机に積み上がったバラバラの返品理由のメモを、AIの助けを借りて種類ごとの箱に仕分けていくEC担当者
AI活用約12分編集：（AI活用担当）

AIで返品・キャンセル理由を分類する｜声を改善の打ち手に変える

出荷通知を送った翌週、また「返品したい」のメールが届く。理由の欄には「思っていたのと違った」「サイズが合わなかった」——短い一文が、日によって少しずつ言葉を変えて積み上がっていきます。ひとつひとつ対応はするけれど、その声を並べて「で、いちばん多い原因は何なのか」を落ち着いて見る時間は、なかなか取れない。気づけば、同じ理由の返品を毎月くり返している。

そんな覚えはないでしょうか。返品やキャンセルの理由は、実は商品ページやお店を良くするヒントの宝庫です。でも、自由記述でバラバラに書かれた文章のままでは、傾向が見えてきません。今日は、そのバラけた声を対話型AI（ChatGPTなどの生成AI）の力を借りて種類ごとに分け、「次にどこを直すか」の手がかりに変える整理のしかたをたどります。特別なツールは要りません。手元に返品理由のリストと、生成AIがあれば、今日から小さく始められる範囲の話です。

結論：AIは、バラバラの言葉で書かれた返品・キャンセル理由を読み取って、「サイズ違い」「イメージ違い」「品質・不良」「配送」「気が変わった」といった種類ごとに仕分けるのが得意です。仕分けて数えれば、どの原因がいちばん多いかが見え、直すべき一点が定まります。ただし外してはいけない前提が2つあります。ひとつは、リストに含まれるお客様の名前や住所などの個人情報を、そのままAIに貼らないこと。もうひとつは、AIの分類はあくまでたたき台で、微妙なものは人が最終確認すること。まずは直近1〜2か月ぶんの理由を集めて、AIに「種類ごとに分けて数えて」と頼むところから始めましょう。

いま現場で何が起きているか｜「声」が埋もれている

バラバラの返品理由をAIが種類ごとに分けて数え、多い順に並べて改善の打ち手を決める3ステップの流れ図
集める→AIが種類ごとに分けて数える→多い原因から打ち手を決める。分類はAI、事実の確認と判断は人。

返品理由やキャンセル理由は、お客様が自分の言葉で書いてくれたVOC（ブイオーシー＝Voice of Customer、お客様の生の声）そのものです。アンケートを取らなくても、返品対応のたびに自然と集まっている、貴重な材料です。ところが多くのお店では、この声が「対応が済んだら閉じるメール」として流れていってしまいます。一件ずつは処理していても、全体を並べて「何がいちばん多いか」を見返す機会がないのです。

理由が埋もれたままだと、何が起きるか。たとえば返品の半分が「サイズが思ったより小さかった」なのに、それに気づかず送料無料キャンペーンで新規客ばかり集めていた——という、ちぐはぐが起こります。本当に直すべきは、サイズ表記や実寸表の分かりやすさだったのに、です。原因の見当がつかないまま返品率（返品された注文の割合）を下げようとしても、から回りしてしまいます。

ここで対話型AIが役に立ちます。バラバラの文章を読んで、「これはサイズの話」「これはイメージ違いの話」と種類ごとに振り分け、それぞれ何件あるかを数える——この地道な仕分けを、AIは短時間でこなします。人が100件の文章を目でグループ分けするのは骨が折れますが、AIなら下ごしらえを肩代わりしてくれます。お客様の声を集めて改善に回す考え方はAIでレビュー・問い合わせを分析してVOC改善とも共通していて、今回はそれを「返品・キャンセルの理由」に絞った使い方です。

一方で、注意点もはっきりしています。AIは、事実と違うことをもっともらしく書いてしまうことがあります。これをハルシネーション（AIが実在しない情報を、本当のように作り出してしまう現象）と呼びます。分類でいえば、書かれていない理由をAIが「たぶんこうだろう」と勝手に決めてしまう、といったことです。ですからAIの分類結果はあくまで下書き。集計の数字や、どちらの種類に入れるか迷うものは、人が確かめる工程を省けません。この確かめ方の考え方は生成AIのハルシネーション対策｜情報の正確性を保つでも詳しく触れています。

そしてもうひとつ大切なのが、AIに渡してよい情報の線引きです。返品理由のリストには、たいていお客様の名前・注文番号・住所などがくっついています。それをそのままAIに貼り付けると、思わぬ情報漏れにつながりかねません。個人情報の扱いの基本は、個人情報保護委員会の個人情報保護法についてでも確認できます。AIに渡すのは「理由の文章」だけにして、名前や注文番号などの列は削っておく——この線引きをはじめに決めておくと安心です。入力してよい情報とだめな情報の整理は生成AIをEC業務に安全に使う社内ルール作りが参考になります。

具体例：先月の返品理由を種類ごとに分けてみる

大がかりな準備は要りません。管理画面や対応メールから、返品・キャンセルの理由が書かれた文章を集めるところから始めます。

① 理由の文章だけを、名前を消して並べる

まず、直近1〜2か月ぶんの返品・キャンセル理由を集めます。表計算ソフトにコピーするとき、名前・注文番号・住所・メールアドレスの列は消すか、貼り付けないようにします。残すのは理由の文章だけ。粗くていいので、こんな形に並べます。

・サイズが思ったより小さかった
・写真の色と実物のイメージが違った
・届いたら角がへこんでいた（不良）
・注文したけど気が変わった
・思っていた素材感と違った
・届くのが遅くて間に合わなかった
・サイズ表を見ずに買って合わなかった

② AIに「種類ごとに分けて数えて」と頼む

並べた理由を、後半の「コピペで使えるプロンプト」の形でAIに渡します。AIは、「サイズ違い」「イメージ違い」「品質・不良」「配送」「自己都合（気が変わった等）」といった種類ごとに振り分け、それぞれの件数と割合を表にまとめてくれます。さらに「どの種類がいちばん多いか」「その原因に対して考えられる打ち手」まで、たたき台として出してくれます。自分で全部を目で分けるより、ずっと速く全体像が見えます。

③ 人が分類を確かめ、迷ったものを直す

ここが省けない工程です。AIの仕分けには、どちらの種類にも取れる微妙なものが混ざります。「イメージと違う」は、写真の問題（イメージ違い）なのか、サイズ感の問題（サイズ違い）なのか——元の文章を読み返して、正しい箱に入れ直します。件数の合計が元のリストと合っているかも確かめます。この一手間で、集計が「判断に使える数字」に変わります。

④ いちばん多い原因から、直す一点を決める

分類できたら、件数の多い順に並べて、上位の1つか2つに絞って打ち手を考えます。「サイズ違い」が最多なら、実寸表を分かりやすくする・レビューにサイズ感の声を載せる、といった具合です。あれもこれもと手を広げず、まず一点。返品率そのものを下げる具体策は返品率を下げる方法｜原因別の対策、返品対応そのものの流れを整えるなら返品・交換オペレーションの作り方も合わせて読むと、打ち手の引き出しが増えます。なお、返品の受け付け条件そのものは、消費者庁の特定商取引法ガイドにある返品特約の考え方をふまえ、商品ページに分かりやすく明記しておくことが前提です。

コピペで使えるプロンプト

そのままコピーして、（　）の部分を自分の内容に置き換えて使ってください。①で名前などを消して並べた理由の文章を貼り付けます。

# 役割
あなたは、EC（ネットショップ）の返品・キャンセル理由を整理する分析アシスタントです。

# 入力素材
- 期間：（例：先月1か月ぶん）
- 商品ジャンル：（例：レディースアパレル／雑貨）
- 返品・キャンセル理由の文章（1件1行・名前や注文番号は含めない）：
  （ここに①で並べた理由を貼り付け）

# やってほしいこと
1. 理由を次の種類に振り分ける：サイズ違い／イメージ・色違い／品質・不良／配送（遅延・破損）／自己都合（気が変わった等）／その他
2. 種類ごとの件数と割合（％）を、多い順の表にまとめる
3. 判定に迷った理由は「その他」に入れず、「要確認」として文章のまま書き出す
4. いちばん多い種類について、考えられる改善の打ち手を3つ、たたき台として挙げる

# 出力条件
- 表と箇条書きを使い、そのまま社内で共有できる体裁にする
- 専門用語には短い言い換えを添える
- 割合は、件数から計算した数字を示す（推測で水増ししない）

# 禁止
- 書かれていない理由を、事実であるかのように勝手に付け足さない
- 判定に迷うものを無理に分類せず、「要確認」として残す
- 改善案に、効果を断定する表現（「必ず返品が減る」等）や、
  医薬品的な効能・効果の言い回し、最上級・誇大な表現を使わない

# 禁止の3つがとくに効きます。AIは親切心で「一般的にはこうです」と空欄を埋めたり、改善案で「これで返品ゼロに」と言い切ったりしがちです。断定や誇大な表現を先に禁じておくと、景品表示法（じっさいより良く見せる不当な表示を禁じる法律）や薬機法（化粧品・健康食品などの効能をうたうことを規制する法律）に触れる言い回しが、たたき台の段階から紛れ込みにくくなります。プロンプトを社内で使い回すときのルール作りは生成AIをEC業務に安全に使う社内ルール作りが参考になります。

あなたへの影響

明日やること

  1. 直近1〜2か月ぶんの返品・キャンセル理由を集める（管理画面や対応メールから）。
  2. 表計算ソフトに、名前・注文番号・住所の列を消して、理由の文章だけを並べる。
  3. 上の「コピペで使えるプロンプト」に貼り付けて、AIに種類ごとの分類と件数表を作ってもらう。
  4. AIが「要確認」として残した理由と、迷いそうな分類を人が読み返して直す。
  5. いちばん多い原因を1つ選び、今月中に直せる一点（実寸表の見直し・写真の追加など）を決めて着手する。

返品の理由は、お客様が最後に残してくれた「ここが惜しかった」という声です。ため息をついて閉じてしまうか、種類ごとに並べて次のヒントにするか——その差が、来月の返品率を少しずつ変えていきます。AIに仕分けを手伝ってもらえば、その一歩目はぐっと軽くなります。まずは先月ぶんの理由を集めるところから、始めてみましょう。

片づいた机で、整理された返品理由の一覧を手に、明るい表情で次の改善に向かうEC担当者

チェックリスト

関連テンプレート・無料ツール

「返品理由がたまっているけれど、どう分ければいいか分からない」——そんなときは、直近の理由を10件ほど教えていただければ、無料診断で、種類分けの切り口と、まず直すとよさそうな一点を3つお返しします。埋もれていたお客様の声を、一緒に次の改善へつなげていきましょう。