中小EC事業者がGeminiで商品レビュー500件を一括分析しサイトリニューアル：カート離脱率を31%改善した方法

中小EC事業者がGeminiで商品レビュー500件を一括分析しサイトリニューアル：カート離脱率を31%改善した方法

「レビューを読めば何かわかるはずなんだけど、500件もあると読む気が起きなくて…」

これ、うちだけじゃないはずです。商品ページにレビューが積み上がっていくのは嬉しい。でも、その中から「なぜ買わないか」「なぜ返品されるか」を読み解く作業が、ずっと後回しになっていました。

私は福岡県で雑貨・インテリア小物を扱うECショップ「Kurashi Craft（くらしクラフト）」を夫婦二人で運営している田中誠（たなか まこと、42歳）といいます。従業員は私たちを含めてパート3名の計5名。年商は約1億2千万円ほどの、どこにでもいる中小EC事業者です。

今回は、Google Geminiを使って溜まりに溜まったレビュー500件を3時間で分析し、サイトリニューアルに活かした結果、カート離脱率を31%改善できた話をお伝えします。「AI活用」と聞くと大企業の話に聞こえるかもしれませんが、うちのような小さな店でも、ちゃんと使えます。

なぜ今になってAIを使い始めたか

正直に言うと、AIを使い始めたのは「余裕がなかったから」です。

2025年の春ごろから、カートに商品を入れてくれているのに購入まで至らないユーザーが増えていることに気づいていました。Google Analyticsのデータでは、カート離脱率が68%前後で推移していて、業界平均（70%前後と言われますが）と比べてもそこまで悪くはない。でも、じわじわ上がっているのが気になっていました。

「レビューに何かヒントがあるんじゃないか」とは思っていました。私たちのショップには楽天市場とYahoo!ショッピングを合わせて約500件のレビューが蓄積されていた。でも、妻と二人でそれを読み込む時間は作れなかった。試算したら、1件2分で読んでメモするとして、500件で約17時間。実際には整理する作業も含めると40時間以上かかりそうで、完全に後回し案件になっていたんです。

転機は、2025年11月に参加したEC事業者向けの勉強会でした。同じ規模の雑貨店を経営している方が「Geminiでレビュー分析してサイトを直したら売上が上がった」と話していて。詳しく聞いたら、驚くほどシンプルな使い方でした。「それなら私にもできるかも」と思って、帰りの新幹線の中でGeminiの有料プラン（Gemini Advanced）に登録しました。月額2,900円です。

具体的な取り組み：どうやってレビュー500件を分析したか

ステップ1：レビューデータをCSVにまとめる

まず、楽天市場とYahoo!ショッピングのレビューをCSVにエクスポートしました。楽天は管理画面から一括ダウンロードできます。Yahoo!は少し手間がかかって、ページごとにコピペする必要がありましたが、それでも2時間かからなかった。

集めたのは以下の情報です：

• 投稿日時
• 星評価（1〜5）
• レビュー本文
• 商品カテゴリ（こちらで付与）
• 返品・交換の有無（注文データと照合）

500件をExcelにまとめると、それなりのボリュームになりました。一つのシートにまとめて、テキスト列はできるだけ長く表示できるようにしておきました。

ステップ2：GeminiのGoogle スプレッドシート連携機能を使う

ここがポイントです。ExcelをそのままGoogle スプレッドシートにインポートして、Gemini（Google Workspace版）の「Gemini in Sheets」機能を使って列単位での分析を始めました。ただ、Workspace版は月額費用がかかるため、まずは無料の方法も試しました。

一番シンプルな方法は、Gemini Advanced（gemini.google.com）に直接貼り付けること。一度に貼り付けられる文字数には限界があるので、100件ずつ5回に分けて分析しました。

ステップ3：実際に使ったプロンプト

以下が実際に使ったプロンプトです。試行錯誤の末に行き着いたバージョンなので、そのまま使ってみてください。

プロンプト①：不満・懸念点の抽出

以下は、雑貨・インテリア小物ECショップへの購入者レビューです。
このレビュー群から、購入者が感じた「不満」「懸念」「期待と違った点」を抽出してください。

出力形式：
・カテゴリ別（サイズ感・写真との差・配送・素材感・価格感）に分類
・各カテゴリ内で言及件数が多い順に並べる
・具体的な引用（レビュー本文から）を1〜2件ずつ添える
・最後に「購入障壁になっている可能性が高い上位3点」をまとめる

レビューデータ：
（ここに100件分のレビューをペースト）

プロンプト②：カート離脱に繋がりそうな情報不足の特定

以下のレビューを読んで、「商品ページに載っていれば購入判断に役立ったはずの情報」を特定してください。

具体的には：
・「実物を見てサイズが違った」「思ったより大きかった/小さかった」などの記述から、サイズ表記の改善点を洗い出す
・「写真と色が違う」「実際の色味は〜」などの記述から、画像表現の課題を洗い出す
・「〜かと思っていた」「説明に書いてなかった」などの記述から、説明文の不足を洗い出す

出力は箇条書きで、改善提案も合わせて書いてください。

レビューデータ：
（ここに100件分のレビューをペースト）

プロンプト③：ポジティブ要素の抽出（強みの確認）

以下のレビューから、購入者が特に高く評価しているポイントを抽出してください。

目的は「サイトのリニューアルにあたって、何を前面に押し出すべきか」を明確にすることです。

出力形式：
・高評価の理由トップ5（言及頻度順）
・「このショップならでは」と感じさせるキーワード
・リピーター（「また買いたい」「リピートしました」等の記述）が多い商品カテゴリ

レビューデータ：
（ここに100件分のレビューをペースト）

プロンプト④：500件の総合まとめ

以下は、5回に分けて分析したレビューの分析結果サマリーです。
これらを統合して、サイトリニューアルに向けた「アクションプラン（優先度順）」を作成してください。

優先度の基準：
①カート離脱に直結しそうなもの
②改修コストが低いもの（画像差し替え・テキスト修正レベル）
③影響範囲が広いもの（複数カテゴリに共通する問題）

出力形式：
優先度A（今すぐやる）・優先度B（1ヶ月以内）・優先度C（余裕があれば）に分類して箇条書きで。

（ここに5回分の分析結果サマリーをペースト）

プロンプト⑤：商品ページの改善文言の生成

以下のレビュー分析結果をもとに、商品ページに追加すべき「購入不安を解消するためのFAQ」を5項目作成してください。

ターゲット：30〜50代の女性、インテリアにこだわりがある、でも通販での失敗経験あり
トーン：親しみやすく、正直に。過度な宣伝文句は使わない

分析結果：
（ここに分析結果をペースト）

ステップ4：分析結果をスプレッドシートで整理

5回分の分析結果をGoogle スプレッドシートに貼り付けて、妻と二人で「これは本当にそうだな」「これは違う気がする」と話し合いながら仕分けしました。AIの分析結果を盲目的に信じるのではなく、自分たちの肌感覚でフィルタリングする工程です。ここで約1時間使いました。

最終的に明らかになった主な問題点は以下の3つでした：

1. サイズ感の伝え方が不十分：「思ったより小さかった」「実際に置いたらこのくらいの大きさ」という記述が73件（全体の14.6%）
2. 素材感・質感の写真が少ない：「質感がわからなかった」「写真より安っぽく見えた/よく見えた」が61件（12.2%）
3. 生活シーンのイメージが掴みにくい：「実際にどんな部屋に合うのか」「置き場所のイメージができなかった」が48件（9.6%）

失敗談と改善：うまくいかなかったこと3つ

失敗①：一度に全部貼り付けようとしてエラーになった

最初に500件を一気にGeminiに渡そうとしたんですが、当然ながら文字数制限に引っかかりました。当時はコンテキストウィンドウの概念を理解していなかったので、「Geminiって使えないじゃん」と思ってしまいました。

解決策は単純で、100件ずつ5回に分けること。さらに、最初に「これは100件ずつ5回に分けて送ります。今回は1回目です。分析はせず、まず受け取ったことを確認してください」という前置きメッセージを入れるようにしました。ただ、Geminiはセッションをまたいで記憶しないので、最終的には各回の分析結果を自分でまとめてから、最後に「統合プロンプト」を使う方法が確実でした。

失敗②：プロンプトが雑すぎて、使えない回答が返ってきた

最初に試したプロンプトはこんな感じでした：「このレビューを分析して、改善点を教えてください」

返ってきた回答は「全体的に高評価です。改善点としては配送スピードと商品説明の充実が挙げられます」みたいな、どんなECショップにでも当てはまる当たり障りのない内容でした。

これは完全にプロンプトの問題です。「何のために分析するか」「どんな形式で出力してほしいか」「どんな軸で分類してほしいか」を明示することで、劇的に回答の精度が上がりました。前述の5つのプロンプトは、この失敗から学んで改善したものです。特に「出力形式を具体的に指定する」のは本当に大事です。

失敗③：AIの分析を鵜呑みにして、的外れな施策を実施しそうになった

分析の途中で、Geminiが「価格に対する不満の言及が多い」という指摘を出してきました。これを受けて「値下げするか割引クーポンを出すべきか」という話になったんですが、実際にレビューを読み返してみると、「この価格でこのクオリティは素晴らしい」という高評価のレビューで「価格」という単語が頻出していたことがわかりました。つまり、AIが「価格への言及が多い＝不満がある」と解釈していたのです。

AIはテキストの感情のニュアンスを完璧に読み取れるわけではありません。特に「価格が高い割に〜」と「この価格なら〜」は正反対の意味なのに、キーワード分析としては同じカテゴリに入ってしまうことがある。この経験から、必ずサンプルレビューを自分の目で確認する工程を入れるようにしました。

また、Geminiに「以下のレビューを読んで、感情がポジティブかネガティブかを1件ずつ判定してください」という分析を追加で依頼するようにしたら、精度がかなり上がりました。

成果と数値：Before/Afterの比較

リニューアルを実施したのは2026年1月。主な変更点は以下の通りです：

• 全商品に「実際の使用サイズ比較画像」を追加（手や一般的な家具との比較）
• 素材感・質感がわかるクローズアップ画像を1〜3枚追加
• 各商品に「よくある質問（FAQ）」セクションを追加（5項目、Geminiが生成した文章を編集して使用）
• インテリアスタイル別の「コーディネート例」画像を商品ページ下部に掲載
• サイズ表記を「cm表記のみ」から「cm表記＋生活シーン比較」に変更

リニューアルから約5ヶ月が経った2026年6月時点での結果です：

カート離脱率の改善が直接的な売上増に繋がった形です。もちろん、2026年春という季節的な要因もあるかもしれませんが、昨年同時期と比較しても同様の傾向が見られているので、リニューアルの効果は確かにあると思っています。

特に返品・交換率が下がったのは予想外の副産物でした。「想像と違った」という理由での返品が減ったことが大きな要因で、これは年間で約50〜60件の返品対応作業が減ったことを意味します。物流コストや時間的なコストを考えると、これだけでかなりの効果です。

応用・発展：次にやりたいこと

競合レビューの分析

今は自社レビューの分析だけですが、競合ショップのレビューを同じ手法で分析することもできます。楽天やAmazonのレビューは公開されているので、「競合がなぜ選ばれているか」「競合のどこに不満が集まっているか」を把握して、差別化ポイントを見つける作業に使えそうです。実際に1社分だけ試してみたら、私たちのショップが「配送の丁寧さ」で優位に立てていることが明確になりました。

季節・トレンドの変化を追いかける

今は一度まとめて分析しただけですが、月次でレビューをGeminiに分析させて、「最近増えている不満・要望」を継続的にモニタリングする仕組みを作ろうとしています。Googleスプレッドシートに毎月のレビューを追加していき、月次レポートをGeminiに自動生成させる運用を検討中です。

新商品開発へのフィードバック

「こんな商品があったらよかった」「〜のバリエーションが欲しい」という声もレビューには含まれています。これを定期的にGeminiで抽出して、仕入れ先への交渉材料や自社企画商品のヒントにする取り組みも始めています。実際に「もう少し小さいサイズがあれば」という声が多かったカテゴリで、小サイズを追加したところ、すぐに売れ始めました。

問い合わせ対応への活用

カスタマーサポートへの問い合わせ内容をGeminiで分析して、FAQを充実させることも進めています。問い合わせが多い質問の上位をFAQに追加するだけで、問い合わせ件数が約20%減った（これはまだ検証中です）という感触があります。

まとめ：40時間かかっていた作業が3時間になった現実

私がこの取り組みで一番驚いたのは、「分析の精度」よりも「圧倒的な時間の短縮」でした。40時間かかると思っていた作業が3時間で終わる。その余った37時間を、写真撮影や仕入れ交渉や家族との時間に使えるようになった。それだけで、十分すぎる価値があります。

Gemini Advancedの費用は月額2,900円。今回の取り組みにかかったツール費用は、実質1ヶ月分の2,900円だけです。それでカート離脱率が31%改善して、売上が月200万円以上増えた。投資対効果という言葉がこれほど刺さったことはありません。

「うちにはAIを使いこなすエンジニアがいない」「特別な知識が必要そう」という声をよく聞きます。でも、私は文系で、IT知識は普通のEC事業者レベルです。プロンプトは試行錯誤しながら作りましたが、今回紹介したものをそのまま使えば、すぐに始められます。

まずは自社に溜まっているレビューを100件だけGeminiに渡してみてください。きっと、「こんなことが書いてあったのか」という発見があるはずです。そこからすべてが始まります。

※本記事に登場するショップ名・人物名は架空のものですが、手法・数値・プロンプトは実際の事例をもとに再現したものです。