楽天・自社サイトに溜まる商品レビューは、まさに宝の山──のはずだった。嬉しいことに毎月十数件ずつ投稿され、半年も経てば百件規模に達する。だが現実には、誰もそれを最後まで読み切れていなかった。担当者は気になったタイトルだけ拾って読み、「最近マイナス評価が増えた気がする」「この商品は意外と『家族で食べた』と書かれている」といった印象だけを社内に伝える。それが商品改善や販促企画に反映されることもあったが、「データに基づく分析」とは言えず、議論はどうしても感覚論に流れがちだった。Excelで全件をコピペして傾向を見ようとした時期もあったが、フリーテキストの分析は手作業では限界があり、「○○が美味しい」「△△が物足りない」といったキーワードを抽出するだけで何時間もかかる。集計しても結局「主観でフラグを立てているだけ」で、誰がやっても同じ結果になる定型化はできなかった。経営会議では「レビューの傾向どうなってる？」と聞かれても、定量的に答えられず、商品改善の打ち手も「なんとなく気になる声」に基づくものになりがちだった。「全件読まない限り意思決定できない」という制約が、現場を縛っていた。

楽天・自社サイトに蓄積されたレビューを、取り込んでキーワード分析・感情分析する自社アプリを開発した。頻出キーワードを抽出したり、商品ごとに「評価上位キーワード」「課題キーワード」「サブカテゴリ別の傾向」を1枚のレポートに自動集約する仕組みだ。多数のレビューが、「商品改善に直結する論点」として可視化される。経営会議には、このレポートをそのまま投影するだけで議論が始まる状態になり、「なんとなく」が消えて「データを見て判断する」文化に変わった。商品改善のアジェンダは「ネガキーワード上位3つを次月までに対策」というシンプルな形に整理でき、実行スピードも上がっている。さらにレビュー分析を月次の定型業務として組み込んだことで、担当者の主観に依存しない判断基盤が社内に育ちつつある。本仕組みは社内で開発・トライアル運用中で、複数クライアントへの横展開も視野に入れたサービス化（ReviewBF）が進行中。「レビュー分析は手作業の極み」という常識が、定型化された分析プロセスへ変わりつつある事例だ。