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、どのような意思決定をしようとしているのかを伝え、全体スコアではなく、各テーマにセンチメント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であれば、専用のセンチメント分類器をセットアップするよりも、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合してください。
ツールの料金は2026年8月に確認済みです。
センチメントスコアだけではなぜ役に立たないのでしょうか？
「72%が肯定的」では、行動につなげられることは何も分かりません。残り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たった今リリースした機能についてなのか、これから廃止しようとしている機能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、それぞれ固有のセンチメントとおおまかな頻度付きで示します。「動作が速い点は好評で、30人がオンボーディングの同じ箇所で行き詰まった」なら、誰かが行動に移せる文章です。割合ではありません。
これが最も重要なのは、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です。「製品は大好きだが、価格は嫌いだ」は平均するとニュートラルになり、その顧客について考えられる最も役に立たない説明になります。文書ごとではなくテーマごとにセンチメントを付ければ、シグナルを保てます。
それなら、専用のセンチメントツールを使うべきでしょうか？
月に数千件未満なら、通常は導入すべきではありません。その理由を理解しておく価値があります。この分野のアドバイスの多くは10年前のものだからです。
主流のマネージド型選択肢であるAmazon Comprehendは、センチメント分析に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、リクエストごとに最低3ユニットが課金されます。300文字のレビューなら0.0003ドルです。2,000件なら約60セントです。AWS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。生の計算コストだけなら、分類器は実質無料です。
コストが発生するのは、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に送信し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。信頼度スコア付きのセンチメント値です。パスワード再設定フローの故障に否定的な意見が集中していることは教えてくれません。別途構築しない限り、トピックを読むことはないからです。
同じ2,000件のレビューを一般的なモデルに読ませれば、トピック、トピックごとのセンチメント、代表的な引用、さらに追加質問へ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、ダッシュボードにデータを送り込むようになると、損益が逆転し、きちんとした分類器やバッチAPIの導入効果が出てきます。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ようなものです。
これについて古いまとめ記事を見つけたときの注意点を1つ。ほとんどの「最適な感情分析ツール」まとめ記事に登場するMonkeyLearnは、現在は単独の製品として存在しません。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。計画の前提にする前に、推奨されたツールが今も存在しているか確認してください。
実際にはどうやって分析を実行しますか？
有用な分析とありきたりな分析を分けるのは、次の4点です。
- そのテキストが何なのかを伝える。「これは価格変更後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そのまま入力するのとでは、読み取り方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、解約の事後分析に使う分析は異なります。どちらなのかを伝えてください。
- テーマだけでなく、頻度と引用も尋ねる。テーマごとの大まかな件数と、逐語的な引用を2つ求めます。引用がテーマを裏付けているかを監査できるのは引用のおかげです - 引用がテーマを支持していなければ、そのテーマは誤りです。
- 分類できなかったものを尋ねる。残余にこそ興味深い部分が含まれていることがよくあります。曖昧すぎる、短すぎる、または皮肉が強すぎて分類できなかったコメントです。
フィードバックが自分で設計したアンケートから得られたものなら、この分析の質は実施前に決まります - これはHRゼネラリストガイドで扱っているポイントであり、市場調査ガイドの幅広い内容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ごとに分類すると、Elenaは優先順位を付けた一覧を、影響、工数、推奨事項を添えたビジネスケースに仕上げます。
Elenaを見る →Miraスキルはどうやってインストールしますか？
Miraは、ルートに SKILL.md ルートにあるファイルです。
- Claudeデスクトップアプリを開き、サイドバーのカスタマイズ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、何をするものか要約します。 - オンに切り替えます。オフの場合、Claudeは無視します。
- フィードバックを貼り付け、行おうとしている意思決定について説明します。
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か見つからない場合は、設定 > 機能のコード実行とファイル作成を有効にしてください。TeamとEnterpriseでは、組織設定にあるオーナー権限の設定なので、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を使用している場合は、 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に影響を与えます。
どこでうまくいかなくなるのでしょうか？
ここは失敗が静かに起きるため、2回読むべきセクションです。
- 自信満々に間違えます。モデルは「この人が何を意味したのかよく分かりません」とは返しません。コメントを正しく読んだかどうかに関係なく、同じ調子で整然としたラベルを返します。出力だけでは、確かな分類と読み違いによる分類を見分けられません。
- 皮肉や控えめな表現には対応できません。「すばらしい、またアップデートか」や「まあ、問題ないと思いますけど」は、人間ならすぐに読み取れる一方、モデルが意味を平板化してしまう典型的なコメントです。
- 頻度の数字は集計値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してください。
- サンプルはおそらく顧客全体を表していません。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、一般的な顧客とは異なります。分析が示すのは回答した人々の特徴であり、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次第です。同じフィードバックを2回実行しても、あるときは6つ、別のときは4つのテーマになるかもしれません。「遅い」と「反応しない」は、合理的に考えて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教えてくれません。人々が何と言ったかを教えてくれるだけです。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判断するのはあなたです。
だから、何かを発表する前に必ず抜き取り確認をしてください。コメントをいくつか、数百件の文書なら50件もあれば十分なので抽出し、モデルの回答を見る前に自分でラベルを付けてから比較します。完璧さを求めているのではなく、不一致がどこに集中しているかを確認するのです。1つのテーマに偏っているなら、そのテーマは信頼できないため、そう明記すべきです。サンプル全体で自分とモデルの意見が数件以上食い違うなら、その分布を調査結果として報告しないでください。ある種類のフィードバックについてこれを一度行えば、以後どの程度信頼できるかが分かります。
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感じているのかが分かったら、Samが返信の下書きを作成してくれます。
Sam - Customer Support AI Skill ($29)を見る →毎回promptを書くのではなく、なぜSkillを使うのでしょうか？
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。
第一は一貫性です。今四半期の感情と前四半期の感情を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み取った場合だけです。保存済みのSkillなら方法が固定されるため、比較結果が、4月にたまたまpromptをどう書いたかによる見かけの差ではなく、実際の差になります。
もう1つは、先ほど挙げた4つの要素 - コンテキスト、意思決定、頻度、引用、分類不能な残余 - は、急いでいると簡単に忘れてしまうということです。まさにそのとき、400件のチケットを貼り付けて、あとは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？これを使えば、自由記述回答が四半期間で比較できるようにアンケートを設計できます。Miraが変化を推測ではなく追跡するために必要な生データです。
Employee Survey Promptを見る（$9）→どのようなテキストにこれを使う価値がありますか？
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、サポートチケット、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。方法は対象によって変わりません。変わるのは、冒頭で提供するコンテキストと、分析で導きたい意思決定です。
注意が必要なのは、サンプル数が極端に少ないものです。12件のコメントにはテーマがあるのではなく、12人分の意見があります。自分で読んで確認してください。
まとめ：
レビュー、チケット、アンケート回答、インタビューの書き起こしなど、自由記述テキスト全般の分析にはMira（$29）を使いましょう。大半がサポートチケットなら、Sam（$29）と組み合わせてください。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）から始めましょう。その後、テーマをElena（$29）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、どれ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
- メールマーケティングにClaudeを使う方法：Nadia Skillガイド
- ソーシャルメディアマネージャーとしてClaudeを使う方法：Maya Skillガイド
- グロースマーケティングのストラテジストとしてClaudeを使う方法：Sofia Skillガイド
- マーケティング分析にClaudeを使う方法：Rafa Skillガイド
KissMySkillsは、Claude、ChatGPT、その他あらゆるAIチャット向けの853種類のAISkill、158個のPrompt Pack、55種類のエージェント、そして無料ツールを扱うマーケットプレイスです。
