SNS感情分析入門｜「ポジティブ率」は、生活者の気持ちそのものではない

「ポジティブ率18.5%」。ソーシャルリスニングツールのレポートにそう書かれていたら、何を読み取るだろうか。生活者は好意的だ、施策は成功している、競合より高い——そう受け取りたくなる数字だ。

けれども、この数字は「生活者の気持ちそのもの」ではない。ツールが投稿に貼ったラベルを数えた、ひとつの物差しの読みだ。物差しは、投稿の構成、PR記事の混入、絵文字の使われ方、ラベルの付き方によって大きく振れる。

調査概要

• 対象：付箋に関する日本語の投稿21,322件（ソーシャルリスニングツールのエクスポート）

• 取得期間：2026年8月14日〜9月12日（30日間）

• 媒体：10種類（Xが全体の67%）

• Emotion（感情）が付いた投稿：1,388件（6.5%）

Tone と Emotion は、ツールが付与したラベルだ。エクスポートの日付列は月と日が入れ替わっていたため、Xの投稿ID（投稿時刻を含む番号）から取得期間を復元して確認した。このnoteの数字は、この1つのデータセットでの例示であり、ほかのカテゴリにそのまま当てはまるとは限らない。

1. 感情分析とは：投稿に「物差し」を当てる手法

ソーシャルリスニングツールの出力には、多くの場合、性質の違う2種類のラベルが付いている。

Tone（ポジネガ）：全投稿に付く

positive・neutral・negative のどれかが、すべての投稿に付与される。付箋のデータでは、neutral 77.5%、positive 18.5%、negative 3.9%だった。「ポジティブ率」と呼ばれる数字は、これだ。

Emotion（感情）：明示されたときだけ付く

love・joy・sadness・fear・anger・surprise の6種類。感情が言葉や絵文字に表れた投稿にだけ付き、付箋では1,388件、投稿全体の6.5%だった（図1）。

付箋の投稿21,322件のToneの内訳は、neutral 77.5%、positive 18.5%、negative 3.9%。Emotionが付いた投稿は1,388件（6.5%）で、うちloveまたはjoyは1,287件（6.0%）。

ここで押さえておきたいのは、Tone は全投稿に付くのに対し、Emotion は感情が表れた投稿にしか付かないという違いだ。この違いが、4章で見る「言えないこと」の多くの出発点になる。

2. やり方は3つ：辞書・分類・LLM

投稿にラベルを貼る方法は、大きく3つに分けられる。

辞書ベース

「かわいい」「最高」などの語のリストに当てはまる投稿を数える方式。

• 得意なこと：仕組みが見えて再現できる。集計が速い

• 苦手なこと：リストにない言い回し、否定（「売り切れじゃない」）、皮肉、文脈

トピックモデリング等の分類

学習済みのモデルが、投稿全体にラベルを付ける方式。

• 得意なこと：大量の投稿を一括で処理できる

• 苦手なこと：判定の根拠が見えない。PR文、絵文字の使い方、供給不足への不満のような文脈

LLM（大規模言語モデル）

文章を読ませ、指示に沿って判定させる方式。

• 得意なこと：文脈・皮肉・複数の感情をある程度読める

• 苦手なこと：コスト、判定のぶれ、再現性。人による検証が前提

このnoteのデータでは、Tone と Emotion はトピックモデリング、辞書は私たちが用意した9語（かわいい・便利・好き・おすすめ・えらい・楽しい・きれい・素敵・最高）だ。ツールの内部の仕組みは製品ごとに異なり、公開されていないことも多いため、判定の中身までは断定しない。

どの方式でも、出てくるのは「ラベルを貼った結果」であって、「感情そのもの」ではない。この前提に立つと、数字の読み方が変わる。

3. 感情分析で「言える」3つのこと

① 話題の「温度」の分布

付箋の投稿は、77.5%がニュートラルだった。話題の大半は、商品の紹介や入手報告のような「事実の言及」だ。ネガティブは3.9%と低く、少なくともツール上では、付箋が不満や怒りの対象になっている状態ではない。

② 感情が言葉になった投稿の「中身」

Emotion が付いた1,388件では、love（823件）が joy（531件）を上回り、sadness（64件）・fear（26件）・anger（25件）・surprise（8件）はごく少数だった。なお、1つの投稿に複数の Emotion が付くことがある（87件）ため、6種の件数を足すと1,477件になり、1,388件より多くなる。感情が言葉になるとき、付箋は「うれしい」より「好き」で語られやすい——ここまでは言える。

③ 同じ条件での比較

同じツール、同じ期間、同じ媒体構成であれば、カテゴリの違いや施策の前後の差は読める。逆に言えば、条件の違う数字どうしの比較は「言えない」側に入る。では、何が言えないのか。次の章で確認する。

4. 感情分析で「言えない」5つのこと

ここからが本題だ。付箋の21,322件を使って、感情分析の数字を読み違えやすい5つの場面を確認する。

① ラベルが付かないことは、感情がないことではない

Emotion が付いたのは1,388件、投稿全体の**6.5%**だ。「love が joy を上回っていた」という発見は、この6.5%の中の話にすぎない。

実際、辞書の9語を含む生活者の投稿（X・Instagram などの16,828件のうち2,328件）で Emotion が付いたのは**15.2%**だった。残りの約85%には、好意が言葉になっていても Emotion が付いていない。「Emotion の比率」を「感情が動いた人の割合」と読むことはできない。

② ポジネガ率は、投稿の構成で動く

図2のとおり、同じ付箋の話題でも、Positive の比率は媒体によって2.1%から24.5%まで開く。どの媒体の投稿が多いかで、全体の数字は変わる。

 媒体別のPositive率とEmotion付与率。Positive率はXが24.5%、Instagramが2.1%。Emotionが付いた割合はInstagramが21.4%で最も高く、Xは7.8%。

とくに Media と Website は注意が必要だ。ポジ語（辞書の9語）を含む投稿は54%に達するのに、Positive 判定は4%だった。商品紹介記事やPR文は「かわいい」「おすすめ」を多用するが、それは生活者の好意ではない。ツールがニュートラルに寄せるのは妥当な判断だが、こうした記事が母集団に混ざるほど、全体の比率は薄まる。

Instagram は対照的だ。Positive は2.1%と最も低いのに、Emotion が付いた割合は21.4%と最も高い。同じ投稿群に対して、2つの物差しがまったく違う景色を見せている。

日ごとの動きにも、同じことが起きる。図3は、日付が残っていた8,644件を、月日を入れ替えて9/1〜9/12に復元し、日別に見たものだ。全体の Positive 率は14.3%から20.6%まで動くが、媒体の構成を期間全体の平均に固定して計算し直すと、15.0%〜19.2%に縮む（標準偏差は1.77ptから1.18pt）。Xの比率が約8割に上がる日（9/5・9/6・9/12）は、構成を固定すると Positive 率が2.6〜3.2pt下がる。「高く見えた」日の一部は、構成の効果だった。

 日別の全体Positive率は、9/1〜9/12で14.3%から20.6%まで動く。媒体構成を期間全体の平均に固定すると15.0%から19.2%に縮む。Xの比率が約8割の9/5・9/6・9/12は、構成を固定するとPositive率が2.6〜3.2pt低くなる。

「率が上がった」と読む前に、投稿の構成が変わっていないかを疑う必要がある。

③ Tone と Emotion は、別の物差し

図4は、Emotion ごとに、同じ投稿の Tone を見たものだ。love の54%、joy の60%が、Tone では neutral だった。さらに anger が付いた25件のうち、Tone が negative だったのは2件（8%）にとどまる。

Emotionごとに見た、同じ投稿のTone。loveの54%、joyの60%がneutral。angerの25件のうち、negativeは8%（2件）。

「Positive 率が高い＝love が多い」「Negative 率が低い＝怒りがない」は、成り立たない。2つのラベルは別の基準で付与されているとみられ、一方からもう一方は推測できない。

④ 文脈・絵文字・PR文は、読めない

Anger が付いた25件を全数、本文の先頭110字で目視した（私たちの判定。図5）。付箋に関する怒りや苛立ちと読めたのは7件だけだ。6件は 😡 を「かわいすぎて」「欲しい」の強調として使った投稿で、怒りではない。残る12件は、付箋と無関係か、怒りが読み取れない投稿だった。Tone が negative だったのは、怒りと読めた7件のうち2件だ。

Positive 判定のうち、供給不足や転売に関する語（「売り切れ」「在庫切れ」など）を含む42件も確認した。不満が主旨なのに Positive だった「誤分類」は2件、落胆と喜びが混ざった投稿が7件。一方で、メディア記事の定型文が14件、付箋と無関係な投稿が4件含まれていた。この42件は語で絞った抽出なので全体の比率ではないが、PR文や無関係な投稿が Positive に混ざることは確かだ。同じ記事が複数のサイトに載る重複・転載も目立ち、件数を水増しする。

目視で確認した内訳（私たちの判定）。Angerが付いた25件のうち、付箋に関する怒り・苛立ちは7件、😡を強調に使った投稿は6件、無関係・判定不能は12件。Positive判定で供給不足・転売の語を含む42件は、妥当15件、落胆と喜びの混在7件、誤分類2件、メディア記事の定型文14件、付箋と無関係4件。

⑤ 少数ラベルは、細かく割れない

sadness（64件）・fear（26件）・anger（25件）は、30日間で合計115件だ。日付が残っている9/1〜9/12で日ごとに見ると、0〜11件になる。数件の増減を「不安が高まった」「怒りが増えた」と読むのは危険だ。少数のラベルは、日次や週次で追うより、期間全体で中身を読むほうが、はるかに多くを教えてくれる。

ここまでの5つは、感情分析が「使えない」という話ではない。物差しの性質を知らないと、読み間違えるという話だ。

5. 数字を「使える数字」にする4つの作法

① 先に検査する：期間・日付・重複・母集団

分析の前に、いつからいつまでの、どんな投稿なのかを確かめる。取得期間、日付の読み取り、重複・転載、生活者の投稿とメディア記事の比率。この検査が、その後のすべての数字の土台になる。

② 物差しを併記する

1つの物差しの数字だけで「好意の量」を語らず、複数を並べて差を見る。図6は、生活者の投稿（X・Instagram・Forum・Facebook・Pinterest・Blog など16,828件）で、3つの物差しを並べたものだ。同じ投稿群なのに、ポジティブの量は7.3%から22.4%まで開いた。

生活者の投稿16,828件を3つの物差しで測ったポジティブの量。辞書（ポジ語9語を含む）は13.8%、Tone（positive）は22.4%、Emotion（loveまたはjoy）は7.3%。

辞書にヒットした投稿のうち、Tone が positive だったのは43.0%、Emotion が付いたのは15.2%だ。物差しの間の「ずれ」そのものが、判定の不確かさの目安になる。

③ 少数クラスは目視する

怒りや悲しみのような少数のラベルは、25件なら全数、数百件なら50〜100件のサンプルを、人が読む。短い作業でも、誤判定の傾向（絵文字の使い方、PR文、無関係な話題）が見えてくる。

④ 比較は構成を揃える

媒体の構成、期間、言語、重複の処理を揃えてから比べる。揃わない場合は、媒体ごとに分けて比べる。

感情分析レポートを受け取ったら確認する5つの質問

1. 対象期間と取得条件は？ 日付は正しく読み取れているか。

2. 母集団は？ 生活者の投稿だけか。メディア記事・PR・重複を含むか。

3. ラベルの付与率は？ Emotion が付いた割合は、どれくらいか。

4. 媒体の構成は？ 比べる相手と揃っているか。

5. 人の目で確認したか？ 少数のラベルと、結論の根拠になる投稿を、読んだか。

6. まとめ：感情分析は「補助輪」

感情分析は、大量の投稿を俯瞰して仮説を立てるには、とても強力な手法だ。一方で、その数字をそのまま戦略判断の根拠にするには、母集団の確認、物差しの併記、人の目による確認が欠かせない。ツールの自動分類は、ノイズを減らし、見る場所を絞るための補助輪だ。

このnoteのまとめ

• ラベルは物差しであり、感情そのものではない

• 率の増減は、構成の変化を疑ってから読む

• 少数のラベルと重要な結論は、人が確かめる

「ポジティブ率18.5%」の中身——どの媒体の、どんな投稿が、どのラベルで構成されているか——を確かめてはじめて、数字は戦略に使える形になる。

いまのレポート、そのまま施策に使えますか？

期間・母集団・ラベルの付与率・媒体構成・目視確認の有無を、一緒にチェックします。初回相談・ヒアリングは無料です。お気軽にご相談ください。

SNSAnalytics Lab｜X・Instagram・動画メディアを統合したSNS分析と、データから実行可能な戦略設計までを一貫して提供するチーム。総合広告代理店・外資系コンサルファーム出身のメンバーによる専門知見を実装。

#SNS分析 #感情分析 #ソーシャルリスニング #マーケティング #データ分析 #マーケター #リサーチ