Google発LangExtract｜マーケターがVoC・NPSを30分で構造化

こんにちは、AI集客のルイです。

レビュー1,000件、誰が全部読むんですか？

ECサイトのAmazonレビュー、アプリのGoogleストア、NPSアンケートの自由記述欄。

毎月どんどん溜まっていくのに、「今月のレビューどんな感じ？」と会議で聞かれたら慌てて30件ほど目視して雰囲気を答える——これ、あなたのチームでも起きていませんか。

ChatGPTに丸投げすると、それっぽい要約は出るけど「これって本当にお客様が言ったことなんですか？」と上司に聞かれた瞬間、答えられなくなるんですよね。

「広告代理店では広告費月3,000万を回してた」と言っても、そのROI判断のベースにあったのは定性データの精度でした。

上司への報告で「出典は？」と聞かれて詰まる、あの感覚が一番こたえるんです。

そこに2025年7月末、GoogleがLangExtractというOSSを公開しました。

これがマーケターの定性データ分析を変える可能性があるんですよね。

この記事を読み終わったら、明日からあなたのVoC定性データが30分で構造化されます。

しかも幻覚なし、出典付きで。

経営会議で「お客様の声でこう言われています」と出すときに、「これは元レビューの第3文」とソース付きで示せます。

これが地味にすごいんです。

LangExtractとは何か？Googleが公開したOSS情報抽出ライブラリ

LangExtractは、Googleが2025年7月30日にApache 2.0ライセンスで公開したPythonのOSSです。

非構造化テキスト（レビュー、アンケート、議事録など）から、指定した項目を構造化データ（JSON）として抽出してくれます。

裏側ではGeminiなどのLLMが動いていますが、利用者はプロンプトと数個のサンプル（few-shot examples）を渡すだけでOKです。

GitHub - google/langextract: A Python library for extracting structured information from unstructured text using LLMs with precise source grounding and interactive visualization.

A Python library for extracting structured information from unstructured text using LLMs with precise source grounding and interactive visualization. - google/langextract

github.com

LangExtract のご紹介: Gemini を活用した情報抽出ライブラリ- Google Developers Blog

Explore LangExtract: a Gemini-powered, open-source Python library for reliable, structured information extraction from unstructured text with precise source grounding.

developers.googleblog.com

LangExtractでマーケターが「できること」を5つに整理するとこうなります。

特に2つ目の「ソース根拠付き」が、マーケター実務で一番効くんですよね。

出力JSONに「どの文の何文字目から抽出したか」の位置情報が全件入ってくる——これが地味にすごいポイントです。

つまり、経営会議で「離反理由のトップは価格でした」と言うとき、その根拠を元レビューの引用＋位置情報で即座に提示できます。

「お客様はこう言っています」の信頼性が、レベルで変わるんですよね。

ChatGPT丸投げと何が違うか

ここ、マーケターの方に一番伝えたいポイントです。

ChatGPTにレビュー1,000件を貼って「分類して」と言うと、確かに分類はしてくれます。

ただ、よくある問題が3つあります。

LangExtractの肝は「ソースグラウンディング」という考え方です。

抽出された情報が、必ず元テキストのどこかに紐づいている——いわば「出典つき要約」を強制する仕組みですね。

これ、報告責任のあるマーケター・PMにとっては仕事の信頼性そのものじゃないですか。

ChatGPT丸投げとの差がどこにあるかわかったところで、次は「じゃあ自分のどの業務に使えるか」を整理します。

マーケター必見のVoC分析AI課題とLangExtractの解決策

私が現場で見てきた「定性データ地獄」を整理しておきます。

おそらくあなたも、このうち2つ以上は心当たりがあるはずです。

課題1　レビュー1万件を読み切れない

ECサイト、アプリストア、Googleビジネスプロフィール、Amazon。

レビューは月単位でどんどん溜まっていくのに、誰も読んでいない。

たまにマーケ会議で「最近のレビュー、どんな感じ？」と聞かれて、慌てて目視で30件ぐらい読んで雰囲気を答える。

これ、データドリブンじゃないですよね。

LangExtractなら、1,000件のレビューを「感情×カテゴリ×具体記述」で構造化できます。

課題2　NPSのフリーテキストが捨てられている

NPSスコア（推奨度0-10）は集計するけど、自由記述欄は基本スルー。

これ、組織あるあるじゃないですか。

「○○が使いにくい」「価格が高い」「サポートが遅い」みたいな具体的な離反理由が全部そこに書いてあるのに、定量化できないから捨てられているんです。

定性データの宝庫が毎月埋もれている。

LangExtractに「離反理由カテゴリ×強度」で抽出させれば、月次でグラフ化できる定量データになります。

課題3　インタビューログの整理に1日かかる

ユーザーインタビュー1時間 = 書き起こし約2万字。

これを5名分やったら10万字です。

そこから「要望」「課題」「優先度」を手作業で抜き出すと、丸1日仕事。

「インタビューするほど分析コストが上がる」という逆説が起きているんですよね。

LangExtractで抽出スキーマを「要望／課題／トピック／優先度」と定義すれば、5名横断で比較できる構造化データに変わります。

課題4　競合LP・SNSの定性分析が手作業

競合のLP、SNS投稿、口コミ。

「何を訴求してるか」「どんな反応が来てるか」を毎月チェックするんですが、これも手作業です。

時間をかけた割に「何となく○○推しが多い」という定性的な感想で終わる。

LangExtractで「訴求軸／ベネフィット／ターゲット示唆」を抽出すれば、競合分析レポートが半自動化できます。

課題5　出典なしでは経営に説明できない

これが一番大きい話です。

「お客様はこう言っています」と経営に報告するとき、出典がないと信用されない。

特に意思決定に関わる報告ほど、「ソースは？」と必ず聞かれます。

LangExtractは抽出元の位置情報をすべて保持するため、「これは元レビューの第3文、12文字目からの記述です」まで提示できます。

これは月次レポートの説得力を一段引き上げます。

5つの課題、どれかひとつでも「あるある」と思ったなら、次のユースケースに進んでください。

【実践】LangExtractでマーケターが最初に試すべき3つのユースケース

ここからは具体的なコード例です。

Pythonが書けない方も、コードはコピペで動きます。

「自分の業界用語に置き換えるとどうなるか」だけ意識して読んでください。

ユースケース1 Amazonレビュー・Google口コミを「感情×カテゴリ×具体記述」で構造化

最初に試すべきはこれです。

抽出スキーマを「感情極性（positive/negative/neutral）」「不満カテゴリ（品質/価格/配送/サポート/その他）」「具体的な記述」の3軸で定義します。

import langextract as lx
import textwrap

prompt = textwrap.dedent("""\
    商品レビューから感情極性（positive/negative/neutral）、
    不満カテゴリ（品質/価格/配送/サポート/その他）、
    具体的な記述を抽出してください。
    元テキストの表現をそのまま使い、言い換えはしないでください。""")

examples = [
    lx.data.ExampleData(
        text="開封したらカバーに傷があってがっかり。サポートに連絡したら即返金してくれました。",
        extractions=[
            lx.data.Extraction(
                extraction_class="sentiment",
                extraction_text="がっかり",
                attributes={"polarity": "negative", "category": "品質"}
            ),
            lx.data.Extraction(
                extraction_class="sentiment",
                extraction_text="即返金してくれました",
                attributes={"polarity": "positive", "category": "サポート"}
            ),
        ]
    )
]

result = lx.extract(
    text_or_documents=review_texts,  # レビュー文字列のリスト or 単一文字列
    prompt_description=prompt,
    examples=examples,
    model_id="gemini-2.5-flash",
    extraction_passes=2,
    max_workers=10,
    max_char_buffer=800,
)

lx.io.save_annotated_documents([result], output_name="reviews.jsonl", output_dir=".")
html = lx.visualize("reviews.jsonl")
with open("reviews.html", "w") as f:
    f.write(html.data if hasattr(html, "data") else html)

ポイントは3つです。

1つ目、prompt_descriptionに「元テキストの表現をそのまま使い、言い換えはしないでください」と明記する。

これを書かないと、LLMが勝手に意訳してハイライト位置がずれることがあります。

2つ目、examplesは1〜3個でOKです。

ファインチューニング不要なので、自社の用語で1個書くだけで十分動きます。

3つ目、extraction_passes=2とmax_workers=10で「複数パス×並列処理」を有効化しています。

これが大量レビューを高速処理できるカラクリですね。

出力されるJSONには、抽出されたテキストごとに「元の何文字目から始まるか」の位置情報が全件入っています。

そしてlx.visualize()で生成されるHTMLを開くと、元レビューの上に抽出箇所が色付きハイライトで表示されます。

つまり、月次レポートに「レビュー1,000件のVoCハイライト」を添付するのに、以前は丸1日かかっていたものが30分で出てくる。

これを月次レポートに添付すれば、「どの声が、どこから出ているか」が一目でわかる資料になるんですよね。

ユースケース2 NPSアンケートのフリーテキストを「離反理由×強度」で分類

次がNPSです。

スキーマだけ「離反理由カテゴリ（価格／機能不足／UX／サポート／競合移行／その他）×強度1-5」に変えるだけで、コード構造はユースケース1と同じです。

import langextract as lx
import textwrap

prompt = textwrap.dedent("""\
    NPSアンケートの自由記述から、離反理由カテゴリ
    （価格/機能不足/UX/サポート/競合移行/その他）と、
    その不満の強度（1=軽微〜5=強い）、
    具体的な記述を抽出してください。
    元テキストの表現をそのまま使い、言い換えはしないでください。""")

examples = [
    lx.data.ExampleData(
        text="価格が他社より2倍高いし、欲しい機能が3年待っても実装されないので解約しました。",
        extractions=[
            lx.data.Extraction(
                extraction_class="churn_reason",
                extraction_text="他社より2倍高い",
                attributes={"category": "価格", "intensity": 4}
            ),
            lx.data.Extraction(
                extraction_class="churn_reason",
                extraction_text="3年待っても実装されない",
                attributes={"category": "機能不足", "intensity": 5}
            ),
        ]
    )
]

result = lx.extract(
    text_or_documents=nps_freetexts,
    prompt_description=prompt,
    examples=examples,
    model_id="gemini-2.5-flash",
    extraction_passes=2,
    max_workers=10,
    max_char_buffer=800,
)

lx.io.save_annotated_documents([result], output_name="nps.jsonl", output_dir=".")

出力されたJSONLをpandasで読み込んで、category別にカウント＆intensityの平均を取れば、月次レポート用のサマリーがすぐ作れます。

そのままLooker StudioやSpreadsheetに流し込めば、「離反理由トップ3×強度推移」のダッシュボードが作れますね。

NPSの自由記述、毎月捨ててたチームこそ、この使い方で価値が一気に変わります。

ユースケース3 ユーザーインタビュー書き起こしから要望・課題を抽出

3つ目がインタビュー分析です。

1時間のインタビュー音声をWhisperなどで書き起こすと、約2万字のテキストになります。

これを「要望／課題／トピック／優先度」で抽出します。

import langextract as lx
import textwrap

prompt = textwrap.dedent("""\
    ユーザーインタビューの書き起こしから、
    要望（want）、課題（pain）、話題のトピック、
    優先度（high/mid/low）を抽出してください。
    元テキストの表現をそのまま使い、言い換えはしないでください。""")

examples = [
    lx.data.ExampleData(
        text="正直、毎週月曜にCSVを手動で作るのが一番きつくて。これが自動化されたら他は我慢できます。",
        extractions=[
            lx.data.Extraction(
                extraction_class="insight",
                extraction_text="毎週月曜にCSVを手動で作るのが一番きつくて",
                attributes={"type": "pain", "topic": "CSV出力", "priority": "high"}
            ),
            lx.data.Extraction(
                extraction_class="insight",
                extraction_text="これが自動化されたら他は我慢できます",
                attributes={"type": "want", "topic": "CSV自動化", "priority": "high"}
            ),
        ]
    )
]

result = lx.extract(
    text_or_documents=interview_transcripts,  # N=5のインタビュー書き起こしリスト
    prompt_description=prompt,
    examples=examples,
    model_id="gemini-2.5-pro",  # 長文＆ニュアンス重視ならpro
    extraction_passes=3,
    max_workers=5,
    max_char_buffer=1500,
)

lx.io.save_annotated_documents([result], output_name="interviews.jsonl", output_dir=".")

ここでmodel_id="gemini-2.5-pro"に切り替えているのは、インタビューは文脈やニュアンスが重要だからです。

レビューやNPSのような短文ならgemini-2.5-flashで十分ですが、長文インタビューはproの方が抽出精度が安定します。

5名のインタビュー結果を横断して「topicごとに何件の要望/課題が上がったか」を集計すれば、プロダクト改善の優先度が定量的に見えてきます。

PdMやCS部門への共有資料としてもそのまま使えますね。

3つのユースケースが揃ったところで、「実際どうやって動かすのか」の最短ルートを見ていきます。

セットアップ→実行まで最短30分のクイックスタート（LangExtract 使い方の最短ルート）

ここまで読んで「自分のデータで試したい」と思った方向けに、最短ルートをまとめます。

Colabに貼り付けて30分で動きます。

試さない理由がない、というのが正直な感想です。

必要なもの（Gemini APIキーとPython環境）

必要なのは2つだけです。

Google AI Studioでgemini-2.5-flashの無料枠が使えるので、初期費用ゼロで始められます。

クライアントワークで本格運用する場合はVertex AIの有料枠か、コスト最適化ならVertex AI Batch API経由でまとめて流すのがおすすめです。

ローカルで完結させたい場合はOllama経由でローカルLLMも使えます（ただし精度は下がります）。

5ステップで動かす最小コード

たったこれだけです。

pip install langextract

import os
os.environ["LANGEXTRACT_API_KEY"] = "your-gemini-api-key"

import langextract as lx
import textwrap

prompt = textwrap.dedent("""\
    商品レビューから感情極性とカテゴリを抽出してください。
    元テキストの表現をそのまま使ってください。""")

examples = [
    lx.data.ExampleData(
        text="安いけど壊れやすい",
        extractions=[
            lx.data.Extraction(
                extraction_class="sentiment",
                extraction_text="安い",
                attributes={"polarity": "positive", "category": "価格"}
            ),
            lx.data.Extraction(
                extraction_class="sentiment",
                extraction_text="壊れやすい",
                attributes={"polarity": "negative", "category": "品質"}
            ),
        ]
    )
]

result = lx.extract(
    text_or_documents="配送が早くて満足。ただし箱がボロボロでした。",
    prompt_description=prompt,
    examples=examples,
    model_id="gemini-2.5-flash",
)

lx.io.save_annotated_documents([result], output_name="quickstart.jsonl", output_dir=".")
html = lx.visualize("quickstart.jsonl")

.envファイルを使う場合はLANGEXTRACT_API_KEY=your-keyと書いて、python-dotenvで読み込めばOKです。

これで動けば、あとはtext_or_documentsを自社のレビュー配列に差し替えるだけです。

おすすめの導入ステップは、まずColabでこの最小コードを動かして「動いた！」を体験してから、自社データに当てはめる流れです。

最初から本番データで試すと、エラーが起きたときにLangExtract側の問題かデータ側の問題か切り分けにくいんですよね。

日本語テキストで使うときの注意点（位置特定の限界）

ここは正直に書いておきます。

LangExtractは英語前提で開発されているため、日本語のハイライト位置特定が完璧ではないケースが複数の記事で報告されています。

具体的には、抽出されたテキスト自体は正しいのに、HTMLビジュアライズ上での「元テキストのどこからか」の位置が微妙にずれることがあるんですね。

対処法は3つです。

抽出された内容自体は十分実用レベルなので、月次レポートで「ハイライト位置が1〜2文字ずれる」程度は気にせず使えます。

ただし、契約書や法的文書のように位置の厳密さが必要な用途では、英語に翻訳してから処理する選択肢も検討してください。

動かし方がわかったところで、既存のマーケツールとどう繋ぐかを整理します。

LangExtractと既存マーケツールを連携してVoC分析AIを業務フローに組み込む

LangExtractは単体で完結させるよりも、既存のマーケツールに繋げた方が威力が出ます。

ここでは現場でよく使うパターンを3つ紹介します。

CSVエクスポート→Spreadsheetでチーム共有

LangExtractの出力（JSONL）をpandasでCSVに変換すれば、Spreadsheetにそのまま貼り付けられます。

import pandas as pd
import json

rows = []
with open("reviews.jsonl") as f:
    for line in f:
        doc = json.loads(line)
        for ext in doc.get("extractions", []):
            rows.append({
                "text": ext["extraction_text"],
                "class": ext["extraction_class"],
                "polarity": ext.get("attributes", {}).get("polarity"),
                "category": ext.get("attributes", {}).get("category"),
                "char_start": ext.get("char_interval", {}).get("start_pos"),
            })

pd.DataFrame(rows).to_csv("reviews.csv", index=False)

これでチーム全員がスプレッドシート上で「カテゴリ別件数」「感情比率」をピボットテーブルで見られます。

非エンジニアのマーケ担当でも触れる形に変換するのがコツですね。

CRMのチケット・コンタクトコメントを取り込む

CRMには「お客様からの問い合わせ」「契約理由・解約理由」など定性データの宝庫が眠っています。

CRMのAPIで該当フィールドをエクスポートして、LangExtractで「問い合わせ種別×緊急度」を抽出。

その結果を逆にCRMにカスタムプロパティとして書き戻せば、CRM上で自動分類されたVoCが運用できます。

これ、マーケ・営業・CSの共通言語が一気にできるんですよね。

Looker StudioでVoCダッシュボード化

Spreadsheetに溜めたCSVをデータソースにして、Looker StudioでVoCダッシュボードを作るのが定番です。

たとえば「先月のレビュー1,000件、ネガティブ比率○%、トップ不満は『配送遅延』」のようなサマリーが、一画面でチームに共有できるイメージです。

経営会議で「肌感」じゃなく「データ」で語れるマーケターになれるわけです。

LangExtractレビュー分析の限界と使い分けの判断基準

ここも正直に書いておきます。

LangExtractは万能ではありません。

向き不向きをはっきりさせておくと、失敗が減ります。

向いているケース／向いていないケース

商用VoCツール（見える化エンジン等）との使い分け

商用VoCツールには見える化エンジンやTRAINAなどがあります。

これらとLangExtractは、対立するものではなく用途で使い分けるのが現実的です。

私の判断基準はこうです。

社内にPythonが触れる人がいて、コスト最小化したいならLangExtract。

非エンジニアだけで運用したい、サポートが必須ならツール。

両方併用でも全然OKで、商用ツールで日次運用しつつ、LangExtractで「経営会議用のソース付き深掘りレポート」を作る、みたいな使い分けもアリです。

向き不向きがわかったら、あとは実際に動かすだけです。

まとめ｜マーケターがLangExtractを使いこなすための3ステップ

ここまでお読みいただいてありがとうございます。

LangExtractは「ChatGPT丸投げじゃ報告に使えない問題」を解決する、マーケターにとって地味だけど効くツールです。

最後に、今日からできる3ステップを置いておきます。

ステップ1: まずColabで動かす（今日の夜、30分）

ユースケース1のコードをそのままコピペして、手元にある任意のレビュー100件を貼り付けてください。

「動いた」を体験するだけでいいです。

最初から本番データで試す必要はありません。

ステップ2: 抽出スキーマを自分の業界用語で定義する（翌日、30分）

「感情×カテゴリ」を、自社サービス特有の軸（例：機能名、料金プラン名、利用シーン）に置き換えます。

サンプル（examples）を自社の言葉で1個書き直すだけで、抽出精度が上がります。

ステップ3: 月次レポートに「ソース付きVoCサマリー」を1ページ加える

経営会議で「これは元レビュー第3文からの記述です」と出典付きで示せる、信頼性の高い報告を作ります。

「肌感で語るマーケター」から「データで語るマーケター」に変わるのは、この1ページからなんですよね。

「レビューを読み切れない」「NPSの自由記述が捨てられている」状態は、もはやデータドリブンとは言えないじゃないですか。

LangExtractはGoogle発のOSSなので無料で始められて、サンプル2〜3個書くだけで動きます。

明日の朝イチでColabを開いて、自社のレビュー100件を貼り付けてみてください。

定性データが資産に変わる感覚、ぜひ体験してほしいです。

それでは、また次の記事でお会いしましょう。

データ、見ていきましょうね。