ページの本文へ

お客さまの声から未来を予測する

Sentiment Analysis Service 感性分析サービス

SNSや口コミサイトなどソーシャルメディアの情報、
テレビや新聞などマスメディアの情報、コールセンターの会話記録、音声、映像情報などから、
企業や商品に対するお客さまの「声」「感情」「価値観」を高精度に可視化するサービスです。

業務情報と組み合わせて分析することで、売上予測など未来につながるプランニングを支援します。

感性分析サービスの概要

[X(旧:Twitter)などのSNS、アンケート、業務データ、コールセンター情報、新聞／雑誌、Webなどのテキストデータ]→[感性分析サービスで分析（3つの分析）]「感情分析」：文意を考慮して、感情を高精度に分析・可視化。（好意的（Positive）：嬉しい、感謝、満足、美味しいなど。中立（Neutral）：驚き、要望、疑問、提案・忠告など。悪意的（Negative）：怒り、不満、不快、恐怖など。）「モラル分析」：道徳的な価値観を定量的に分析・可視化。（5つの道徳基盤「擁護（care）」「公正（fairness）」「内集団（ingroup）」「権威（authority）」「純潔（purity）」のどれに当てはまるか）「意外性分析」：大量データに埋もれて見逃していた、反響の小さな変化などの意外な情報を抽出し、分析・可視化。→[感情×モラル×意外性の分析結果の掛け合わせで、新たな気づき]（意外な商品ニーズ、炎上の原因を把握、リスクの発見など。）→[ビジネス拡大や企業価値向上を支援]

感情分析

■日本語：テキストデータを約1,300種類の話題・感情・意図に分類できるAI技術を適用し、「好意的」「中立」「悪意的」の3大分類とさらに細分化した全81種類の中から感情を特定できます。文意を考慮して高精度に感性を分析します。
■他言語：各言語別にカスタマイズ可能な感性辞書を保有しており、お客さまの業務に合わせて高精度に感性を分析します。(対応言語：英語、中国語など)

モラル分析

学術的に裏付けられた道徳基盤辞書*を用いて、テキストデータを5つの道徳基盤「擁護」「公正」「内集団」「権威」「純潔」のいずれかに分類し、定量的に分析・可視化します。

 *
道徳基盤辞書：人は生まれつき道徳的な善し悪しに関する5つの普遍的・通文化的基盤を持っていると提唱したアメリカの社会心理学者であるジョナサンハイトの道徳基盤理論をもとに作成したもの。
Moral Foundations Dictionary (MFD)とJapanese Moral Foundations Dictionary (J-MFD)を活用している。

※対応言語：英語、日本語

意外性分析

日立独自のアルゴリズムを活用し、大量データに埋もれて見逃していた反響の小さな変化や少数派の意見など、意外な情報を抽出します。

※対応言語：日本語

感性分析サービスの特長

多角的な分析で気づきを促進

「感情分析」「モラル分析」「意外性分析」を組み合わせることで、SNSなど大量データの中から、多数派・少数派双方の反響を、多角的かつ定量的に可視化できます。価値観や隠れたニーズを把握でき、既存ビジネスのブラッシュアップや新たなビジネスの着想を得ることが可能です。

気づきを得やすい画面

単語間の関係性を示す情報にもタグ付をします。これにより単語一致ではなく話題一致で検索することができます。また業務情報と組み合わせた分析やインタラクティブな操作性により、気づきを得やすい画面をご提供します。

表情・音声にも対応

会話中の表情や音声から感情を読み取り、可視化できます。表情からは喜怒哀楽などの感性を、音声からは声色・声のトーンから感性を分析し、テキスト情報では捉えにくい感情の変化を把握可能です。これにより、インタビューやカウンセリングなどで対話の質や業務スキルの向上に活用できます。

01

ニーズを深くとらえた商品企画

活用カテゴリー：
  • 企画
  • 開発

商品の機能や性能などの業務情報と、ソーシャルメディアの情報を組み合わせて感性分析することで、商品に対する不満の声から改善すべき点が明確になりニーズを把握できます。これにより、ニーズを深くとらえた商品を企画でき、売上拡大と機会損失低減に貢献します。

例
掃除機の商品企画に関する分析

掃除機の商品企画に関する分析の流れ：[業務情報、ソーシャルメディアの情報]→[感情分析]→[好意的（Positive）、悪意的（Negative）、中立（Neutral）な声（感情）]→[悪意的な声（感情）の中身：音、ストレス、空気、スタンド、色、ゴミ、収納、在庫、捨て方]→[捨て方の声を詳細に分析：溜まったゴミが捨てにくい！、掃除したのに捨てるときに汚れる！、ゴミがこぼれた！]→[ニーズを把握]→[ごみの捨て方を改善した商品企画]→[売上拡大・機会損失低減]

02

効果的なプロモーション活動

活用カテゴリー：
  • 広報
  • 宣伝
  • 企画

実施したプロモーション活動内容などの業務情報と、ソーシャルメディアやマスメディアの情報を組み合わせて感性分析することで、プロモーション活動における反響をリアルタイムに分析や、ソーシャルメディアの反響へ迅速な対処が可能になります。これにより、効果的なプロモーション活動を実施でき、ブランドイメージ向上に貢献します。

例
ネガティブな反響を検知して対処するプロモーション活動

ネガティブな反響を検知して対処するプロモーション活動の流れ：[業務情報、ソーシャルメディア・マスメディアの情報]→[感情分析]→[時間軸に沿った分析：（ニュースで放送された：悪意的発言が多い）→（適切な対処を迅速に実施）→（好意的発言増、悪意的発言減）]→[効果測定や改善点を整理する]→[効果的なプロモーション活動]→[ブランドイメージ向上]

03

生産計画の精度向上

活用カテゴリー：
  • 営業
  • 企画
  • 開発

前年度の売上実績や商品Webサイトへのアクセス数など需要予測に必要な業務情報と、ソーシャルメディアの情報を組み合わせて感性分析することで、お客さまの声を反映した需要を予測できます。これにより、生産計画の精度を向上でき、欠品待ちによる機会損失低減や売上拡大に貢献します。

例
SNSの反響にサイトアクセス数と前年度の売上実績を
掛け合わせた売上予測

SNSの反響にサイトアクセス数と前年度の売上実績を掛け合わせた売上予測の流れ：[業務情報、ソーシャルメディアの情報]→[感情分析]→[業務情報（サイトアクセス数と前年度売上実績）およびSNSの反響（好意的な発言、悪意的な発言）をグラフ化し、これを用いて本年度売上予測をグラフ化]→[高精度に売上を予測]→[欠品待ちを防ぐ、生産計画を作成]→[機会損失の低減・売上拡大]

04

炎上防止やリコールなど
迅速なリスク対策

活用カテゴリー：
  • 広報
  • 宣伝
  • 営業
  • 品質保証
  • 開発
  • コールセンター

商品の仕様やリリース時期などの業務情報と、ソーシャルメディアの情報を組み合わせて感性分析することで、商品に対するネガティブな感情の拡大やリスクワードの発生を事前に検知できます。これにより、商品の不具合が引き起こす事故の防止やリコール発表など、リスク対策を迅速に実施でき、ブランドイメージ向上に貢献します。

例
洗濯機に関するリスク対策

洗濯機に関するリスク対策の流れ：[業務情報、ソーシャルメディアの情報]→[感情分析]→[SNSの反響（好意的な発言、悪意的な発言）を定点観測]→[リスクワード発生を検知（「臭い」「異臭」）]→[不具合を確認し製品回収を検討]→[迅速なリスク対応]→[ブランドイメージ向上]

05

働き方改革を促進

活用カテゴリー：
  • 人事
  • 企画

勤怠などの業務情報と、従業員アンケートを組み合わせて感性分析することで、従業員の感情と現場で起きている問題をそれぞれ分類して可視化できるため、改善点を抽出して現場に即した施策を立案することが可能です。これにより、働き方改革を促進でき、従業員の満足度向上に貢献します。

例
働き方改革に関するアンケート分析

働き方改革に関するアンケート分析の流れ：[アンケート結果、業務情報]→[感情分析]→[好意的（Positive）、中立（Neutral）、悪意的（Negative）な声（感情）]→[感情の分析結果を可視化（中立：要望、疑問、問合せなど。悪意的：不満、批判、不快など。）、問題の分析結果を可視化（意識改革不足、社内システム、仕事量など。）]→[改善点を抽出して施策立案]→[働き方改革を促進]→[従業員の満足度向上]

06

ニーズや価値観に即した販売戦略
(感情分析×モラル分析×意外性分析)

活用カテゴリー：
  • 企画
  • 宣伝
  • 営業
  • 開発
  • 広報

ソーシャルメディアやWebページなどの反響を、「感情分析」と「モラル分析」を使って他社比較することで、自社に興味を持っているお客さまの感情や価値観の傾向を把握できます。また、「意外性分析」を活用することで、自社商品に対する少数派の意見や隠れたニーズを把握できます。これら3つの分析を活用することで、お客さまのニーズ(インサイト)を捉えた商品企画や販売戦略につながります。

例
自動車メーカー企業における競合他社との比較分析

自動車メーカー企業における競合他社との比較分析の流れ：[ソーシャルメディア・Webの情報]→[感情分析]→[①要望、②褒め・賞賛、③良い、④疑問、⑤嬉しい…]→[『車好きととつながりたい』など「要望」の感情が多い]。[ソーシャルメディア・Webの情報]→[モラル分析]→[競合他社と比較検討]（自社：①内集団、②権威、③公正…。他社：①一般、②擁護、③内集団…。）→[自社顧客は、競合他社より「内集団」「権威」が多い]。→2つの分析を掛け合わせた結果：「ステータスを大切（権威）にし、同じものが好きな人同士でグループを作る傾向（内集団）がある層に向けた戦略が有効」。さらに、意外性分析により、一般向けの車種に対して「驚き」×（掛ける）「スポーツカー」の組み合わせで小さな反響を検知。→車種の性能の良さを前面に出して発信する戦略が有効。→[3つの分析の活用により、隠れたニーズ（インサイト）を発見]→[効果的な商品企画・販売戦略]

07

炎上検知と早期対策
(感情分析×モラル分析×意外性分析)

活用カテゴリー：
  • 広報
  • 宣伝
  • 営業
  • 企画
  • 品質保証
  • コールセンター

ソーシャルメディアやWebにおける反響を「感情分析」と「モラル分析」を活用することで、素早く炎上を検知できます。さらに、炎上に至った道徳的価値観を定量的に把握することで、炎上原因の特定が可能となります。また、「意外性分析」を活用することで、炎上前の火種の検知や少数派の意見を確認することもできます。これら3つの分析を活用することで、リスクに迅速かつ適切に対応でき、企業ブランドの維持・向上につながります。

例
ネガティブな反響とその背景・原因を把握したうえで、迅速なリスク対策

ネガティブな反響とその背景・原因を把握したうえで、迅速なリスク対策の流れ：[ソーシャルメディア・Webの情報]→[感情分析]→[リスク検知]（「悪い」「疑問」「怒り」など悪意的発言が急増）→[背景を探る]（「悪い」の根拠にはさまざまな理由がある。）→[モラル分析]→[「公正　違反」が多く存在]→[「悪い」の背景は「公正」という価値観に反した結果で、差別的言動に関する批判が多いことが判明]。さらに、意外性分析により、「擁護」に関する少数意見があることを発見。→少数派の意見からリスクの発端になった要素や、反響の変化を抽出する。→[炎上前の火種の検知、炎上原因の把握。多数派・少数派双方の意見把握。]→[迅速なリスク対策]→[企業ブランドの維持・向上]

お知らせ

2025年7月31日 [トピックス] 
  • 表情や音声の変化も、感性分析サービスの対象に追加2025,8,5,3
2024年8月6日 [ニュースリリース] 
2024年8月1日 [トピックス]
2023年10月23日 [トピックス]
  • 「ResorTech EXPO 2023 in Okinawa」の日立展示ブースにて、「感性分析サービス」をご紹介します。(2023年11月9日(木)、10日(金)に開催)2023,10,23,3
2023年9月7日 [トピックス]
  • 日立グループ最大規模のイベント「Hitachi Social Innovation Forum 2023 JAPAN」のリアル展示『EX04-03：地域創生・スマートシティ「次世代店舗(店舗DX)」』において、「感性分析サービス」をご紹介します。(2023年9月20日(水)、21日(木)に開催)2023,9,7,3
2022年10月4日 [トピックス]
  • 日立グループ最大規模のイベント「Hitachi Social Innovation Forum 2022 JAPAN」の展示において 「感性分析サービス」を紹介しました。(2022月10月25日(火)より開催)
    オンライン展示『Lumadaを活用した実績あるソリューションでビジネス改革を促進』
2022年8月10日 [記事掲載]
2022年7月22日 [記事掲載]
2022年4月21日 [記事掲載]
2021年11月25日 [記事掲載]
  • 『【社会を変える新ビジネス図解】なぜ炎上したかがわかる！
    ビッグデータから感情やモラルを分析できる日立の感性分析サービス』が掲載
2021年10月12日 [記事掲載] 
2021年10月7日 [ニュースリリース] 
2020年8月24日 [ニュースリリース] 
2019年7月23日 [トピックス] 
2019年2月20日 [ニュースリリース] 
2018年11月15日 [記事掲載] 
2018年10月1日 [ニュースリリース] 

もっと見る＋

 ※
サービスの仕様は、改良のため予告なく変更することがあります。
 *
mindlookは、株式会社電通グループの日本およびその他の国における商標または登録商標です。
 *
その他記載の会社名、製品名は、それぞれの会社の商号、商標もしくは登録商標です。