レビュー5件で購入確率+270%——レビューが売上を動かす仕組みと実践的な活用法

「レビューが大事なのはわかっている。でも、本当に売上に効くのか？」公開されている研究は、はっきり「効く」と答えています。ただし、自社ストアにとってレビューがいくらの価値を持つ投資なのかは、また別の問いです。本レポートでは研究の数値で基準線を引いたうえで、レビューデータと注文データをつなげたときに実際に何が見えるのか、そして何を読み違えやすいのかを順に見ていきます。

ファッション系バーティカルプラットフォームに出店する2ブランドのレビュー・注文データ（例示）・商品ページ100件あまり・レビュー約2,300件・チャネル名は一般的な表現で記載しています

---

本レポートの数値は実際の取引データではなく、Laplaceのベンチマーク指標の分布を反映して生成した例示値です。特定の顧客企業の実数ではありません。絶対値ではなく、傾向をつかむための参考としてご覧ください。

本レポートで扱うのは次の5つです。

1. 最初の5件のレビューを集めるのに、実際に何件の注文と何日かかるのか

2. レビューは注文後いつ書かれるのか——依頼のタイミング

3. レビュー数と販売数の関係を数字で見るときに陥りやすい落とし穴

4. 平均評価4.7の裏にある★3以下のレビューから何を読み取るか

5. レビューを書いた顧客をCRMでどう扱うか、そしてレビューポイントの損益分岐点

---

PART 01 · まず——どの画面を開くか

レビュー分析は、レビューデータと注文データを同じ場所に並べることから始まります。

新たに作るのはチャート1〜2個だけです

次に見る画面——見る画面は決まりました。その前に、他社の数字で基準線を引いておきます。PART 02へ進みます。›

---

PART 02 · レビューは売上にどれだけ影響するのか——研究で確かめられた数字

米ノースウェスタン大学のSpiegel Research Centerが、レビュープラットフォームのPowerReviewsと共同で大規模な購買データを分析した結果です。

高価格・高関与の商品ほど効果は大きくなります。価格が高いほど購入のリスクは大きく、レビューがそのリスクを代わりに下げてくれるからです。そして効果が最も大きいのは最初の5件です。それ以降はレビューが増えても限界効用が急速に小さくなります。

評価は高ければ高いほどよい、というわけでもありません。同じ研究チームが40以上のカテゴリーを調べたところ、購入確率は評価4.2〜4.7の範囲でピークを迎え、5.0に近づくとむしろ下がりました。満点は「完璧すぎて怪しい」というシグナルとして受け取られるのです。

• 消費者の82%は、ネガティブなレビューをわざわざ探して読んでいます（PowerReviews）。

• 購入後に依頼を受けて書かれたレビューの平均評価は4.34、自発的なレビューは3.89でした。何もしなければ、不満を持つ顧客の声ばかりが積み上がります。

• 消費者の73%は、主に直近1か月以内のレビューを参考にしています（BrightLocal）。累計レビューが多くても、最新のレビューがなければ動きの止まった商品のように見えてしまいます。

• 写真付きレビューはテキストのみのレビューより約2倍多く閲覧され、コンバージョンを15%前後押し上げるという分析もあります（PowerReviews・Bazaarvoice）。

ここまでは他社の数字です

次に見る画面——「最初の5件が最も重要」なことはわかりました。しかし、その5件を集めるのにどれだけかかるのかはまだわかりません。PART 03へ進みます。›

---

PART 03 · 優先度1——最初の5件のレビューは自然には集まりません

注文あたりのレビュー投稿率が7%前後なら、レビュー5件には注文70件前後と2か月前後の時間がかかります。

本レポートの数値は実際の取引データではなく、Laplaceのベンチマーク指標の分布を反映して生成した例示値です。特定の顧客企業の実数ではありません。絶対値ではなく、傾向をつかむための参考としてご覧ください。

Laplaceで見る場所——カスタムダッシュボード › チャート追加 › データ：レビュー＋注文

設定方法

1. チャート追加でデータを「レビュー」、指標を「レビュー数」、ディメンションを「商品」にします。——商品ページごとのレビュー数が基準になります。

2. 同じ期間・同じ販売チャネルで、注文データの「注文件数」を商品別に出します。——レビューを集めるチャネルと注文のチャネルをそろえないと、投稿率が正しく出ません。

3. レビュー数÷注文件数で投稿率を出します。チャネルを混ぜると、レビューを集めていないチャネルの注文が分母に入り、投稿率が半分以下に落ちてしまいます。

4. レビュー5件未満の商品ページだけを抽出し、「不足しているレビュー数÷投稿率」で必要な注文数を計算します。——この数字が、ポイント施策やレビュー依頼メッセージの目標値になります。

数字の読み方

• レビューは注文10件に1件もつきません。投稿率は6.8%と7.6%。業種が違っても、7%前後から大きく外れることはありませんでした。

• だから「最初の5件」は思った以上に高くつきます。商品ページの中央値で、Yは注文71件・76日、Zは64件・53日かかりました。研究が示す最も効果の大きい区間を、2か月以上レビューなしで販売していたことになります。

• 新商品や販売数の少ない商品ページほど長く待たされます。月の注文が20件の商品ページは、投稿率7%だとレビュー5件まで3か月半かかります。最初の5件の集中支援は、ここに充てるべきです。

次に見る画面——何件必要かはわかりました。しかし、いつ依頼すればレビューが書かれるのかはまだです。PART 04へ進みます。›

---

PART 04 · レビューはいつ書かれるのか——依頼のタイミングは商品が決めます

注文からレビューが書かれるまでの間隔は、業種によって3倍近く違います。

Laplaceで見る場所——カスタムダッシュボード › レビュー×注文の結合チャート

設定方法

1. まず、レビューデータに注文番号が入っているかを確認します。——注文番号が空のレビューは間隔を測れません（PART 08落とし穴③）。

2. 間隔を0〜3日・4〜7日・8〜14日・15〜30日・31〜60日・61日以上に分け、レビューの構成比を数えます。

3. 商品群（カテゴリー）ごとに分けて見ます。——使ってみないとわからない商品と、届いてすぐわかる商品が1つの表に混ざると、どちらの中央値も狂ってしまいます。

数字の読み方

• ファッション雑貨は届いてすぐに書かれます。Zのレビューの45.4%が1週間以内に書かれました。身に着けてみればすぐに判断がつく商品です。依頼は配送完了後2〜3日が適しています。

• スキンケアは使ってから書かれます。Yは31〜60日の区間が28.4%で最も厚く、30日以内に書かれたレビューは56.2%にとどまります。配送直後に依頼しても「まだよくわからない」というレビューが増えるだけです。

• だから依頼は1回ではなく2回です。使ってみないとわからない商品は、配送直後の「第一印象」の依頼と、3〜4週間後の「使用後レビュー」の依頼に分けます。2回目の依頼こそが、写真付きレビューと具体的な使用感を連れてきます。

「1か月使ってからまた書きます」は実際には戻ってきません

次に見る画面——いつ依頼するかは決まりました。次は、レビュー数が本当に販売数とつながっているのかを自社データで確認します。PART 05へ進みます。›

---

PART 05 · レビュー数と販売数——見える相関、隠れた落とし穴

レビューの多い商品ページがよく売れているのは事実です。ただし、矢印の向きまでは数字が教えてくれません。

Laplaceで見る場所——カスタムダッシュボード › 商品ページ別レビュー数×注文件数の表

数字の読み方

• レビュー1〜4件から30件以上になると、注文数の中央値は7倍になります。指数は100→166→331→712。研究と同じ方向です。

• ところが、レビュー0件の商品ページは1〜4件の商品ページよりよく売れています（指数148）。レビュー0件の商品ページは全体の56.0%（51件）ですが、注文の46.3%を占めています。中身を見ると、ほとんどがセット・単独構成・特集ページです。同じ商品のレビューは単品ページ1か所に集まり、セットページはレビューなしで売れていたのです。

• 5件目のレビューの前後で販売が跳ね上がる場面は、あまり見られません。レビュー5件に達した32の商品ページについて前後28日間の注文を比べると、増えたのが17件、減ったのが15件とほぼ半々です。発売直後の販売急増・特集・広告がレビューの効果を覆い隠してしまいます。

この数字をそのまま信じてはいけない理由——この章で最も重要な部分

セットページにもレビューを表示しましょう

次に見る画面——レビューの「数」は見ました。今度は「中身」です。平均評価4.7なら安心してよいのでしょうか。PART 06へ進みます。›

---

PART 06 · 評価——平均4.7の裏にある★3以下

★5が8割を占めるため、平均はほとんど動きません。シグナルは★3以下の5〜7%にあります。

Laplaceで見る場所——カスタムダッシュボード › チャート追加 › データ：レビュー › 指標「平均評価」・ディメンション「評価」

数字の読み方

• 両ブランドとも、研究が示す最適範囲の上端にいます。平均は4.73と4.67。ここから平均をさらに上げても意味はありません。

• 見るべきは★3以下の5.7%と7.1%です。レビュー100件のうち6〜7件にすぎませんが、82%の消費者がわざわざ探して読むのがまさにこのレビューです。

• スキンケアの低評価は商品そのものについて語っています。Yは効果の実感不足46.9%、使用感40.6%、刺激・肌トラブル37.5%。まず直すべきは、商品詳細ページで示す期待値（「たった3日で」のような表現）とテクスチャーの説明です。

• ファッション雑貨の低評価は期待値と運営について語っています。Zは写真・期待との違い34.7%、配送・梱包・対応16.1%。商品を変える前に、詳細写真・着用カットと交換対応を見直せば十分です。

写真付きレビューの比率はYが79.8%、Zが64.1%でした。写真付きレビューとテキストのみのレビューの平均評価の差は0.1ポイント以内なので、写真付きレビューを増やしても評価が揺らぐことはありません。

次に見る画面——レビューの読み方は整理できました。最後に、レビューを書いた人を見ます。PART 07へ進みます。›

---

PART 07 · レビュー投稿顧客——リピート購入が1.5〜1.9倍

レビューを書いた顧客は、同じストアで再び購入する割合が明らかに高くなっています。ただし、読み方が重要です。

Laplaceで見る場所——ユーザー分析 › 初回購入／リピート購入

数字の読み方

• 方向は両ブランドとも同じです。リピート購入の比率はYが1.9倍、Zが1.46倍。業種が違っても、レビュー投稿者のほうがよく戻ってきました。

• それでも「レビューを書いてもらえばリピート購入が増える」と読んではいけません。レビューを書く顧客は、もともとブランドへの関与度が高い顧客です。原因ではなく、目印なのです。

• だからこそ、レビュー投稿者は最優先のCRMターゲットです。リピート購入クーポン・新商品のモニター募集・使用後レビューの2回目の依頼は、まずこのリストに送ります。特に使ってから判断するスキンケアでは、最初のレビュー直後がリピート購入を提案する絶好のタイミングです。

次に見る画面——ここまでの数字は、レビューデータがきれいであることが前提です。実際にはそうでないケースが少なくありません。PART 08へ進みます。›

---

PART 08 · 落とし穴——レビューデータをそのまま信じてはいけない4つの理由

次の4つを先に確認しないと、ここまでの数字がすべて揺らぎます。

落とし穴① 評価のスケールがチャネルごとに違う形で取り込まれる

別のバーティカルプラットフォームから取り込まれたあるブランドのレビュー438件のうち、88.6%が0〜1点でした。ところが本文は「リピートしたいです」「プレゼントしたら喜んでもらえました」といった内容です。評価が5点満点ではなく、別の形式で取り込まれていたのです。これをそのまま合算すると平均評価が1点台に落ち、そのチャネルの商品がすべて「品質問題」に分類されてしまいます。

確認方法

落とし穴② 同じレビューが2回、同じ文章が10回取り込まれる

収集の過程で同じレビューが重複して蓄積された割合は、Yが4.8%、Zが7.1%でした。さらにZでは、助詞まで同じ文章が4回以上繰り返されたレビューが6.4%ありました。「いつもよい商品をお願いします、迅速な配送ありがとうございます」のような文章です。イベントやポイント目当てで書かれた形式的なレビューである可能性が高いでしょう。

• レビュー数を数えるときは、レビュー番号（または注文番号＋本文）を基準に重複を取り除きます。

• 繰り返し文章のレビューは「レビュー数」には数えますが、本文分析・キーワード分析からは除きます。そのままにすると「配送が早い」が最も多い称賛として集計されてしまいます。

落とし穴③ 注文とつながらないレビューがある

Zのレビューの19.3%は注文番号が空で、注文とつながりませんでした。これらのレビューはレビュー数には含まれますが、PART 04の時間差やPART 07のリピート購入分析からは外れます。注文とつながったレビューだけで計算した投稿率は、その分だけ低く出ます。

落とし穴④ 販売チャネルを混ぜると投稿率が半減する

レビューを収集しているチャネルは、通常その一部です。注文は全チャネルを合算し、レビューは1チャネル分しか入っていなければ、投稿率は実際の半分以下で計算されます。投稿率やリピート購入の比較は、必ずレビューを収集している販売チャネル1つに絞って見てください。顧客の識別もチャネルごとに別なので、チャネルをまたぐリピート購入はこの方法では見えません。

完璧である必要はありません

次に見る画面——データを信頼できるようになりました。最後に、レビューポイントが利益の出る施策なのかを計算します。PART 09へ進みます。›

---

PART 09 · レビューポイントはコストか投資か——損益分岐リフト

金額ではなく比率で計算すれば、自社の数字をそのまま当てはめられます。

損益分岐リフト＝ポイント総額÷（対象商品ページの売上×貢献利益率）

研究値の70分の1の効果が出るだけで元が取れます。保守的に割り引いても利益が残る計算です。ただしこれは「レビュー0件の商品ページで最初の5件をつくる」場合の話です。すでにレビューが30件を超える商品ページに同じポイントを使うと、限界効用が小さく、損益分岐を超えられないこともあります。

• ポイントには差をつける——テキストより写真付き、そして最初の5件のレビューに重みを置きます。同じ予算を効果の大きいところに集中させます。

• 測定も一緒に設計する——似た商品ページを2つに分け、片方だけポイントをオンにして4週間比較します。PART 05で見たとおり、前後比較だけではプロモーションに埋もれてしまいます。

• 形式的なレビューを買わない——繰り返し文章のレビューが増えてきたら、ポイントがレビューの「数」だけを買っているサインです（PART 08落とし穴②）。

---

4週間の実行プラン · 4週間の実行プラン

---

まとめ · まとめ

1. レビューは注文の7%前後にしかつきません——最初の5件には注文64〜71件、2か月前後かかります。

2. 依頼のタイミングは商品が決めます——ファッション雑貨は1週間以内に45.4%、スキンケアは30日以内に56.2%。

3. レビュー0件の商品ページが注文の46.3%を占めています——セット・単独構成ページにレビューが分散しているためです。

4. 平均4.7より★3以下の5.7〜7.1%を読みましょう——直すべき点はその中にあります。

5. レビュー投稿顧客のリピート購入は1.46〜1.9倍——原因ではなく、最優先のCRMターゲットであるという目印です。

本レポートを自社データで再現するための最小設定

---

よくある質問 · よくある質問

Q. レビューは何件あれば十分ですか？

最初の5件が最も重要で、それ以降は効果が小さくなります。全商品ページで5件を確保することが最優先です。投稿率が7%前後なら注文70件前後が必要になるので、販売数の少ない新商品から支援しましょう。

Q. レビュー依頼はいつ送ればよいですか？

届いてすぐ判断がつく商品（ファッション雑貨など）は配送完了後2〜3日、使ってみないとわからない商品（スキンケアなど）は配送直後と3〜4週間後の2回です。自社商品の時間差は、レビュー日−注文日で実際に測ってみてください。

Q. 評価5.0を目指すべきですか？

いいえ。購入確率は4.2〜4.7の範囲で最も高くなります。平均を上げるより、★3以下のレビューのテーマを読んで商品詳細ページ・商品・対応を改善するほうが、コンバージョンには有利です。

Q. ネガティブなレビューは削除すべきですか？

削除より対応のほうが効果的です。消費者の82%は、ネガティブなレビューをわざわざ探して読んでいます。ネガティブなレビューは、無料で手に入る品質レポートでもあります。

Q. レビュー数の多い商品がよく売れるなら、レビューを増やせば売上は上がりますか？

方向は合っていますが、数字だけでは証明できません。よく売れたからレビューが積み上がった部分が混ざっているからです。似た商品ページを分け、片方だけにレビューキャンペーンを実施して比較して初めて、効果を語ることができます。

レビュー数×注文、レビューの時間差、評価×レビュー本文、レビュー投稿顧客のリピート購入まで——Laplaceで、レビューデータと売上の関係を実際に確かめてみてください。

参考資料：Spiegel Research Center (Northwestern Univ.) “How Online Reviews Influence Sales” · PowerReviews “The Impact of Review Volume on Conversion” · BrightLocal “Local Consumer Review Survey” · Bazaarvoice “Shopper Experience Index”

本レポートの数値は実際の取引データではなく、Laplaceのベンチマーク指標の分布を反映して生成した例示値です。特定の顧客企業の実数ではありません。絶対値ではなく、傾向をつかむための参考としてご覧ください。公開研究の数値には、各項目に出典を記載しています。画面名や設定項目名は、リリースによって多少異なる場合があります。