月曜の朝、監視ツールを開いたらネガティブの赤い数字が先週より増えている。上司に「これ、大丈夫なの？」と聞かれて言葉に詰まる。私がブランドセキュリティ事業部で監視を担当していた頃、まさにこの場面で固まりました。
エルプランニングのチーフライターです。入社から4年間、クライアント企業の検索結果やSNSを毎日チェックしていました。センチメント分析とは、投稿の感情をツールがポジティブ・ネガティブ・ニュートラルに自動で仕分けする仕組みです。便利ですが、数字の意味を取り違えると報告も判断も狂います。
この記事では「数字の読み方」「誤読しやすい場所」「報告の仕方」だけを扱います。監視体制の作り方はSNSモニタリングとは？重要性と炎上リスクの対策方法をご覧ください。
- ツールの「ネガティブ」は確率で決まった推測です。信頼度スコアは感情の強さではなく、ツールの確信度を表します。
- ニュートラルが7割でも、それだけでは異常とは言えません。ただし感情語のない事実告発がその山に埋もれるので、画像やURL付きの投稿は人が読みます。
- 日本語の「ヤバい」「さすが」「悪くない」はツールが最も苦手な表現で、ベンダー自身が皮肉の誤判定を公表しています。
- ネガティブ率に業界標準はなく、自社の平常値との差で読みます。母数が少ない日の急上昇や、バズによる希薄化は誤読の代表例です。
- 報告は数値・母数と内訳・代表投稿・原因・示唆の5点セットで。対応の要否はラベルではなく拡散力・発信者・事実性・検索結果への波及で決めます。
同じ投稿でも、使うツールによって判定は変わります。前月比を報告するときは、同じツールと設定で比較することが前提です。
センチメント分析のスコアと判定ラベルは何を表しているのか
「ネガティブ」の判定は確率で決まっている
多くのツールは、1件の投稿に対してポジティブ・ネガティブ・ニュートラルそれぞれの確率を計算し、いちばん高いものをラベルとして表示します。AWSの感情分析サービスなら、4つの分類に0から1の信頼度を返し、ポジティブ0.95のような数値が付きます。
つまりネガティブ0.55と出た投稿は「確定」ではなく、残りの45%が他のラベルに割れている状態です。赤い数字は「ツールがそう推測した件数」であって、本当にネガティブな件数ではありません。私はこれに気づくまで、ラベルの件数をそのまま数えて報告していました。
信頼度スコアは「感情の強さ」ではない
ネガティブ0.9と出ると「かなり怒っている」と読みたくなります。でもこの数字は「ツールがかなり確信している」という意味で、怒りの強さではありません。Microsoftは感情分析の透明性に関するメモで、信頼度スコアの大きさは感情の強さを表さないと明記しています。
Google Cloudの自然言語APIは方向（マイナス1からプラス1）と量（0から上限なし）の2軸で返しますが、量も文の長さに左右されます。怒りの強さは本文を読むしかありません。
ツールによって「ネガティブ」の定義が違う
Googleは感情の方向と量を返し、怒りや悲しみといった種類は判定しません。AWSにはポジティブとネガティブが混ざった「混合」という独立ラベルがあります。Microsoftは文ごとに判定し、文書全体はその単純な集計です。
同じ投稿でもツールが違えば判定は変わるので、乗り換えたら過去との比較はリセットし、前月比は同じツール・同じ設定で出してください。
ニュートラルが大半を占めるのは異常ではない｜「中立」と「混合」の読み方
なぜニュートラルばかりになるのか
「ニュートラルが7割。ツールが壊れてる？」という相談をよく受けます。比率だけでは壊れているとは言えません。
- SNS投稿の大半は告知・質問・事実の共有で、感情語を含まない
- ツールは判断に迷うとニュートラルに寄せる
- 人間が読んでも判定が割れる
愛媛大学と大阪大学の研究チームがSNS投稿35,000件に感情ラベルを付けた研究では、書き手自身の判定でもニュートラルが最多で、読み手3人のニュートラル比率は25%から58%までばらつきました。人でもこれだけ割れるのですから、ニュートラルが多いこと自体は珍しくありません。ただしツール側の偏りもあり得るので、数十件を抜き出して人の判定と照合してください。
「本当の中立」と「混合」を見分ける
「大盛り無料で嬉しかった。でも食べきれず残念」のような投稿は、ポジとネガが打ち消し合ってスコアが0付近になります。Googleは方向のスコアが0付近のとき、量が小さければ中立、大きければ混合の可能性があると説明しています。AWSは混合ラベルで返します。
混合の表示がないツールなら、ニュートラル判定のうち「けど」「でも」「ただ」が入る投稿を抜き出して人が読みます。「期待していたのに裏切られた」型が多く、改善要望の宝庫です。
ニュートラルの山に埋もれたリスク投稿を拾う
監視の現場でいちばん怖いのは、感情語のない告発です。「〇月〇日に〇〇があった。証拠はこれ」という投稿は、日付と事実と画像だけなのでニュートラルに落ちやすいのです。テキストだけを分析する構成なら、画像の中の文字は対象外です。
自社名と「実は」「内部」「証拠」で絞る、画像やURL付きを優先して目視する、リポストが伸びているニュートラルは必ず読む。この3つで拾える投稿はかなり増えます。ここがツール監視に有人監視を重ねる入口です。
日本語でツールが誤判定しやすい表現の実例｜監視現場から
両義語・ネットスラング：「ヤバい」「エグい」「神」「沼」「草」
辞書型のツールは単語ごとのポジ・ネガ登録を手がかりにするため、どちらにも転ぶ語で迷います。学習型でも文脈次第で判定は揺れます。
| 表現 | ポジティブの例 | ネガティブの例 |
| ヤバい | 旨すぎてヤバい | 対応がヤバい |
| エグい | エグいくらい良い | エグい待ち時間 |
| 沼 | 沼った（ハマった） | 沼のようなサポート |
| しんどい | 尊くてしんどい | 手続きがしんどい |
| 草 / w | 面白すぎて草 | この対応は草 |
監視部門の先輩から聞いた話ですが、ある飲食のクライアントで「ヤバい」がすべてネガティブに落ち、ネガティブ率が実態の倍近くに見えた月があったそうです。業界でよく出る両義語をリスト化し、ヒットしたら人が読む運用で防げます。
皮肉・嫌味：「さすがですね」「期待を裏切らない」「ありがとうございます👏」
先ほどのMicrosoftのメモには、皮肉を認識できない可能性があると書かれています。九州工業大学の研究でも、一般的な感情分析モデルは極性語を手がかりにするため、表面と意図が食い違う皮肉を理解できないことが多いと指摘されています。
「さすが〇〇、期待を裏切らない品質」「30分待たされました。素晴らしい対応をありがとうございます👏」はポジティブに分類されがちです。不祥事の直後にポジティブが増えたら、まず疑ってください。
否定・二重否定・婉曲：「悪くない」「ないわけではない」「微妙」
「悪くない」「嫌いじゃない」はポジティブ寄り、「良くはない」はネガティブ、「〜と言えなくもない」は前に来る語で方向が変わります。辞書型のツールは感情語の直後の否定語を処理できないと極性が反転します。
「微妙」「察し」のような遠回しな否定も苦手です。信頼度の低い判定と、否定語を含む投稿を抜き出して目視すると効率的です。
誤判定を見つけたときの正しい対処
- ツールの手動再分類機能で直す
- 自社用の辞書登録や除外ルールを作る（「〇〇社 神対応」はポジ固定など）
- 誤判定のパターンを記録し、月次で共有する
- 過去のグラフは修正前の値であることをレポートに注記する
見逃しと誤検知はトレードオフです。風評監視では見逃しのほうが高くつくので、誤検知を多少増やしてでも人で吸収する設計が安全です。
ネガティブ率と推移グラフの誤読パターン｜「何%で危険か」に答える
ネガティブ率に業界標準はない。自社の平常値との差で見る
「何%を超えたら危険ですか」とよく聞かれますが、共通の基準はありません。一部の運用例に「30%以上で要対応」「平常時の1.5から2倍でアラート」という数字はあるものの、クレームが日常的に届く通信やインフラと、ほぼ無風のBtoB製造では比べようがありません。
現場でやっているのは、たとえば4週間分の平常時の率と件数を記録して自社のベースラインを作り、そこからの差を両方で見ることです。
誤読パターン①母数が少ない日の急上昇
前日は投稿100件中ネガティブ8件で8%。今日は10件中3件で30%。グラフは急上昇を示しますが、実態はネガティブ3件です。率だけ追うと休日や深夜に跳ねやすくなります。率の横には必ず母数を並べ、母数が自社基準（たとえば20件）を下回る日は率の比較を参考扱いにして、件数と個別の投稿を見てください。
誤読パターン②バズによる希薄化と、過去投稿のリポストによるスパイク
キャンペーンでポジティブ投稿が急増すると、ネガティブ件数が変わらなくても率は下がって見えます。「改善した」と報告して後で恥をかくのがこのパターンです。逆に、半年前の批判投稿が再びリポストされ、新規投稿がゼロなのに件数が跳ねることもあります。
急増した日は投稿を新規とリポストに分け、代表投稿を特定し、元投稿の日付を確認します。収束までの目安は炎上は何日で収束する？業界別の平均炎上日数と長期化するケースの共通点が参考になります。
件数・率・アカウント数を分けて見る。バズか炎上かは「賛否」で決まる
総務省の令和元年版 情報通信白書がまとめた研究によると、炎上に書き込む人はネット利用者のごく少数で、複数回書き込む「直接攻撃予備軍」はネット利用者の0.5%以下と推定されています。「ネガティブ100件」が100人の不満とは限らず、5人の連投かもしれません。件数とは別にユニークアカウント数を数え、連投は1人分として読んでください。
もう1つの軸が賛否です。ポジティブとネガティブが同時に増えているなら賛否両論のバズの可能性が高く、ネガティブだけが増えているなら炎上に近い状態です。ただしラベルだけでは決められないので、批判の内容と拡散速度、報道の有無を併せて見ます。
判定結果を報告とエスカレーションに落とす方法｜ツール監視＋有人監視の役割分担
ツールが得意な判定と、人が見るべき判定
| ツールに任せる | 人が読む |
| 大量投稿の一次仕分け | 信頼度の低い判定 |
| 件数・率の推移 | ニュートラルの中の事実告発 |
| キーワードの抽出 | 皮肉・スラング・否定表現 |
| 深夜・休日の常時監視 | 画像や動画の中の文字 |
| 急増のアラート | 発信者の影響力と過去投稿 |
Microsoftのメモも、影響の大きい場面では人の介入なしに自動でアクションを取らないよう注意喚起しています。エルプランニングのネット監視サービスがツール監視と有人監視を組み合わせているのは、AIの出力を人が読む工程を最初から組み込むためです。
ツールの選び方は効果的な監視方法とおすすめツール、監視対象の媒体は風評監視はなぜ必要？をご覧ください。
「ネガ率12%でした」で終わらせない報告の型
私も最初は数字だけ報告して「で、どうするの？」と返されていました。代表投稿を添えるようになってから会話が変わりました。載せるのは次の5点です。
- 数値の変動（率と件数、ベースラインとの差）
- 母数と内訳（新規とリポスト、ユニークアカウント数）
- 代表投稿1件から3件（原文とリンク）
- 原因の仮説（きっかけになった出来事）
- 示唆（様子見・要確認・要対応と、その根拠）
忙しい経営層はサマリーしか読みません。1枚目の冒頭に「様子見でよい」か「対応が必要」かを書いてください。
エスカレーション判断は「ラベル」より「拡散力・発信者・事実性・検索結果への波及」
ネガティブ判定イコール即対応ではありません。判断軸は4つです。
- 拡散力。リポストや引用が1時間あたりどれだけ増えているか
- 発信者。フォロワー数、メディアやインフルエンサーか、元従業員か
- 事実性。事実の指摘か、デマや誹謗中傷か
- 検索結果への波及。その投稿やまとめ記事が社名検索の1ページ目に上がってきそうか
4つ目は検索結果を監視していたからこそ強く言いたい点です。SNSの拡散は数日で落ち着いても、まとめ記事が検索1ページ目に残ると採用や営業に何か月も響きます。
苦情は顧客対応部門へ、批判は広報で様子見、誹謗中傷やデマは法務と削除依頼の検討へ。削除の判断は担当者個人で決めず、必ず決裁を取ってください。
よくある質問（FAQ）
Q: センチメント分析のネガティブ率は何%を超えたら危険ですか？
業界共通の基準はありません。4週間ほどの平常時の率と件数をベースラインにして、どちらかが大きく上回ったときに要確認とします。
Q: ニュートラル判定が7割以上あります。ツールが壊れていますか？
それだけでは異常とは言えません。人間が判定した研究でも、読み手によってニュートラルは約25%から58%でした。ただし感情語のない事実告発が混ざるので、画像やURL付きの投稿は人が読んでください。
Q: 明らかにポジティブな投稿がネガティブに判定されます。どうすればいいですか？
皮肉・ネットスラング・否定表現はツールが最も苦手な領域です。手動再分類で直し、自社用の辞書登録と除外ルールを作り、誤判定のパターンを記録して共有します。
Q: 無料のリアルタイム検索の感情の割合グラフでも風評監視はできますか？
兆候の把握には使えます。投稿件数の推移や期間の切り替えはできますが、感情の割合の判定根拠は分からず、複数媒体を横断した比較もできません。継続するなら監視ツールか有人監視の併用が現実的です。Xの無料監視方法はX（旧：Twitter）の評判を監視する方法とは？にまとめています。
Q: センチメント分析の結果はどのくらい正確ですか？
ツールや言語で異なり、共通の精度はありません。人間同士でも判定が一致しないので、ツールで一次仕分けをして人が最終判断する役割分担で運用してください。
まとめ
センチメント分析の数字は「ツールの推測」で、母数・内訳・代表投稿とセットで初めて意味を持ちます。ニュートラルの山、日本語の両義語や皮肉、母数の少ない日の率の跳ねが三大誤読ポイントです。対応の要否はラベルではなく拡散力・発信者・事実性・検索結果への波及で決めます。
ツールを疑う必要はありません。苦手な部分を人が読む設計にすればいいだけです。「数字の読み方に自信がない」「報告の型を作りたい」という方は、ツール監視と有人監視を組み合わせたエルプランニングのネット監視サービスにご相談ください。
[Firefoxブラウザをご使用のお客様へ]
Firefoxブラウザでのお問い合わせが送信できない場合があります。お手数ではございますが、別のブラウザを使用して送信いただくかお電話にてお問い合わせください。ご迷惑をおかけしますが、何卒よろしくお願いいたします。
大企業、官公庁を含め1500名以上が受講した、SNSリスクリテラシー研修。
企業の風評対策実績10年以上のプロフェッショナルが、炎上を知り、未然に防ぐための社員研修を代行致します。
その他にもネット上の投稿、口コミの監視など、炎上予防や風評対策のための様々なご提案が可能です。
