生成AIは、VOC(Voice of Customer)を集める代わりになるものではありません。ただし、顧客の声が増えてきたときに、原文を整理する、似た声のテーマ候補を出す、抜け漏れを確認する、優先順位を考えるための論点を整理するといった補助には使えます。
重要なのは、AIが出した要約や分類をそのまま顧客理解の結論にしないことです。VOCでは、顧客が実際に言った原文、観測できる事実、自社の解釈を分け、誰のどの場面の声なのかを確認したうえで、優先順位や施策を人が判断する必要があります。
この記事では、生成AIをVOCの実務に補助的に使う方法を、具体的なプロンプト例、出力の使い方、人が確認すべきポイント、誤りや限界まで含めて解説します。
VOCの意味や基本構造から確認したい場合は、VOCとは?を参照してください。人だけで進める基本手順は、VOCのやり方で確認できます。
生成AIを使うと効果が出やすい場面
VOCで生成AIを使いやすいのは、主に次のような場面です。
- 大量の顧客原文を一次整理する
- 類似する声のテーマ候補を出す
- 顧客発言と自社解釈を分けるための確認項目を作る
- 同じ意味の表現をまとめる
- テーマごとの代表原文を抽出する
- 優先順位を考えるための判断軸を整理する
- 施策案を複数出して比較する
- 改善後の再検証質問を作る
一方で、次の判断は生成AIだけに任せない方が安全です。
- 顧客の発言意図の確定
- VOCテーマの正式決定
- 顧客影響・事業影響の評価
- 優先順位
- 実装する施策
- 改善効果の最終判定
- 機密情報をどこまで入力してよいかの判断
AIは「整理と候補出し」、人は「事実確認と意思決定」と役割を分けます。
1. 顧客原文を壊さず一次整理する
最初に、複数のVOCをAIへ渡し、テーマ化する前の一次整理を行います。
プロンプト例
以下は顧客原文です。原文を書き換えずに整理してください。
出力してください。
- 原文
- 利用場面
- 困っていることの候補
- 追加確認が必要な点
注意:
- 原文を要約で置き換えない
- 原因を断定しない
- 顧客が言っていないことを補わない
VOC:
- 「最初の画面で設定項目が多く、どこまで入れれば使い始められるのか分からなかった」
- 「CSVでエラーが出たが、何行目が原因か分からず全部見直した」
- 「権限設定で営業と管理部の違いをどう分ければよいか迷った」
出力の使い方
AIが「初期設定が複雑」「CSVエラーが不明」「権限設定が難しい」と整理しても、それはまだ正式テーマではありません。
人は原文を残したまま、どの場面で何に困ったのかを確認します。
2. 顧客発言・事実・自社解釈を分ける
VOCでは、顧客発言と自社の意味づけが混ざりやすくなります。
プロンプト例
次のVOCについて、
- 顧客が実際に言っていること
- 観測できる事実
- 自社の解釈候補
- 追加確認事項
を分けてください。
VOC: 「最初の画面で設定項目が多く、どこまで入れれば使い始められるのか分からなかった」
条件:
- 解釈は複数候補にする
- UIが悪いなど、原因を断定しない
- 顧客が言っていない要望を作らない
出力の使い方
AIが、
- 必須項目と任意項目の区別が弱い可能性
- 完了条件が見えない可能性
- ガイド不足の可能性
などを出しても、これらは仮説です。
人が追加面談や行動ログを確認し、どの解釈が妥当か判断します。
3. 似たVOCのテーマ候補を作る
大量のVOCを人だけで読むと、似た声の統合に時間がかかります。
プロンプト例
以下のVOC50件を、意味が近いものごとにテーマ候補へ整理してください。
各テーマについて出力してください。
- テーマ名候補
- 該当VOC番号
- 件数
- 代表原文3件
- 顧客属性の偏り
- 利用場面の共通点
- 統合してよい根拠
- 別テーマに分けるべき可能性
注意:
- 過度に抽象化しない
- 「使いにくい」でまとめない
- 元VOC番号を必ず残す
出力の使い方
AIが、
- 初期設定の完了条件が分からない
- 権限設定の考え方が分からない
- CSVエラー箇所が分からない
というテーマ候補を出したら、人が原文へ戻って統合の妥当性を確認します。
4. テーマが粗すぎないか、細かすぎないか確認する
生成AIは、指示によっては何でも一つにまとめたり、逆に細分化しすぎたりします。
プロンプト例
次のVOCテーマ案をレビューしてください。
テーマA:UIが使いにくい テーマB:サポートに問題がある テーマC:設定が難しい
それぞれについて、
- 抽象的すぎる点
- 改善判断に使える粒度への分解案
- 分ける基準
- 統合しすぎるリスク
を示してください。
出力の使い方
AIに粒度調整を手伝わせても、最終的なテーマ設計は人が行います。
テーマ名から「誰が、どの場面で、何に困っているか」が分かるかを確認します。
5. 優先順位を決めるための判断軸を整理する
AIに「どれを最優先にすべきか」と聞くと、件数だけで判断したり、勝手な重み付けをすることがあります。
そのため、優先順位そのものではなく、判断材料を整理させます。
プロンプト例
次のVOCテーマについて、優先順位を決める前に人が確認すべき観点を整理してください。
テーマ:
- 初期設定が複雑 14件
- 権限設定が分かりにくい 10件
- CSV移行のエラー理由が分からない 8件
- サポート回答が遅い 7件
観点:
- 対象顧客の広さ
- 利用開始への影響
- 継続利用への影響
- 事業影響
- 改善可能性
- 実装コスト
最優先テーマは決めないでください。
出力の使い方
人が実データを確認し、たとえば「導入支援なし顧客の初期設定」を優先するか判断します。
6. 顧客要望から複数の施策案を出す
顧客要望をそのまま仕様にするのではなく、困りごとから解決案を広げる用途にAIを使えます。
プロンプト例
顧客原文: 「設定項目を減らしてほしい。最初にどこまで設定すればよいか分からない」
この声から考えられる施策案を5つ出してください。
条件:
- 項目削除だけに限定しない
- 顧客の困りごとと施策案を分ける
- 各案についてメリット・リスク・確認すべきデータを書く
- 最終案は決めない
出力の使い方
AIが、
- 初回必須項目と後回し項目を分ける
- 初期設定チェックリストを置く
- 入力順をガイドする
- 設定例を表示する
- 設定テンプレートを用意する
などを出したら、実装コストや他顧客への影響を人が比較します。
7. VOCの抜けを確認する質問を作る
特定テーマについて、追加インタビューの質問案を作る用途にも使えます。
プロンプト例
次のVOCを深掘りするための追加質問を作ってください。
VOC: 「権限設定が分かりにくかった」
確認したいこと:
- どの画面で迷ったか
- 何を決められなかったか
- どう対処したか
- 誰に聞いたか
- 何があれば解決したか
誘導質問を避け、10問以内にしてください。
出力の使い方
AIの質問案は、そのまま使わず、顧客属性や面談時間に合わせて人が調整します。
8. 改善後の再検証観点を作る
施策実行後の検証漏れを防ぐ用途にも使えます。
プロンプト例
次の改善施策について、3か月後にVOCで再検証すべき観点を整理してください。
施策:
- 初回必須項目と後回し項目を分離
- 初期設定チェックリスト追加
- 権限設定テンプレート追加
- CSVエラーを行単位表示
確認したいこと:
- 同じ顧客条件で比較できるか
- VOC件数の変化
- 新しい困りごとの発生
- 問い合わせ件数
- オンボーディング完了状況
出力の使い方
AIに再検証項目を作らせても、「改善した」と判断するのは人です。
条件が違うVOCを単純比較しないようにします。
通し例|法人向けSaaSのVOC50件を生成AIで整理する
ここでは、法人向け業務SaaSのオンボーディング改善を例にします。
対象は、
- 契約開始から3か月以内
- 月1回以上利用
- 従業員100〜500人規模
- 管理部門の主担当者
です。
オンボーディング面談、サポート問い合わせ、アンケート自由記述、営業メモ、解約・縮小理由の5チャネルから50件のVOCを集めました。
1. 人が原文と属性をそろえる
AIへ渡す前に、人が、
- 顧客ID
- 顧客属性
- 収集日
- チャネル
- 利用場面
- 顧客原文
をそろえました。
顧客名や機密情報は、社内ルールに従って必要な範囲で匿名化しました。
2. AIに一次分類させる
50件をAIへ渡し、原文を書き換えずにテーマ候補を出させました。
AIの一次分類は、
- 初期設定:15件
- 権限設定:9件
- CSV:8件
- サポート:7件
- 操作履歴:6件
- その他:5件
でした。
3. 人が原文へ戻って修正する
人が15件の「初期設定」を原文で確認すると、1件は実際には権限設定の困りごとでした。
そこで最終的なテーマは、
- 初期設定が複雑:14件
- 権限設定が分かりにくい:10件
- CSV移行のエラー理由が分からない:8件
- サポート回答が遅い:7件
- 操作履歴を探しにくい:6件
- その他:5件
となりました。
ここで重要なのは、AIの分類結果を正解として扱わず、原文へ戻って修正したことです。
4. AIに優先順位の論点を出させる
次に、各テーマについて、対象顧客、利用開始への影響、継続影響、事業影響、改善可能性、実装コストの確認項目をAIに整理させました。
AIは判断材料を整理しましたが、最優先テーマは決めさせませんでした。
5. 人が最優先テーマを決める
人が実データを確認すると、「初期設定が複雑」は導入支援なし顧客で多く、利用開始そのものを止めていました。
そのため、件数だけではなく影響も踏まえて、
導入支援なし顧客の初期設定
を最優先テーマに決めました。
6. AIに施策案を広げさせる
顧客原文には、
最初の画面で設定項目が多く、どこまで入れれば使い始められるのか分からなかった
という声がありました。
AIに解決案を複数出させ、人が比較した結果、
- 初回必須項目と後回し項目の分離
- 初期設定チェックリスト
- 権限設定テンプレート
- CSVエラーの行単位表示
を採用しました。
7. 3か月後に再検証する
同じ顧客条件でVOCを再収集すると、
- 初期設定が複雑:14件 → 6件
- 権限設定が分かりにくい:10件 → 4件
- CSV移行のエラー理由が分からない:8件 → 3件
となりました。
ここでもAIには変化の整理や追加確認項目の抽出をさせましたが、改善判定は人が問い合わせ件数やオンボーディング完了状況も含めて行いました。
このように、生成AIはVOCの整理速度を上げられますが、原文確認、分類修正、優先順位、施策、再検証の最終判断は人が担います。
そのまま使える整理形式が必要なら、VOCテンプレートを使うと、原文、事実、解釈、テーマ、優先順位、施策、再検証を一つの流れで管理しやすくなります。
実際の適用判断をケースで追いたい場合は、VOCの具体例も参考になります。よくある失敗を先に確認したい場合は、VOCで失敗しやすいポイントも参照してください。
人が必ず確認すべきポイント
顧客原文
AIが要約した文章ではなく、元の顧客発言へ戻れる状態を残します。
顧客属性と利用場面
同じ発言でも、新規顧客と長期利用顧客では意味が違うことがあります。
自社解釈
AIの原因推定は仮説です。顧客が言っていない原因を確定させません。
優先順位
件数だけでなく、顧客影響、事業影響、改善可能性、実装コストを人が確認します。
施策
顧客要望をそのまま仕様化しません。困りごとに対する複数案を比較します。
個人情報・機密情報
顧客名、連絡先、契約条件、未公開売上、センシティブな問い合わせ内容などを入力する場合は、自社の情報管理ルールに従います。
生成AIの誤りと限界
原文の意味を勝手に補うことがある
短い発言から、顧客が言っていない原因や要望を作ることがあります。
似ているが異なるVOCをまとめることがある
「設定が分からない」という表現でも、初期設定と権限設定は別の困りごとかもしれません。
件数を数え間違えることがある
大量データでは重複や分類漏れが起きるため、元データで確認します。
強い表現を重要と判断することがある
感情が強い発言を全体傾向より重く扱う場合があります。
優先順位を勝手な基準で決めることがある
件数や一般論だけで順位づけしないよう、判断軸を明示します。
機密情報の取り扱いに注意が必要
入力してよい情報の範囲は、利用環境と社内ルールに従って判断します。
他の顧客理解手法との使い分け
VOCは、実際の顧客発言や反応から、課題や改善機会を見つけるのに向いています。
代表的な顧客像を整理し、「誰に向けて企画するか」を明確にしたい場合は、ペルソナとVOCの違いが参考になります。
顧客が認知から利用までのどこで困っているかを時系列で整理したい場合は、カスタマージャーニーとVOCの違いを確認すると整理しやすくなります。
3つの役割をまとめて選びたい場合は、ペルソナ・カスタマージャーニー・VOCの使い分けも役立ちます。
生成AIに任せすぎないためのチェックリスト
- AIへ渡す前に顧客原文を残しているか
- 顧客属性と利用場面を保持しているか
- AIの要約だけで原文を置き換えていないか
- AIのテーマ分類を人が原文で確認したか
- 似ているが異なるVOCを誤統合していないか
- テーマが抽象的すぎないか
- 件数を元データで確認したか
- 優先順位をAIだけで決めていないか
- 顧客要望をそのまま仕様化していないか
- 施策案を複数比較したか
- 改善前後を同じ条件で再検証しているか
- AIの原因推定を事実として扱っていないか
- 顧客情報の入力が社内ルールに適合しているか
まとめ
生成AIは、VOCを効率よく整理・活用するための補助役として使えます。
特に役立つのは、顧客原文の一次整理、発言・事実・解釈の分離、類似VOCのテーマ候補、テーマ粒度の見直し、優先順位を決めるための判断軸整理、施策案の比較、追加インタビュー質問、再検証観点の作成です。
一方で、顧客発言の意味、正式なテーマ、優先順位、施策、改善効果の判定は人が担う必要があります。
生成AIに「顧客の本音を決めてもらう」のではなく、「大量の声を整理し、原文へ戻って判断するための補助」に使うことで、VOCをより効率よく、かつ事実に沿った形で実務へつなげやすくなります。