mcp-dir ＞ 組み合わせレシピ ＞ レビューから新商品の企画候補を複数作り、広告の反応で絞る

このレシピで使う TrendViewer MCP は、mcp-dir の運営会社（HALDATA）の製品です。ほかのMCPはディレクトリの掲載基準どおり中立に紹介しています。

当社の想定手順2026/10/17 メーカー・PBの商品企画／マーケティング担当 TrendViewer MCP 活用

レビューから新商品の企画候補を複数作り、広告の反応で絞る

新商品の企画が担当者の勘や社内の声で決まり、出してみるまで売れるか分からないメーカー・商品企画担当向け。TrendViewer MCPでカテゴリ全体のレビューから「買う場面」と「その場面で求められる性能」を拾い、競合が満たしていない点と組み合わせた企画候補を複数作ります。Keepa MCPで市場の価格帯と売れ筋を、Ahrefs MCPで場面の言葉の検索需要を確かめ、Meta広告 MCPで場面ごとの広告の反応を同じ条件で比べて、試作に進む候補を絞ります。

TrendViewer MCP×Keepa×Ahrefs×Meta広告

流れを図で見るあなたは一言頼むだけ。AIが順にMCPを呼ぶ

AIとのやり取り会話のイメージ

あなた
TrendViewer MCP、Keepa MCP、Ahrefs MCP、Meta広告 MCPを使って、〔商品カテゴリ〕の新商品の企画候補を探したいです。
1. TrendViewer MCPで〔商品カテゴリ〕の分析を読み、観点別の好評・不満、サブ観点、購買動機、誰が・どこで・いつ使うかを出してください。
2. 不満の多い観点と購買動機の強い観点について、レビュー文を取り出し、「必要になった場面」「選んだ決め手」「使った後の満足・不満」「比較した他商品への不満」に分けてください。
3. 「買う場面 → 必要な性能 → 裏付けのレビュー → 競合で満たされている点・いない点」の順につないで、企画候補を3〜5案作ってください。根拠の数字と原文の要約を添え、推測した部分は推測と書いてください。
4. Keepa MCPで各候補に近い既存商品の価格帯と売れ筋順位を、Ahrefs MCPで各候補の場面を表す言葉の検索ボリュームを出し、表に足してください。
5. Meta広告 MCPで比べるときの条件（対象者・予算・期間・動画の長さ・遷移先）の案を作ってください。広告の作成や配信はしないでください。
AI
TrendViewer自社と競合の主な商品を入れたカテゴリ全体の分析で、観点別の好評・不満、観点の内訳（サブ観点）、購買動機、誰が・どこで・いつ使うかを出してもらうTrendViewer観点ごとにレビュー文を取り出し、「必要になった場面」「その商品を選んだ決め手」「使った後の満足・不満」「比較した他商品への不満」を分けて整理してもらうTrendViewer「買う場面 → その場面で必要な性能 → 裏付けのレビュー → 競合で満たされている点・満たされていない点」の順につなぎ、企画候補を3〜5案作ってもらう（1案に早く絞らない）Keepa各候補に近い既存商品の価格帯と売れ筋順位の推移を出してもらうAhrefs各候補の「買う場面」を表す言葉（例「鍵が回りにくい」）の検索ボリュームを出してもらうMeta広告場面ごとの広告を、対象者・予算・期間・動画の長さ・遷移先をそろえて並べ、リンクのクリック率と表示回数を比べてもらう（配信と予算は人が承認してから）

冬用スリッパの例では、言及がいちばん多いのは保温性（好評87.1%）ですが、買う理由として強いのはサイズ展開（平均の1.87倍）で、その好評は41.7%にとどまります。中身を割ると「小さめでサイズ選び」の不満が57.2%。そこで「足の実寸で選べる型展開」の企画候補が、保温性を前提にしたまま「買う理由なのに満たされていない点」を突く案として、根拠の数字と並んで返ります。

会話はイメージです。実際の答えは、つないだデータとAIによって変わります。答えの中の数値は 冬用スリッパのレビュー分析レポート（見本）（TrendViewer で分析した公開レポート）から引用しています。

このレシピで動かすもの

試作に進む前に絞り込んだ企画候補の広告クリック率と、発売後の販売計画に対する実績

手順6ステップ

  1. TrendViewer 自社と競合の主な商品を入れたカテゴリ全体の分析で、観点別の好評・不満、観点の内訳（サブ観点）、購買動機、誰が・どこで・いつ使うかを出してもらう 返ってくるもの：どの観点がほめられ、どこに不満が残っているか／買ったきっかけと使う場面
  2. TrendViewer 観点ごとにレビュー文を取り出し、「必要になった場面」「その商品を選んだ決め手」「使った後の満足・不満」「比較した他商品への不満」を分けて整理してもらう 返ってくるもの：場面・決め手・満足・不満を取り違えないための原文つき整理表
  3. TrendViewer 「買う場面 → その場面で必要な性能 → 裏付けのレビュー → 競合で満たされている点・満たされていない点」の順につなぎ、企画候補を3〜5案作ってもらう（1案に早く絞らない） 返ってくるもの：根拠の数字と原文を添えた企画候補の一覧
  4. Keepa 各候補に近い既存商品の価格帯と売れ筋順位の推移を出してもらう 返ってくるもの：候補ごとの価格帯の目安と、すでに売れている商品の有無
  5. Ahrefs 各候補の「買う場面」を表す言葉（例「鍵が回りにくい」）の検索ボリュームを出してもらう 返ってくるもの：場面ごとの検索需要の大きさ
  6. Meta広告 場面ごとの広告を、対象者・予算・期間・動画の長さ・遷移先をそろえて並べ、リンクのクリック率と表示回数を比べてもらう（配信と予算は人が承認してから） 返ってくるもの：企画候補ごとの広告の反応（クリック率と母数）

そのまま使えるプロンプトChatGPT／Claude に貼る

TrendViewer MCP、Keepa MCP、Ahrefs MCP、Meta広告 MCPを使って、〔商品カテゴリ〕の新商品の企画候補を探したいです。
1. TrendViewer MCPで〔商品カテゴリ〕の分析を読み、観点別の好評・不満、サブ観点、購買動機、誰が・どこで・いつ使うかを出してください。
2. 不満の多い観点と購買動機の強い観点について、レビュー文を取り出し、「必要になった場面」「選んだ決め手」「使った後の満足・不満」「比較した他商品への不満」に分けてください。
3. 「買う場面 → 必要な性能 → 裏付けのレビュー → 競合で満たされている点・いない点」の順につないで、企画候補を3〜5案作ってください。根拠の数字と原文の要約を添え、推測した部分は推測と書いてください。
4. Keepa MCPで各候補に近い既存商品の価格帯と売れ筋順位を、Ahrefs MCPで各候補の場面を表す言葉の検索ボリュームを出し、表に足してください。
5. Meta広告 MCPで比べるときの条件（対象者・予算・期間・動画の長さ・遷移先）の案を作ってください。広告の作成や配信はしないでください。

注意点

  • 広告のクリック率は「興味を持たれたか」の目安で、購入や販売計画の達成とは別の指標。クリック率だけで売れる商品と決めない
  • レビューの「比較した他商品への不満」と「その商品への不満」、購入前の期待と使った後の評価を取り違えない。前後が分からない文は解釈を決めない
  • まだ作っていない商品の性能を、確かめたように広告で描かない。競合の好評は競合の評価であって新商品の証明ではない
  • 広告の作成・配信・予算の変更は、比べる条件を決めてから人が承認して行う。場面・商品・映像を同時に変えた比較は「企画全体の比較」として読む

「当社で実行済み」「当社で接続確認済み」は当社が実際にMCPを呼び出して手順が通ることを確かめたもの、「当社の想定手順」は公式資料をもとに組んだ手順です。書き込みをするMCPは、AI側で都度承認する設定にしてください（安全に使うには）。業務上の効果は保証しません。掲載 2026年10月17日。

使うMCP

  • レビュー分析TrendViewer MCP
    主要ECモールのレビューを観点別に集計（運営会社の製品）
  • MCPKeepa
    サービスの提供元（公式）・かんたん：URLを登録するだけ
  • MCPAhrefs
    サービスの提供元（公式）・かんたん：URLを登録するだけ
  • MCPMeta広告
    サービスの提供元（公式）・かんたん：URLを登録するだけ

TrendViewer MCP をつなぐ

URLを登録してログインするだけ。インストールやAPIキーの発行は不要で、無料プラン（ALPHA）のままでも接続できます。

接続手順を見る

ほかのレシピ

レシピをすべて見る ▸