> ## Documentation Index
> Fetch the complete documentation index at: https://www.octoparse.com/docs/llms.txt
> Use this file to discover all available pages before exploring further.

# レビュー・センチメント分析のためのデータ収集

> レビュー・口コミのセンチメント分析に使うデータを、Webスクレイピングで収集する方法。集めるデータ、データソースの選び方、収集の設計、分析への展開、著作権・個人情報の注意点までをまとめた実践ガイド。

レビューや口コミは、顧客の満足度、不満点、需要の質を表すデータです。Webスクレイピングは、複数のサイトに散らばるレビューを継続的に集めて、センチメント分析や評判分析に使える形に整える手段になります。

このページは、レビューを集めてから分析につなげるまでのデータ設計を扱う技術的なプレイブックです。特定サイトのレビューの集め方は各サイト別ガイドを、収集後の分析設計はこのページを参照してください。

## レビューから得られるデータ

レビューページからは、分析に使える構造化データを取得できます。

| フィールド       | 分析での使いみち                 |
| ----------- | ------------------------ |
| レビュー本文      | センチメント分類、トピック抽出、要約       |
| 評価スコア（★）    | 満足度の定量化、スコアとテキストの相関分析    |
| 投稿日         | 評価の時系列推移、キャンペーンや不具合の影響分析 |
| 対象（商品・店舗）   | 商品別・店舗別の比較               |
| 投稿者の属性（あれば） | セグメント別の傾向分析              |
| 役立った数・返信    | レビューの影響度、事業者対応の把握        |

本文とスコアを組み合わせると、「スコアは高いが不満が書かれている」といった、点数だけでは見えない傾向を分析できます。

## データソースの選び方

分析対象に応じて、レビューのソースを選びます。

* **EC・商品レビュー**：Amazonや楽天市場の商品レビューから、商品評価や購入者の声を集めます。[Amazonをスクレイピングする方法](/docs/jp/academy/scrape-amazon)、[楽天市場をスクレイピングする方法](/docs/jp/academy/scrape-rakuten)を参照してください。
* **店舗・サービスの口コミ**：食べログやYelpの口コミから、店舗評価やエリアの評判を集めます。[食べログをスクレイピングする方法](/docs/jp/academy/scrape-tabelog)、[Yelpをスクレイピングする方法](/docs/jp/academy/scrape-yelp)を参照してください。
* **地図サービスのレビュー**：Googleマップのレビューから、ローカルビジネスの評判を集めます。[Googleマップをスクレイピングする方法](/docs/jp/academy/scrape-google-maps)を参照してください。
* **SNS・フォーラム**：投稿から、商品やブランドへの評判・話題量を集めます。

複数ソースのレビューを横断すると、チャネルごとの評価の違いや、全体的な評判の傾向を把握できます。

## 収集の設計

分析に使えるレビューデータにするには、収集の段階で設計しておくことが重要です。

1. 分析対象を定義する（商品、店舗、ブランド、期間）
2. 取得するフィールドを決める（本文、スコア、日付は最低限）
3. 収集方法を選ぶ（過去分の一括収集か、新着の定点観測か）
4. 重複を排除する（同一レビューの重複、再投稿を判定する）
5. 正規化する（言語、文字コード、スコアの尺度をそろえる）

<Tip>
  レビュー本文とあわせて、必ず評価スコアと投稿日を取得します。スコアはセンチメントの教師データや検証に、投稿日は評価の時系列推移の分析に使えます。本文だけでは分析の幅が大きく狭まります。
</Tip>

## 分析への展開

収集・正規化したレビューデータは、さまざまな分析につなげられます。

* **センチメント分類**：本文をポジティブ／ネガティブ／中立に分類し、割合の推移を追う
* **トピック抽出**：頻出する話題（価格、品質、配送、接客など）を抽出し、不満点を特定する
* **評価の時系列推移**：スコアやネガティブ率の変化から、施策や不具合の影響を測る
* **商品・店舗の比較**：競合や自社内の商品・店舗を、評価とレビュー内容で比較する
* **スコアとテキストの相関**：点数と本文の内容のずれから、点数だけでは見えない実態を把握する

新着レビューを定点観測し、ネガティブ率の急上昇などをイベントとして定義しておくと、通知や自動レポートにつなげられます。

## 注意点

* **レビュー本文の著作権**：レビュー本文は著作物性が高く、取得できることと、転載・再配布・二次利用してよいことは別問題です。分析目的での内部利用と、公開・再配布は区別して扱います。
* **個人情報**：投稿者名などの個人情報は最小限にし、分析に不要なら収集・保存しません。
* **robots.txt・利用規約**：対象URL単位でクロール可否と規約を確認します。
* **サーバー負荷**：定期収集では取得頻度と件数を抑えます。

合法性の判断基準は[Webスクレイピングは合法か](/docs/jp/academy/is-web-scraping-legal)を参照してください。

## Octoparseでの実装

Octoparseはヘッド付きの実ブラウザでページを描画するため、追加読み込みで表示されるレビューも取得できます。過去レビューの一括収集と、新着レビューの定期収集の両方を視覚的に設定でき、クラウド実行で継続的に蓄積できます。

定期収集の設定は[スケジュール実行](/docs/jp/platform/schedules)、取得したレビューの整形には[抽出データの整形とクリーニング](/docs/jp/platform/refine-data)が使えます。

## 関連リソース

* [市場調査・競合分析のためのデータ収集](/docs/jp/academy/market-research) — 評判を含む競合の全体像を追う
* [ECサイトのデータ収集](/docs/jp/academy/ecommerce-data) — 商品・価格とあわせたレビュー収集
* [Amazonをスクレイピングする方法](/docs/jp/academy/scrape-amazon) — 商品レビューのデータソース
* [食べログをスクレイピングする方法](/docs/jp/academy/scrape-tabelog) — 店舗口コミのデータソース
* [Webスクレイピングは合法か](/docs/jp/academy/is-web-scraping-legal) — 収集の合法性と利用範囲