消費者インサイト深掘りプロンプト
定性調査データやレビューテキストからAIで消費者インサイトを抽出・構造化するプロンプト。ペルソナ設計の基礎資料に。
GitHub Stars
178
Fork
48
週間
980 ユーザー
PAAANの概要
消費者インサイトの発見はマーケティング戦略の出発点ですが、定性データの分析は時間と専門性が求められます。本プロンプトはレビュー・インタビュー・SNS投稿等の定性データをAIに投入し、顕在ニーズ・潜在ニーズ・感情・行動パターンの4象限で構造化します。数百件のテキストデータから15分でインサイトを抽出し、ペルソナ設計やプロダクト改善に直結する示唆を導出できます。
980
利用者数
中級
難易度
Before → After
定性データ分析に2〜3日。手動でのコーディング・分類作業が膨大。分析者のスキルにより品質がバラつく。
AIにデータ投入+プロンプト送信で15分。4象限分類とインサイトマップが自動生成され、品質も安定。
このSkillでできること
- 1
EC商品レビューの分析
数百件の商品レビューからポジティブ/ネガティブな意見を構造化。商品改善の優先順位とマーケティングメッセージの最適化に活用。
- 2
ユーザーインタビューの分析
デプスインタビュー5〜10名分の記録をAIで分析。共通する潜在ニーズとペルソナの特徴を効率的に抽出。
- 3
SNS口コミ分析
ブランドに関するSNS投稿を収集・分析し、消費者がブランドに対して抱いている感情と期待を可視化。
こんな人におすすめ
前提条件
- 分析対象の定性データ（レビュー、インタビュー記録等）50件以上
- 対象商品/サービスの基本理解
- 消費者行動の基礎知識
プロンプトの流れ
データ投入
人間のアクション
定性データ（レビュー・インタビュー等）をAIにアップロード
AIのアクション
テキストデータを解析し、基本的な感情分類を実行
インサイト抽出
人間のアクション
プロンプトテンプレートを送信
AIのアクション
4象限でインサイトを分類し、出現頻度と因果関係をマッピング
施策示唆
人間のアクション
重要インサイトを選択し深掘りを指示
AIのアクション
マーケティング施策への具体的示唆を生成
実行手順
データ準備
レビュー、インタビュー記録、SNS投稿などの定性データを収集し、テキストファイルにまとめる。最低50件以上のデータが精度の基盤。
インサイト抽出
AIにデータを投入し、顕在ニーズ・潜在ニーズ・感情・行動パターンの4象限で分類させる。各インサイトの出現頻度も記録。
ペルソナへの統合
抽出したインサイトをペルソナごとに整理し、マーケティング施策への示唆を導出する。「だから何をすべきか」まで言語化。
インサイトマップの作成
顕在ニーズ→潜在ニーズ→感情→行動の因果関係をマッピングし、施策の着想ポイントを可視化する。
あなたは消費者インサイトの専門アナリストです。以下の定性データから消費者インサイトを抽出・構造化してください。
## データ
{レビュー/インタビュー/SNS投稿のテキストデータ}
## 分析要件
1. 顕在ニーズ（直接表現されている要望）のリスト化
2. 潜在ニーズ（言葉の裏にある本質的な欲求）の推察
3. 感情分析（ポジティブ/ネガティブ/混合の分類と強度）
4. 行動パターン（購買前後の行動・情報収集の仕方）
5. インサイトの因果関係マッピング
## 出力形式
- インサイトサマリー（上位5つ）
- 4象限分類表
- ペルソナ別インサイトマップ
- マーケティング施策への示唆（3つ以上）実行結果の例
【消費者インサイト分析レポート】 ■ インサイトサマリー（上位5） 1. 「時短」は表面的ニーズ。本質は「余裕のある自分でいたい」 2. 価格感度は低いが「損をしたくない」心理が強い 3. レビューを読むのは「失敗回避」が主動機 4. ブランドへの愛着より「自分の選択の正しさ」を重視 5. SNSでのシェアは「発見者としての自己表現」 ■ 4象限分類 顕在ニーズ: 時短・コスパ・品質 潜在ニーズ: 自己肯定感・失敗回避・所属欲求 感情: 期待(42%)・不安(28%)・満足(20%)・不満(10%) 行動: レビュー精読→比較サイト→SNS確認→購入→レビュー投稿
期待される成果
顧客の顕在/潜在ニーズが構造化され、ペルソナごとのインサイトマップが完成する。
活用のコツ
- データ量が多いほど精度が上がります。最低50件、理想は200件以上のテキストデータを用意してください
- 潜在ニーズの抽出が最も価値ある部分。AIに「なぜそう感じるのか」「本当に求めているものは何か」を深掘りさせましょう
- ネガティブな意見こそ宝の山。不満の裏にある「本来の期待」がインサイトの核心になることが多い
- AIの分析結果は仮説として扱い、定量調査や追加インタビューで検証するプロセスを設けることを推奨します
よくある質問
Q. どのくらいのデータ量が必要ですか？
最低50件で基本的なパターンが見えます。200件以上あれば信頼性の高いインサイトが得られます。1,000件以上の場合はサンプリングしてAIに投入し、全体の傾向を把握した後に詳細分析を行うアプローチが効率的です。
Q. AIのインサイト抽出精度は信頼できますか？
顕在ニーズの分類はAIが非常に得意で、人間と同等以上の精度です。潜在ニーズの推察は人間の解釈が必要な部分もありますが、AIは大量データからのパターン発見で人間を補完します。最終的な解釈と意思決定は人間が行ってください。
Q. 多言語のデータにも対応できますか？
対応可能です。日本語・英語・中国語等の混在データでもAIが各言語を理解して分析します。ただし、文化的なニュアンスの解釈は言語ごとに異なるため、各市場の文脈を補足情報としてプロンプトに含めると精度が向上します。