「ノイズに強い」SNS反響分析を実装|分析日数を4営業日短縮し、インサイト分析を高速化 

日産自動車株式会社

写真:日産自動車株式会社 乘口 眞喜子様(左) 笹岡 岳陽様(右)

「人々の生活を豊かにイノベーションをドライブし続ける」という企業パーパスを掲げ、創業以来、革新的な車を世に出し続ける日産自動車株式会社。同社の市場情報部は、お客様の声を代弁し、カスタマーインサイトに基づいた提言を行う重要な役割を担っています。膨大なお客様の声を分析する過程で、「トピック分類の精度」と「ノイズ除去の工数」という大きな壁が立ちはだかっていました。そこで、市場情報部がAIインサイト分析プラットフォーム「Flyle」を導入。その背景や成果についてお話を伺いました。

サマリー

導入前の課題

  • 分析品質の属人化: 目視による分析のため、担当者によって分類の精度にばらつきが生じていた。

  • 分析スピードの遅延: 手作業での分類に時間がかかり、リアルタイムで市場の反響を捉える初動が遅れていた。

  • 従来技術の限界:当時のNLPや辞書・ルール型のテキストマイニングは、ビジネス課題に即した分類精度が不足し、市場の変化に対応するための精度改善にも時間がかかっていた。そのため、分析結果が現場のアジャイルな意思決定に直結しづらかった。

  • ノイズ混入のリスク:スパムや無関係投稿が多く、ルール追随の運用負荷が高い。全体感の誤認やミスリードのリスクがあった。

Flyleで実施したこと

  • AIラベル運用の定着:分析観点をテンプレート化し、他社比較・車種別切り分けへ素早く適用。立ち上がり時間を短縮。

  • AIグルーピングでボトムアップ集約:話題を“実務で使える単位”に自動で束ね、新車やブランド施策の初期反響をダッシュボードで可視化し関係部門へ共有。

  • ノイズ定義の明確化と自動除外:案件ごとに「何をノイズとみなすか」を明示し、AIラベルで自動判定・除外。実データで精度検証後にテンプレート化し、時系列・他社比較にも横展開。

  • 大規模コメントの自動分類運用:案件ごとに分類テンプレートを切替えつつ、大量コメントを自動判定・分類できる体制を構築。

導入効果

  • 分析量の飛躍:SNS口コミの分析量が数倍〜数十倍に拡大。これまで見逃していた声を拾えるように。

  • スピード向上:レポート完成までを約4営業日短縮。高品質な提言をより早く提示。

  • 再現性の確立:ノイズ除去精度の向上でミスリードを抑制。人の判断に寄り過ぎない再現可能なプロセスへ移行。

  • 示唆の具体化:グルーピングで分析粒度を調整し、「自動運転評価における『コーナリングも安心』」のようなまとまりのある洞察を提示可能に。

  • 共通基盤の整備:SNS等の声をAIラベル/テーマで整理し、同じ指標・同じ画面で関係部門が確認できる土台を構築。初期反響把握から示唆共有までを一定のスピードと質で運用可能に。 


[お話を伺った方]
Japan-ASEAN企画本部 市場情報部課長 笹岡 岳陽様
Japan-ASEAN企画本部 市場情報部 乘口 眞喜子様

―― 事業とチームのミッションを教えて下さい。

笹岡様:日産自動車は1933年に横浜で創業し、2023年に90周年を迎えました。「他のやらぬことを、やる」というDNAのもと、EVや自動運転に挑戦し続けてきました。たとえばプロパイロット2.0は、高精度地図やカメラ、レーザーと連携して高速道路の入口から出口までの走行を支援する仕組みで、世界初の機能として提供しています。ただ、最終的に目指しているのは技術そのものではなく、お客様のワクワクを生み出すことです。

市場情報部は、お客様の声を代弁し、カスタマーインサイトに基づいて会社へ提言する組織です。日本市場における市場・顧客などの情報を統合的に収集・分析・提案を行い、短期から中長期で競争力と利益の最大化に貢献することをミッションにしています。

ソーシャルリスニングはスピードが重要なものの、分析できる粒度へ加工するのが困難

―― 生成AI活用の検討は、どのような経緯で始めましたか。

笹岡様:2017年ごろからノンアスキングデータの活用を重点課題に据えていました。「ノンアスキングデータ」とは、顧客やユーザーに直接、質問やアンケートを行わずに収集されるデータのことを指します。つまり、ユーザーに「教えてください」とお願いしなくても自然に得られる行動履歴や利用状況データです。そこで、ソーシャル上のお客様の声や反響を分析することで、お客様理解を素早く、深く進めたかったのです。

しかし、当時の自然言語処理技術ではトピック分類が難しく、私たちの実務に耐えられる精度や自由度の担保は困難でした。テキストマイニングも試してみましたが、運用で不可欠な辞書登録や精度改善に工数がかかったり、全体像はつかめても、意思決定にそのまま使えないことが課題でした。

初動を早くするためには、分類精度の安定化・ノイズ除去が課題

―― 外部委託や手作業で、どこに課題があったのでしょうか。

笹岡様:最大の課題はスピードと属人性でした。外部委託や手作業は人の判断が入る分、分類精度にばらつきが生じ、属人的になってしまっていました。例えば、新車発売のお客様からの反響を即座に分析したいとき、SNS上のお客様の声を短時間で処理しきれず、把握が後手に回ることもありました。もちろん、SNSの反響だけで施策などの意思決定は行いませんが、「現在、何が起きているか」を捉える局面では初動の速さが重要になります。

加えて、SNSの声を抽出して分析しようとすると、日産自動車や分析の趣旨に関係のない声やスパム投稿も多く混じってしまいます。テキストマイニングに代表される辞書・ルール登録型のフィルタは、こうした変化への追従に工数がかかり、設定漏れも起きやすいのが欠点です。ノイズが混ざると全体感を誤って捉えるリスクが高まるため、意思決定に役立つ示唆へ落とし込むには、より堅牢な仕組みが必要だと感じていました。

―― 生成AIの業務への活用を検討され出したきっかけを教えてください。

笹岡様:2022年頃、AI技術の進化に驚かされました。プロンプトで意図を示すだけで、こちらの狙いに沿ってテキストを整理・分類できる「意図を汲む力」に実務的な可能性を感じ、国内外のツールを幅広くベンチマークしました。

情報収集をする中でFlyleに出会い、ノイズ除去とトピック分析の精度を検証しました。短時間で現場で使える分析粒度まで整えることが容易で、可視化やレポート作成まで一気通貫でできることが確認でき「これは運用に乗る」と確信しました。

選定の決め手は三点でした。第一に、新機能を素早く取り込み改善を続ける進化の姿勢、第二に、要件定義から運用定着まで伴走してくれるカスタマーサクセス体制、第三に、総合的なコストパフォーマンスです。QCT(Quality/Cost/Time)の観点で従来スキームを上回ることを確認でき導入を決めました。

初速が重要な反響分析が、非常にスムーズに

―― 実際の使い方と運用の工夫を教えてください。

乘口様:運用の中心はAIラベルです。まず、分析で見る観点をAIラベルのテンプレートとして蓄積しています。次回以降はそのテンプレートを呼び出すだけで、時系列の変化や他社比較、車種別の切り分けにすぐ適用できます。結果として、分析の立ち上がりが速くなりました。

あわせて、AIグルーピング機能でボトムアップで、話題を束ね、「実務で使える単位」に整えています。新車の発売や新しいブランドコミュニケーションの初期反響は、ダッシュボードで即日で可視化し、関係部門に共有しています。
テンプレートが増えるほど“型”が充実し、毎回の準備はさらにスムーズになります。アンケートの自由回答など社内のテキストにも横展開できる手応えがあります。AIグルーピング機能のまとめる力が高まれば、業務効率化や意思決定のスピードアップに一層貢献できると考えています。

分析量は数倍〜数十倍に増え、レポーティングが4営業日短縮

―― 定量・定性の導入効果を教えてください。

乘口様:SNSの口コミの分析量は数倍〜数十倍に増え、見逃していた生活者の生の声を拾えるようになりました。レポートの完成までの期間を約4営業日短縮し、質の高い提言を早く出すことができています。案件ごとにノイズの定義や分類テンプレートを容易に切り替え、大量コメントを自動判定・分類できる運用を構築しました。

さらに、グルーピング機能で類似するトピックを分析したい粒度へ調整できることも重宝しています。例えば、自動運転関連のお客様からの評価として「コーナリングも安心」という声が一定量まとまって存在することを示すことができました。社内のアクションにつながる貴重なお客様の声を再現性高く発掘できています。

ノイズ除去でミスリードのリスクを減らし再現性あるプロセスへ

笹岡様:ノイズ除去の精度が向上し、ミスリードのリスクが抑制されました。具体的には、「何をノイズとみなすか」を案件ごとに明確化し、AIラベル機能で自動判定・除外できるようにしたことが効いています。従来の辞書・ルール登録型に比べて定義の更新が容易になりました。スパムや無関係投稿の混入を抑え、人の判断に寄り過ぎない再現性のあるプロセスに変わったことも大きな成果です。

―― 部門横断での活用状況はいかがですか。

笹岡様:まず市場情報部内で運用を固め、今年度から複数部門にダッシュボードを共有しています。日々触れて慣れる必要があるため、社内勉強会などを通じ、利用の裾野を広げています。

―― 今後、Flyleに期待することを教えてください。

笹岡様:車種別の定点分析をより自動化し、さらにスピードを上げたいです。AIグルーピングの高度化でトピック分類をより自動化できれば、分析と示唆出しに集中できます。また、文単位のポジネガ判定やサマリー機能が強化されると、レポーティングの効率が上がると期待しています。将来的にはファーストパーティデータと統合し、自社の戦略や調査データを踏まえた提案の自動生成にも挑戦したいです。

顧客理解を継続的な事業の競争力へ

―― 市場情報部として、次のフェーズで重視することを教えてください。

笹岡様:Flyleの導入で、SNS等の声を社内共通のタグやテーマで整理し、同じ指標・同じ画面で関係部門と確認できる土台が整いました。ノイズへの配慮やトピック設計の考え方がそろい、時系列・他社比較も同じ手順で回すことができ、初期反響の把握から示唆の共有までを、一定のスピードと質で運用しやすくなったと感じています。

次のフェーズでは、現在の土台を前提に車種別の初期反響やキャンペーン後の振り返りなどといった定例業務の、さらなる自動化を進めます。あわせて、ボトムアップのテーマ抽出の高度化や、文・トピック単位の感情判定、レポート要約までをワンストップで完結できる形を目指します。将来的にはファーストパーティーデータとの連携も視野に、企画・製品マーケティング・R&Dなど各部門が自らお客様の声を見に行き、日々の意思決定に生かせる環境づくりを進めていきます。顧客理解を継続的な競争力につなげるための、運用の磨き込みをしていきたいと考えています。

2025年7月にインタビュー

コンタクトセンター・CXのAI変革

まずはサービス資料をご覧ください