ユーザーは低評価口コミへの店舗返信の何を見るのか|謝罪・具体性・再発防止・定型文を比較調査
低評価の口コミに返信する企業は増えている。だが「返信すること」自体はもはや差別化にならない。米BrightLocalの消費者調査(2026年、米国消費者1,002人対象)では、レビューに返信する企業は80%が「利用する可能性がある」と評価される一方、返信しない企業は42%が「利用しない」と判断されている。つまり返信の有無による差はすでに広く知られている。読者が本当に知りたいのは一歩先、「では、どんな返信内容なら信頼され、どんな返信内容が逆効果になるのか」である。本記事では、この問いに直接答えたホスピタリティ・eコマース分野の実験研究10本と、独自企業データベースによる企業側の口コミ可視化実態の分析を統合し、返信を構成する6つの要素(謝罪・事実説明・具体性・改善策・定型文っぽさ・返信速度)ごとに、第三者の信頼・不安への影響を整理する。
結論:信頼を分けるのは「具体性」と「改善策の提示」。返信速度の効果は学術的に一致していない
先に結論を述べる。国内外の実験研究を要素別に整理すると、第三者の信頼形成に一貫して強い効果を持つのは「具体性(苦情内容への言及)」と「改善策・再発防止策の提示」の2つである。一方で「定型文っぽさ」は約半数の消費者に見抜かれ明確に不信感につながり、「謝罪」は基本的に有効だが企業の不誠実さが疑われた失敗には逆効果になりうるという条件付きの効果しか持たない。そして「返信速度」は、効果があるとする研究とないとする研究の両方が存在し、学術的に決着していない唯一の要素だった。
「返信したかどうか」を競う段階はすでに終わっている。次に問われるのは、返信の中身をどう設計するかである。
調査の方法:何を、どう比較したか
本記事は、同一の低評価口コミに対して返信内容だけを変えたパターンを独自に作成し、実際の消費者パネルに提示する第三者アンケート・比較実験を新規には実施していない。かわりに、これに相当する統制実験をすでに行っている学術研究(2015〜2024年、主にホテル・EC・医療分野で発表された10本の実験・準実験研究)を横断的に収集し、「謝罪」「事実説明」「具体性」「改善策・再発防止策」「定型文っぽさ」「返信速度」の6要素それぞれについて、第三者評価への影響を整理した。加えて、独自企業データベース(観測対象47,967社)を用いて、そもそも企業が口コミ・顧客の声にどの程度向き合っているかという市場背景を独自集計した。
なお、学術研究のほとんどは英語圏・中国のホテル業界やO2Oプラットフォームを対象にしたものであり、日本語での同種の実験研究は今回の調査範囲では確認できなかった。国内で公開されている情報は、口コミ運用支援会社によるブログや単発の消費者アンケートが中心で、返信内容を要素分解して効果を検証したものは見当たらない。これ自体が、今回のテーマにおける情報の空白を示している。
また、本記事は6要素を同一の口コミ・同一の回答者群で直接比較した単一実験ではなく、各要素を検証した複数の独立研究を横断的に整理したものである。したがって、要素ごとの効果の方向性は比較できるが、6要素の効果量を同一条件で順位付けした結果ではない。
独自データで見る前提:企業はそもそも口コミにどう向き合っているか
要素別の効果を見る前に、独自企業データベースで確認しておくべき事実がある。企業は自社サイト上で、顧客の声をどれだけ可視化しているのか。
独自企業データベースには口コミ返信の内容そのものは含まれていないが、企業サイトの構造データから「お客様の声」ページの有無を集計できる。観測できた47,967社(同一時点でサイト情報を取得できた企業)のうち、自社ドメイン上に採用・求人向けではない、顧客向けの「お客様の声」ページを持つ企業は2,038社、率にして4.3%にとどまった。
| 従業員規模 | 対象企業数 | 「お客様の声」ページ保有企業数 | 保有率 |
|---|---|---|---|
| 11〜50人 | 542社 | 37社 | 6.8% |
| 51〜200人 | 700社 | 32社 | 4.6% |
| 規模不明 | 32,663社 | 1,605社 | 4.9% |
| 201〜1,000人 | 534社 | 19社 | 3.6% |
| 1〜10人 | 13,321社 | 341社 | 2.6% |
| 1,000人以上 | 207社 | 4社 | 1.9% |
【弊社集計】自社サイトで顧客向け「お客様の声」ページを公開している企業は、観測対象47,967社中2,038社(4.3%)。企業規模による大きな傾向差は見られず、むしろ11〜50人規模でやや高い(6.8%)。
なお、この集計はURL・ドメイン・キーワード条件による抽出で、該当データからランダム40件を目視確認して精度を確認している。全47,967社のページ内容を人手で確認した結果ではないため、4.3%はこの抽出条件に基づく観測値として解釈する必要がある。
この数字が示すのは、大半の企業が自社の情報発信の中で「顧客の声」を積極的に編集・公開する取り組みをしていないという実態である。つまり、口コミプラットフォーム上の低評価とそれへの返信は、多くの企業にとって「見込み客が目にする、事実上ほぼ唯一の生の顧客とのやり取り」になっている可能性が高い。だからこそ、返信の中身が持つ意味は相対的に大きい。
要素別に見る、信頼される返信・不信を招く返信

低評価口コミへの返信は一枚岩ではなく、謝罪・事実説明・具体性・改善策など、それぞれ異なる役割を持つ要素で構成される。
謝罪——「認めること」は効くが、万能ではない
Sparks & Bradley(2017, Journal of Hospitality & Tourism Research)は、実際の口コミ返信150件の分析から、効果的な返信は「Acknowledgement(謝罪・受容)」「Account(説明)」「Action(対応)」の3要素を組み合わせていることを示した。謝罪はこの中の基本要素として機能する。
ただし謝罪は無条件に効くわけではない。中国のO2Oプラットフォームを対象にした実験研究(Electronic Commerce Research and Applications, 2023)は、謝罪の効果が低評価の「原因の種類」によって反転することを示した。技術的な失敗(能力起因)への謝罪は信頼回復に効くが、不正直・不誠実さを疑われた失敗(誠実さ起因)への謝罪は「非を認めた」と受け取られ、かえって信頼を損なう場合がある。

謝罪の効果は低評価の原因によって異なり、すべてのケースで同じように信頼を高めるわけではない。
事実説明——「誰の責任か」という読み手の解釈を変える
Le & Ha(2021, Computers in Human Behavior、回答者246人の実験)は、返信が問題に的確に答えているか(relevance)が、製品・企業双方への態度と購買行動を有意に改善することを示した。Han et al.(2024, Journal of Medical Internet Research、中国459人対象の要因間実験)はさらに踏み込み、事実説明を含む返信が「原因帰属」——読み手が「誰が悪いのか」をどう解釈するかを企業側から離す方向に動かし、その帰属の変化が利用意向向上を媒介することを統計的に示した(間接効果 β=0.262)。事実説明は、単に情報を追加する行為ではなく、読み手の因果解釈そのものを動かす要素だといえる。

事実説明は情報を加えるだけでなく、第三者が「誰に原因があるのか」を判断する過程そのものに影響することが示されている。
具体性——苦情内容への言及が「個別対応」の証拠になる
Min, Lim & Magnini(2015, Cornell Hospitality Quarterly、176人対象の実験)は、返信内で苦情内容を具体的に言い換える(paraphrasing)ことが、返信への評価を有意に改善することを示した。これは「あなたの投稿を実際に読んで書いている」という証拠として機能するためと考えられる。同研究では共感表現の挿入も評価を改善させたが、返信速度は評価に有意な影響を与えなかった(後述)。
改善策・再発防止策——信頼回復に最も強く効く「能力シグナル」
Yhee et al.(2023, Annals of Tourism Research)は、信頼理論の枠組み(能力・善意・誠実さ)を用いて返信の効果を分解し、問題解決能力を示す内容——つまり改善策・再発防止策の提示——が信頼回復に最も強い効果を持つことを示した。「謝る」だけでなく「どう直すか」を明示することが、6要素の中でも特に重い比重を持つ。
定型文っぽさ——約半数に見抜かれ、明確な逆効果になる
Jin et al.(2023, Journal of Retailing and Consumer Services)は、パーソナライズされた返信が「知覚された返信の有用性」を媒介してレビュー自体の評価を高めることを実証した。BrightLocalの消費者調査(2026年、米国消費者1,002人)でも、テンプレート的な返信は消費者の50%から否定的に受け取られ、企業選択を回避する要因になると報告されている。6要素の中で、悪影響の再現性が最も高いのがこの「定型文っぽさ」である。
返信速度——学術的に結論が割れている唯一の要素
Sparks, So & Bradley(2016, Tourism Management)は、返信が早いほど信頼・懸念(気にかけている印象)の推論が好意的になることを示した。一方でMin, Lim & Magnini(2015)は、同種の実験設計にもかかわらず返信速度が評価に有意な影響を与えないという結果を報告している。
| 研究 | サンプル | 返信速度の効果 |
|---|---|---|
| Sparks, So & Bradley (2016) | ホテル、豪州消費者/学生サンプル | 速い返信ほど信頼・懸念の推論が改善(有意) |
| Min, Lim & Magnini (2015) | ホテル、176人 | 有意な影響なし |

返信速度の効果は研究間で一致しておらず、内容の質より優先すべきとは断定できない。
6要素の中で唯一、研究間で結果が一致していないのが返信速度である。これは「速ければ良い」という単純な話ではなく、内容の質と比べたときの相対的な重要度がまだ確立していないことを意味する。記事タイトルにある6要素のうち、断定的に語れないのはこの要素だけだという点自体が、実務上重要な情報である。
要素別まとめ表
| 返信の要素 | 信頼への効果 | 主な根拠 | 留意点 |
|---|---|---|---|
| 定型文っぽさ | 明確なマイナス(再現性高) | Jin et al. 2023/BrightLocal 2026 | 約半数が否定的反応。最も避けるべき要素 |
| 改善策・再発防止策 | 強いプラス | Yhee et al. 2023 | 「能力」シグナルとして信頼回復に最も効く |
| 具体性(苦情内容への言及) | プラス | Min, Lim & Magnini 2015 | 「個別対応された」という証拠になる |
| 事実説明 | プラス(原因帰属を変化) | Le & Ha 2021/Han et al. 2024 | 「誰の責任か」の解釈自体を動かす |
| 謝罪 | 条件付きプラス | Sparks & Bradley 2017/O2O研究 2023 | 誠実さを疑われた失敗への謝罪は逆効果になりうる |
| 返信速度 | 結論が割れている | Sparks et al. 2016(プラス)/Min et al. 2015(無効) | 内容の質より優先すべきとは言えない |
| 返信の有無自体 | 明確なプラス(前提条件) | Proserpio & Zervas 2017/BrightLocal 2026 | 返信ありの企業は評価+0.12★・レビュー数+12%(Proserpio & Zervas, 2017) |
業種・文化面での例外と注意点
上記の実験研究の大半は、英語圏・中国のホテル業界やO2Oプラットフォームを対象にしている。日本市場への適用にはいくつかの留保が必要である。第一に、謝罪に対する社会的な期待水準が欧米・中国と異なり、定型的な謝罪表現自体が礼儀として期待される文化的背景がある一方、「事実説明」が言い訳と受け取られやすい繊細さもある。第二に、業種・プラットフォーム(Googleマップ、食べログ、Amazon等)によって、閲覧者が返信にどれだけ注目するかが異なる可能性があるが、この点を直接検証した研究は確認できなかった。これらは今回の調査で立証された事実ではなく、返信文言を設計する際に留意すべき仮説として扱うべきである。
企業が今日から確認すべきこと
自社の低評価口コミへの返信を、以下の観点で見直すことができる。
- 定型文をそのまま使い回していないか(最も再現性の高いマイナス要因)
- 苦情内容の具体的な内容に触れているか(言い換え・引用)
- 「何を改善するか」を明示しているか(謝罪だけで終えていないか)
- 謝罪の内容が、技術的なミスなのか、不誠実さを疑われる内容なのかを区別できているか
- 返信速度だけを優先し、内容の質を落としていないか
これらの観点を自社で整理・確認するための無料資料も用意している。記事の内容を実務に落とし込み、自社の返信を見直す際に活用してほしい。
まとめ
低評価口コミへの返信は、「返信したかどうか」で差がつく段階をすでに終えている。国内外の実験研究を要素別に整理すると、信頼形成に強く効くのは「具体性」と「改善策・再発防止策の提示」であり、「定型文っぽさ」は約半数に見抜かれる明確なマイナス要因である。謝罪は基本的に有効だが、不誠実さを疑われた失敗には逆効果になりうる条件付きの要素であり、返信速度に至っては学術的な結論が定まっていない。独自企業データベースの分析では、自社サイトで顧客の声を公開している企業はわずか4.3%にとどまり、口コミへの返信が多くの企業にとって顧客との数少ない可視化された接点になっている実態も明らかになった。返信の「有無」ではなく「中身」を設計する段階に、すでに入っている。
参考文献・出典
この記事で参照した情報を確認できます。
- Sparks, B. A., So, K. K. F., & Bradley, G. L. (2016). Responding to negative online reviews: The effects of hotel responses on customer inferences of trust and concern. Tourism Management, 53, 74-85. https://www.sciencedirect.com/science/article/abs/pii/S0261517715300121
- Min, H., Lim, Y., & Magnini, V. P. (2015). Factors Affecting Customer Satisfaction in Responses to Negative Online Hotel Reviews. Cornell Hospitality Quarterly, 56(2), 223-231. https://journals.sagepub.com/doi/10.1177/1938965514560014
- Sparks, B. A., & Bradley, G. L. (2017). A ‘Triple A’ Typology of Responding to Negative Consumer-Generated Online Reviews. Journal of Hospitality & Tourism Research, 41(6), 719-745. https://journals.sagepub.com/doi/10.1177/1096348014538052
- Le, L. H., & Ha, Q.-A. (2021). Effects of negative reviews and managerial responses on consumer attitude and subsequent purchase behavior. Computers in Human Behavior, 124, 106912. https://www.sciencedirect.com/science/article/abs/pii/S0747563221002351
- Jin, X. et al. (2023). Personalized managerial response and negative inconsistent review helpfulness. Journal of Retailing and Consumer Services, 74. https://www.sciencedirect.com/science/article/abs/pii/S0969698923001455
- Yhee, Y., Kim, H., Kim, J., & Koo, C. (2023). Trust in managerial response offsets negative review. Annals of Tourism Research, 102. https://www.sciencedirect.com/science/article/abs/pii/S0160738323001147
- How does apology matter? Responding to negative customer reviews on O2O platforms. Electronic Commerce Research and Applications (2023). https://www.sciencedirect.com/science/article/abs/pii/S156742232300056X
- Han, X., Lin, Y., Han, W., Liao, K., & Mei, K. (2024). Effect of Negative Online Reviews and Physician Responses on Health Consumers’ Choice. Journal of Medical Internet Research. https://pmc.ncbi.nlm.nih.gov/articles/PMC10966444/
- Proserpio, D., & Zervas, G. (2017). Online Reputation Management: Estimating the Impact of Management Responses on Consumer Reviews. Marketing Science, 36(5), 645-665. 出版社ページ/著者公開プレプリント
- BrightLocal. Local Consumer Review Survey 2026. https://www.brightlocal.com/research/local-consumer-review-survey/
- 独自企業データベース(観測対象47,967社、2026年収集分)弊社集計
‹ 親記事: 口コミ分析とは?「何を見て、どう活かすか」を体系的に整理する完全ガイド
関連記事
- › Google口コミで身バレする?本名は表示される?匿名性と対策を解説
- › Googleマップの口コミは信用できる?信憑性の見分け方と件数が合わない理由
- › 鵜呑み厳禁!クチコミにはこんなものもあります。
- › 店舗別口コミ改善会議の進め方|課題・担当・期限を月次で回す運用設計
- › 口コミの評価分布を分析する方法|1〜5星・件数・新鮮さ・競合差から改善優先度を決める
- › 口コミデータの偏りを確認|店舗・時期・依頼経路・評価分布
- › 口コミ分析のカテゴリ辞書を設計する方法|商品・接客・価格・待ち時間を一貫して分類する
- › 競合店舗の口コミを比較する方法|評価要因・不満・返信・件数から選ばれる理由を分析
- › 口コミの時系列トレンドを分析する方法|件数・評価・テーマ変化を週次・月次で比較
- › 低評価口コミを見たユーザーが何を不安に感じるかを調査する方法|内容・返信・比較行動を可視化
- › 口コミを信頼する条件を調査する方法|件数・新しさ・具体性・星分布・返信・写真を比較
- › 古い低評価口コミが今も目立つときはどうする?返信・最新情報・検索結果で「現在」を伝える方法



