膨大なテキストデータから有益な情報を取り出す方法をテキストマイニングといいます。

テキストとは文章を指し、マイニングとは日本語では「掘る」という意味を指します。

自然言語解析して文章を単語に分割し、出現頻度や相関関係を分析して有益な情報を見つけ出すのです。

通信技術の発展で社会は大きな進歩を遂げ恩恵を受けています。

情報を分析し消費者のニーズを知り将来を見据えて商品開発をすることが大切です。

テキストマイニングの活用事例を紹介

テキストマイニングを使う目的は主に3つです。

• 顧客のニーズの分析
• ビッグデータを使い将来を予想する
• 属人化を防ぐ

毎日企業には顧客からさまざまな声が寄せられます。

コールセンター・アンケート・SNSそれぞれのツールを使って顧客はアクセスしてきます。

情報技術の発展によるSNSに寄せられる意見には満足・不満・要望など膨大な数です。

それらはリアルタイムの消費行動の結果です。

きちんと分析してニーズを読み取り、改善点を洗い出す・商品開発に活かす・CS活動を推進するなどが必要になります。

ビッグデータでこうした声を全て分析することで商品の売れ行きを予想できるのです。

また、ひとりの人間が長く同じ業務をしていると情報が暗黙知され消費者の声を拾えなくなる可能性があります。

属人化はビジネスチャンスを見誤ることもあるのです。

具体的にテキストマイニングの活用事例を紹介しましょう。

 
マーケティングツール導入・活用の事例はこちら  

テキストマイニングの主な種類

顧客の声をビジネスに活かすテキストマイニングには「探索的データ解析」と「文書分類」の2種類あります。

テキストデータからどのような単語が多いのか、どれくらいの頻度で使われるのか調べることが重要です。

分析の結果、消費者の心理・世の中の関心などが推測されるのです。

探索的データ解析

探索的データ解析とはテキストデータを単語や文節で区切り、単語の出現頻度や傾向を分析する方法で形態素解析といわれています。

形態素解析はテキスト分析をする際に重要であり、類似度計算を使う際にも欠かせません。

文章のままだと意味が似ているかどうか判断がつかないため、単語で区切って意味を解析する手法です。

日本語特有のあいまいな言葉には高度な分類技術が求められます。

文書分類

文書分類とはテキストデータを内容に基づき、ひとつ以上に分類することで教師あり・教師なしの2種類があります。

教師あり文書分類は外部の情報を参照して分類する方法です。

ビッグデータにはあらかじめテキストと振り分け先であるクラスの関係性を学習させておきます。

より多く学習させることが分類精度を上げるカギです。

教師なし文書分類は外部の情報を参照しないでテキストと類似しているものを分類する方法です。

こちらはテキストデータさえあれば分類できるので事前準備は不要になります。

テキストマイニングの主な手法

テキストデータの分析に有効なテキストマイニングの主な手法としては主に3種類あります。

具体的に解説しましょう。

センチメント分析

テキストマイニングでは最も一般的な手法がセンチメント分析で感情分析とも呼ばれています。

テキストから消費者の感情を分析して、購入した商品やサービスに対してどのような感想があるか予想します。

消費者の感情は基本的に次の3種類です。

• 肯定的
• 否定的
• 中立的

使われる言葉も消費者の年齢や時代に左右されるため、人間が意味を解釈して新しいシステムに入れるなど対応が迫られます。

そうして分類されたデータは精度が高くなります。

コレスポンデンス分析

コレスポンデンス分析は別名「対応分析」とも呼ばれています。

加工前の「ローデータ」やクロス集計などのデータを分析し、相関性を示した散布図を用い視覚的に把握する手法です。

マーケティング調査で主に使われ、特にアンケートでは比較項目が多いため把握が困難です。

そこで散布図を用いれば可視化できるので項目ごとの関係性がよく理解できるようになります。

主成分分析

主成分分析とはビッグデータなど膨大な量のデータを分析する時に使われる手法の一つです。

用いるデータが多すぎると正しく分析ができなくなる恐れがあります。

そこで大量のデータを少数に変換したり、合成変数にしたりすることで分析しやすくするのです。

分析の過程では一部データを捨てる作業も出てきますので慎重に作業を進めましょう。

テキストマイニングの活用事例

テキストマイニングはサービス品質向上・商品開発・アンケートの結果分析など幅広く利用されています。

テキストマイニングを使えば感覚的な側面を持つ非構造データ・定性データも分析できるのです。

それではテキストマイニングはどのようなことができるのか見ていきます。

「顧客の声」を把握する

顧客の声を把握するためテキストマイニングでは顧客の声をフィードバックし把握・分析します。

コールセンター・アンケート・SNSに集まる消費者の声を集め分析することで、商品開発やサービス向上に繋がります。

また、アンケートから競合他社と比較して改善点を見つけ出せるでしょう。

顧客の声は企業にとって大きなヒントが隠されているのです。

ビッグデータを使った未来予測

SNSの発達はめざましく日々多くの消費者の声がX（旧Twitter）・Facebook・Instagramで更新されています。

こうした消費者のつぶやきはアンケートやコールセンターに届く声と合わせれば膨大な数にのぼります。

ビッグデータはその声をひとつひとつ解析していくのです。

テキストマイニングを利用すれば導き出された結果をもとに、商品の販売量やターゲティングの予想も可能です。

未知の予想ができればビジネス戦略の見通しが立ちます。

たとえば在庫調整・広告費・設備投資などある程度予想ができれば無駄を省くこともできるのです。

営業やCS活動も効率的に展開できます。

業務の問題点・改善点の洗い出し

いろいろな情報を収集し分析すれば販売方法の改善点や広告の問題点、今後の商品開発や営業スタイルの見直しにも役立ちます。

顧客からの苦情やクレームは品質向上には欠かせない貴重な意見です。

品質管理・商品企画開発・営業・マーケティングなどあらゆる部門と結果を共有することで改善点を多角的に見直せます。

また発送方法・支払い方法・コールセンターの対応など付随するサービスへのクレームにも対応しなければなりません。

改善点を全て洗い出し潰していくことで企業価値が向上できます。

テキストマイニングはそうした企業側からなかなか見えない改善点を教えてくれる手法です。

注意点は、改善点を洗い出し対応してもPDCAサイクルを確実に回して進捗率をチェックすることです。

 
マーケティングツール導入・活用の事例はこちら  

テキストマイニングを導入するメリット

コールセンターの会話記録・アンケートの回答・SNSの口コミなど関連性がないものとされてきました。

しかし、テキストマイニングを導入すればこれらの分析結果から企業が直面している課題が見えてきます。

さらに未知の情報・経費の削減・人事のあり方などさまざまな課題も見えてくるのです。

単なる売上高や在庫数ではなく消費者の心理や使ってみた感想は、企業のあり方や業績に大きな影響を及ぼします。

良いこともネガティブな意見も受け止めて強みにして行くことが重要なのです。

潜在的ニーズの獲得

テキストマイニングを導入すれば消費者の意見を分析しニーズが把握できます。

貴重な声を拾い上げることで思わぬ潜在的なニーズが獲得できることもあるでしょう。

多角的な分析結果は既存顧客だけなく見込み客も呼び込む一歩になるかもしれません。

分析精度が向上する

テキストマイニングではセンチメント分析・コレスポンデンス分析・主成分分析を通じて精度の高い分析ができます。

テキストマイニングは単語を区切って判定をしますがひとつの漢字であってもいくつかの意味を持つものがあります。

そうした日本語特有の問題解決に情報登録した辞書を作るといいでしょう。

適宜更新しておけば分析精度が向上しテキストマイニングの適正化に繋がります。

消費者からリアルタイムで意見が届く

SNSやコールセンターを通じ毎日直接生の声が届きます。

特にアンケートは質問があるため一定方向の意見に偏る傾向が強くなりがちです。

しかし、テキストマイニングを使えば自由に消費者に意見を書いてもらえます。

テキストマイニングはリアルタイムで分析できるので消費者の声を商品やサービスに活かせるのです。

データ分析を自動化しコストを削減

大量のデータを分析するために人を配置すれば人件費がかかります。

テキストマイニングは時間をかけず迅速に分析してくれます。

またコールセンターでは人工知能を使った対話型システムの導入をすれば費用対効果も期待できるのです。

精度の高い分析に基づいて商品戦略やプロモーションをすれば余分なコストを抑える効果もあるでしょう。

テキストマイニングはなぜ必要とされるのか

インターネットが発達し情報の拡散が速い現代社会で、消費者からの意見・要望などがいろいろなツールを使い溢れています。

音声認識技術の向上で音声もテキスト化できるようになりました。

こうした流れの中でネガティブな情報がネットに拡散され、商品のイメージを損なうこともあります。

それは最終的に企業のブランドイメージさえ傷つけて業績にも多大な影響を与えかねません。

テキストマイニングはネガティブな意見や口コミも分析するので企業側も大事に至る前に食い止めることができます。

予兆を察知すれば問題点の認識を社内で共有し会社を上げて改善に取り組めます。

消費者の感情にある規則性をビッグデータで分析して導き出すビジネスは欠かせないものです。

テキストマイニングにおすすめのツール

テキストマイニングは大量のテキストデータの規則性から企業に有益な情報を可視化して提供してくれるツールです。

いくつかのテキストマイニングのツールの中で最適なものを選ぶことが大切です。

主なおすすめのツールを3つ紹介します。

Text Mining Studio

Text Mining Studioは、自由記述形式のテキストデータを村象とした分析環境を提供します。

テキストマイニングの第一歩である単語頻度の分析・テキストに付随する属性を活かした分析ができます。

また、話題分析など豊富な分析機能を使い、その結果をグラフィカルに表示できるツールです。

YOSHINA

YOSHINAは始めて利用する方におすすめのツールで、クラスタリングを使った分析します。

クラスタリングとは大きな集団から類似したものだけを抽出して分類する手法です。

知識がなくても簡単に分析できるツールとして人気があります。

作業は簡単で、分析したいテキストデータを指定された画面に移動すれば分析を開始します。

特に面倒な設定も不要なので初心者にはおすすめです。

分析結果はグラフなど分かりやすく表示されるので情報も把握しやすいのが特徴です。

教師あり文書分類を搭載しています。

Talk Summarizer

Talk Summarizerは形態素解析を活用したツールで、形態素に分けてスコア付けをします。

そしてその中から重要と思われるものを抽出し対話の要約文としてまとめられます。

テキストマイニングを活用する際の注意点

テキストマイニングを利用する際に注意しておきたいのは表示が似ている言葉は判断が難しい点です。

例えば誤字脱字・類似した表現・表記ゆれなどで、それを補完するために便利な辞書機能があります。

辞書機能はカスタマイズができるのでいろいろ学習させることで精緻な分析が期待できます。

テキストマイニングがうまくいかない場合は

テキストマイニングは消費者の声を可視化したマーケティングデータです。

消費者はインターネットの口コミを参考に買い物をする時代です。

今は消費者が興味のある情報を選択してアクセスするため、ニーズを知らないで商品を販売しても売れません。

テキストマイニングは消費者の声を分析してグラフなど図を駆使して可視化できる便利なツールです。

消費者のネガティブな声も対象になるので改善点や今後の商品開発に活かせます。

無駄な経費をかけてプロモーションする必要もなくなるでしょう。

しかし、テキストマイニングの活用方法がわからないという声をよく聞きます。

便利なツールですが使い方を理解するためには専門家からレクチャーを直接受けることをおすすめします。

コンサルティング会社がテキストマイニングの導入・顧客の声の活かし方・分析・データの見方などサポートしてくれるのです。

テキストマイニングを利用して売り上げにつなげるためにはPDCAサイクルを回すことも重要です。

専門家による全面的サポートで安心があれば導入できます。
 
マーケティングツール導入・活用の事例はこちら  

まとめ

テキストマイニングがあれば売り上げが伸びない原因を突き止めて改善提案ができます。

ものを売る企業は消費者の声に耳を傾けなければいつまでたっても業績は伸びないでしょう。

テキストマイニングがよくわからなければ専門のコンサルタントに相談してみましょう。

一日でも早くテキストマイニングを導入してビジネスチャンスに繋げてください。