VOC分析とは|顧客の声を“改善”に変える進め方

VOC分析とは|顧客の声を“改善”に変える進め方
公開日:2026.07.23 更新日:2026.09.18 読了目安:約7分 監修:大矢 聡(『AI時代に進化する FAQの活用と実践』著者)
VOC分析とは、顧客の声(VOC:Voice of Customer)を収集・分類し、傾向や課題を読み解く取り組みです。問い合わせ・アンケート・SNSなどに現れる声を分析し、商品改善や応対品質の向上、問い合わせ削減に活かします。実は、企業が生成AIをコールセンターで使う最も多い用途もこのVOC(応対)の要約です。この記事では、VOCの意味・種類・手法から、集めて終わりにせず施策へ結びつける進め方までを、公的データを交えて解説します。
この記事の結論
VOC=顧客の声。VOC分析はそれを分類・集計し傾向を読む取り組み。
VOCには直接・間接・推測の3種類。問い合わせ理由(コールリーズン)は最大の直接VOC。
生成AIのコールセンター活用は「VOC要約」が最多(53.9%)=VOC活用が主戦場。
価値が出るのは声を「次に直すこと」に変換できたとき。
この記事でわかること
VOC分析とは(意味・3つの種類)
いま企業のAIは、まずVOCに使われている
VOC分析の進め方と“難所”
VOCを“分析して終わり”にしないために
よくある質問(FAQ)
VOC分析とは(意味・3つの種類)
VOC(Voice of Customer)とは「顧客の声」を指し、VOC分析とはその声を収集・分類して傾向や課題を読み解く取り組みです。VOCは大きく3種類に分けられます。
直接VOC:問い合わせ・アンケートなど、顧客が企業に直接伝える声
間接VOC:SNS・口コミ・レビューなど、第三者に向けて発信される声
推測VOC:検索・離脱などの行動データから推し量る、言葉にならない声
なかでも、コールセンターへの問い合わせ理由(コールリーズン)は、量が多く鮮度も高い“最大の直接VOC”。VOC分析の出発点として最重要です。
いま企業のAIは、まずVOCに使われている
VOC分析の重要性は、生成AIの使われ方にも表れています。コンタクトセンターでの生成AI活用で最も多い用途は、派手な顧客対応の自動化ではなく「VOC(応対)の要約」でした。
図1:生成AI活用の最多用途は「VOC(応対)の要約」で53.9%。顧客対応の直接自動化(チャットボット24.5%・ボイスボット17.6%)はまだ少ない。出典:コールセンター白書 2025
つまり市場はいま、「AIで顧客に直接答えさせる」より「顧客の声を整理・活用する」方向に動いています。VOCを構造化して打ち手に変えることこそ、いま投資対効果が高い領域だといえます。
VOC分析の進め方と“難所”
ステップ1 集める
問い合わせ履歴・アンケート・SNS・レビューなど複数チャネルから声を収集します。ステップ2 分類・タグ付けする
内容ごとに分類し、定量集計できる状態にします。問い合わせ理由(コールリーズン)が中心軸です。ステップ3 傾向と課題を分析する
件数の多い声や繰り返す不満から、優先的に解くべき課題を特定します。ステップ4 施策に変換して検証する
FAQ改善・商品改善・応対改善に落とし込み、効果を測ります。
難所は2つ。ひとつは自由記述の分類(表記も粒度もバラバラで集計しづらい)、もうひとつは声にならない不満(サイレントカスタマー)の把握です。前者はコールリーズンの設計とAIによる分類支援で、後者は検索・0件ヒットなどの行動データ(推測VOC)で補います。
VOCを“分析して終わり”にしないために
VOC分析の最大の落とし穴は、レポートを作って満足してしまうことです。声を「次に何を直すか」という具体策に変えて初めて成果になります。鍵は、最大の直接VOCであるコールリーズンを起点に、FAQと突き合わせて“どの声を自己解決で防げるか”を特定することです。
AINE - answer は、コールリーズン分析を起点に、質問と回答のズレを測るQAマッチング分析、多軸のスター評価とコメントを集める評価機能、KPIを一覧する分析ダッシュボードで、VOCを“聞く”だけでなく“直す”ところまでつなぎます。声を放置せず、次の一手に変える——それが2026年のVOC分析です。
AINE - answer で、こう変わる
「声を集めて終わり」から、「毎週、次の一手が決まる」へ
最大の直接VOC=コールリーズンを起点に、声を“施策”に変えます。
コールリーズン分析(CTI連携)
電話・チャット等の問い合わせ理由(コールリーズン)を、CTI連携やCSV取り込みで集約し、カテゴリー別に自動で分類・集計します。「なぜ問い合わせが来たのか」をデータとして蓄積・可視化する分析基盤です。
画面・アウトプット理由別の件数ランキングや推移グラフ、カテゴリー別の内訳が並ぶ分析画面。期間やチャネルで絞り込み、増えている理由をひと目で把握できます。
いちばん多い顧客の声が毎日ランキングで見え、VOCが“印象”から“データ”に変わります。
QAマッチング分析
質問文と回答文の意味的なズレ(アンマッチ率)を、Embedding(意味ベクトル)で数値化。『聞かれていることに、実は答えていないFAQ』を検出します。
画面・アウトプットFAQごとにアンマッチ率が並ぶ一覧。率の高い順に、質問と回答が噛み合っていないFAQが浮かび上がり、リライト対象がすぐ分かります。
「答えているつもりで答えていないFAQ」が炙り出され、声に応える形へ直せます。
評価機能 v2
『役に立った/立たなかった』の単純評価に加え、複数の観点でのスター評価とコメントを収集。FAQごとの満足度を多面的に追跡できます。
画面・アウトプットFAQごとに多軸のスコアとコメントが集まる評価画面。低評価のFAQや、寄せられた具体的な不満が一覧で確認できます。
施策の前後で“声がどう変わったか”を数字で追え、VOC活動の効果を説明できます。
30秒セルフチェック:あなたのVOC、“集めて終わり”になっていませんか?
次のうち1つでも当てはまったら要注意です。
VOCは集めているが、施策に落とせていない
自由記述の分類が属人的で、定量的に見られない
どの声が問い合わせにつながっているか切り分けられていない
1つでも当てはまるなら、VOCが“レポート止まり”のサインです。
VOC分析の課題を解決する ― AINE - answer(コールリーズン分析・VOC)
よくある質問
VOC分析とは何ですか?
VOC分析とは、顧客の声(VOC:Voice of Customer)を収集・分類し、傾向や課題を読み解く取り組みです。問い合わせ・アンケート・SNSなどの声を分析し、商品改善・応対品質向上・問い合わせ削減などに活かします。
VOCにはどんな種類がありますか?
直接VOC(問い合わせ・アンケートなど直接の声)、間接VOC(SNS・レビューなど第三者向けの声)、推測VOC(検索・離脱などの行動データから読む声)の3種類です。
VOC分析とコールリーズン分析の関係は?
問い合わせ理由(コールリーズン)は、量が多く鮮度の高い最大の直接VOCです。コールリーズン分析は、VOC分析の中核を担う出発点です。
生成AIはVOCにどう使われていますか?
コンタクトセンターでの生成AI活用で最も多い用途は「VOC(応対)の要約」で約54%です。顧客対応の直接自動化より、声の整理・活用にまず使われているのが実態です。
VOCを施策に活かすコツは何ですか?
コールリーズンを起点に、FAQの閲覧・検索データと突き合わせ、どの声を自己解決で防げるかを切り分けることです。QAマッチングや評価データも組み合わせると、直すべき箇所が明確になります。
製品資料・お問い合わせ
VOCを、“聞く”から“動かす”へ
顧客の声を施策に変える運用を、御社でどう実現するか。分析AIを搭載したAINE - answer のサービス資料(無料)で、コールリーズンを起点にVOCを削減アクションへ変える流れをご確認いただけます。
AINE - answer のサービス資料をダウンロード(無料)
VOCを起点に、AIが“次に直すべき箇所”まで提示する様子は、製品ページでもご覧いただけます。
分析AI搭載FAQ「AINE - answer」の製品ページを見る
あわせて読みたい
参考・出典
・フレームワークの出典:「量・質・誘導」の3軸は、本記事監修者・大矢 聡の著書『AI時代に進化する FAQの活用と実践』(リックテレコム、2018年)に基づく
・データ出典:コールセンター白書 2025

監修者
株式会社スカラコミュニケーションズ 大矢 聡
『AI時代に進化する FAQの活用と実践』(リックテレコム、2018年)著者。FAQサイト改革を多数手がけた、FAQ運用・問い合わせ分析の専門家。本記事は、同書の考え方に基づき大矢が内容を監修しています。
VOC分析とは|顧客の声を“改善”に変える進め方
関連記事