ECレビューをAIで9分類｜人が読むべき順序が分かる

そもそも自分の店に、分析できるレビューはあるか

出している場所で決まります。商品ページに感想が付くのは楽天市場・Yahoo!ショッピング・自社のECサイト（自前のネット通販サイト）で、メルカリとヤフオクに付くのは取引の相手への評価です。

この2つは似ているようで別物です。メルカリの評価は「良かった」「残念だった」の2択で、コメントは任意だと公式ヘルプに書かれています。

同じヘルプは、良かった場合に「取引や商品について良かった点や感謝の気持ち」をコメントに書くことを勧めてもいます。仕組みとして書ける場所はある、ということです。

当方が中古パソコンを出品しているヤフオクのアカウントの1つで、直近の評価24件を選んで数えました。うち2件は当方が買った側の取引だったので、出品者として受け取った評価は22件です。

※ 数字は当方のアカウントでの実測です（2026年9月）。

ただし当方の22件では、直す場所を示す材料が1件も取れませんでした。商品の中身に触れていた2件も「記載の通り綺麗な状態でした」「動作確認できております」という肯定で、直す場所を示していません。低評価も0件でした。

一字一句まで同じ文が10件あったのは、評価を入力する画面に定型文が用意されているからです。人が書いた文章ですらないものを、AIに読ませても何も出てきません。

ただしこれは当方の1つのアカウントで24件を選んで数えた結果で、すべての出品者に同じことが起きるとは限りません。

次の図は、自分の店で分析を始められるかを判断するためのものです。

図：自分の店でレビュー分析を始められるかの判断（2026年9月時点）

読み方は単純です。まず自分の商品ページを開いて、感想が付く欄があるかを見ます。無ければこの記事の手順は使えません。あるなら、先月ぶんが何件たまっているかを数えるところから始めます。

出している場所が複数あるときは、レビューが付く場所のぶんだけを対象にしてください。取引評価を混ぜると、定型文が大半を占めて中身が薄まります。

レビューを集める手順（楽天市場の場合）

楽天市場では、店舗管理画面の標準機能としてレビューを一覧で見る道具が用意されています。別の道具を買う必要はありません。

この流れは fancas.co.jp と goqsystem.com が手順として案内しています。星の数も一緒に書き出されるので、あとで分けるときの材料になります。

画面から手でコピーする方法もあります。ecjitsumu.jp は、月30〜50件程度のレビューなら管理画面からコピーして貼り付けるだけで十分な分析結果が得られるとしています。

ただし書き出す機能が標準で付いている以上、最初の1商品を試す1回を除いて、コピーを続ける理由はありません。月90件を手で写す作業は現実的ではありません。

期間と対象商品を固定するのは、翌月に「同じ指摘が減ったか」を見るためです。ばらばらだと、指摘が減ったのか集めた範囲が違うだけなのかが分かりません。

mamadakara.com も、目的を一つに絞り対象商品と期間をそろえることが重要だとしています。複数の商品を混ぜると、どこを直せばよいのかが最後まで決まりません。

→ くわしくは「楽天の在庫更新を自動化｜SKU移行後に選ぶ在庫API」で解説しています。

1. RMS（楽天市場の店舗管理画面）にログインする
   — 商品ページを編集するときと同じ画面です。
2. コミュニティから「みんなのレビュー」へ進む
   — 左側のメニューにあります。
3. レビューチェックツールを開く
   — 自分の店に投稿されたレビューを一覧で確認できます。
4. 期間・商品・評価で絞り込む
   — 翌月と比べるために、期間は毎回同じ長さで切ります。
5. CSV（表計算ソフトで開ける、区切り文字だけの単純な表ファイル）でダウンロードする
   — 検索したあとに書き出せます。

AIはレビューを正しく分けられるか

分けられます。ただし当方の測定では、50件のうち16〜18件は人の判断と割れました。

当方では中古ノートパソコン1機種に付いた仮のレビュー50件を用意し、AIと人の判断がどこで食い違うかを確かめるテストをしました。正解は先に人が決めて別に控えておき、AIには見せていません。

その結果、完全に一致したのは50件のうち32〜34件でした（同じ条件で3回ずつ測定）。残りは間違いというより、判断が割れる場所でした。

前の4つは mamadakara.com が挙げている分け方です。残りの5つは当方が足しました。「対応」を足したのは、褒めのほうは受け皿があるのに、問い合わせへの不満を入れる場所が無かったからです。

分類を決めたら、渡し方とモデルを変えて4通り、それぞれ3回ずつ測りました。

意外だったのは下2行です。1件ずつ丁寧に渡すほうが、まとめて渡すより成績が落ちました。3回ずつ測っても順位は入れ替わりません。時間は4〜7倍、費用は4倍かかります。

回ごとの幅はモデルで違いました。Claude Haiku は1件ずつのほうが大きく（24〜29件）、Claude Opus は逆です（まとめて32〜34件・1件ずつ29〜30件）。

同じ答えが返らないのは、AIが毎回同じ文章を返す仕組みではないからです。だから1回の結果で決めず、3回測って幅を見ました。

当方の測定では、まとめて渡したほうが速く・安く、一致した件数も多くなりました。ただし試したのは仮のレビュー50件・1商品ぶん・1つの分類の作り方だけです。自分の店で決めるときは、同じレビューを両方の渡し方で何回か試して比べてください。1回だけでは、上で見たとおり回ごとの幅に紛れます。

AIと人はどこで食い違ったか

4通りすべてが同じ11件で外していました。モデルを上げても埋まらない食い違いで、中身は3つの型に分かれます。

次の表は、50件ぜんぶについて人の分類とAIの分類を並べたものです。

オレンジの行が食い違った16件です。上に固まっているのは番号を星の多い順に並べているからで、褒め言葉の扱いで割れていることがそのまま出ています。自分の店でも同じ形で並べると、どこを読み直すかが決まります。

50件を2列に詰めているので字が小さくなりました。左半分（1〜25件目）だけを大きくしたものを続けます。

こちらは1件ずつ読めます。星5が並ぶこの範囲でも10件が食い違っていて、その多くが「強み」と「問題なし」の行き来です。褒め言葉をページに載せる言葉として使えるかどうかで、人とAIの線引きが違うことが見て取れます。

1つ目は、ページに書ける具体性かどうかの線引きです。 「事務作業には十分です」「画面がきれいで見やすいです」を、AIは4通りとも「強み」と判断し、人は「問題なし」としました。商品ページの見出しに使えるかどうかの感覚が違っています。

2つ目は、商品が悪いのか説明が足りないのかの見方です。 「バッテリーの減りが説明より少し早い」を、人は「説明不足」、AIは「商品仕様」と分けました。

中古品は同じ機種でも状態が1台ずつ違うので、説明で先に伝えておくしかありません。この事情はレビュー本文には書かれていないので、AIには読み取れません。

3つ目は、褒めと不満が1件に混ざったときの取りこぼしです。 「対応は良かったです。届いた日が指定日より1日早く、受け取れませんでした」に対して、AIは4通りとも「配送」だけを返し、「強み」を落としました。

さらに分かったことがあります。人が仕分けをしていて迷った4件のうち3件が、同じ迷い方をしていました。

これは分類の迷いではありません。どこまで面倒を見る店にするかという、経営の側の迷いです。決まっていないから分けられなかったのであって、AIの精度を上げても答えは出てきません。

人が見るべきレビューはどれか

実際の運用では、どこが食い違ったかは分かりません。突き合わせる正解が無いからです。そこで当方は、先に選べる目印があるかを調べました。

複数の分類が付いた行は、人と食い違いやすくなっていました。逆に1つだけ付いた行は、一致するものが大半です。数える対象が8件と少ないので割合ではなく実数で書きますが、読むべき順序を決める材料にはなります。

低評価のほうが一致しやすいのは、不満を書く人が理由まで書くからです。星2は5件中4件が合いました。

この結果から、次の3つを先に読むと決められます。

1. AIが2つ以上の分類を付けた行 — 1つに決まらなかった行です。
2. 「情報なし」と判定された行 — 不満はあるのに理由が書かれていない行です。注文履歴を開いて個別に見ます。
3. 「強み」が付いた行 — 商品ページに書き足す言葉を選ぶので、ここは自分の言葉で決めます。

当方の50件では、この3つに当てはまるのは23〜25件でした。ちょうど半分です。

ただしこの3つで全部は拾えません。人の判断と食い違った行のうち5件は、この3つから漏れました。2回測って2回とも漏れたのは、AIが1つの分類だけを迷いなく付けた行です。

どれもAIの答えは1つに決まっていて、迷った様子がありません。それでも人の判断とはずれました。

AIの出力を見て「この行は読まなくてよい」と決めることはできない、ということです。3つの目印は読むべき順序を決めるもので、読まない行を選ぶものではありません。

この工程で得られるのは、件数が減ることではなくどれから読むかが決まることです。残りの行も、あとで目を通す前提で置いておきます。

なお正解を先に用意して突き合わせれば、人が見るべき行は17〜19件だと分かります。ただしこれは答え合わせができる場合の数字で、実際の店には突き合わせる正解がありません。

AIがまとめた結果だけを読んで直さないでください。要約された結果を鵜呑みにせず元のレビューへ戻ることが大切だと mamadakara.com も書いています。「サイズが小さい」という一行から表記を直したら、原文は色の話だった、というずれが起きます。

AIとプログラムと人で何を分けるか

任せる先を分けておくと、結果が毎回そろいます。

数える作業をAIに毎回頼まないのは、渡し方が変わると見え方も変わるからです。同じ式であれば、誰が押しても同じ件数が出ます。件数は判断の土台になるので、ここは固定しておきたいところです。

いちばん手間が減るのは、AIにその集計の仕組みを作らせるやり方です。

「A列に投稿日、B列に分類、C列にレビュー本文が入った表がある。分類ごとの件数を月別に数える式を書いて。1件に分類が2つ入っているときは、それぞれの分類に1件ずつ数える」と頼めば、関数が返ってきます。関数を覚える必要はありません。

日付の列と数え方まで指定するのは、そこを決めないと式が書けないからです。1件に2つの分類が付くと合計はレビュー件数を超えるので、集計表の合計を件数と読み違えないようにします。列名は自分の表に合わせて直してください。

人が読む時間は、削る対象にはしないでください。ここを削ると、直す場所を決める人がいなくなります。仕分けは人の判断を省くためではなく、判断すべき行まで最短で届かせるための工程です。

4つ目の「直す」も同じ分け方です。楽天では更新用のファイルをサーバーへ置くと商品ページの一括更新が走ります。ファイルの中身はAIに書かせられますが、置いた時点で更新が始まるので、置く操作は人がやります。

「アップロードしますか」と尋ねる画面はありません。なおこの一括更新を使うには、月額10,000円（税込11,000円）の申込みが別に要ります（5springs.co.jp・ufas.co.jp）。1商品ずつ手で直すなら申込みは要りません。

→ くわしくは「商品説明文はプログラムとAIと人の3step」で解説しています。

FAQ

自社の業務に合わせたAIツールの選定・導入は、ぜひ、ジッソウLABのゲンバAIへ無料でご相談ください。

参考にした資料

• 楽天RMSの「レビューチェックツール」は、コミュニティ＞みんなのレビューから開き、期間・商品・
• 楽天市場の商品一括更新は normal-item.csv を編集し、SFTPソフトでサーバーの /ritem/batch/ へ
• CSV商品一括編集機能は月額10,000円（税込11,000円）。申込みはRMSメインメニュー＞店舗様向け情報・
• メルカリの評価は取引完了時に「良かった」「残念だった」のどちらかを選ぶ2段階制で、コメントは
• レビュー分析では、商品の強み・低評価の原因・ページの不足情報など目的を一つに絞り、対象商品と
• 月30〜50件程度のレビューなら、管理画面からコピーしてChatGPTに貼り付けるだけで十分な

執筆・監修

大平 — ジッソウLAB代表

中小企業の業務改善・メルカリ物販、中古PC販売の実務経験を活かし、現場目線でAI活用を検証・発信