テキストデータ分析のキホン－第3回：商品レビューから“売れなかった本当の理由”が分かった話【統計学をやさしく解説】

統計・機械学習トピック

公開日

2026年2月1日

更新日

2026年5月6日

<br />

この記事の主な内容

この記事のポイント

・★3.5の「悪くないけど売れない」商品の 本当の原因 をレビューから特定した実例
・分析手順は 「分ける → 見つける → まとめる」 の3ステップだけ
・改善したのは 商品そのものではなく「商品説明文」 1か所
・記事を読み終わると、自社レビューに今日から使える視点が身につく

★3.5、悪くないはずの商品がなぜ伸びないのか

あるECサイトで、ある商品の評価が ★3.5/5.0 に張りついていました。星の数で言えば「悪くない」。けれど売上は伸びず、リピート率も低い。担当者の頭にあったのは、こんな疑問です。

「機能には満足してもらえているはずなのに、なぜ売れないのか？」

顧客の声――そのなかでも 商品レビュー は、購入後の本音が出やすいデータです。消費者庁「令和4年度消費者意識基本調査」によると、ECで予約・購入する消費者のうち 「口コミや評価を判断材料にする」人は84.6% にのぼり、購入判断におけるレビューの重要性が公的調査でも裏付けられています。

このとき手元にあったのは、レビュー約300件。担当者はこう感じていました。

「全部目を通すのは大変だし、そもそも何を見ればいいのか……」

使ったデータは「レビュー300件」だけ

データ	内容	取得コスト
星評価	平均3.5	既に集計済み
レビュー本文	約300件のテキスト	追加コストゼロ

新たな調査もインタビューも行いません。すでに集まっている口コミ を読み直すだけで分析が始まります。

ステップ①：ポジティブとネガティブを「分ける」

まず行ったのは レビューを2分類すること です。

・★1〜2 ＝不満レビュー（約60件）
・★4〜5 ＝満足レビュー（約180件）
・★3 ＝中間レビュー（約60件）

ここで重要なのは、★3の「どっちつかず」レビューに目を向ける ことです。「悪くないけど売れない」商品の答えは、極端な評価より 「微妙な納得感のなさ」 に表れます。

ステップ②：「良いけど○○」のパターンに「絞る」

中間レビューを読み込むと、ある共通パターンが見えてきました。

・「機能は 良いけど、思っていたのと違った」
・「品質は 良いけど、サイズが想像より大きい」
・「使いやすいけど、説明文と印象が違う」

つまり「商品自体への不満」ではなく、「期待値とのズレ」 が中心テーマだったのです。

図1：「良いけど○○」レビューで頻出する不満ワードの棒グラフ（『思っていたのと違う』が最多）

図1：「良いけど○○」レビューで頻出する不満ワードの棒グラフ

ステップ③：似た不満を「まとめる」

頻出する不満ワードを内容別にグルーピングしました。

分類	件数	具体例
イメージとのズレ	22	「写真より地味だった」
サイズ感の誤算	18	「思ったより大きい／小さい」
使用シーンの想定違い	10	「アウトドア向けと思ったら違った」
機能そのものへの不満	5	「○○できなかった」
その他	5	梱包・配送など

図2：レビュー不満内容をカテゴリ別にまとめた円グラフ（イメージのズレが約7割）

図2：レビュー不満内容をカテゴリ別にまとめた円グラフ

不満60件のうち 約42件（7割）が「イメージとのズレ」関連。商品そのものより、購入前の期待値 をどう作るかが本質的な課題でした。

結論：直したのは商品ではなく「商品説明文」

分析結果をもとに、会社が実施したのは「商品説明文の修正」だけでした。

当初の想定	実際にやったこと
商品仕様の変更	→ しなかった
新機能の追加	→ しなかった
—	商品写真を実物に近い色味に差し替え
—	サイズを「手のひらと比較した写真」で明示
—	想定する使用シーンを文章で具体化