# Facebookのコメントをエクスポートして顧客の声を分析するには？

Facebookのコメントをエクスポートして顧客の声として活用するには、まず公開投稿のリンクを集め、元のテキストを行単位でCSVファイルにダウンロードします。そのうえで、自動算出された感情スコアに頼らず、コメントを明確なトピックに分類します。各投稿を通じて、特定の質問がどこに集中しているかを調べましょう。そうすれば、投稿文の情報不足を確認したり、リンク先のランディングページを更新したり、疑問を解消する回答を固定表示したりできます。公開コメントの投稿者は、自ら参加を選んだ人たちであり、顧客であることを確認したうえで実施するアンケートの回答者ではありません。そのため、広く一般化できる統計的な平均値の算出ではなく、観測したテキストから具体的な対応につながるパターンを見つけることを目指します。

エクスポートしたデータをスプレッドシートに取り込んだら、ブランド側の返信は会話の文脈を保つために残し、一般ユーザーの集計からは除外します。各コメントには、業務対応に関わる主なトピックを1つ割り当てます。判断が難しいコメントは、チーム共通の簡単なコードブックに従って分類します。また、繰り返される質問から、更新が必要な画像や動画、投稿文を特定できるか確認します。以下の詳しい手順に沿って、収集の設定、信頼できる分類ルールの作成、Facebookの生データを妥当な次の対応につなげる方法を学びましょう。

## 公開コメントのデータを収集する

最初の手順は、ソーシャルネットワーク上の元のテキストを、実際に分析できる形式で取り出すことです。[Chronometrica Facebook Comments Scraper](https://apify.com/chronometrica/facebook-comments-scraper)を使うと、公開投稿のデータを構造化された行として抽出できます。このツールは、コメント本文、一意の識別子、親コメントへのリンク、タイムスタンプを取得します。

### コンテンツ収集の仕組み

エクスポートを開始するには、特定の公開投稿、リール、動画、写真、または共有リンクへのリンクを指定します。収集ツールには、1回の実行につき、把握済みの公開コンテンツリンクを1～100件指定できます。ページの一般的なアドレスから投稿を自動で見つけることはできません。また、非公開のFacebookグループには、どのような場合もアクセスできません。

収集が完了すると、CSVファイルまたはデータセットには、実際のコメント本文、各コメントを一意に識別する文字列、親コメントまたはルートコメントへのリンクが含まれます。これらのリンクから、その行が投稿に直接付いたコメントなのか、入れ子になったスレッド内の返信なのかを確認できます。エクスポートには、返信かどうかを示す真偽値のフラグと、実行中にその行を取得した収集日時も記録されます。プラットフォームの画面で、元データに基づく信頼できる正確な投稿日時が公開されている場合は、その日時も記録されます。

### 正確な日時と、日時が欠損する場合の扱い

Facebookのコメントの正確な投稿時刻を保存する方法は、マーケティング担当者からよく寄せられる質問です。エクスポートツールは、異なる二種類のタイムスタンプを取得します。一つは収集処理を実行した収集日時、もう一つはプラットフォームの画面が提供する投稿日時です。

投稿の共有方法や表示方法によっては、公開データに投稿日時が含まれないことがあります。投稿日時が欠損していても、収集日時をコメントが実際に書かれた日時の代わりにはできません。収集日時は、エクスポートツールがその行を収集した時点を記録しているだけです。設定時に日付フィルターを適用すると、投稿日時が欠損している行は、最終ファイルから完全に除外される場合があります。

### 制約、上限、除外

どのスクレイパーやデータセットも、公開投稿に存在するすべてのコメントを100%収集したとは保証できません。プラットフォームの制約、ネットワークのタイムアウト、画面の変更があるため、ファイルは常に、全件を示すものではなく、観測できた行の集合として評価する必要があります。

行数の上限を設定すると、投稿ごとに収集ツールが取得する件数が制限されます。入れ子になった返信も投稿ごとの行数上限に直接含まれるため、数十件の返信が付く活発な議論では、すぐに上限に達することがあります。「新しい順」「すべて」「関連度の高い順」などの並べ替え設定は、行を収集する順序を変えますが、件数の上限を解除するものではありません。実行の概要には、観測された実行状況、到達した上限、除外された行の詳細が記載されるため、必ず確認してください。

## テキストの収集と意味の理解を分ける

CSVファイルを開いたら、構造化されていないテキストを明確な指標に変換する必要があります。Facebookの公開ページからコメントをスクレイピングすれば元のテキストを集められますが、それだけでは、テキストが実際に何を意味するかはわかりません。

### 感情分析とトピック分類の違い

多くのマーケティング担当者は、コメントを肯定的、中立的、否定的に分けようと、すぐに自動感情分析を試します。しかし実際には、基本的な自動ツールは、皮肉、俗語、業界用語、「これはまだ購入できますか？」といった短い質問を正しく解釈できないことがよくあります。

感情分析だけに頼らず、まずトピック分類から始めましょう。トピック分類では、その人が何について述べているかを調べます。一方、感情分析では、文章から読み取れる感情的な調子を測ります。商品の発送時期を尋ねる顧客は、怒っているように見えても、楽しみにしているように見えても、中立的に見えても、配送について話しています。

### 公開コメントが顧客アンケートではない理由

公開コメントの投稿者は、ソーシャルメディアの投稿に公開メッセージを残すことを自ら選んだ人たちです。顧客やアカウント保有者の全体から無作為に選び、対象者であることを確認したアンケート調査を代表するものではありません。

2019年、Metaは、活発な会話を目立たせるために公開コメントのランキングがどのように機能するかを説明しました（[Metaによる2019年のランキング概要](https://about.fb.com/news/2019/06/making-public-comments-more-meaningful/)を参照）。プラットフォームのアルゴリズムは時とともに変わりますが、公開フィードでは、応答が続く議論が目立ちやすくなります。つまり、1つの投稿に付いた20件のコメントが、互いに議論しているわずか3人によるものかもしれません。ソーシャルメディアの公開コメントを、顧客全体の偏りのない代表と見なすと、戦略を誤ることになります。

## 簡単なトピック分類のコードブックを作る

データを正確に分類するには、トピック分類のコードブックが必要です。コードブックとは、各コメントにどのようにラベルを付けるかを説明する、簡潔で明確なルール集です。これにより、チーム全員が一貫した基準で行を分類できます。

### 基本的な分類ルール

一般ユーザーの各コメントに主なトピックを必ず1つだけ割り当てると、集計を正確かつわかりやすく保てます。ユーザーのメッセージに複数の内容が含まれる場合は、具体的な業務対応につながるトピックを割り当てます。たとえば、肯定的な感想と明確な配送の質問が組み合わされている場合（「デザインが大好きです！金曜日までにカナダに向けて発送されますか？」）、その行は配送に分類します。称賛の言葉は好ましい背景情報ですが、配送の質問こそが、事業者として対応すべき具体的な問い合わせです。

コードブックには、各分類に含める条件と除外する条件を明確に記載し、意味が不明確なコメントや話題と無関係なコメントを入れる分類も明示する必要があります。絵文字や短い語句を「不明確」に分類するのは、スレッド内の文脈だけでは意味を十分に判断できない場合に限ります。たとえば、新しい出荷拠点の開設を知らせる投稿の直下に、ユーザーが配送用の箱の絵文字を投稿した場合、その絵文字は明らかに配送に分類できます。反対に、文脈がなく、単独で意味が曖昧な絵文字は、無理にトピックを割り当てず、「不明確」に分類します。

コメントのスレッド内では、自社のチームメンバーが公開の質問に回答することもよくあります。[Chronometrica Facebook Comments Scraper](https://apify.com/chronometrica/facebook-comments-scraper)でエクスポートする際に、こうしたブランド側の返信を残しておくと、顧客との会話を読むうえで重要な文脈を保てます。ただし、自社の従業員の発言を顧客の声として数えないよう、ブランド側の返信にはフラグを付け、一般ユーザーの集計から除外する必要があります。公開データのエクスポートでは、投稿者のプロフィール情報が欠損する場合もあるため、ブランド側としてフラグを付けた一覧を手作業で確認し、適切に絞り込めていることを確かめてください。

### レビューの手順とテスト

最初のトピックラベルの候補を自動ツールに提案させる場合、その出力はあくまで暫定案として扱ってください。品質を管理するため、数値を確定する前に、人による体系的なレビューの手順を設けます。

文書化したルールを使い、[別のレビュアーに、多様なコメントを含む少量のサンプルを独立して分類してもらいます](/ja/articles/reddit%E3%82%B3%E3%83%A1%E3%83%B3%E3%83%88-%E3%82%B3%E3%83%BC%E3%83%80%E3%83%BC%E9%96%93%E3%81%AE%E4%B8%80%E8%87%B4%E5%BA%A6%E3%81%AE%E7%A2%BA%E8%AA%8D%E6%96%B9%E6%B3%95/)。2人は、まったく同じコメントを分類します。両者の結果を比較して、曖昧な定義を見つけ、判断が難しい事例の扱いを明確にし、分類の説明を改善します。テスト用サンプルで両者の判断が安定して一致するようになったら、確定したルールをデータセットの残りにも適用します。

### 架空の例：コードブックの構成

| トピックラベル | 含める条件 | 除外する条件 | 架空のコメント例 |
| --- | --- | --- | --- |
| 配送・購入可否 | 配送時期、在庫切れ、購入可能な地域に関する質問や指摘。 | 商品価格やサブスクリプション料金への不満。 | 「青いモデルはいつカナダに発送されますか？」 |
| 価格 | 費用、為替レート、割引、支払い方法に関する発言。 | 商品の品質や配送速度に関する一般的な発言。 | 「このプランに年間契約の割引はありますか？」 |
| 商品の使い方 | 商品の動作、設定手順、技術的な互換性に関する質問。 | 届いた商品が破損していたという報告。 | 「このアプリはGoogle カレンダーと直接同期できますか？」 |
| 称賛 | 業務対応に関する質問を伴わず、ブランド、商品、チームを褒める肯定的な発言。 | 機能をあざける皮肉なコメントや、具体的な質問を伴う称賛。 | 「今回のアップデートは最高です！これまでに作った中で一番の機能ですね。」 |
| 不明確・その他 | 文脈が不足しているコメント、スレッドの文脈でも意味を判断できない曖昧な単独の絵文字を含むコメント、無関係な話題のコメント。 | 上記の基本分類に当てはまる具体的な質問や、文脈から意味が明確な絵文字。 | 「これを見て @friend」、または単独で書かれた「たぶん…」 |

## 公開されている件数でデータの背景を把握する

コメント分析に入る前に、対象の投稿全体で公開の反応がどれだけあったかを把握しておくと役立ちます。[Chronometrica Facebook Metrics Scraper](https://apify.com/chronometrica/facebook-metrics-scraper)を使うと、同じ投稿について、リアクションの総数、シェア数、コメント総数など、公開されている指標の件数を収集できます。

指標の件数が示すのは反応の総件数であり、重複を除いた人数ではありません。リアクションが500件、コメントが50件あっても、500人の異なる人がリアクションし、50人の異なる人がコメントしたことにはなりません。1人のユーザーが複数のコメントを投稿したり、同じ投稿を複数回シェアしたりすることがあるためです。コメント総数とリアクション総数を比較すると、反応のあり方を理解するための有用な背景情報が得られます。ただし、リーチの総数や、発言しなかった読者の考えはわかりません。また、投稿の文言が特定の反応を引き起こしたと証明することもできません。

## 架空のデータを使った具体例

架空の小売企業Brightwood Goodsが、2週間にわたり、自社の公開Facebookページに5件の販促投稿を公開したとします。

チームは投稿データをエクスポートし、トピック分類のコードブックに従って、社内チームの返信と顧客のテキストを分けます。収集ツールは、5件の投稿全体で合計100行を観測しました。そのうち20行は、Brightwoodのサポート担当者が書いたブランド側の返信でした。この20行は、スレッドの文脈を保つために残しますが、一般ユーザーの意見の集計からは除外します。残ったデータセットは、投稿に直接付いた一般ユーザーのコメント、ちょうど80件で構成されます。

### 分類結果の概要

投稿に直接付いた一般ユーザーのコメント80件に、1件につき1つのトピックを割り当てるコードブックのルールを適用すると、次のような分布になります。

| トピック分類 | 投稿に直接付いた一般ユーザーのコメント数 | 全体に占める割合 |
| --- | --- | --- |
| 配送・購入可否 | 30 | 37.5% |
| 価格 | 20 | 25.0% |
| 商品の使い方 | 15 | 18.75% |
| 称賛 | 10 | 12.5% |
| 不明確・その他 | 5 | 6.25% |
| 投稿に直接付いたコメントの合計 | 80 | 100.0% |

### コメントが集中する箇所を分析する

チームが、投稿に直接付いた配送に関するコメント30件を確認すると、そのうち24件の配送の質問が、新作ジャケットを紹介する短い動画の投稿Post #3に付いていることに気付きます。残る6件の配送の質問は、ほかの4件の投稿に少しずつ分散していました。

この集中パターンは、チームが次に何を読み、何を確認すべきかを直接示しています。マーケティングチームは、Post #3の動画音声、キャプション、ストアへのリンクを確認し、配送や購入可否の詳細が抜けていたり、不明確だったりしないかを調べる必要があります。

ただし、このパターンから原因を断定することはできません。また、顧客全体を表す統計でもありません。Post #3への集中は、キャプションの文言が質問の原因だったことを証明するものではなく、Brightwoodの全顧客の37.5%に配送上の問題があったことを証明するものでもありません。わかるのは、投稿に直接付いた配送に関する問い合わせが、Post #3に集中していたということだけです。そのため、この投稿が社内確認の最初の対象になります。

## 分析結果を判断と次の確認につなげる

エクスポートしたコメントに集中パターンが見つかったら、それは対象を絞って確認するための手がかりであり、最終的な結論ではありません。

### 実践的な分析チェックリスト

- 投稿から取得した元の行、コメントの一意の識別子、タイムスタンプを抽出し、品質の整ったデータセットにまとめます。
- ブランド側の返信を一般ユーザーの集計から除外して正確な件数を保ち、返信自体はスレッドの文脈として確認できるように残します。
- 明確なコードブックを使い、一般ユーザーの各コメントに主なトピックラベルを1つ割り当てます。
- 別のレビュアーに、多様なコメントを含む少量のサンプルでテストしてもらい、ラベル付けのルールが一貫して適用されることを確認します。
- 各トピックのコメントが特定の投稿に集中していないかを確認し、さらに調べるべき箇所を特定します。
- 特定のトピックの急増が情報不足を示唆する場合は、投稿文、画像や動画、リンク先のランディングページを確認します。

### 確認結果に応じた対応と継続的な観測

社内確認で、不可欠な情報が欠けていたとわかった場合は、投稿のキャプションの更新、役立つFAQコメントの固定表示、リンク先ページの説明の明確化を行う根拠になります。たとえば、Post #3で、予約注文に地域制限があることを伝えていなかった場合です。一方、文章がすでに明確だったとわかった場合は、地域のフォーラムでリンクが共有されたことなど、外部要因によって地域に関する質問が急増した可能性を調べることも考えられます。

時間を置いて繰り返し収集する場合は、データセットの識別子を慎重に管理してください。

- コメント識別子のみを使う場合：コメントを一意に識別する文字列を使い、繰り返しエクスポートしたデータ間で行の重複を除去します。これにより、同じコメントを重複して数えることを防げます。
- コメント識別子と収集日時を組み合わせる場合：コメント識別子と収集日時のタイムスタンプを組み合わせ、過去の各時点の記録を残します。これにより、新しいコメントがいつ現れたかを時系列で追跡できます。

どちらの識別方法も、コメント投稿者が確認済みの顧客であることを証明するものではありません。これらは、データの履歴を正確に保つための管理手段です。

投稿の更新後を観測する際は、同じ長さの新たな観測期間を設け、その間の新しい反応を測定します。たとえば、公開後の最初の48時間と、投稿更新後に新たに設けた48時間を比較します。質問が減ったからといって、変更によって問題が解消されたと証明できるとは考えないでください。後の期間でコメントが少なくなった理由は、投稿時刻の違い、プラットフォーム上での配信状況の変化、ユーザーの関心の変化かもしれません。コメントのエクスポートは、意見を体系的に把握し、実務上の改善を続けるための手段として活用してください。

## コメントを具体的な対応につなげませんか？

公開された意見を理解するために、複雑な統計モデルや推測に頼る必要はありません。公開データを正確にエクスポートし、明確なトピック分類のコードブックを作り、コメントの集中パターンを調べれば、情報の伝え方や顧客体験の改善につながる実践的な知見を得られます。

キャンペーン投稿の履歴を正確に追跡するために、[Chronometrica Facebook Comments Scraper](https://apify.com/chronometrica/facebook-comments-scraper)で再度エクスポートを実行しましょう。

## 出典と参考資料

- [Chronometrica Facebook Comments Scraperのドキュメント。](https://apify.com/chronometrica/facebook-comments-scraper)
- [Chronometrica Facebook Metrics Scraperのドキュメント。](https://apify.com/chronometrica/facebook-metrics-scraper)
- [Meta Newsroom。「公開コメントをより有意義にするために」。2019年6月。](https://about.fb.com/news/2019/06/making-public-comments-more-meaningful/)