VOC（顧客の声）分析テンプレート
コールセンター・チャット・レビューの顧客フィードバックをAIで分類・要約し、改善インサイトを抽出するテンプレート。
GitHub Stars
201
Fork
55
週間
1,200 ユーザー
PAAANの概要
VOC（顧客の声）はCX改善の最も重要な情報源ですが、大量のテキストデータの分析は膨大な時間がかかります。本テンプレートはコールセンター・チャット・レビュー等のVOCデータをAIに投入し、テーマ分類・感情分析・改善インサイト抽出を15分で完了します。月次レポート形式で出力されるため、定期的なVOCモニタリングの仕組みとして運用可能です。
1,200
利用者数
初級
難易度
Before → After
VOC分析に1〜2日。手動でのテキスト分類とテーマ抽出が膨大な工数。
AI支援で15分。テーマ分類・感情分析・インサイト抽出・レポート生成が一括完了。
このSkillでできること
- 1
月次VOCレポートの自動化
毎月のVOC分析を自動化し、改善インサイトを定期的にプロダクトチームに共有。
- 2
プロダクト改善の優先順位付け
VOCから抽出した改善要望を構造化し、プロダクトロードマップの優先順位付けに活用。
- 3
CS品質の定点観測
カスタマーサポートの対応品質をVOCから定量的に評価し、改善トレンドを追跡。
こんな人におすすめ
前提条件
- VOCデータ（テキスト形式）
- カスタマーサポートの基本情報
- 自社サービスのタッチポイント理解
プロンプトの流れ
データ投入
人間のアクション
VOCデータ（テキスト）をAIに入力
AIのアクション
テキスト分析基盤を構築
分析実行
人間のアクション
プロンプトを送信
AIのアクション
テーマ分類・感情分析・インサイト抽出を一括実行
レポート生成
人間のアクション
前月データがあれば追加
AIのアクション
トレンド変化を含む月次レポートを生成
実行手順
VOCデータの収集
コールセンターのログ、チャット履歴、レビュー、アンケート回答等のテキストデータを収集しAIに投入する。
テーマ別分類
フィードバックを主要テーマ（商品品質・価格・サービス・配送・UI/UX等）に自動分類し、各テーマの件数と感情傾向を算出。
改善インサイトの抽出
ネガティブフィードバックから改善インサイトを抽出し、ポジティブフィードバックから強みを特定。
レポート生成
VOC分析レポート（テーマ別集計・改善提案・強みの強化策）を月次形式で生成。
あなたはVOC分析の専門家です。以下の顧客フィードバックデータを分析してください。
## VOCデータ
{コールセンターログ、チャット履歴、レビュー、アンケート回答}
## 分析要件
1. テーマ別分類（出現頻度TOP10）
2. テーマ×感情のクロス分析
3. 改善インサイト（優先度付き）
4. 強み（継続強化すべきポイント）
5. 月次トレンド（前月比の変化）
6. 推奨アクション（3つ以上）実行結果の例
【VOC分析レポート 2026年2月】 ■ テーマTOP5 1. 配送速度（230件 / ネガティブ65%）→ 改善最優先 2. 商品品質（180件 / ポジティブ80%）→ 強み維持 3. カスタマーサポート（150件 / ネガティブ55%）→ 改善必要 4. 価格・料金（120件 / ミックス）→ モニタリング継続 5. UI/使いやすさ（95件 / ポジティブ70%）→ 強み維持 ■ 推奨アクション 1. 配送パートナーの見直し（配送速度の不満解消） 2. チャットサポートの応答速度改善（目標: 30秒以内） 3. 商品品質のストーリーをマーケティングに活用（強み増幅）
期待される成果
VOCが構造化され、改善インサイトと強みが明確になった月次レポートが完成する。
活用のコツ
- VOCは「件数」だけでなく「影響度」も評価。1件の重大な不満は100件の軽微な不満より重要な場合がある
- ポジティブフィードバックも必ず分析すること。「顧客が喜んでいるポイント」を強化することもCX改善の重要な戦略
- レポートは「So What?（だから何?）」を必ず含める。データの羅列ではなく、アクションに直結するインサイトを抽出
よくある質問
Q. どのくらいのデータ量が必要？
月間100件以上あれば基本的なテーマ抽出が可能。500件以上で統計的に信頼性の高い分析ができます。
Q. 音声データ（コールセンター録音）も分析できますか？
音声データは文字起こし後にAIに投入してください。Whisper等の文字起こしツールを使えば、音声→テキスト変換も自動化可能です。
Q. 多言語のVOCにも対応？
はい。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。