口コミ分析で平均評価だけを見ていると、「最近どの不満が増えたのか」「改善後に変化したのか」「一部店舗だけで問題が起きていないか」を見落とします。時系列分析では、口コミ件数・評価・テーマ・返信を同じ期間単位にそろえ、変化点を見つけて原文や店舗差まで掘り下げることが重要です。本記事では、週次・月次の選び方から、指標設計、変化点の判定、改善後の再測定までを実務で使える形に整理します。
口コミの時系列分析では「件数・評価・テーマ・返信」を同じ期間で見る
口コミの時系列分析で最初に行うべきことは、すべての指標を同じ期間単位にそろえることです。件数だけを週次、評価だけを月次で見ると、変化のタイミングを正しく比較できません。
口コミ分析で見る視点と活用先の全体像は、口コミ分析の全体像で確認できます。
基本は、次の4指標を一つの表で追います。
| 指標 | 主な見方 | 分かること |
|---|---|---|
| 口コミ件数 | 期間内の新規口コミ数 | 投稿量の増減、キャンペーンや繁忙期の影響候補 |
| 評価 | 平均評価、1〜2星比率など | 評価水準と低評価の増減 |
| テーマ | 待ち時間、接客、価格などの言及率 | 何について評価が変わったか |
| 返信 | 返信率、返信状況 | 顧客対応の運用が維持されているか |
口コミの時系列分析では、件数・評価・テーマ・返信を同じ期間単位にそろえ、必要に応じて店舗別に比較します。
店舗が複数ある場合は、この4指標に「店舗」を切り口として重ねます。つまり、店舗差は別の指標ではなく、同じ指標をどこで起きているか確認するための比較軸です。
Google Business Profile APIでは、口コミの星評価、本文、投稿日時、最終更新日時、オーナー・管理者からの返信を取得できます。そのため、自社で管理するGoogleビジネスプロフィールであれば、投稿日時を基準に週次・月次へまとめる設計が可能です。
なぜ平均評価だけでは口コミの変化を見誤るのか
平均評価は全体像を把握するには便利ですが、変化の原因までは示しません。Googleの口コミスコアも、公開されている評価の平均として計算されます。また、新しい口コミが加わった後、表示上のスコア更新には最大2週間かかる場合があります。
たとえば平均評価が4.1のままでも、実際には「接客の低評価が減り、待ち時間への不満が増えた」という入れ替わりが起きているかもしれません。反対に、平均評価が下がっていても、特定店舗や特定期間に低評価が集中しただけという場合があります。
時系列分析では、「評価が動いたか」だけでなく、「何が動いたか」を分解します。最低でも次の順で確認してください。
- 口コミ件数が増減していないか
- 平均評価と低評価比率が同じ方向に動いているか
- 特定テーマの言及率が変わっていないか
- 返信率や返信運用に変化がないか
- 変化が全店舗か、一部店舗だけか
この順序で見ると、平均値から原文へ戻るための入口を作れます。
週次と月次は、口コミ件数に合わせて使い分ける
期間単位は「細かいほどよい」わけではありません。口コミが少ない店舗で週次分析をすると、1件の低評価だけで比率が大きく動き、通常のばらつきを異常と誤認しやすくなります。
週次が向いているケース
週次は、一定数の口コミが継続して入り、施策や現場変更の影響を早めに確認したい場合に向いています。多店舗チェーンで全店を合算して見る場合や、キャンペーン・価格変更・オペレーション変更を頻繁に行う場合にも使いやすい方法です。
ただし、週によって0件や1〜2件しかない状態が続くなら、比率の比較は不安定になります。その場合は月次へまとめるか、4週移動平均などで短期の振れをならします。
月次が向いているケース
月次は、店舗単位の口コミ件数が多くない場合や、中長期の改善状況を追いたい場合に向いています。月ごとの件数、平均評価、低評価比率、主要テーマ比率、返信率を固定しておくと、担当者が変わっても比較を続けやすくなります。
季節性が強い業種では、前月比較だけでなく前年同月比較も加えます。夏休み、年末、繁忙期などで顧客構成や利用目的が変わる業種は、単純な前月差だけでは判断しない方が安全です。
口コミ時系列分析の実務手順は6ステップ
時系列分析は、グラフを作ることが目的ではありません。変化点を見つけ、その変化を起こしている口コミ群を特定し、次の改善テーマを決めるまでが一つの流れです。
時系列分析はグラフ作成で終わらせず、変化点を見つけて原文や店舗差まで確認し、改善後に同じ指標で再測定します。
STEP1｜1口コミ1行で元データをそろえる
最低限、口コミID、店舗、投稿日、星評価、本文、返信有無を1行にまとめます。テーマ分析を行う場合は「接客」「待ち時間」「価格」「品質」などのカテゴリ列も追加します。
Google Business Profile APIのReviewリソースには、レビューID、星評価、本文、createTime、updateTime、reviewReplyなどが含まれます。なお、reviewReply.updateTimeは「返信が最後に変更された日時」です。初回返信までの正確な時間をKPIにする場合は、別途初回返信日時を記録する運用が必要です。
STEP2｜期間単位を固定する
週次なら週の開始曜日、月次なら暦月など、集計ルールを固定します。途中で「今月だけ15日締め」のように変えると比較が崩れます。
また、口コミ本文を分類するカテゴリ辞書も固定します。カテゴリを変更する場合は変更日と旧ルールを残し、過去データとの連続性を確認してください。
STEP3｜件数と割合をセットで集計する
件数だけでは、口コミ総数が増えた結果として特定テーマも増えただけなのか判断できません。割合だけでは、母数が小さい変化を大きく見せてしまいます。
そのため、「待ち時間への不満15件・全口コミの12%」のように、件数と割合をセットで持ちます。低評価比率、テーマ言及率、返信率も同じ考え方です。
STEP4｜前期間・基準期間との差を見る
各指標について、前週・前月との差を出します。季節性がある場合は前年同月も比較します。さらに、直近3か月平均や4週移動平均を基準にすると、単発の振れと継続的な変化を分けやすくなります。
ただし、統計的な変化点検出を行わない場合は「異常が確定した」と表現せず、「変化点候補」として扱うのが適切です。
STEP5｜変化点候補から原文・店舗差・施策ログへ戻る
変化が大きかった指標を見つけたら、必ず元の口コミを読みます。たとえば「待ち時間」のネガティブ比率が上がった場合でも、受付、会計、提供時間、予約システムなど原因候補は複数あります。
変化した口コミテーマのうち何から改善すべきかを事業成果で優先付けする場合は、口コミテーマ別の事業影響を測る方法で再来店・客数・売上との関係まで確認します。
同時に、店舗別に同じ変化が出ているか、価格改定、スタッフ配置変更、キャンペーン、営業時間変更などの業務イベントと時期が重なっているかを確認します。
STEP6｜改善後も同じ指標で再測定する
改善策を実行した後に指標を変えると、前後比較ができません。分析時に使ったテーマ、期間、母数、計算方法を維持して再測定します。
「改善施策の翌月に低評価比率が下がった」というだけでは、施策が原因と断定できません。季節性、口コミ母数、顧客構成、他の施策なども確認し、「改善と同じ時期に変化が見られた」と事実の範囲で評価します。
変化点は「大きさ・母数・継続・広がり」の4条件で優先順位を付ける
すべての増減を調査対象にすると、担当者の確認工数が膨らみます。そこで、変化点候補を次の4条件で評価すると、深掘りする順番を決めやすくなります。
| 条件 | 確認内容 | 優先度が上がる例 |
|---|---|---|
| 大きさ | 前期間からどれだけ動いたか | 低評価比率が大幅に上昇 |
| 母数 | 十分な口コミ数があるか | 1件ではなく複数件で同傾向 |
| 継続 | 一時的か、複数期間続くか | 2か月連続で同テーマが悪化 |
| 広がり | 一店舗か、複数店舗か | 複数店舗で同じ不満が増加 |
変化の大きさだけで判断せず、母数・継続期間・複数店舗への広がりも確認すると、調査すべき口コミを絞りやすくなります。
4条件すべてを満たさないと対応してはいけない、という意味ではありません。安全、衛生、法令、重大な顧客トラブルに関する内容は、件数が少なくても個別確認が必要です。
反対に、母数が少なく一期間だけ動いた指標は、即座に全社施策へつなげるより、次期間も継続するかを確認する方が適切です。
時系列表は「変化が起きた理由を探す入口」として使う
次は架空の例です。
| 月 | 新規口コミ | 平均評価 | 1〜2星比率 | 「待ち時間」ネガ比率 | 返信率 |
|---|---|---|---|---|---|
| 4月 | 120件 | 4.2 | 12% | 8% | 78% |
| 5月 | 165件 | 4.0 | 21% | 19% | 76% |
| 6月 | 150件 | 4.1 | 15% | 10% | 85% |
架空例では、5月に口コミ件数と低評価比率、待ち時間への不満が同時に増えています。時系列表は原因を断定するためではなく、原文や店舗状況を深掘りする期間を選ぶために使います。
5月は口コミ件数が4月比で37.5%増え、1〜2星比率は9ポイント、「待ち時間」のネガティブ比率は11ポイント上昇しています。単に平均評価が0.2下がったと見るより、「投稿量の増加と同時に待ち時間への不満が増えた月」と捉えた方が、次の確認につながります。
ここで確認すべきなのは、5月の原文、店舗別の偏り、繁忙度、スタッフ配置、予約数などです。6月に数値が改善していても、特定施策の効果だと即断はできません。時系列表は原因を証明するものではなく、原因候補を絞る道具として使います。
口コミの「新しさ」は顧客側の判断にも関係する
企業側が時系列で口コミを追う意味は、内部の改善管理だけではありません。来店候補者や比較検討者は、古い評価だけでなく最近の口コミを確認する可能性があります。
BrightLocalが2026年に米国成人1,002人を対象に実施した調査では、74%が直近3か月以内のレビューを重視し、44%が「直近1か月に投稿されたこと」を重要な要素として挙げています。米国調査なので日本の消費者へそのまま当てはめることはできませんが、口コミの鮮度を企業側でも追う必要性を考える材料になります。
学術研究でも、レビューの新しさと意思決定の関係が検討されています。Kimらが2022年に311人を対象に行ったオンラインフードデリバリーの実験では、ネガティブレビューでは新しさがレビューの有用性認知や近い将来の注文意向に関係しました。対象業種や実験条件は限定されますが、「同じ平均評価なら時期を見なくてよい」とは言い切れないことを示す研究です。
企業担当者は「現在の顧客が何に不満・満足しているか」を時系列で追い、来店候補者が最近の口コミから受け取る情報とのずれを確認する必要があります。
時系列分析で誤読しやすい5つのポイント
1. 口コミ件数が増えたのに、テーマ件数だけで比較する
全口コミ数が100件から200件へ増えれば、多くのテーマの言及件数も増えます。件数と同時に割合を見る必要があります。
2. 母数が小さい割合をそのまま比較する
2件中1件の低評価は50%ですが、これだけで全体傾向とは判断できません。件数を併記し、期間をまとめる選択肢も検討します。
3. 季節性を施策効果と勘違いする
オンライン評価には時間と投稿順序の両方に異なる動きがあり、GodesとSilvaの研究では、カレンダー時点を考慮するかどうかで評価推移の見え方が変わることが示されています。繁忙期や季節商品がある場合は、前月差だけで原因を決めないことが重要です。
4. Google上の表示件数を完全な固定値として扱う
Googleではポリシー違反の口コミが削除される場合があり、審査などで表示が遅れる場合もあります。期間中に件数が変化したときは、顧客行動だけでなくプラットフォーム側の変化も候補に入れます。
5. 分類ルールを途中で変える
「接客」と「スタッフ対応」を別カテゴリにしたり統合したりすると、時系列比較が崩れます。カテゴリ定義の変更履歴を残し、必要なら過去分も同じルールで再分類します。
店舗別に見ると「全社では見えない変化」を発見できる
多店舗企業では、全店平均だけでなく店舗別の差を確認します。全社平均が安定していても、A店では改善、B店では悪化し、結果として相殺されている可能性があるためです。
おすすめは、全体トレンドを見た後に次の順で絞る方法です。
- 全店合計で動いたテーマを見つける
- 店舗別に同じテーマの比率を比較する
- 変化が大きい店舗の原文を読む
- 店舗固有の業務条件を確認する
- 他店舗でも再現しているか確認する
この流れなら、全社共通の構造的な問題と、店舗固有の運用問題を分けやすくなります。
月次レポートは「数値→変化点→原文→次の行動」の順にまとめる
時系列分析を継続運用するなら、月次レポートを増やしすぎないことも重要です。おすすめは、次の5項目に固定する方法です。
- 今月の口コミ件数・平均評価・低評価比率
- 主要テーマの増減
- 返信率
- 変化点候補と代表的な原文
- 次月に確認する改善テーマ
グラフを増やすより、「今月、何が変わり、どこを確認し、次に何をするか」が一目で分かる方が実務で使えます。
分析担当者は数値を出すだけでなく、変化点候補の根拠、母数、店舗差、施策実施日を併記してください。店舗運営担当者は原文と現場状況を確認し、改善内容を決めます。翌月は同じ指標で再測定し、変化が続いているかを確認します。
まとめ
口コミの時系列分析では、平均評価だけを追うのではなく、口コミ件数・評価・テーマ・返信を同じ週次または月次でそろえて比較することが重要です。
変化を見つけたら、すぐ原因を断定せず、「大きさ・母数・継続・広がり」で優先順位を付け、原文、店舗差、施策ログまで戻って確認します。改善後も同じ定義・期間・計算方法で再測定すれば、通常時の口コミ変化を継続的な改善につなげられます。
最初は過去3〜6か月分を同じ形式で並べ、最も大きく動いたテーマを一つだけ深掘りしてください。時系列分析は、すべての口コミを毎回読み直すためではなく、「今、どこを読むべきか」を絞るために使うと運用しやすくなります。
参考文献・データ元
- Google Business Profile APIs「Work with review data」「REST Resource: accounts.locations.reviews」：口コミの取得項目、投稿・更新日時、返信情報の確認に使用。Work with review data／Review REST resource
- Google Business Profile Help「Understand review scores for local places & businesses」：口コミスコアの計算方法と更新に関する注意の確認に使用。Google公式ヘルプ
- Google Business Profile Help「About missing or delayed reviews」：口コミの表示遅延・削除に関する注意の確認に使用。Google公式ヘルプ
- BrightLocal「Local Consumer Review Survey 2026」：米国消費者の口コミ鮮度・評価に関する調査結果の確認に使用。調査ページ
- Kim, M., Kim, E. J., & Busser, J. A.（2022）“Food delivery now or later: The match-up effect of purchase timeframe and review recency”, International Journal of Hospitality Management, 102, 103143. DOI: 10.1016/j.ijhm.2022.103143
- Godes, D. & Silva, J. C.（2012）“Sequential and Temporal Dynamics of Online Opinion”, Marketing Science, 31(3), 448-473. DOI: 10.1287/mksc.1110.0653
- 打田裕樹・吉川大弘・古橋武・平尾英司・井口浩人（2010）「Webユーザレビューにおける評価情報の時系列変化の可視化」『知能と情報』22巻3号, 377-389. DOI: 10.3156/jsoft.22.377