ChatGPTで中小企業のデータ分析はどこまでできる？売上・アンケート・問い合わせを“示唆”に変える実践ガイド

中小企業には売上やアンケート、問い合わせなど、経営に使えるデータがそろっています。しかし「分析できる人がいない」ことで活用されずに終わる場面が多くあります。

ChatGPTを使うと、Excelや自由記述を読み込ませるだけで、傾向や原因、改善のヒントを短時間で整理できます。ただし、データの渡し方が適切でないと要約に留まり、十分な示唆は得られません。

この記事では、売上・アンケート・問い合わせの3種類をもとに、ChatGPTで“実務に使える分析”を行う手順をまとめました。意思決定につながる形でデータを読み解く方法を紹介します。

ChatGPTで“中小企業のデータ分析”はどこまでできる？

ChatGPTは便利な分析ツールと思われがちですが、実際にはExcelやBIとは役割が異なります。
特徴を正しく理解して使うことが、継続運用の前提になります。

ChatGPTが得意なのは、売上データやアンケート、問い合わせ内容などを読み込み、傾向整理・要因の推測・改善のヒントの言語化 といった“解釈の作業”です。
人が時間をかけて行うまとめや示唆出しを、短時間で再現性ある形に整えてくれます。

一方で、複雑な統計モデルの構築や大量データの高速処理は不得手です。
そのため、精密な数値分析はExcelやBIと併用する必要があります。

とはいえ中小企業では、精度の高い予測よりも“手元のデータから次の一手を素早く整理できること” が圧倒的に重要です。
ChatGPTはまさにこの領域と相性が良く、専門人材がいなくても経営判断の土台をつくれます。

イメージとしては、

・数値加工（Excel／BI）
→ ChatGPTで解釈・課題抽出・改善策
→ 会議や現場の意思決定に展開

という流れがもっとも自然で、実務にフィットします。

すでに多くの企業が、売上原因の整理、アンケート自由記述の構造化、問い合わせの傾向分析などに活用しています。
分析担当がいなくても “最初の一歩をつくるパートナー” として大きな役割を果たします。

分析品質が劇的に変わる“データの渡し方”｜売上・顧客・問い合わせの3類型別テンプレ

ChatGPTにデータを読み込ませても、期待した答えが返ってこない理由の多くは、「データの整理が十分でない」 この一点に尽きます。

分析の質は、データの渡し方で大きく変わります。
とくに中小企業で扱うデータは、売上・顧客アンケート・問い合わせの3種類に集約されるため、ここを“ChatGPTが理解しやすい形”に整えることが最も重要です。

売上データ｜“表形式”＋“分解可能な項目”が鍵

売上データは、ChatGPTが最も扱いやすいデータの一つです。ただし、日付と金額の羅列だけでは、深い分析は難しくなります。

チャットに渡す理想の形式

日付 | 商品カテゴリ | 商品名 | 客数 | 単価 | 売上
2024/01/01 | 飲料 | コーヒー | 120 | 380 | 45,600
2024/01/02 | 飲料 | コーヒー | 98  | 380 | 37,240
...

ポイントは 「客数 × 単価」で分解できる項目を入れること。
これだけで、ChatGPTに「客数が落ちているのか、単価が下がっているのか」を判断させられます。

ChatGPTへ渡す前に整えること

• 商品カテゴリを統一する（表記ゆれをなくす）
  
• 空欄は「0」か「不明」と明示
  
• 日付形式を揃える

この3つだけで、分析の精度が目に見えて変わります。

顧客アンケート｜自由記述は“単純なテキストのまとまり”でOK

アンケートの自由記述は、ChatGPTの得意領域です。ただし、形式がバラバラだと分析に一貫性が出ません。

渡すときの理想の形式

Q1：当店の満足度を教えてください（1〜5）
5
4
3
5
...

Q2：理由を教えてください（自由記述）
・店員の対応が丁寧で安心できた
・レジ待ちの時間が長かった
・商品の説明がわかりやすかった
...

「質問 → 回答」という形で揃えることで、ChatGPTが “質問の意図に合わせて分析する” のが圧倒的に簡単になります。

分析の質が上がる前処理

• 改行を整える
  
• 攻撃的なコメントは伏せ字にする（ChatGPTが暴走しにくくなる）
  
• 複数質問がある場合は「Qごと」に仕分ける

問い合わせ・クレーム｜“分類できる単位”で渡すと原因分析が深くなる

問い合わせやクレームは、会社の改善ヒントが大量に詰まっているデータです。
ただし、原文を雑多なまま渡すと、ChatGPTは文脈を誤解しやすくなります。

渡す形式の最適解

発生日 | お客様属性 | 問い合わせ内容 | チャネル
2024/03/10 | 30代女性 | 予約フォームが開けない | WEB
2024/03/12 | 40代男性 | 商品の到着が遅い | 電話
...

ChatGPTが深く読み解けるポイント

• 発生日：急増タイミングの特定
  
• お客様属性：特定セグメントの課題発見
  
• チャネル：改善対象の絞り込み
  
• 内容：分類・要因分析の素材になる

問い合わせは“構造化の度合い”で分析の深さが決まります。

個人情報を含むデータはどう扱う？（実務で最も聞かれるポイント）

ChatGPTにアップロードする場合は、次の対策が現実的です。

• 氏名・住所・電話番号などは伏せ字（XXXX）に置き換える
  
• 予約番号や顧客IDもランダム値に変換
  
• 生年月日は年代のみ残す（例：1980年代）

これだけで匿名性が担保され、ChatGPT側も十分に分析可能です。

3種類のデータが揃うと、分析の“相互補完”ができる

• 売上データ → 実数の動き
  
• アンケート → 顧客の感情と理由
  
• 問い合わせ → 不満や改善点

ChatGPTは、これらを同時に読み込み、「数値の変化」「顧客の声」「不満の傾向」 を横断で整理できます。

これこそが、中小企業にとって最も価値の高い“実務的なデータ分析”です。

AIの回答が安定する“前提条件の与え方”｜分析の精度を決める4つのポイント

ChatGPTに「このデータを分析して」とだけ投げると、多くの場合“要約だけ”になり、深い示唆に辿り着きません。
精度を大きく左右するのは データそのものより、与える前提条件 です。

中小企業の実務で使う場合、押さえておくべき前提は次の4つに絞られます。

① 期間｜どの範囲を分析対象にするか

期間が曖昧だと、ChatGPTはすべてを均等に扱ってしまいます。

指示の仕方の例

• 「対象期間は2023年1月〜12月」
  
• 「直近3ヶ月の変化を重視して整理」
  
• 「季節性を考慮したい」

期間を明示するだけで、分析の粒度と視点が揃います。

② 目的｜何を知りたいのかを明確にする

目的が曖昧だと“広い要約”が返ってきがち。

与えるべき目的の例

• 売上低下の要因を特定したい
  
• 顧客の不満の傾向を知りたい
  
• 問い合わせの改善優先順位をつけたい

目的を1〜2行で書くだけで、回答の深さが大きく変わります。

③ 対象データ｜どれを根拠に判断すべきか

複数のデータを渡す場合、重みづけを示さないとAIが誤解します。

指示例

• 「カテゴリAの売上を優先して分析」
  
• 「自由記述のみを使用」
  
• 「電話問い合わせの内容を中心に原因を抽出」

“何を基準に話すべきか”を明確化するのがポイント。

④ 背景情報｜企業文脈を共有する

データだけでは企業固有の事情が伝わりません。

共有すると効果的な背景の例

• 競合が新規出店した
  
• スタッフ不足の日がある
  
• 新商品の投入で問い合わせが増えている

背景があるだけで、一般論ではなく“自社に合った示唆”に変わります。

売上データ × ChatGPT｜“次の一手”を見つける経営企画レベルの分析フロー

売上データは、ChatGPTが扱えるデータの中で最も即効性が高いジャンルです。
とくに「客数 × 単価」という基本構造が明確なため、ChatGPTにとっても“解釈しやすい”データの一つです。
ここでは、中小企業がそのまま再現できる形で、売上データを使った分析フローを具体的に整理します。

① 売上を “客数 × 単価” に分解すると、課題が一瞬で見える

売上の変動は 客数の変化 と 単価の変動 のどちらか（もしくは両方）で必ず説明できます。

ChatGPTにこの構造を学習させると、売上低下の要因が明確になります。

入力例

この売上データを、客数と単価の変動に分解し、
「客数」「単価」「商品の構成比」の観点でどこに変化が起きているか整理してください。

ChatGPTが引き出せる示唆の例

• 客数は安定しているが、単価が下がっている
  → 低価格帯商品の購入比率が増えている可能性
  
• 単価は変わらないが、客数が急減している
  → 来店導線（広告・店舗動線）の問題
  
• 特定カテゴリだけ売上が落ちている
  → 商品入れ替え・在庫・競合影響の可能性

“売上をどう読むべきか”が瞬時に整理されるのがChatGPTの強みです。

② トレンド・季節性・前月比をセットで読み取ると精度が上がる

経営判断に使うには、単月の数字だけでは不十分です。
ChatGPTには「長期と短期」を同時に解析させることで、より正確な示唆が得られます。

促し方の例

・月次の推移（トレンド）
・季節性（過去同月）
・直近3ヶ月の変動（短期）
この3つを比較しながら、売上の変化要因をまとめてください。

これだけで ChatGPT は「長期的な構造なのか」「直近の一時的な現象なのか」を自動で分けて分析できるようになります。

③ ChatGPTに“改善仮説”まで出させると、意思決定が一気に早くなる

分析だけで終わるのではなく、次のアクション案まで生成するのがポイントです。

プロンプト例

売上変化の原因として考えられる仮説を5つ挙げ、
そのうち実行しやすい施策を優先度順に並べて提示してください。

ChatGPTは“施策の優先度づけ”が得意なので、

• 費用のかからない施策
  
• 短期で効果が出やすい施策
  
• 現場で実行しやすい施策

のように、実務に近い視点で整理してくれます。

④ 経営会議ですぐ使える“要点整理”のテンプレがあると最強

ChatGPTは、数字の理由を言語化するのが得意です。
経営会議や社内共有には、要点だけ抽出させると非常に使いやすい資料になります。

テンプレート

以下の形式で、「経営会議用」の要点だけを抜粋してください。

1）数字の変化（事実）
2）変化の背景（解釈）
3）考えられる要因（仮説）
4）優先度の高い改善案（実務で動ける案）

この形式で出力させると、「読みやすい → すぐ動ける → 会議がスムーズ」という好循環がつくれます。

⑤ ChatGPTは“月次レビューの型”づくりにも向いている

毎月同じフローで分析したい場合、ChatGPTに 標準プロンプト を作らせるのも有効です。

この売上データを使い、
来月以降も繰り返し使える「標準分析プロンプト」を作成してください。
目的は、売上の変化要因を毎月同じ基準でチェックすることです。

これで「ぶれない分析」が毎月継続できるようになります。

関連記事：中小企業が生産性向上すべき理由とは？実践的な方法と成功のポイント

顧客アンケート × ChatGPT｜自由記述を“示唆”に変える4ステップ

顧客アンケート、とくに自由記述の回答には「顧客の本音」が詰まっています。
しかし、内容がバラバラで量も多いため、担当者だけで読み解こうとすると時間がかかり、どう整理すべきか迷ってしまうケースが多くあります。

ChatGPTは、こうした“非構造データ”の整理が非常に得意です。
ポイントは、自由記述をただまとめるのではなく、「経営判断につながる示唆」へ落とし込ませること。
そのために必要な4ステップを整理します。

STEP1｜自由記述を“感情”で分類させる｜顧客の温度感をつかむ

まず行うべきは、自由記述の文章を ポジティブ／ネガティブ／ニュートラル の三段階で分類させることです。

プロンプト例

以下の自由記述を、
・ポジティブ
・ネガティブ
・ニュートラル
の3つに分類し、割合と特徴をまとめてください。

ChatGPTは文章のトーンを正確に読み取るため、「顧客が何に満足しているのか」「どこに不満が溜まっているのか」が一目でわかります。

STEP2｜似た内容を“テーマごと”にグループ化する｜解決すべき課題を見える化

感情の次は、内容をテーマ別にクラスタリングさせます。
これは人間がやると膨大な時間がかかる作業ですが、ChatGPTなら短時間で整理できます。

テーマの例

• 接客
  
• 待ち時間
  
• 価格
  
• 商品のわかりにくさ
  
• 店舗の清潔感
  
• サイトの操作性

プロンプト例

以下の自由記述を、内容の近さに応じてテーマ別に分類し、
テーマ名と件数、特徴をまとめてください。

この時点で、改善対象の優先順位が見えてきます。

STEP3｜“なぜそう感じたのか”を抽出させる｜根本原因に迫る

自由記述の価値は「事実」ではなく、“顧客がそう感じた理由” にあります。

ChatGPTに理由の抽出を行わせることで、表面的な不満ではなく、根本の要因が見えてきます。

プロンプト例

各テーマについて、顧客がそのように感じた理由を
文章の内容から推測し、3〜5つの根本原因としてまとめてください。

ChatGPTはこの“解釈”が非常に得意で、

• スタッフ不足による行列
  
• 案内不足による不安感
  
• 商品説明の複雑さ

など、「確かにあるかもしれない」要因を自然に提示します。

STEP4｜“打つべき一手”に落とし込む｜経営会議で使える形に仕上げる

分析の最終目的は、施策につなげることです。
ChatGPTには“改善案まで出させる”ところまでセットにすると、読み手の行動が一気に早くなります。

プロンプト例

各テーマごとに、改善施策を3つずつ提案し、
その中から「実行しやすく効果が大きい」施策を優先順に並べてください。

フォーマット：
1）テーマ  
2）現状の問題  
3）実行可能な改善案  
4）期待できる効果  

するとChatGPTは、

• 現場で今すぐ実行できる施策
  
• コストをかけずに改善できる施策
  
• 優先すべき根本対応

を体系的にまとめてくれます。このまま経営会議資料として活用できるレベルになるため、
「アンケートの分析に時間がかかる」という課題を大幅に短縮できます。

問い合わせ・クレーム × ChatGPT｜現場改善につながる原因分析と再発防止案の作り方

問い合わせやクレームは、中小企業にとって“改善の宝庫”ともいえるデータです。
ところが、現場が忙しいと 「対応して終わり」になりがち で、蓄積した情報が企業の改善サイクルに生かされていないケースが多く見られます。

ChatGPTは、この“バラバラに散らばった声”を構造化し、原因の傾向から改善策まで整理するのが得意です。
ここでは、どの会社でも再現できる分析フローを具体的にまとめます。

① 問い合わせ内容を“分類できる単位”にそろえると、分析の深さが変わる

問い合わせデータは形式がまちまちになりやすいため、まずはChatGPTが理解しやすいように整えます。

理想的な渡し方（例）

発生日 | お客様属性 | 問い合わせ内容 | チャネル
2024/03/10 | 30代女性 | 商品が届かない | WEB
2024/03/12 | 40代男性 | 返品したい | 電話
...

この4項目だけで、

• 増えているタイミング（発生日）
  
• 特定層の問題（属性）
  
• 根本の不満（内容）
  
• どこに改善余地があるか（チャネル）

が読み取りやすくなります。

② ChatGPTに“テーマ別に分類”させる｜改善の焦点を絞るための第一歩

問い合わせ内容を分類させるのはChatGPTの得意領域。

プロンプト例

以下の問い合わせ内容を、テーマごとに分類し、
テーマ名・件数・代表的な内容をまとめてください。

分類の例

• 商品トラブル
  
• 配送遅延
  
• 操作方法の不明点
  
• 返品・交換
  
• 支払い関連
  
• スタッフ対応

分類されたテーマは、そのまま改善計画の“骨格”になります。

③ ChatGPTに“原因の仮説”を出させる｜表面的な不満を深掘りする

問い合わせは「起きた事実」しか書かれません。
しかし、経営に必要なのは “なぜそうなったのか” という背景です。

プロンプト例

各テーマの問い合わせが発生している理由を、
文章内容から推測される「根本原因」として整理してください。
例）業務プロセスの欠陥、情報不足、操作性の問題、外部要因など

ChatGPTが出せる原因の例

• オンライン注文画面のボタンがわかりづらい
  
• 返品プロセスが複雑で、案内が統一されていない
  
• ピークタイムに人手が足りていない
  
• FAQやマニュアルが古い

AIは“文章に含まれる微細な兆候”から理由を拾い上げるのが得意なため、ここで一気に精度が高まります。

④ 改善施策を“実行しやすい順”に並べさせる｜現場で動ける計画に変える

改善策を出すだけでは「いい案」で終わってしまいます。
ChatGPTには“優先度づけ”までセットで行わせることで、現場がすぐ動ける状態に変わります。

プロンプト例

各テーマごとに改善案を3つずつ出し、
「費用が少ない」「短期で実行できる」「影響範囲が大きい」などの基準で
優先度順に並べてください。

ChatGPTが出せる改善案の例

• FAQを最新化し、わかりやすい表現に変更
  
• 注文画面のラベルを改善
  
• 返品フローを簡略化したガイド作成
  
• ピークタイムのスタッフ配置見直し
  
• 電話→チャットへの誘導で対応負荷軽減

“優先順位”があるだけで、経営者・現場どちらにとっても意思決定が圧倒的にしやすくなります。

⑤ 問い合わせ急増の“兆し”を見つける｜現場で気づけない変化が見える

問い合わせは「急に増えた問題」をいち早く検知するためのデータです。
ChatGPTに時系列を読ませることで、「予兆レベル」の変化も拾えるようになります。

プロンプト例

問い合わせ件数の増減を時系列で読み取り、
急増しているテーマや時期を特定し、
考えられる外部要因・内部要因を整理してください。

たとえば、

• 新商品の発売直後だけ特定の不具合が急増
  
• チャネル別で見ると電話だけ増加
  
• 特定年代からの同じ問い合わせが集中

など、“どこで何が起きているのか”が短時間で見えてきます。

構造化プロンプト術（事実 → 解釈 → 課題 → 示唆 → アクション）｜“誰が使っても同じ質”をつくる最強フレーム

ChatGPTを使ったデータ分析は、ツールではなく “プロンプトの構造” で成果が決まります。
とくに中小企業では、「人によって解釈がバラバラ」「会議で話が合わない」「結局どの施策が正しいか迷う」 という問題が起きがちです。

こうした“人依存の判断のバラつき”は、ChatGPTを 構造化されたフレームで使う ことで、ほぼゼロにできます。

① 事実（Fact）｜まず「起きていること」だけを整理させる

多くの人は、いきなり原因や施策を考えようとしますが、ChatGPTはまず“事実の抽出”から行わせることで精度が上がります。

促し方の例

データから読み取れる「事実のみ」を箇条書きで整理してください。
原因推測や解釈はまだ行わないこと。

✔ “事実と解釈の混在”がなくなる
✔ 数字・傾向・分布などの「変化点」がクリアに見える

これだけで分析の土台が安定します。

② 解釈（Meaning）｜事実をどう読み取るか、AIに言語化させる

次に行うのが、事実に対する ChatGPT の 意味づけ（解釈） です。

プロンプト例

整理した事実をもとに、その状況が示している意味を言語化してください。
「〜が続いている理由」「〜と考えられる背景」など推測のレベルで構いません。

ChatGPTは「理由の推測」が得意なため、

• 需要の変化
  
• 顧客心理の変化
  
• 内部オペレーションの問題
  
• 商品ラインナップの偏り

など、人では気づきにくい視点を拾ってくれます。

③ 課題（Issue）｜“本質的に直すべき点”を抽出させる

解釈が出揃ったら、そこから “根本課題” を抽出させます。

プロンプト例

解釈から導かれる「本質的な課題」を3〜5点抽出してください。
原因ではなく、改善すべき状態の定義として書いてください。

例

• 来店導線が弱く、新規顧客の流入が減っている
  
• 説明不足で顧客の不安が拡大している
  
• 商品単価を維持できる価値が伝わっていない
  

“課題の定義”が明確になれば、施策は自然と絞り込めます。

④ 示唆（Insight）｜「この状況は何を教えているのか」を深掘りする

示唆とは、データが企業に伝えているメッセージのことです。
視点が深いほど、意思決定の精度が大きく上がります。

プロンプト例

上記の課題について、
「この状況から読み取れる重要な示唆」を企業側の視点で3つ書いてください。

示唆の例

• 高単価商品の継続強化より、導入商品の改善が急務
  
• 顧客満足度向上より、情報設計の再構築のほうが費用対効果が高い
  
• 再来店率より、初回体験の印象改善のほうが効果が大きい

示唆が得られれば、「何に集中すべきか」が明確になります。

⑤ アクション（Action）｜経営判断につながる“次の一手”を並べる

最後に行うのが、行動レベルへの落とし込みです。ChatGPTには“優先順 × 実行可能性”の視点で出させるのが重要。

プロンプト例

示唆をもとに、実行しやすく効果が高い施策を
「短期」「中期」「長期」に分けて提案してください。

このフレームで出力させると、

• すぐ着手する施策
  
• 現場改善でできる施策
  
• 経営が投資判断すべき施策 

が明確になり、意思決定が圧倒的に早くなります。

このフレームをそのままChatGPTに渡せるテンプレート

【目的】
データから経営判断に必要な示唆を得たい

【フォーマット】
1）事実（Fact）
2）解釈（Meaning）
3）課題（Issue）
4）示唆（Insight）
5）アクション（Action）

【出力条件】
・事実と解釈を混ぜない
・原因と課題を混ぜない
・施策は「短期」「中期」「長期」で分ける

この構造で分析すれば、“誰が実行しても同じ品質でまとめられる仕組み” が完成します。
中小企業にとっての「再現性」は、まさに競争力そのものです。

AIで作った分析を“経営会議で通る資料”に変える方法

ChatGPTの分析結果は読み物としては十分でも、そのままでは経営会議で使える資料になりにくいことがあります。
ポイントは “資料の型を最初からAIに指定しておくこと” です。

ここでは、最低限抑えておくべき3つの型だけに絞って紹介します。

① 会議用の要点を1枚にまとめる｜“結論・根拠・示唆”だけに整理

資料の冒頭には、判断に必要な情報だけをシンプルに揃えることが重要です。

ChatGPTには、次の3点だけを出すように指示します。

フォーマット
1）今回の結論（判断ポイント）
2）そう考える根拠（数字の事実）
3）重要な示唆（今後に関わる気づき）

この1枚があるだけで、会議がスムーズに進みます。

② 「事実 → 解釈 → 課題」だけ明確に分ける

読みやすい資料は、必ず 事実（数字）と解釈（推測）が混ざらない 構造になっています。

ChatGPTへの指示例

・まず「事実のみ」を箇条書きで整理  
・次に「解釈（背景の推測）」を分けて記載  
・最後に「本質的な課題」を3点抽出

この3段構造を作るだけで、読み手が迷わない資料になります。

③ 改善策は“短期・中期・長期”で提案させる

施策が時系列で整理されていると、経営側・現場側どちらも動きやすくなります。

ChatGPTへの指示例

改善案を「短期（すぐできる）」「中期（3ヶ月以内）」「長期（投資が必要）」に分けて提示してください。

優先度づけまで含めてAIに出させると、意思決定に直結する資料が簡単に作れます。

経営会議用テンプレ

【経営会議サマリー（1ページ）】

1）結論（今回の判断ポイント）

2）根拠（数字の変化）

3）示唆（重要な気づき）

4）課題（構造的に直す点）

5）アクション（短期・中期・長期）

まとめ｜“解釈できる組織”が、データの価値を最大化する

ChatGPTを使ったデータ分析は、特別なスキルを必要としません。
売上データ、アンケート、問い合わせなど、これまで読み解くのに時間がかかっていた情報を、数分で整理し、示唆まで導き出せる仕組みに変えることができます。

中小企業の現場で本当に価値があるのは、「データを集めること」ではなく、“データの意味を解釈し、すぐに行動に移せる状態” をつくることです。

今回紹介したフローは、そのまま明日から社内で使える内容です。

• 売上データを「客数 × 単価」で分解
  
• アンケートの自由記述を構造化
  
• 問い合わせ・クレームから再発防止案を導出
  
• 経営会議が10分で意思決定できる資料づくり
  
• 継続できる運用ルール（プロンプト・フォーマット・会議アジェンダ）

ChatGPTは、分析スキルを持つ人がいなくても、“経営の判断スピードを底上げするパートナー” に変わります。

AI経営総合研究所では、生成AIを導入だけで終わらせず、成果につなげる「設計」を無料資料としてプレゼントしています。ぜひご活用ください。

■AI活用を成功へ導く 戦略的アプローチ5段階の手順をダウンロードする
※簡単なフォーム入力ですぐに無料でご覧いただけます。

中小企業のChatGPTデータ活用に関するFAQ（FAQ）