AIによるVOC（顧客の声）分析｜感情分析・自動分類で顧客理解を深める方法

2026年3月5日
最終更新: 2026年10月5日

この記事の結論

AIによるVOC分析とは、顧客の文章や会話記録を感情やテーマごとに整理し、改善に使える論点を見つける方法です。分析結果をCRMの顧客情報と結び付け、次の対応や事業判断に使える形にすることが要点です。

ブログ目次

「顧客の声は集めているのに、表計算シートやメールに散らばっていて全体像がつかめない」

「アンケートの自由記述を読み込む時間がなく、似た要望が何件あるのか答えられない」

「営業やサポートの担当者から話は聞くものの、改善の優先順位を決める材料にならない」——

こうした状況では、分類を始める前に「どの声を、誰の、どの判断に使うか」を決める必要があります。AIによる分類はその判断を助けますが、分類結果だけで顧客の意図や対応の優先度は確定できません。原文と顧客の状況を確認し、担当者が次の行動を決める流れまで設計します。前提となる考え方はAI経営戦略ガイドで解説しています。

この記事でわかること

顧客の声が複数の場所に分散し、分析や改善への活用が進まないと感じている方に向けて、収集からCRMへの記録、結果の見直しまでを整理します。

VOCを集める場所と分析上の課題 — サポートチケットやアンケートなどの記録形式を比べ、最初に扱うデータを選ぶ基準を示します。
AIによる4つの分析手法 — 感情分析、テーマ分類、キーフレーズ抽出、トレンド検出が、それぞれどの問いに役立つかを説明します。
ワークフローを使った分類の流れ — 問い合わせの分類結果を確認し、CRMのプロパティへ記録するまでの判断を整理します。
分析結果を顧客対応や改善につなげる方法 — 顧客情報と声を照合し、担当部門が次の行動を決める方法を紹介します。
導入時の限界と小さく始める手順 — 誤分類やデータの偏りを確かめ、対象を広げる条件をまとめます。

読み終えたら、まず分析対象を一つ選び、その結果を使って決めたい業務上の判断を書き出してください。

VOCデータは集めるだけでなく、同じ判断に使える形へ整える

顧客の声は、サポート窓口やアンケート、営業との会話など、複数の接点に分かれて記録されます。表計算シートへの転記や担当者ごとのメモに頼ると、同じ顧客の要望が別々の情報として扱われ、変化や共通点を見つけにくくなります。

最初に決めるのは、収集できるデータの多さではなく、分析結果の使い道です。個別の問い合わせ対応に使うなら、原文と担当者を追える記録が必要です。改善テーマの検討に使うなら、分類基準と集計対象をそろえる必要があります。

収集チャネルごとに、使える情報と制約が異なる

チャネルごとに記録形式が違うため、分析前に内容と粒度を確かめます。主なチャネルは次のとおりです。

チャネル	データ形式	分析の課題
サポートチケット	テキスト（非構造化）	大量×非構造化で手動分析が困難
NPS/CSATアンケート	数値＋自由記述	自由記述の定性分析に時間がかかる
商談録音	音声→テキスト	文字起こし＋分析の二段階処理が必要
SNS・レビューサイト	テキスト（公開データ）	ノイズが多くフィルタリングが必要
社内ミーティング議事録	テキスト	営業・CSからの間接的なフィードバック抽出

サポートチケットは個別対応との関係を追いやすく、アンケートの自由記述は設問に対する反応を整理しやすい一方、回答した人の声に限られます。どちらを選ぶ場合も、対象となる声が顧客全体を代表していると決め付けず、収集方法を記録します。

商談録音の文字起こしには、AI議事録自動作成ツールを活用できます。音声をテキストにしただけでは、誤認識や話者の取り違えが残る場合があります。重要な判断に使う内容は原文や録音と照らし、修正の要否を決めます。

Excelや手動転記で起きる情報の分断

チャネルごとに別の表を作ると、顧客名の表記揺れや更新タイミングの違いが残ります。似た意見をまとめる際にも、同じ顧客の重複した記録なのか、別の顧客から届いた声なのかを確認しなければなりません。担当者によってカテゴリの意味が違えば、集計結果も比較しにくくなります。

そこで、対象データの置き場、顧客との関連付け、分類基準、修正する担当者を先に決めます。関連付けができない声は無理に特定の顧客へ結び付けず、集計上の扱いを分けます。AIを使う場合も、この整理がなければ結果をチームの判断に使いにくくなります。

まず対象チャネルを絞る

最初は、サポートチケットの本文かNPSアンケートの自由記述など、すでに蓄積されているテキストから一つ選びます。個別対応を改善したいなら、原文と対応履歴を確認できるチャネルが適しています。共通する改善テーマを探したいなら、同じ設問や条件で集めた声から始めると比較しやすくなります。

選んだチャネルについて、担当者が原文を確認でき、分析結果を使う場面を説明できれば、分類設計へ進みます。どちらかが曖昧なら、対象や目的を絞り直します。

AIによるVOC分析の4手法は、知りたいことから選ぶ

AIを使ったVOC分析では、文章を一括して「良い・悪い」と判定するだけでなく、知りたいことに応じて手法を分けます。感情分析は反応の方向、テーマ分類は話題、キーフレーズ抽出は顧客が使う表現、トレンド検出は条件をそろえたときの変化を調べます。

感情分析で反応の方向を整理する

感情分析は、顧客の文章を肯定、否定、中立などに分類する手法です。例えば、NPSの自由記述を評価の方向ごとに分け、否定的な反応の背景を原文で確かめます。

皮肉や複数の論点が含まれる文章は、単純な感情ラベルでは意図を捉えきれない場合があります。判定理由と原文を担当者が照合し、読み取りに迷う場合は自動で優先度を決めずに確認へ回します。

テーマ分類で繰り返し現れる論点をまとめる

テーマ分類は、フィードバックをあらかじめ定めたカテゴリへ割り当てる方法です。カテゴリの例としては、機能改善要望、価格、サポート品質、操作性などが考えられます。

カテゴリは、担当部門が次の行動を決められる単位にします。一つのコメントに複数の論点がある場合は複数のテーマを付けるか、主題を一つ選ぶかを先に決めます。既存カテゴリに当てはまらない声を「その他」に記録し、同じ内容が繰り返し現れたらカテゴリ定義を見直します。

キーフレーズ抽出で顧客が使う言葉を見る

キーフレーズ抽出は、文章に現れる言葉や表現を取り出し、顧客が何をどう表現しているかを調べる手法です。「連携」「自動化」「使いにくい」のような表現が、どのテーマや顧客層で現れるかを原文とともに確認します。

同じ言葉でも、要望、質問、不満では意味が異なります。出現頻度だけで重要度を決めず、言葉が使われた文脈と、対応すべき内容を読み合わせます。

トレンド検出で変化の兆しを捉える

トレンド検出は、テーマ別の出現状況を時系列で比較し、変化を調べる方法です。特定のテーマが目立つようになったら、関連する問い合わせの原文と、収集方法や分類基準に変更がなかったかを確認します。

比較では対象チャネル、集計期間、カテゴリの定義をそろえます。条件が変わっている場合は、その影響を確かめてから顧客の反応が変化したかを判断します。

手法	答えたい問い	結果の使い方	注意点
感情分析	反応の方向はどうか	低評価のコメントを読み直します	文脈や皮肉を原文で確認します
テーマ分類	何についての声か	改善論点ごとに集計します	カテゴリ定義を共有します
キーフレーズ抽出	どの表現が繰り返されるか	関心や不満の言葉を探します	頻度を重要度と同一視しません
トレンド検出	何が増減しているか	変化の理由を調べます	期間や収集条件をそろえます

手法を選んだら、その結果によって誰が何を確認するかも決めます。次の行動が定まらない分類項目は、追加する前に目的を見直します。

HubSpotのワークフローで分類結果をCRMへ戻す

AIによる分類結果をCRMで使うには、対象のレコード、外部へ渡す情報、戻ってきた結果を確認する担当者、保存先をつなげて設計します。チケットを起点にWebhookで外部サービスへ情報を渡す構成を検討する場合は、HubSpotのワークフローでWebhookをトリガーする方法で、自社の契約と設定条件を確認します。

チケットから分類結果を記録する流れ

次の順番で、対象データ、分類、確認、CRMへの反映を設計します。保存した分類結果を担当者が原文までたどれることを、運用に進む条件にします。

段階	実施内容	次へ進む判断
対象選定	分類するチケットやコメントを決めます	分析対象の本文を担当者が特定できます
分類設計	カテゴリ名と各カテゴリの定義を用意します	担当者間で分類基準を説明できます
AI判定	Webhook経由で本文を外部のLLM APIへ渡します	指定した形式で分類結果が返ります
人による確認	結果と原文を照合し、誤りを記録します	修正が必要なパターンを説明できます
CRM記録	分類結果をチケット等のプロパティへ保存します	レポートや担当者の確認画面で利用できます

AIの結果が想定した形式で返らない場合や、どのカテゴリにも当てはまらない場合は、確認待ちとして扱う流れを決めます。担当者が修正した結果とAIの判定を区別できれば、後から分類基準を見直す材料にもなります。

プロパティは次の行動に必要なものに絞る

最初は、問い合わせテーマや感情の方向など、担当者が対応を考えるために必要な項目から選びます。項目ごとに、誰が確認するか、判定に迷った場合はどう記録するかを決めます。使い道が説明できない項目を増やすと、入力とレポートの管理が複雑になります。

次の画面は、CRMのワークフローからLLMを呼び出し、問い合わせ内容を「問い合わせ」「営業」に分類する設定を示しています。

CRMのワークフローからLLMを呼び出し、問い合わせ内容を「問い合わせ」「営業」に自動分類している設定画面

Webhook連携の条件を確認する

Webhookを使う構成では、設定前に自社アカウントで利用できる機能と編集権限を確認します。条件はHubSpotの公式資料を参照してください。利用できる場合も、送信するデータを絞り、認証方法とエラー時の扱いを決めてから、実データに影響しないテストでリクエストと応答を確かめます。

テストで分類結果を原文と照合でき、失敗時の確認先も決まったら、CRMへ記録する運用を検討します。条件を満たさない場合は、利用できる連携方法や担当者による確認を含め、同じ判断目的を達成できる流れを選びます。

分析結果を顧客対応と事業改善につなげる

VOC分析の目的は、分類表を作ることではありません。分類した声を顧客情報や対応履歴と照合し、個別対応と共通課題のどちらに使うかを決めます。

顧客の状況と声を同じ文脈で見る

否定的なコメントがあっても、それだけで解約リスクや対応の優先度は決められません。利用状況、契約内容、更新時期、過去の問い合わせなど、判断に必要な情報を担当者が確認します。関連付けが不確かな声は、特定の顧客の評価として扱わないようにします。

CRM内の情報	VOC分析との組み合わせ	判断につなげる例
コンタクト	コメントやアンケートの反応	顧客との会話を踏まえたフォロー
会社	同一企業からの複数の声	組織単位で共通する要望の確認
チケット	問い合わせテーマや感情	対応状況の確認と担当者への引き継ぎ
取引	商談中に出た懸念や要望	提案内容や次の確認事項の整理
顧客情報	利用状況、契約金額、更新時期	CSの対応やマーケティング施策の検討

個別の声に対応する場合は、原文、対応履歴、顧客の状況を確認して担当者を決めます。共通課題として扱う場合は、同じ分類基準で集めた声かを確かめ、どの部門が検討する論点かを決めます。

部門間で共有し、改善の判断材料にする

サポートで記録した操作上のつまずきは、ヘルプやオンボーディングを見直す論点になります。営業やCSが記録した要望は、顧客が置かれた状況とともにプロダクト担当へ渡すと検討しやすくなります。

共有時には、カテゴリ名だけでなく、その定義、対象データ、代表的な原文、分類に迷った例を添えます。部門ごとに集計の意味が違うと分かったら、結論を出す前に定義をそろえます。

分析結果を次の接点へ戻す

CRMに記録したテーマや反応は、担当者への通知、フォロータスク、顧客セグメントの検討などに使えます。顧客への連絡内容はAI判定だけで決めず、担当者が原文と背景を確認します。連絡後に新しい声が得られたら、その内容も記録し、最初の分類や対応が適切だったかを見直します。

VOCの結果を顧客体験の改善へ結び付ける考え方は、AIによるパーソナライゼーション施策も参考になります。顧客の声をほかの業務データと照合する方法を検討する際は経営データの可視化、確認した論点を情報発信へ反映する際はコンテンツマーケティングをご覧ください。

VOC分析の導入は、対象を絞って検証しながら広げる

導入では、分類結果を得ることに加え、その結果で実際に判断できるかを確かめます。

対象チャネルと業務判断を決める：問い合わせ対応か改善テーマの検討かを選び、使うデータを一つの流入元に絞ります。
分類結果を人が確認する：AIの判定と原文を照らし、迷う表現や誤りの理由を記録します。
CRMへの反映を設計する：結果の保存先、確認する担当者、修正が必要な場合の扱いを決めてから運用します。

担当者が結果を使って次の行動を決められ、確認や修正の手順を続けられる場合に、別のチャネルや用途へ広げます。判断に使えない場合は、対象データか分類基準を見直します。

小さく試す手順

試行では、AIの出力が正しく見えるかだけでなく、原文を確認する手間と業務への使い道を比べます。

対象を選ぶ：既存のサポートチケットやアンケート自由記述から、担当部門が原文を確認できるものを選びます。
分類基準を定める：カテゴリの定義、複数テーマの扱い、判定できない場合の記録先を決めます。
試す：AIの出力を原文と照らし、間違いやすい表現と修正内容を記録します。
CRMに反映する：担当者が確認するプロパティやレポートに結果を記録し、原文へ戻れるか確かめます。
続ける範囲を決める：結果が業務判断に使えたか、確認負荷を続けられるかを見て、対象を広げるか判断します。

期待する成果と実際の運用負荷を比べる

手動管理の現状とAIを試した後を、同じ業務判断について比較します。分類の速さだけでなく、誤りの修正、集計条件の維持、担当者への引き継ぎも確認します。

観点	手動管理で確認すること	AIを試した後に確認すること
分類	担当者ごとにカテゴリの意味が揃っているか	AIの判定と担当者の修正理由を記録できるか
集計	表の統合や重複確認に手間がかかるか	同じ条件でテーマ別に集計できるか
対応	顧客の声が担当者の次の行動に結び付くか	分類結果から担当や確認事項を決められるか
引き継ぎ	分析手順が特定の担当者に偏っていないか	手順と基準をチームで再現できるか

同じ条件で比べられない場合は、データの集め方やカテゴリ定義の違いを整理します。AIの出力を修正する負担が大きい場合は、対象を広げる前に分類基準を調整します。

専用ツールと自社構築を要件で比べる

比較の前に、対象チャネル、必要な分類、CRMへの記録方法、結果を確認する担当者を整理します。次の表にある製品情報や料金欄は、現行の契約条件や機能を確定する根拠には使わず、各社の公式情報で確認してください。選定では、分類結果を原文と照合できるか、修正を記録できるか、担当者の業務へ戻せるかを比べます。

ツール	特徴	料金目安
MonkeyLearn	ノーコードでテキスト分類・感情分析	$299〜/月
Qualtrics XM	エンタープライズ向けCX管理。AI分析機能搭載	要問い合わせ
Medallia	リアルタイムVOC分析。大企業導入実績多数	要問い合わせ
BECAUSE	日本語対応のVOC分析。テキストマイニング	要問い合わせ
自社構築（LLM＋DB）	GPT-4/Claude APIで独自分析パイプライン構築	API使用料のみ

自社で分類基準や連携方法を管理する場合は、出力の確認、修正、障害時の対応も運用に含めて検討します。専用ツールを比較する場合も、用意された分類や連携方法が自社の判断手順に合うかを確かめます。企業様によって最適な形は異なります。判断に必要な条件をそろえてから、運用を担う部門と選択します。

分析の限界を前提に運用する

AIは文章の文脈や顧客の意図を取り違えることがあり、分類結果は事実そのものではありません。コメントが集まるチャネルや回答する顧客に偏りがある場合、その偏りも結果に反映されます。

原文を確認する手順、修正を記録する場所、カテゴリを見直す担当者を決めます。分類に迷う声が続く場合は定義を見直し、集計結果を説明できない場合は収集条件に戻って確認します。

よくある質問

VOC分析は、少ないデータからでも始められますか？

始められます。すでに蓄積されているNPSアンケートの自由回答やサポートチケットのコメントから一つ選び、担当者が原文を確認できる範囲で試します。まず、分類結果を使って決めたい行動を定めてください。結果がその判断に役立てば継続を検討し、役立たなければ対象やカテゴリを見直します。

CRMとVOC分析を連携すると何が変わりますか？

分類結果をコンタクトや取引などの情報と結び付け、顧客の状況や過去の対応と照らして確認できます。顧客との関連付けが正しいかを確かめたうえで、担当者が次の確認事項を決めます。感情やテーマの分類だけで対応を自動決定しない運用が必要です。

AIの分類結果は、そのまま顧客対応に使えますか？

分類結果は確認のきっかけとして使い、連絡内容や優先度は担当者が決めます。特に否定的な反応や複数の論点があるコメントは、原文と過去の対応を読み合わせます。意図を判断できない場合は確認を続け、分類だけを根拠に連絡しないようにします。

専用ツールと自社構築は、どちらを選べばよいですか？

必要なチャネル、分類方法、CRMとの連携、結果の確認と修正を担う人を整理して比較します。自社で分類基準と連携を管理するなら、その運用を続けられるかが判断点です。専用ツールを選ぶ場合も、必要な言語や連携方法に加え、原文の確認と誤分類の修正を業務に組み込めるかを確かめます。

分析結果の誤りを減らすにはどうすればよいですか？

カテゴリの意味と判定例を明文化し、複数の論点を含む声や判定に迷う声の扱いを決めます。試行中はAIの結果を原文と照合し、誤りの理由を記録してください。同じ誤りが続くなら定義や判定手順を見直し、変更後も同じ観点で確認します。

まとめ

AI VOC分析は、顧客の声を感情やテーマごとに整理し、CRMの顧客情報や業務プロセスへ戻して活用する方法です。分類結果を使うには、対象データと判断目的を定め、原文を確認し、修正できる運用が欠かせません。

まずは、すでに蓄積されているサポートチケットかアンケート自由記述のどちらか一つから始めてください。

対象チャネルと、分析結果を使う業務判断を決めます。
感情またはテーマの分類基準を作り、AI判定と原文を照合します。
CRMに結果を記録し、担当者が次の行動を決められるか確認してから対象を広げます。

CRMを活用した業務効率化やAIとの連携に関するご相談は、StartLinkまでお気軽にお問い合わせください。

記事の内容を、そのまま実務に落とし込みたい方向け

無料で相談する資料をダウンロード

株式会社StartLinkは、事業推進に関わる「販売促進」「DXによる業務効率化（ERP/CRM/SFA/MAの導入）」などのご相談を受け付けております。サービスのプランについてのご相談/お見積もり依頼や、ノウハウのお問い合わせについては、無料のお問い合わせページより、お気軽にご連絡くださいませ。

著者情報

今枝 / Imaeda

株式会社StartLink 代表取締役。累計150社以上のHubSpotプロジェクト支援実績を持ち、Claude CodeやHubSpotを軸にしたAI活用支援・経営基盤AXのコンサルティング事業を展開。
HubSpotのトップパートナー企業や大手人材グループにて、エンタープライズCRM戦略策定・AI戦略ディレクションを経験した後、StartLinkを創業。現在はCRM×AIエージェントによる経営管理支援を専門とする。