なぜ低評価への返信では平均評価が戻らないのか

モールの店舗評価・商品評価は、投稿された星の数の単純平均（算術平均）で表示されるのが基本です。仕組みが単純平均である以上、増えた低評価を打ち消すのに高評価が何件必要かは、返信の内容とは無関係に機械的に計算できます。

この計算をしないまま返信文の改善から入ると、手応えのない作業を続けることになります。最初に、どれだけの分母が必要なのかを数字で把握しておきます。

架空の数字で検算する

以下はすべて架空の数字です。自店の実際の件数・平均値に置き換えて検算してください。

  • 前提：現在の平均評価が4.50、レビュー件数が30件。合計ポイントは 4.50 × 30 ＝ 135点
  • ここに★1が1件投稿される：件数は31件、合計は 135 ＋ 1 ＝ 136点、平均は 136 ÷ 31 ≒ 4.39 まで下がる
  • 平均を4.50に戻すために必要な★5の件数を n として式を立てる：(136 ＋ 5n) ÷ (31 ＋ n) ＝ 4.50
  • 整理すると 136 ＋ 5n ＝ 139.5 ＋ 4.5n、よって 0.5n ＝ 3.5、n ＝ 7
  • 検算：合計 136 ＋ 35 ＝ 171点、件数 31 ＋ 7 ＝ 38件、171 ÷ 38 ＝ 4.50 ちょうどに戻る

この例が示すのは、★1が1件入ることの重さです。打ち消すのに必要な★5は7件、入った低評価の7倍でした。

そして、この計算式のどこにも「返信」という変数は入っていません。返信が動かすのは、これから商品ページを読む人の印象であって、平均値の分子にも分母にも影響しません。返信には返信の役割がありますが、それは評価回復の手段ではないという線引きが、立て直し設計の出発点になります。

低評価の原因を5つに分解し、効くレイヤーを見極める

低評価の原因を「なんとなく多い」で扱うと、担当者の体感で対応の優先順位が決まってしまいます。原因を固定カテゴリへ正規化し、件数で並べて初めて、どこから手をつけるべきかが見えてきます。

原因ごとに直す場所が違う

  • 商品そのものの品質：仕入れ・製造・検品の工程で直す問題。ページ表記や梱包を直しても解決しません
  • 期待値ギャップ（ページ表記と実物の差）：商品ページの説明文・画像・仕様表記で直す問題
  • 配送・梱包：物流工程・梱包資材・配送手段の選定で直す問題
  • 同梱物・説明書の不足：同梱物のリスト化、説明書や使い方ガイドの追加で直す問題
  • サポートの応答：問い合わせ対応のフローと返信テンプレートで直す問題

5つはどれも効くレイヤー（工程）が異なります。「期待値ギャップ」が原因の低評価に対してサポート応対だけを改善しても、次の低評価は同じ原因で入り続けます。

自由記述のコメントを固定カテゴリへ寄せて集計し、改善タスクへ変換していく考え方は、返品理由を分類してページ改善につなげる運用ループとまったく同じ発想です。分類辞書の作り方や育て方は「EC返品率を下げる運用ループ設計」で扱っています。レビューの原因分類にも、同じ設計をそのまま流用できます。

原因を止める→分母を増やす、の順序を間違えない

分類ができたら、次に着手するのは分母を増やす施策ではなく、原因そのものを止める施策です。順序を逆にすると、増やした分母がまた低評価で埋まるという同じ失敗を繰り返します。

原因未修正のままのレビュー依頼は逆効果になる

原因が残ったまま新規購入者にレビュー依頼を送ると、次のことが起こります。

  • 同じ原因で不満を持った購入者が、依頼をきっかけに低評価を投稿する
  • 分母は増えるが、増えた分母のなかにも低評価が混ざるため、後述するフロー側の平均が改善しない
  • 「レビュー依頼を出したのに評価が上がらない」という結果だけが残り、施策そのものが疑われて中断される

レビュー依頼は「原因を止めた後のロットから」出すのが前提条件です。この前提を飛ばして分母だけを増やそうとすることが、立て直しが空回りする典型的なパターンだと考えられます。

レビュー依頼を出してよい条件、出してはいけない状態

原因の修正が入った後も、依頼を送ってよい対象・タイミングには条件があります。依頼数そのものを目標にすると、この条件確認が省略されやすくなります。

出してよい条件

  • 原因の修正が反映された後に出荷したロット・在庫からの購入者に限定する
  • 到着直後の第一印象ではなく、実際に使ってある程度の期間が経った時点で依頼する
  • 問い合わせやクレームがない、あるいは対応がすでに完了している購入者を対象にする

出してはいけない状態

  • 原因の修正がまだ完了していない商品・ロットの購入者に依頼を出している
  • 返品・交換・問い合わせ対応が進行中の顧客に依頼を送っている
  • 同じ原因のクレームが直近でも続いているのに、件数だけを追って依頼数を増やしている

依頼は「原因を止めた後のロット」に絞り込む工程とセットで運用します。なお、レビュー投稿への謝礼や特典の扱いは各モールの規約で定めが異なり、違反すると出店そのものに影響します。依頼の設計を変える前に、出店先の規約を必ず確認してください。

モール横断で平均値を比較しない

複数モールに出店していると、楽天・Yahoo!ショッピング・Amazonそれぞれの平均評価を横並びで比べたくなりますが、これは避けたほうがよい比較です。

  • 評価の集計方法、表示される小数点の桁数、非表示・削除ルールの扱いは、モールごとに仕様が異なります
  • 同じ「平均4.3」でも、モールが違えば算出の前提が違うため、同列に置いた瞬間に意味を失います
  • 各モールの具体的な仕様は改定されることがあり、断定できる一次情報を確認できていないため、この記事では仕様値を書きません。自店の管理画面のヘルプで確認してください

モール横断で見るべきなのは平均値の大小比較ではなく、モールごとに「直近のレビューが改善方向に動いているか」を個別に追うことです。物差しが違うものを1つの数字に丸めると、実態と違う判断につながります。

月次で見る指標と、AIと人の役割分担

立て直しの効果は、累積の平均評価だけを見ていると判定できません。累積値はレビュー件数が積み上がったストックの数字であるため、施策が効いていても数ヶ月単位でしか動きません。動かないうちに、施策のほうをやめてしまいがちです。

月次で並べる3つの指標

  • 直近30日に投稿されたレビューのフロー平均：累積平均とは別に算出します。効果はこちらに先に現れるため、数週間の単位で判定できます
  • 原因カテゴリ別の件数：分類辞書に沿って毎月集計し、増減で原因対応の効きを確認します
  • レビュー投稿率：購入件数に対して実際に投稿された割合。依頼施策の効果はここに現れます

累積平均は「これまでの結果」、フロー平均は「今どちらに向かっているか」を示す指標です。進捗の判定には、必ずフロー側の数字を使います。

AIと人の役割分担

  • AIや自動化に任せやすい：レビュー本文の原因カテゴリへの分類、件数の集計、月次指標の生成、返信文の下書き作成
  • 人が判断すべき：返信の最終文言の確定、その商品の販売を続けるかどうかの判断

分類や集計は定型作業のため自動化に向きます。一方で「何を公開するか」「その商品を売り続けるか」は、店舗の言葉づかいや表示に関する規制への配慮が要るため、人が最後まで持ちます。

低評価を打ち消すのは返信ではなく、原因を止めることと分母を増やすことの2つです。この2つを順序どおりに回し、判定にはフロー側の指標を使う。ここまでを設計しておくことが、レビュー評価の立て直しの土台になります。