自社と競合の商品
レビューを、
AIが比較・分析。
次に直すべき一点が、
はっきりします。
主要ECモールの実購入者レビューをAIが自動で収集し、観点別に可視化。
自社と競合の差が、数字で並びます。
受け付けました
受付メールをお送りしました。約2時間で、同じ宛先に分析結果が届きます（夜間は翌朝）。届かない場合は迷惑メールフォルダをご確認ください。
売れる商品は
顧客が教えてくれる
TrendViewerのAnalytics機能なら、
レビューを収集・分析し、観点ごとにユーザーが
どのような感情を抱いたかを可視化。
“空想の顧客像”を離れ、“実際に商品を購入した顧客”の
「悩み」「状況」「期待」「不満」を抽出することで、
商品に求められる「顧客の課題を解決する便益（=Benefit）」と
「競合には真似できない独自性（=Uniqueness）」を特定します。
さらに商品説明ページの改善など具体的なアクションプランを提案。
実際に購入者にヒアリングすることでプランの検証まで一気通貫で行うことが可能です。
TrendViewer Analytics
導入のメリット
TrendViewer で
できる、8つの分析
星の平均点だけでは見えない「どこで・なぜ」を、レビューの文から数えます。「例」は冬用スリッパで実際に出た結果です。
-
観点別の好評・不満
何がほめられ、何に不満が多いかを、観点ごとの件数と割合で。
好評中立不満
保温性不満4.2%
履き心地不満17.2%
サイズ展開不満25.3%
耐久性不満25.8%
例保温性は好評87.1%、耐久性は不満25.8%
-
買う理由になる観点
よく語られる観点と、購入の決め手になる観点のズレを「動機指数」で。
サイズ展開
言及3位1.87倍ブランド信頼
言及9位1.76倍保温性
言及1位0.92倍履き心地
言及2位0.62倍0平均 1.02.0
例言及1位は保温性、買う理由1位はサイズ展開（平均の1.87倍）
-
観点の位置づけマップ
言及の多さ×満足度で「前提価値」「伸びしろ」「最優先の改善」に分ける。
満足 高満足 低伸びしろ価格 77.9%防滑性 85.5%ブランド 85.6%前提価値保温性 87.1%デザイン 80.7%様子見手入れ 67.1%通気性 55.4%最優先の改善履き心地 69.9%サイズ展開 41.7%耐久性 59.9%← 言及 少言及 多 →例最優先の改善は 履き心地・サイズ展開・耐久性
-
不満の中身の分解
一つの観点の平均点の裏で、どの話題が評価を下げているかを細かく割る。
サイズ展開不満25.3%
実寸どおり不満19.6%
小さめ不満57.2%
履き心地好評69.9%
クッション好評94.9%
フィット感好評62.4%
例「小さめでサイズ選び」の話題だけ不満57.2%
-
商品で差が出る観点
商品どうしで評価の幅が大きい＝作り方・見せ方で動かせる観点を特定。
好評率の 最低の商品 ●━━● 最高の商品（目盛 40〜100%）
履き心地20.4pt
価格20.4pt
耐久性15.2pt
サイズ展開13.9pt
保温性9.2pt
例履き心地は商品間で20.4ptの差
-
だれが・どこで・いつ
レビューに書かれた使う人・場所・時期から、売り場や訴求の場面を探す。
だれが どこで いつ 自分11.7% 職場用5.6% 冬5.4% 主人8.3% 実家4.5% 毎年5.1% 家族7.6% 室内3.4% 普段4.8% 夫6.1% キッチン3.4% — 例自分用のほか夫・家族向け、職場用・実家で使う声
-
手を付ける順番
不満の件数×買う理由の強さで、改善の優先順位を出す。
1サイズ展開の充実度不満 約352件 × 動機 1.87倍2履き心地不満 約409件 × 動機 0.62倍3耐久性不満 約172件 × 動機 0.88倍例1位 サイズ展開 → 2位 履き心地 → 3位 耐久性
-
具体策
商品ページに足す記載と改良の候補を、根拠の数字つきで提案。
種類 打ち手 根拠 ページ 「やや小さめ」と明記し、実寸との対応表を載せる 不満57.2%
小さめで迷うページ 圧縮シワと、ふくらみが戻る目安を載せる 不満22.8%
圧縮梱包改良 大きめ、またはゆとりのある型を追加 不満352件
優先1位改良 かかと・甲のフィットを見直す 好評62.4%
フィット感例「やや小さめ」の明記と、足の実寸との対応表
指示ひとつで、AIがデータを自ら取得
MCP対応でTrendViewerをAIエージェントの「知能」に
これまでのデータ連携は、エンジニアによる複雑なAPI開発や、ツール間の設定に多大な工数がかかっていました。
TrendViewerは、最新のデータ共有規格「MCP（Model Context Protocol）」にいち早く対応。
自社で運用中のAIエージェントに「TrendViewerから先月の不満レビューを抽出して、
在庫データと照合して」と指示を出すだけで、AIが自ら必要なデータを取得し、即座に分析結果を返します。
接続に使うのは TrendViewer MCP（リモートMCPサーバー）です。
ChatGPT や Claude に接続用URLを登録してログインするだけで、ローカルへのインストールや設定ファイルの編集は要りません。
レビューだけでなく、手元のデータとまとめてAIへ
TrendViewer MCP は、GA4・Search Console・広告・購買データなど、ほかのMCPと同じAI（Claude など）に並べてつなげます。AIはこれらを横断して課題を見つけ、打ち手まで作ります。
図は横にスクロールできます。タップすると拡大して見られます。
- 01 データ源MCPでつなぐ
GA4・Search Console・広告・購買データに、TrendViewer MCP の「自社・競合のレビュー分析」を加えます。
- 02 分析・生成AIが横断して診断
「アクセスはあるのに売れない」理由を、行動データとレビューの不満を突き合わせて見つけます。
- 03 打ち手やることまで作る
商品ページの修正案、記事・LP、広告の語句、FAQ、商品の改善提案、月次レポートまで。
- 04 反映人が確認してから反映
方針と最終確認は人が担当。承認した内容だけを WordPress・Shopify・広告管理などへ反映します。
設計から反映までの運用を任せたい場合は、TrendViewer Growth（集客・接客の代行）で承ります。
AIが「顧客の本音」を構造化
商品企画が、データで加速する
お客様の声
発売前に「売れる理由」を検証する新商品コンセプト立案｜食品メーカーの活用事例
新商品の企画は、勘と経験に頼るほど「出してみないと分からない」博打になりがちです。TrendViewerは、類似カテゴリに蓄積された大量のレビューから「まだ満たされていないニーズ」を抽出し、発売前にコンセプトの確度を高めます。本記事では、食…
低評価・クレームレビューの分析で返品の原因を特定｜家電メーカーの活用事例
低評価レビューや返品は、放置すればブランドへの信頼をじわじわと削っていきます。しかし「星1〜2のレビューが多い」と分かっても、何が不満の引き金になっているのかを一件ずつ読み解くのは大変です。TrendViewerは、数あるレビューの中からネ…
競合製品とのレビュー比較で「選ばれない理由」を可視化｜化粧品メーカーの活用事例
自社製品がなぜ競合に選ばれないのか――売上データや販売数を眺めても、「選ばれなかった理由」までは見えてきません。その理由は、購入したユーザーが書き残した商品レビューの中に、具体的な言葉として眠っています。TrendViewerは、自社と競合…
売上データだけでは見えてこない
「買った後のお客様の気持ち」
最新のN1分析レポート（無料公開中）
-
ドリップ式コーヒーメーカー N1分析レポート 2026
購入動機から見る「選ばれる理由」と市場の空白
-
電動鼻水吸引器 N1分析レポート 2026
「手動からの卒業」と「洗いやすさ」が選ばれる決め手
-
メンズ電気シェーバー N1分析レポート 2026
深剃りと肌負担から見る「選ばれる理由」と市場の空白
売上高やシェアといった「数字」は、過去の結果でしかありません。
それらをどれだけ眺めても、
「お客様がどんな変化を見せているのか？」
「次のトレンドはどこにあるのか」という問いへの答えは見つかりません。
戦略を立てるために本当に必要なのは、たった一人の顧客を深く理解することです
その人は、どんな不便に直面し、どんな思いで商品を手にとったのか。
そして、買った後の生活はどう変わったのか。この具体的な背景を知ることこそが、
狙うべき「誰（WHO）」を明確にする唯一の道です。
その一人の悩みを解消する「便益（Benefit）」と、既存品では満たされなかった隙間を埋める
「独自性（Uniqueness）」。
この2つを特定することで、顧客が求める「何（WHAT）」を見定めることができます。
TrendViewerは、レビューから購入後の顧客の感情・購買理由を特定し、
次のヒットに必要な「便益」と「独自性」を発見、さらに具体的なアクションプランを提示します。
提示したアクションプランの是非を実行前に購入者へ直接ヒアリングする形で検証まで可能です。
レビューの分析にとどまらず、具体的な施策まで提案できることがTrendViewerの最大の強みです。
導入事例
基本料金プラン
FREE
-
10商品データセット
最大登録数 -
50商品登録上限数
-
0ランキング
最大登録数 -
4検索キーワード
最大登録数 -
10利用ユーザー数
-
ありAPI/MCP
BASIC
-
商品データセット3
最大登録数 -
商品登録上限数70
-
ランキング1
最大登録数 -
検索キーワード1
最大登録数 -
利用ユーザー数1
-
API/MCPあり
PREMIUM
-
商品データセット10
最大登録数 -
商品登録上限数100
-
ランキング1
最大登録数 -
検索キーワード1
最大登録数 -
利用ユーザー数3
-
API/MCPあり
ENTERPRISE
-
商品データセット20
最大登録数 -
商品登録上限数100
-
ランキング1
最大登録数 -
検索キーワード1
最大登録数 -
利用ユーザー数5
-
API/MCPあり
BASIC以上のプランでは、TrendViewer AnalyticsとTrendViewer Chatの両機能をご利用いただけます。
よくあるご質問
- 口コミ分析ツールは無料で使えますか？
- 使えます。FREEプランは月額0円（税抜）で、商品データセット10件・商品登録50点・検索キーワード4件・利用ユーザー10人までお使いいただけます（現在は期間限定で上限を増量しています）。API/MCP連携もFREEプランから利用できます。
- レビュー分析ツールの料金プランを教えてください。
- FREEが月額0円、BASICが9,800円、PREMIUMが49,800円、ENTERPRISEが99,800円（いずれも税抜）です。BASIC以上のプランでは、TrendViewer AnalyticsとTrendViewer Chatの両機能をご利用いただけます。
- 口コミの収集だけをツールに任せることはできますか？
- できます。商品を登録すると、モール上に公開されているサービス評価・商品レビューをAIが自動で収集し、月次で更新し続けます。手作業でコピーして表にまとめる工程が不要になるため、収集ツールと分析ツールを別々に用意する必要がありません。
- 低評価のレビューだけを調べることはできますか？
- できます。星1〜2のレビューは件数が少なく埋もれがちですが、観点別に分類すると「どの点で・何人が・どう困ったのか」が並びます。低評価が偶発的なものか、商品の仕様に起因する繰り返しの不満かを切り分けられるため、改善の優先順位をつける材料になります。
- どのECモールの口コミを分析できますか？
- 主要ECモールの商品レビューを対象に、AIが自動で収集し、評価の観点ごとに分類・定量化します。
- 競合商品の口コミも分析できますか？
- できます。競合他社製品のレビューもネット上から取得でき、自社商品と同じ方法で分析するため、相手が押さえている場面と自社の勝ち筋を並べて比べられます。
- 星の平均点やレビュー件数を見るのと何が違いますか？
- 件数の多さや星の平均ではなく、「何が評価され、何が不満だったのか」を観点別のスコアとして取り出す点です。テキストマイニングでレビュー本文から語や言い回しを抽出し、感情分析で肯定・否定を判定し、「サイズ感」「使いやすさ」「コスパ」などの評価軸に振り分けて集計します。評価観点はAIで自動生成できるほか、ユーザーが自由に設定することもできます。
- 分析結果を自社のシステムやAIツールから利用できますか？
- 利用できます。データ共有規格のMCP（Model Context Protocol）に対応しているため、API開発なしで自社で運用中のAIエージェントやLLM環境へ、分析データを外部ナレッジとして繋ぎ込めます。API/MCPはFREEを含む全プランでご利用いただけます。
- VOC分析ツールとして使えますか？
- 使えます。VOC（Voice of Customer＝顧客の声）のうち、主要ECモールに公開されている商品レビューとサービス評価を対象に、収集・観点別の分類・定量化までを自動で行います。アンケートを新しく配らなくても、すでに書かれている声から始められます。
- VOCの可視化では、具体的に何が見えるようになりますか？
- 「どの評価観点で・何人が・肯定と否定のどちらだったか」が、観点別のスコアと件数として並びます。星の平均点では一つの数字にまとまってしまう内訳が、サイズ感・使いやすさ・コスパといった軸に分かれて見えるため、改善すべき点と訴求すべき点を切り分けられます。