NPSのスコアは毎回出ているけれど、フリーコメントは担当者が一度目を通したきりで活かせていない。NPS調査を運用していると、よく起きる状態です。
スコアの上下は分かっても「なぜ動いたのか」を説明できないのは、コメントを推奨者・中立者・批判者に分けて読む工数が確保できていないからです。
本コラムでは、NPSのフリーコメント分析をAIで自動化するための、セグメント別分析軸の作り方、スコアが動いた理由を説明する4ステップ、分析を続ける仕組み化の3点を解説します。
Contents
NPSのフリーコメント分析をAIに任せるとどう変わる？
NPSのフリーコメント分析をAIに任せると、全件を推奨者・中立者・批判者に分けて分類でき、スコアが動いた理由を仮説として説明できるようになります。人が担うのは仮説の検証だけになるため、分析にかかる時間を大幅に短縮できます。
NPSのコメント分析が続かない3つの理由
NPS調査で集めたコメントの分析が止まるのは、次の3つが重なるためです。
- 件数が積み上がる：1回で数百件〜数千件が集まり、四半期ごとに同じ量が届きます。
- 分類がブレる：「価格が高い」をコストの不満と読むか価値実感の不足と読むかは読み手次第で、担当者が変わると前回と比較できません。
- スコアと紐づかない：頻出ワードを集計しても、推奨者の声か批判者の声かが分からず打ち手に変換できません。
前提：NPSの3分類のおさらい
NPS®（ネット・プロモーター・スコア）とは、「親しい人にどの程度薦めたいか」を0〜10点で聞き、推奨者（9〜10点）・中立者（7〜8点）・批判者（0〜6点）に分けて、推奨者の割合から批判者の割合を引いて算出する指標です。
あわせて読みたい：NPSを無料で導入する手順｜おすすめツールの選び方と活用法
NPSのコメント分析はなぜセグメント別に行う必要がある？
NPSのコメント分析をセグメント別に行うのは、推奨者と批判者では取り出す情報がまったく異なるからです。混ぜて集計すると双方の声が打ち消し合い、「価格」「使いやすさ」といった粒度の粗い言葉が並ぶだけで、具体的な打ち手が出せません。
推奨者のコメントから取り出すもの：強み・紹介理由・事例化候補
推奨者のコメントは、「なぜ薦められるのか」が言語化された答えです。競合ではなく自社が選ばれている理由、社内の誰がどう使って成果が出たか、営業資料に転用できる表現の3つを取り出し、導入事例の取材候補の抽出にも使います。
批判者のコメントから取り出すもの：離脱要因・解約の予兆
批判者のコメントで見るべきは「不満の種類」ではなく「解約につながる不満かどうか」です。同じ「操作が分かりにくい」でも、初期設定時の一度きりの不便と毎日発生し続ける不便では緊急度が違います。繰り返し起きる不満は優先改修、一度きりの不満はオンボーディング資料の改善に回します。
中立者のコメントから取り出すもの：推奨をためらう障壁
中立者はスコア改善の伸びしろが最も大きい層です。9点をつけない理由は明確な不満ではなく、「この機能が足りない」「社内で使いこなせていない」といった障壁であることが多く、批判者を推奨者に変えるより1点の押し上げが現実的です。
混ぜて集計すると打ち手が出ない理由
全件をまとめて頻出ワードで集計すると、上位には「価格」「使いやすさ」「サポート」といった粒度の粗い言葉が並びます。推奨者の「価格に見合う価値がある」と批判者の「価格が高い」が同じ「価格」に丸められ、平均化された結論に着地します。テキストマイニングをかけたのに施策が決まらなかった、という失敗はほぼこの形です。
セグメント別の分析軸はどう作る？
NPSのコメント分析で使う軸は、推奨者は「評価している価値」、中立者は「推奨をためらう障壁」、批判者は「不満の発生箇所」を基準に作ります。AIに分類させる前に人の手で軸を決めておくことが、分析結果を打ち手につなげる最大のポイントです。
セグメント別・分析軸の例
| セグメント | 分析の目的 | 分類軸の例 | 出せる打ち手 |
|---|---|---|---|
| 推奨者 | 強みと紹介理由を特定する | 機能価値／サポート／コストパフォーマンス／他社比較優位 | 導入事例の取材依頼、紹介・リファラル施策、訴求文言の見直し |
| 中立者 | 推奨をためらう障壁を特定する | 機能不足／活用不足／社内浸透／価格納得感 | オンボーディング改善、活用支援コンテンツ、定着フォロー |
| 批判者 | 離脱要因を特定する | 不具合／サポート対応／期待値ギャップ／価格 | 解約防止フォロー、優先改修、期待値調整 |
軸の数は各セグメント4〜6個に抑えます。細かく分けすぎると1軸あたりの件数が少なくなり、前回調査との増減が読み取れなくなるためです。
AIに渡すプロンプトの型
AIに分類させるときは、次の3つを守るだけで結果の使い勝手が大きく変わります。
- 分類軸を先に指定する（AIに自由に分類させない）
- 「該当なし」を許可する
- 判断根拠として引用元コメントを必ず返させる
プロンプト例：
以下のフリーコメントを、指定した分類軸のいずれか1つに割り当ててください。
・対象セグメント：批判者（0〜6点）
・分類軸：不具合／サポート対応／期待値ギャップ／価格／該当なし
・出力形式：コメントID、分類軸、判断根拠となる原文の引用（30字以内）
・当てはまらない場合は「該当なし」とし、無理に割り当てないでください。
「該当なし」を許可しないと、AIはどれかの軸に必ず当てはめようとするため、実態と合わない集計になります。
ここで挙げたのはNPS特有の分類軸に絞ったプロンプトです。NPS以外の自由記述設問も同じ考え方で分析できるため、汎用の手順や注意点をまとめて確認したい場合は下記が参考になります。
あわせて読みたい：アンケートの自由記述をAIで分析する方法｜手順・プロンプト・注意点を解説
分類精度を担保するチェック方法
まず50件だけAIに分類させ、人が同じ50件を目視で分類して突き合わせます。一致率が8割に届かない場合は軸の定義が曖昧な可能性が高いため、軸の言葉を書き直して再確認します。精度が安定してから全件に適用し、固めた軸は次回以降も使い回します。
回答の分類や要約をツール側で行う場合は、smile survey のAIオプションが対象です。
NPSスコアが動いた理由をAIで説明する手順（4ステップ）
NPSスコアが動いた理由は、①前回調査との比較、②分類軸ごとの件数の増減、③属性との掛け合わせ、④打ち手への変換、の4ステップで説明できます。スコアの数値だけを見ても原因は分からず、コメントの中身の変化と突き合わせてはじめて説明可能になります。
STEP1：前回調査とセグメント構成比を比較する
最初に見るのは、スコアそのものではなく推奨者・中立者・批判者の構成比です。同じ「5ポイント下落」でも、批判者が増えているなら解約防止と原因の特定、推奨者が減っているなら価値実感の低下を疑う、というように打ち手が変わります。
STEP2：分類軸ごとの件数の増減を見る
次に、分類軸ごとのコメント件数を前回と比べます。見るのは絶対数ではなく前回比の増減で、回収数は毎回変わるため構成比か増減率で揃えます。増えた軸が変動の主因候補です。ただし回答数が大きく減った回の変動は母数による振れ幅の可能性があるため、結論づける前に回収状況を確認します。
STEP3：属性（利用プラン・利用歴・部署）と掛け合わせる
全体集計では見えない悪化は、属性との掛け合わせで表に出ます。利用プランや利用歴、部署ごとにスコアと分類軸の分布を出すと、「利用歴6か月未満の層だけ批判者比率が高い」といった局所的な問題が特定できます。
SmileSurvey（スマイルサーベイ）では回答を顧客情報と紐づけて管理できるため、属性を回答者に入力してもらわなくても掛け合わせ分析ができます。設問を増やさずに済み、回収率の維持にも効きます。
STEP4：仮説を打ち手に変換する
最後に、仮説を実行できる形に落とし込みます。「不満の声が増えた」で止めず、「誰の」「どの体験を」「いつまでに」直すかまで書き切ります。
| 項目 | 記入例 |
|---|---|
| 対象 | 利用歴6か月未満・標準プランの批判者 |
| 事象 | 初期設定の問い合わせ回答に3営業日かかっている |
| 打ち手 | 初期設定FAQの拡充と一次回答24時間以内の運用へ変更 |
| 期限・担当 | 次回調査まで（3か月）／CS部門 |
| 検証指標 | 次回調査で「サポート対応」の批判者コメント件数 前回比▲50% |
検証指標を先に決めておくと、次回のNPS調査がそのまま答え合わせになります。なお、AIが出した分類や要約は仮説です。報告に使う前に原文にあたって確かめる工程は残します。
では、分析以外の工程ではどこまでAIに任せられるのでしょうか。設計・配信・集計・分析の工程別に、AIができること・できないことを整理しています。
あわせて読みたい：AIアンケートとは？設計から分析まで工程別にできること・できないことを解説
NPS分析を継続運用に乗せるには？
NPS分析を継続させるには、アンケートの定期配信、しきい値によるアラート、担当者への自動通知の3つを仕組み化します。分析を担当者の手作業に依存させないことが、運用が止まらない条件です。あわせて、読む人（分析担当）と決める人（責任者）を分けておくと、レポートだけが積み上がる状態を防げます。
アンケートの定期配信を自動化する
NPSは定点観測が前提の指標です。四半期ごとの一斉配信に加えて、導入直後・更新前・サポート対応後といった取引のタイミングでの配信を組み合わせると、変化の原因を時期と結びつけて解釈できます。配信スケジュールはツール側に持たせ、繁忙期に途切れないようにします。
ただし、同じ相手に四半期ごとの配信を続けると、回を追うごとに回答率は落ちていきます。定点観測を成立させるには、配信のたびに回答率を保つ工夫が必要です。
あわせて読みたい：アンケートの回答率を上げる施策とは？原因別に見る今すぐ実践できるテクニック
配信の仕組みが整ったら、次はコメントを放置しないための通知設計です。
しきい値でアラートを出す
批判者（0〜6点）の回答が入った時点で担当者へ通知するしきい値を設定しておくと、不満が放置される時間を短くできます。解約の予兆を含むコメントは、次回の集計を待つ意味がありません。集計は定期、アラートは即時の2本立てにします。
担当者・営業へ自動で届ける（Salesforce連携）
Salesforceと連携し、アンケートの回答を顧客レコードに紐づけて管理できます。回答が営業・CS担当者の見ている画面に集まるため、結果を転記して共有する手間がなくなります。設定はプログラミング不要で、IT部門に依頼せず現場で進められます。NPSの運用が続かない原因の多くは共有と対応の手間にあるため、ここが継続の分かれ目になります。
▶「smile survey for Salesforce」詳細はこちら
NPSフリーコメント分析・AI自動化のよくある質問（FAQ）
Q. NPSのフリーコメントは何件からAI分析が有効ですか？
A. 分類軸ごとの増減を見る目的であれば、1回あたり100件程度から傾向が読み取れます。それ以下でも分類自体は可能ですが、増減をスコア変動の根拠として扱うには母数が不足します。少数回収の段階では、集計より個別コメントへの対応を優先してください。
Q. NPSスコアが下がった原因は、フリーコメントから特定できますか？
A. 特定はできませんが、説明できる仮説までは出せます。前回調査と比べてどの分類軸のコメントが増えたかを見て、属性と掛け合わせることで「どの層のどの体験が悪化したか」を絞り込めます。原因の確定には、該当コメントの原文確認や担当者へのヒアリングを組み合わせます。
Q. フリーコメントをAIに分析させる際、個人情報の扱いはどうすればよいですか？
A. 外部のAIサービスへ渡す前に、コメント内の担当者名や取引先名を削除するか、入力データを学習に利用しない設定・契約であることを確認します。社内規程で外部送信が制限されている場合は、匿名化したうえで扱う運用を先に決めておきます。
まとめ
NPSのフリーコメント分析はAIに任せることで、全件処理と分類統一が可能になり、スコアが動いた理由を仮説として説明できるようになります。要点は以下の3つです。
- コメントは推奨者・中立者・批判者に分けて読むこと
- 分析軸はAIに任せず、人が先に定義する（各セグメント4〜6個）
- 定期配信やアラート、自動通知を仕組み化する
まずは1回分の調査データで分析軸を作り、次回調査で同じ軸を使って比較します。この2回目で、NPSははじめて「動かせる指標」になります。
分析の前段、設問そのものをAIに手伝わせる方法もあります。
あわせて読みたい：AIを使ったアンケート設計の方法とは？手順とコツを解説
分析軸を決めても、配信と集計が手作業のままでは2回目が回りません。SmileSurvey（スマイルサーベイ）は、NPS設問の作成から定期配信、推奨者・中立者・批判者別の集計までを1つのツールで完結でき、Salesforce連携によって回答を顧客レコードに紐づけたまま営業・CS担当へ届けられます。設定はプログラミング不要で、IT部門に依頼せず現場で始められます。
30日間の無料トライアルでは、実際のNPS配信からコメントの集計まで試せます。まず機能や料金を確認したい場合は、ぜひお気軽にお問い合わせください。
