。

まとめ

Google口コミの感情分析は、口コミをポジティブ・ネガティブへ分けるだけの作業ではありません。接客、価格、待ち時間、品質などの評価項目ごとに感情を分け、顧客の期待と実際の体験の差を見つける方法です。

実務では、星と本文を別に記録し、一つの口コミを複数論点へ分けます。そのうえで、頻度、深刻度、改善可能性から優先順位を決め、担当・期限・確認指標まで設定してください。AIは分類を効率化できますが、データ利用条件の確認と人によるサンプル監査が欠かせません。

口コミ返信AIの仕組みを知りたい方は「口コミ返信AIの仕組みは？」、飲食店での運用例は「飲食店の口コミ改善事例」も参考にしてください。

口コミの確認・返信・分析や複数店舗の運用を仕組み化したい方は、Sooonの「クチコレ無料相談・サービス資料」で、自社の運用条件に合う進め方をご確認いただけます。