自由記述のフィードバックをClaudeに貼り付け、テキストの内容と、どのような判断をしようとしているのかを伝え、全体のスコアではなく、各テーマに感情を付けた繰り返し現れるテーマを尋ねてください。月におよそ数千件未満のドキュメントであれば、専用の感情分類器を設定するより、この方法のほうが優れています。ラベルではなく理由が得られるからです。ただし、モデルは読み違えたテキストにも自信ありげなラベルを付けます。そのため、分布を事実として提示する前に、サンプルを自分の判断と照らし合わせて確認してください。
このページ
ツールの料金は2026年8月に確認済みです。
感情スコアだけでは、なぜ役に立たないのでしょうか？
「72%がポジティブ」と言われても、行動につなげられる情報は何もありません。残りの28%が何に怒っているのか、それが1つの問題なのか9つの問題なのか、肯定的なコメントが今リリースしたばかりのものについてなのか、これから廃止しようとしているものについてなのかも分かりません。
代わりに必要なのはテーマの一覧です。人々が繰り返し話題にする5つか6つの事柄を挙げ、それぞれに感情とおおよその頻度を付けます。「動作が速い点は好評だが、30人がオンボーディングの同じ箇所で行き詰まった」という文なら、誰かが行動に移せます。割合では無理です。
これは、実際のフィードバックが一面的であることはほとんどないからこそ重要です。「製品は大好きだけど、価格は嫌い」という意見を平均すると中立になりますが、それはその顧客について考えられる説明の中で最も役に立たないものです。ドキュメントごとではなくテーマごとに感情を付ければ、シグナルを保てます。
それでも専用の感情分析ツールを使うべきでしょうか？
月に数千件未満のドキュメントであれば、通常は導入しません。その理由を理解しておく価値があります。このテーマに関するアドバイスの多くは10年前のものだからです。
一般的なマネージドサービスであるAmazon Comprehendは、感情分析に1ユニットあたり0.0001ドルを課金します。1ユニットは100文字で、すべてのリクエストに3ユニットの最低課金が適用されます。300文字のレビュー1件の料金は0.0003ドルです。2,000件なら約60セントです。AWSでは、新規および既存の顧客に対し、最初の12か月間、毎月50,000ユニット（500万文字）を無料で提供しています。生のコンピューティングコストだけを見れば、分類器は実質無料です。
コストがかかるのは、それ以外のあらゆる部分です。AWSアカウントと認証情報、CSVをAPIに送って結果を取得するスクリプト、そして返されたラベルをどう扱うかの判断が必要になります。しかも得られるのはラベルだけです。感情値と信頼度スコアです。別途構築しない限り、パスワードリセットのフローが壊れている箇所にネガティブな意見が集中していることまでは教えてくれません。トピックを読み取らないからです。
同じ2,000件のレビューを一般的なモデルに読み込ませれば、トピック、トピックごとの感情、代表的な引用、さらにフォローアップの質問をしたときの回答まで得られます。パイプラインを構築する必要はありません。月に数千件を超え、スケジュール実行してダッシュボードにデータを送るようになると、計算が逆転し、本格的な分類器やバッチAPIの導入費用を回収できるようになります。それ未満なら、60セントを節約するためにインフラを構築していることになります。
この件で見つかる古いまとめ記事について、1つ注意があります。「最良の感情分析ツール」のまとめ記事の多くに登場するMonkeyLearnは、単独の製品としてはもう存在しません。Medalliaが2022年に買収し、現在のmonkeylearn.comはmedallia.comへ301リダイレクトされます。おすすめされたツールを前提に計画する前に、そのツールが今も存在していることを確認してください。
実際に分析を実行するにはどうすればよいですか？
有用な分析と一般的な分析の違いを生むのは、次の4つです。
- そのテキストが何なのかを伝える。「これは料金変更後2週間分のサポートチケット400件です」と伝えるのと、ラベルのないテキストの塊を貼り付けるのとでは、分析結果がまったく変わります。
- どの意思決定に使うのかを伝える。ロードマップの議論に使う分析と、解約の事後検証に使う分析では、見方が異なります。どちらなのかを伝えてください。
- テーマだけでなく、頻度と引用を求める。各テーマのおおよその件数と、逐語的な引用を2つ求めてください。引用がテーマを裏付けているかどうかを監査できるのは引用だからです。引用がテーマを裏付けていなければ、そのテーマは誤りです。
- 分類できなかったものを尋ねる。残りの意見は、曖昧すぎる、短すぎる、または皮肉が強すぎて分類できないコメントであることが多く、そこに興味深い点が隠れています。
フィードバックがあなたの設計したアンケートから得られたものであれば、この分析の質はアンケートを実施する前に決まります。これはHRジェネラリストガイドで扱っている内容と同じであり、市場調査ガイドの幅広い解説と組み合わせる価値があります。
Miraがフィードバックをテーマ別に分類すると、Elenaは優先順位付けされたリストを、影響、工数、推奨事項を添えたビジネスケースにまとめます。
Elenaを見る →Miraスキルはどのようにインストールしますか？
MiraはZIPとして届き、そのルートには SKILL.md ルートにあるファイルです。
- Claudeのデスクトップアプリを開き、サイドバーのCustomizeをクリックしてから、Skillsをクリックします。
- +をクリックしてZIPをアップロードします。Claudeが
SKILL.mdを読み取り、その内容を要約します。 - オンに切り替えます。オフの場合、Claudeはそれを無視します。
- フィードバックを貼り付け、あなたが下そうとしている意思決定について説明してください。
SkillsはFree、Pro、Max、Team、EnterpriseのすべてのClaudeプランで利用できますが、コード実行をオンにする必要があります。Skillsメニューがグレー表示されている、または見当たらない場合は、Settings > CapabilitiesのCode execution and file creationを有効にしてください。TeamとEnterpriseでは、これはOrganization settingsにあるオーナーレベルの設定なので、依頼が必要になる場合があります。
コード実行を有効にできない場合、またはChatGPTやGeminiで作業している場合は、 SKILL.md ファイルを開き、内容をコピーして、カスタム指示に貼り付けます。Skillは自動的には起動しませんが、その会話でのすべての返信の方向性を決めます。
どこでうまくいかなくなるのでしょうか？
ここは失敗の兆候が静かに現れるため、2回読んでください。
- 自信満々に間違えます。モデルは「この人が何を言いたいのかわかりません」とは返しません。コメントを正しく読めたかどうかにかかわらず、同じ調子で整ったラベルを返します。出力のどこを見ても、確かな分類と読み違いを区別できません。
- 皮肉や控えめな表現には対応できません。「すばらしい、またアップデートだ」と「まあ、問題ないと思います」は、人間ならすぐに読み取れる一方、モデルは平板に処理してしまうコメントです。
- 頻度の集計は、実数ではなく推定値です。モデルがあるテーマは30件のコメントに現れたと言っても、実際に数えたわけではありません。その数字をスライドに載せるなら、自分で数えるか、モデルに行番号を出力させて確認できるようにしてください。
- サンプルはおそらく顧客全体を代表していません。レビューを残したり、自由記述式の質問に答えたりする人は、定義上、一般的ではありません。分析が説明するのは回答した人々であり、それを修正できるツールはありません。
- テーマの境界は判断の問題です。同じフィードバックを2回実行しても、あるときは6つのテーマ、別のときは4つになることがあります。「遅い」と「反応しない」は、合理的に1つのテーマにも2つのテーマにもできるからです。どちらの答えも間違いではありませんが、どちらを採用するかでグラフは変わります。
- 何をすべきかまでは判断できません。人々が何と言ったかを伝えるだけです。オンボーディングを改善するか、すでに約束した機能をリリースするかというトレードオフを決めるのはあなたです。
だから、何かを発表する前に必ず抜き打ち確認をしてください。コメントのサンプルを取り出します - 数百件の文書なら50件で十分です - モデルの回答を見る前に自分でラベルを付け、それから比較します。完璧さを求めているのではなく、意見の相違がどこに集中しているかを見ています。1つのテーマに集中しているなら、そのテーマは信頼できないため、そう明言すべきです。サンプル全体で自分とモデルの見解が数件を超えて食い違うなら、その分布を調査結果として報告しないでください。特定の種類のフィードバックについてこれを一度行えば、それ以降どの程度信頼できるかがわかります。
未読の山の大半がサポートチケットなら、Miraのテーマ分析とSamを組み合わせましょう。顧客が実際に何に不満を抱いているのかがわかれば、Samが返信の下書きを作成します。
Sam - Customer Support AI Skill ($19)を見る →毎回promptを書くのではなく、Skillを使うのはなぜですか？
理由は2つあり、どちらもSkillのほうが賢いからではありません。
1つ目は一貫性です。今四半期のセンチメントを前四半期と比較することに意味があるのは、両方を同じ方法で、同じテーマの定義と、何を苦情とみなすかについての同じ指示で読んだ場合だけです。保存したSkillによって方法が固定されるため、比較は4月にたまたまpromptをどう書いたかによる見かけの違いではなく、実際のものになります。
もう1つは、先ほど挙げた4つ - コンテキスト、意思決定、頻度、引用、分類不能な残余 - が、急いでいると簡単に抜け落ちることです。まさにそのとき、400件の問い合わせを貼り付けて、うまくいくことを願ってしまいます。
四半期ごとにパルスサーベイを実施していますか？これは、自由記述回答を四半期間で比較できるようにアンケートを設計します。Miraが、変化を推測するのではなく追跡するために必要な生データです。
Employee Survey Prompt（9ドル）を見る →この方法で実行する価値があるテキストとは？
大量のテキストがあり、誰も読む時間がない場面なら、どこでも使えます。自由記述アンケート回答、商品レビュー、サポート問い合わせ、退職時インタビュー、アプリストアのコメント、営業電話のメモ、ソーシャルメディア上の言及などです。これらの間で手法は変わりません。変わるのは、冒頭で提示するコンテキストと、分析の焦点となる意思決定です。
特に注意すべきカテゴリーは、サンプル数がごく少ないものです。12件のコメントにテーマがあるのではなく、12人分の意見があるだけなので、自分で読むべきです。
まとめ：
一般的な自由記述テキストの分析 - レビュー、問い合わせ、アンケート回答、インタビュー記録 - にはMira（19ドル）をお使いください。内容の大半がサポート問い合わせなら、Sam（19ドル）と組み合わせます。フィードバックを生み出すアンケートを設計するなら、まずEmployee Survey Prompt（9ドル）から始めましょう。その後、テーマをElena（19ドル）でケースにまとめます。すべてClaude、ChatGPT、その他あらゆるAIチャットで利用でき、30日間の返金保証付きです - ただし、どのツールを使う場合も出力のスポットチェックは必要です。
関連Skillガイド
- Claudeをメールマーケティングに活用する方法：Nadia Skillガイド
- Claudeをソーシャルメディアマネージャーとして活用する方法：Maya Skillガイド
- Claudeをグロースマーケティング戦略担当者として活用する方法：Sofia Skillガイド
- Claudeをマーケティング分析に活用する方法：Rafa Skillガイド
KissMySkillsは、Claude、ChatGPT、その他あらゆるAIチャット向けのAI Skill2,000+件、Prompt Pack300+件、エージェント55件、無料ツールを扱うマーケットプレイスです。