顧客の声→インサイト変換

顧客の口コミ、アンケート回答、問い合わせ履歴などのデータを渡すと自動で適用。表面的な不満の裏にある本質的なニーズを推測し、ペインポイント・潜在ニーズ・改善機会を優先度付きで整理します。

対応AI:ChatGPTClaudeGeminiCopilot

削減時間

40分/回

難易度

ふつう

こんなときに使えます

ECサイトのレビューから商品改善のヒントを見つけたいとき

アンケート結果を短時間で分析して経営会議に報告したいとき

顧客の問い合わせ傾向を把握してFAQやサービス改善に活かしたいとき

使い方

顧客データを集める

口コミ、アンケート回答、問い合わせ履歴など、顧客の声のデータを準備します。整理されていなくてもOK

プロンプトに貼り付けて送信

データをそのまま貼り付けて送信。データ量が多い場合は分割して分析します

インサイトを施策に反映

抽出されたペインポイントと改善アクションを優先度順に実行計画に落とし込みます

プロンプトテンプレート

[ ] の中をあなたの情報に書き換えて、AIに貼り付けるだけ

あなたはVOC（Voice of Customer）分析で10年以上の実務経験を持つ顧客インサイト分析の専門家です。表面的な不満の裏にある本質的なニーズを読み解くことに精通しています。以下の顧客フィードバックデータを分析し、ビジネスに活かせるインサイトを抽出してください。

## 思考プロセス（出力には含めず、内部で検討すること）
1. このデータの中で最も頻出する不満のパターンは何か
2. 顧客が直接言葉にしていない「潜在的なニーズ」は何か
3. 改善施策の中で最も費用対効果が高いものはどれか

## 入力情報
- 商品/サービス名: [例: ハンドメイドアクセサリーのECサイト]
- データの種類: [口コミ / アンケート回答 / 問い合わせ履歴 / SNSコメント]
- 分析の目的: [例: 商品改善、サービス改善、新商品開発、離脱防止]
- 顧客データ:
[ここにレビュー・アンケート回答・問い合わせ内容を貼り付け]

## 出力形式
1. サマリー（3行以内で全体傾向を要約）
2. ペインポイント表（優先度・ペイン・出現頻度・代表的な声・推定される本質ニーズ）
3. ポジティブポイント表（維持すべき強み・出現頻度・代表的な声）
4. 潜在ニーズ・機会（顧客が直接言葉にしていない潜在的なニーズ 3-5個）
5. 改善アクション提案（優先度の高い課題に対する具体的施策 3つ）

## ルール
- 表面的な不満の裏にある「本質的なニーズ」を推測する
- ポジティブな声からも「維持すべき強み」を抽出する
- 同じ趣旨の意見はグルーピングして出現頻度を示す
- 改善施策は「すぐできること」と「中期的に取り組むこと」を分けて提案する

## 品質チェック（出力末尾に記載）
- 入力データの全件を分析に反映しているか確認
- ペインポイントの出現頻度が正確か確認
- 改善アクションが具体的かつ実行可能か確認

使用例

ハンドメイドアクセサリーのECサイトに寄せられたレビュー10件を分析

## サマリー商品自体の評価は非常に高い（デザイン・品質・独自性）。一方で「配送・梱包・情報不足」の運営面に改善余地あり。リピーターの存在が強みを裏付けている。 --- ## ペインポイント（課題・不満） | 優先度 | ペイン | 出現頻度 | 代表的な声 | 推定される本質ニーズ | |--------|--------|----------|------------|----------------------| | 高 | 配送が遅い・状況がわからない | 2件/20% | 「届くまで2週間」「注文後の連絡がなくて不安」 | 「届くまでの安心感」がほしい | | 高 | 商品情報の不足（サイズ等） | 1件/10% | 「サイズが思ったより小さかった」 | 実物をイメージして「失敗しない買い物」がしたい | | 中 | ラッピング品質 | 1件/10% | 「ラッピングが雑だった」 | ギフト需要を満たす「贈り物としての完成度」 | | 低 | 送料の高さ | 1件/10% | 「送料がもう少し安いと嬉しい」 | 総額での納得感 | --- ## ポジティブポイント（維持すべき強み） | 強み | 出現頻度 | 代表的な声 | |------|----------|------------| | ユニークなデザイン | 4件/40% | 「他にないデザイン」「写真通りの色味」 | | 価格に対する品質の高さ | 2件/20% | 「価格の割にクオリティが高い」 | | 金属アレルギー対応 | 1件/10% | 「金属アレルギーでも使えるのが嬉しい」 | | 手書きメッセージカード | 1件/10% | 「梱包を開けたときにちょっと感動した」 | --- ## 潜在ニーズ・機会 1. **ギフト需要の取り込み**: ラッピング品質を上げれば「プレゼント用」の購入が増える可能性 2. **アレルギー対応の訴求強化**: 競合との明確な差別化ポイントになる 3. **新作通知の仕組み化**: リピーターが「新作が出るたびチェック」→ LINE等で通知すれば購入率UP 4. **着用イメージの強化**: サイズ感の不満 → モデル着用写真や比較画像の追加 --- ## 改善アクション提案 1. **【即効】発送通知メールの自動化**: 注文確認→発送→到着予定の3段階で自動メールを送る 2. **【即効】商品ページにサイズ比較画像を追加**: 10円玉との比較写真で実寸がわかるように 3. **【中期】ギフトラッピングの有料オプション化**: 500円で高品質ラッピングを選べるようにする

プロのコツ

データは10件以上あると傾向が見えやすくなる。少なすぎると偏った分析になるので注意

★評価が低いレビューだけでなく、★4-5の「好意的だが要望もある」声に隠れたニーズがある

定期的に（月1回・四半期ごと等）同じ分析を回すと、改善の効果測定ができる

スキルの詳細指示

AIに送られる完全な指示内容です（上級者向け）

# 顧客の声→インサイト変換

## このスキルについて
顧客フィードバック（口コミ、アンケート、問い合わせ履歴、SNSコメント等）の分析を依頼されたときに自動で適用されるスキルです。

## 適用タイミング
ユーザーが顧客の声データ、レビュー、アンケート結果を渡して分析を依頼したとき。

## 分析ルール
- 表面的な不満（「遅い」「高い」）の裏にある本質的なニーズを推測する
- ポジティブな声からも「維持すべき強み」を抽出する
- 感情の強度を判定する（強い不満/やや不満/中立/やや満足/強い満足）
- 同じ趣旨の意見はグルーピングし、出現頻度を示す

## 出力フォーマット

### サマリー（3行以内）
全体的な傾向を端的にまとめる

### ペインポイント（課題・不満）

| 優先度 | ペイン | 出現頻度 | 代表的な声 | 推定される本質ニーズ |
|--------|--------|----------|------------|----------------------|
| 高/中/低 | ... | ○件/○% | 「...」 | ... |

### ポジティブポイント（維持すべき強み）

| 強み | 出現頻度 | 代表的な声 |
|------|----------|------------|
| ... | ... | 「...」 |

### 潜在ニーズ・機会
顧客が直接言葉にしていないが、データから推測される潜在的なニーズを3-5個提示する。

### 改善アクション提案
優先度の高いペインポイントに対する具体的な改善施策を3つ提案する。