- 星がJ字に割れるのは2つの自己選択のため。商品レビューの平均は、品質の代わりの指標としてはできが悪い。
- 米国の心臓外科医614人では、オンライン評価と手術後の死亡率に相関がなかった（P = 0.13）。評価の基になったレビューは中央値4件。
- 一方、Yelpの医師評価は、資格・ガイドラインの遵守・患者の健康上の結果と正の関連を示した。決着していない。
- 件数が少ない星は1件で大きく動く。消費者は、件数が足りているかどうかで頼り方を変えていなかった。
- Yelpのレストランレビューの約16%が「疑わしい」と判定されていた。偽レビューを人が見分ける正答率は57%。
- 日本では2023年10月から、店が「星5」を条件に割り引いて書かせた口コミは、そうと分からなければ景品表示法違反になる。
よく言われていること——星4.7なら良い店。件数が多ければ信頼できる。やらせは読めば分かる。
研究が示していること——25のプラットフォーム・2億8,000万件の解析では、極端な体験をした人ほど書くという自己選択が星の偏りの重要な原因で、それが口コミの情報量を下げていました（Schoenmueller et al., 2020）。米国の心臓外科医614人では、オンラインの評価と手術後の死亡率に相関がありませんでした（Okike et al., 2016）。偽のレビューを人が見分ける正答率は57%です（Plotkina et al., 2020）。
口コミは「広告ではない」ぶん、読み方が要る
広告表現の読み方では、事業者が書いた文章の読み方を扱いました。口コミは事業者が書いたものではありません。しかし、だから信用できるという話にはなりません。書く人が偏っているからです。
ここでは、実際の124件を数えた自社データと、大規模な研究を突き合わせて、何が読み取れて何が読み取れないかを整理します。
なぜ星は5と1に割れるのか——2つの自己選択
オンラインの評価の分布は、多くの場合J字型になります。星5が大量にあり、星1がいくらかあり、あいだがほとんどない、という形です。
2005年2月から7月に集めたAmazonのデータでは、4つ星以上の割合が、書籍・DVD・ビデオでそれぞれ78%・73%・72%でした（Hu et al., 2009, Communications of the ACM）。この論文は、平均点という数字の弱点をこう指摘しています。
「平均が統計的に意味を持つのは、分布の山が1つの場合か、左右対称な2つの山の場合に限られる。しかし商品レビューの分布は非対称な2つの山（J字型）なので、平均は製品の品質の代わりとしてはできの悪い指標である。」
なぜJ字になるのか。同じ著者たちは、2つの自己選択を挙げています（Hu et al., 2017, MIS Quarterly）。
| 偏り | 中身 |
|---|---|
| 取得バイアス | その商品・サービスにもともと好意的な人が主に購入し、そもそも書く機会を得る |
| 過少報告バイアス | 評価が極端な人（非常に良い／非常に悪い）のほうが、中くらいの人より書く確率が高い |
25の主要なプラットフォームから2億8,000万件を超えるレビューを集めた研究も、同じ方向の結論です（Schoenmueller et al., 2020, Journal of Marketing Research）。既存のデータ、実験、アンケートを組み合わせて、極端な評価を持つ人ほど書くという自己選択が、偏りの重要な原因だと確かめました。そしてこの偏りは、口コミの情報量そのものを下げていました。
ただし、偏りの度合いはプラットフォームによって違います。利用者がどれだけ選り好みして書くかによって、度合いが変わっていました。すべての口コミサイトが同じ形になるわけではありません。
読み手がこの偏りにまったく気づいていないわけでもありません。上の2017年の研究は、消費者は2つの偏りに気づいていて、平均以外の分布の特徴を使って補正しようとしていると報告しています。ただし、完全には補正しきれていません。
だから、平均ではなく分布を見る。これが最初の原則になります。
実際に数えてみる——124件の分布
立川のあるヨガスタジオのGoogleクチコミ124件（2026年9月時点）の分布です。
| 評価 | 件数 | 割合 |
|---|---|---|
| ★5 | 103 | 83.1% |
| ★4 | 16 | 12.9% |
| ★3 | 1 | 0.8% |
| ★2 | 1 | 0.8% |
| ★1 | 3 | 2.4% |
平均は4.73です。★4以上は119件で96.0%。Amazonの78%・73%・72%より、さらに上に寄っています。★3が1件しかないのは、過少報告バイアスで説明できる形です。ただし、この124件だけでは、満足度が本当に高いのか、中くらいの人が書いていないのかは区別できません。
ここで注目したいのは★4が16件あることです。★4は「良かったが、ひとつ引っかかった」という評価で、その理由が本文に書かれていることが多くあります。J字の谷にあたる部分に、あえて書いた人がいるわけです。★4は、読む価値の高い評価です。
★5だけが並ぶ店より、★4が一定数ある店のほうが、読み取れることは多くなります。
星の数は、実際の質を予測するか——ここは割れている
ここが、この記事でもっとも重要な論点です。そして決着していません。両方を並べます。
予測しなかったという側
もっとも厳密な検証は、医療の分野にあります。米国の5つの州は、心臓外科医ごとに、冠動脈バイパス手術のあと30日以内の死亡率を公表しています。患者の重さの違いをならしたリスク調整済みの数字です。この客観的な指標と、オンラインの評価を突き合わせた研究があります（Okike et al., 2016, Journal of Medical Internet Research）。
| 項目 | 結果 |
|---|---|
| 対象 | 614人の心臓外科医（うち96.1%がオンラインで評価されていた） |
| 平均評価 | 4.4 / 5。78.7%が4以上 |
| 評価の基になったレビュー数 | 中央値 4件（範囲 1〜89件）。評価の32.7%は2件以下に基づいていた |
| オンライン評価とリスク調整済み死亡率の相関 | なし（相関係数 −0.06、P = 0.13） |
5つのプラットフォームで、8つの診療科の専門医78人を調べた別の研究も同じ向きです（Daskivich et al., 2018, Journal of the American Medical Informatics Association）。診療科ごとの実績スコア、紹介元のかかりつけ医による評価、管理者による評価のどれとも、偶然とは考えにくい関連（統計的に有意な関連）がありませんでした。さらに——
実績スコアが下位4分の1に入る医師のうち、オンライン評価も下位4分の1だったのは、プラットフォームによって 5〜32% にすぎなかった。
著者らの解釈：評価はプラットフォームをまたいで似ており、実績とは関係のない何かを共通して測っていることをうかがわせる。
ただし「プラットフォームをまたいで似ている」は、言い過ぎないほうがよい点です。ある場の点数が別の場の点数を有意に予測したのは、10通りの組み合わせのうち5通りでした。
医療以外でも、同じ向きの結果があります。120の製品カテゴリ・1,272製品について、消費者団体の商品テスト誌（Consumer Reports）の点数と突き合わせた研究です（de Langhe et al., 2016, Journal of Consumer Research）。
- 平均のユーザー評価は、商品テストの点数とよく一致しなかった
- 多くが不十分な件数に基づいており、情報量が限られていた
- 中古市場での再販価格を予測しなかった
- 商品テストの点数をそろえて比べても、高価な製品・高級ブランドで評価が高かった
予測したという側
逆の結果もあります。口コミサイトYelpの医師評価と、米国の高齢者向け公的医療保険（メディケア）のデータを結びつけた研究です。評価は、医師の資格、診療ガイドラインの遵守、患者の健康上の結果といった質の指標と、正の関連を示しました（Chen & Lee, 2024, Journal of Marketing）。平均評価が上がると患者数が増え、患者がもっとも反応していたのは、対人的な技能と臨床の技能に関する情報でした。
病院を対象にした研究は、その中間です。評価サイトに載った病院への評価1,000件を、米国の公的機関が公表する病院の質の指標と突き合わせました（Emmert et al., 2018, BMC Health Services Research）。29の指標のうち13が星の評価と有意に関連し、うち8つは「評価が高いほど臨床の結果も良い」向きでした。ただし関連は弱く、向きもそろっていません。書き込みの好意度と関連した7つの指標のうち4つは、好意的な書き込みが多いほど臨床の結果が悪い向きでした。
この記事の読み方
星の数が映しているのは、おそらく「その日の体験の満足」です。技術の質とは、重なることもあれば、重ならないこともあります。対人の技能のように利用者に見えやすいものは星に出やすく、技術の良し悪しのように見えにくいものは出にくい。こう考えると、割れた結果に一応の説明がつきます。ただし、これは筆者の読み方で、研究で確かめられた結論ではありません。
旅行サイトの宿泊施設レビューの分析では、総合評価と個別の項目の評価の相関が非常に低いことが報告されています（Racherla et al., 2013, Journal of Hospitality Marketing & Management）。総合の星は、個別の項目を足し合わせたものではないということです。
なお、ここで挙げた研究の多くは医療のものです。医療機関を探していて、強い痛み、息苦しさ、しびれなど急ぐ症状があるときは、口コミを比べる前に受診するか、医療の相談窓口に連絡してください。
件数が少ないとき、星はどこまで読めるか
平均点は、件数が少ないほど1件で大きく動きます。計算してみます。★5が5件だけの店に★1が1件入ると、平均は5.0から4.33に下がります。★5が100件の店なら、同じ★1が1件入っても4.96です。前者の星は、たった1人の体験でどちらにも転びます。
上の心臓外科医の研究では、評価の基になったレビューは中央値で4件でした。これでは、星が手術の成績と合わなくても不思議はありません。
やっかいなのは、読む側がこの違いを勘定に入れていないことです。商品テスト誌と突き合わせた上の研究は、消費者の判断も調べています。消費者は価格や件数といったほかの手がかりより、平均評価を重く扱っていました。しかも、件数が足りているかどうかに応じて頼り方を変えていませんでした。著者らはこれを「妥当性の錯覚」と呼んでいます（de Langhe et al., 2016, Journal of Consumer Research）。
では、件数が多ければ安心かというと、それも違います。Amazonの数百万件のレビューから「統計的に筋の通った選び方」のモデルを作り、実験の参加者の選び方と比べた研究があります（Powell et al., 2017, Psychological Science）。ある条件では、モデルが「件数の少ないほうが質の高い見込みが大きい」と示しているのに、参加者は件数の多いほうを選びました。件数の多さは人気の印に見えますが、平均点が低ければ「多くの人が低く付けた」ことの確かな証拠でもあります。
実用的には、こう読んでください。
- 件数が1桁の店は、星を判断に使わない。本文を全部読むほうが早く、確かです。
- 件数が少ない店どうしの小さな星の差は、差がないものとして扱う。
- 件数が多い店は、「平均がどれだけ確かか」が上がるだけと考える。件数そのものは質の証拠ではありません。
何件あれば十分か、という線を示した研究は、今回調べた範囲では見つかりませんでした。
何が語られているかを数える
星の数で読めないなら、本文を読むしかありません。124件の本文に出てくる話題を数えました（1件が複数に該当します）。
| 話題 | 件数 |
|---|---|
| 発汗・温度の体感 | 44 |
| 指導者の対応 | 32 |
| 雰囲気・人数の少なさ | 26 |
| プログラムの種類 | 15 |
| 初心者でも大丈夫だった | 15 |
| 立地・通いやすさ | 13 |
| 設備・運用への不満 | 4 |
| 予約・電話対応への不満 | 5 |
上位3つは「体感」「人」「雰囲気」です。効果や結果はほとんど語られていません。ほかの店でも同じかどうかは確かめていませんが、理由は見当がつきます。体型や体調の変化は月単位で起こるので、体験の直後に書かれる口コミには載りにくいのです。
つまり、この124件から「痩せるかどうか」を読み取ることはできません。読み取れるのは、行った日に何を感じたかです。（そもそも体重がどう動くかは別の記事の話です。）
低評価が何を指しているか
自社データのなかで、いちばん読みでがあったのはここです。★1〜★2の4件を読むと、指摘は次に集中していました。
- 電話をかけたときの対応
- 受付が別の場所にいて、体験後の説明が電話になった
- 入会時に渡される説明資料の内容が古い
- 建物の共用部の清掃状態
- スタッフによって対応にばらつきがある
注目したいのは、レッスンの内容や設備そのものへの不満がひとつもないことです。不満はすべて「人の対応」と「運営の仕組み」に集中しています。
さらに★4の中には、指導者を高く評価しながら「管理する人がいないのでレッスンが休講になったり、壊れた備品の交換に時間がかかる」と書いているものがありました。褒めながら運用を指摘している書き方です。こうした口コミは、星の数以上に読む価値があります。
- サービスの中身：内容が薄い、指導が雑、設備が古い
- 運営の仕組み：連絡が来ない、資料が古い、備品が直らない
- 人柄・相性：特定のスタッフの言動が合わない
1が複数あれば設計の問題です。2は通い続ける負担になりますが、改善されうるものです。3は、あなたに同じことが起きるとは限りません。
やらせはどれくらいあるのか——そして見分けられるのか
まず規模です。Yelpのレストランレビューのうち、Yelp自身の判定の仕組みが「疑わしい」としてふるい落としたものを、やらせの目安として分析した研究があります（Luca & Zervas, 2016, Management Science）。
| 知見 | 内容 |
|---|---|
| ふるい落とされたレビューの割合 | およそ 16%。時とともに増えていた |
| ふるい落とされたレビューの特徴 | ほかのレビューより極端（好意的・否定的のどちらも） |
| 不正をしやすい店 | 評判が弱い店——レビュー数が少ない、最近悪い評価を受けた。チェーン店は不正をしにくい |
| 競争が激しくなると | 好意的でない偽レビューを受け取りやすくなる |
やらせは、自分を褒めるものだけではありません。同じホテルについて、泊まった客しか書けない予約サイトと、誰でも書ける旅行口コミサイトのレビューを比べた研究があります（Mayzlin et al., 2014, American Economic Review）。やらせの動機が強いと考えられる独立系のホテルは、誰でも書けるサイトのほうで好意的なレビューが多くなっていました。そして、そうしたホテルの近所のホテルは、誰でも書けるサイトのほうで否定的なレビューが多くなっていました。
Amazonで偽レビューを買っていた商品を、取引の場から直接突き止めて追いかけた研究は、その後まで見ています（He et al., 2022, Marketing Science）。買われていたのは、レビューの多い高評価の商品を含む、幅広い商品でした。購入のあと、平均評価とレビュー数ははっきり上がりますが、上昇は短い期間で終わります。そして購入をやめたあと、平均評価は下がり、星1の割合がはっきり増えました。とくに新しい商品で目立ちます。著者らは、偽レビューを使っているのは主に品質の低い商品だと解釈しています。
見分けようとしないほうがよい
ここが実用上いちばん大事です。1,041人に書いてもらって偽のレビューと本物のレビューを集め、検出の精度を比べた研究があります（Plotkina et al., 2020, Journal of Business Research）。
言葉づかいの特徴を使う自動検出ツールの正答率：81%（実験で書いてもらった偽レビューでの値で、実際のサイトでの精度ではありません）
人間の正答率：57%——別の407人の消費者に、「偽レビューの手がかり」を教えて警戒させた状態で。
57%は、当てずっぽうよりわずかに良いだけです。「これはやらせっぽい」という直感は、あまり当てになりません。文章を機械が書く場合はさらに難しくなります。AIが書いた広告と口コミで扱いました。
さらに、人には「真実バイアス」があります。偽レビューが出回っていると知っていても、目の前の1件は本物だと受け取ってしまう傾向です。そしてこのバイアスは否定的なレビューでより強い——つまり偽の悪評のほうが、効いてしまいます（Yin et al., 2026, Information Systems Research）。
実用的な結論はこうです。1件ずつ真贋を判定しようとしない。代わりに、投稿の時期を見てください。買われた高評価は短い期間にまとまって入り、やめたあとに星1が増える、という流れが観察されています。短期間に固まった高評価の束と、その後の低評価の増え方は、読み手にも見える手がかりです。ただし、開店直後やキャンペーンの時期に口コミが集まるのは自然なことで、固まっているだけでやらせとは言えません。この見方で読み手がやらせを見分けられるかを確かめた研究ではありません。
本文の長さが「決断の重さ」を映す
同じ運営者が持つ2つの事業所を比べると、はっきり差が出ました。
| 件数 | 本文の中央値 | |
|---|---|---|
| ヨガスタジオ（立川） | 124 | 60文字 |
| 学習塾（武蔵境） | 60 | 171文字 |
ヨガスタジオの口コミは、学習塾の3分の1ほどの長さです。「気持ちよかった」「汗をかけた」で終わるものが多くを占めます。
筆者は、これを決断の重さの差だと見ています。体験レッスン1回と、数年通う塾とでは、書く量が変わるのでしょう。2つの事業所だけの比較なので、確かめられた法則ではありません。短い口コミが並ぶ分野では、1件ずつ読むより、件数と分布を先に見るほうが早いと考えてください。
口コミを書く人は偏っている
- 感情の強さで偏る：とても良かった人と、腹が立った人が書きます。「普通だった」は書かれにくい（過少報告バイアス）。
- そもそも書ける人が偏る：もともと好意的な人がその店を選び、書く機会を得ます（取得バイアス）。
- 「普通だった」人は、書く人の輪から抜けていく：中くらいの体験をした人ほど、レビューを書き続ける人の集団から離れていきやすい、という仕組みが示されています（Brandes et al., 2022, Journal of Marketing Research）。
- 評価の低い相手ほど書かれない：患者全体からの評価が低い医師ほど、オンラインで評価される見込みが低い、という報告があります。同じ研究は、オンラインの評価は患者全体の評価と正の相関があるものの、質の高い側で誇張されることも示しています（Gao et al., 2015, MIS Quarterly）。
- 書く時期と、辞めた人の声：体験の直後には書くきっかけがありますが、長く通った人や、合わずに静かに辞めた人にはきっかけがありません。これは仕組みからの推測で、数字で確かめたものではありません。
したがって平均点は、「利用者の満足度」ではなく「書いた人たちの評価」です。ここを混同しないでください。
ひとつ補足します。書くよう頼まれた口コミが、頼まれずに書いた口コミより偏るとは限りません。就職口コミサイトで、口コミを1件書くとほかの人の口コミが読めるという仕組みで集めた評価は、自発的な評価より極端さが小さいという結果でした。くじ引きで条件を割り当てた実験でも、自発的に書かれたレビューのほうが極端でした（Marinescu et al., 2021, Journal of Experimental Psychology: Applied）。旅行サイトが送った謝礼なしのレビュー依頼メールも、レビューの極端さを減らしました（Brandes et al., 2022, Journal of Marketing Research）。ただし、どちらも頼んだのは口コミサイトや研究者で、評価される店自身ではありません。店が満足した客にだけ頼めば、星は上に偏りえます。
中身を指図することと、書く機会を広げることは別物だ、ということです。日本の制度も、この線で引かれています。
「星5なら割引」は、日本では何が問題になるのか
ここからは研究ではなく制度の話です。2023年10月1日から、広告なのに広告と分からない表示（ステルスマーケティング）は、景品表示法で禁じられています（消費者庁, 2023）。口コミサイトへの投稿も対象です。運用基準は、事業者が第三者に口コミサイトで表示をさせる場合や、ほかの事業者に頼んで競合の店に低い評価を書かせる場合を、例に挙げています。
線引きは、事業者が口コミの中身の決定にかかわったかどうかです。消費者庁の質問集は、次のように整理しています（消費者庁, 2026a）。
| 店がしたこと | 消費者庁の考え方 |
|---|---|
| 「口コミを投稿してくれたら割引します」（中身の指示なし） | 割引程度の対価で、中身の指示もなければ、通常は違反しない |
| 「星5を付けてくれたら割引します」 | 店が中身を決めているので「事業者の表示」に当たる。そのことが明瞭でなければ違反 |
| 「良い点を薦めるコメントを書いてくれたら割引します」 | 星5を条件にした場合と同じ |
| 事実と違う記載（実際にはない性能など）の訂正を頼む | それだけでは「事業者の表示」に当たらない |
| 感想を、店に都合の良い内容に改めるよう頼む | 直された投稿は「事業者の表示」に当たる |
実際の処分もあります。消費者庁は2024年6月6日、東京都内で診療所を運営する医療法人に措置命令を出しました。インフルエンザワクチンの接種に来た人に、地図サービスのクチコミ欄で★5か★4を投稿することを条件に、接種費用を割り引くと伝えていた件です（消費者庁, 2024）。
知っておきたい条件が3つあります。規制の対象は事業者（広告主）で、頼まれて投稿した人は対象ではありません。違反が認められると措置命令が出ますが、この告示の違反だけでは課徴金の対象になりません。中身にうそや大げさな表示（優良誤認・有利誤認）が含まれる場合は、課徴金の対象になることがあります。
読む側にとっての意味はこうです。店で「★5を付けてくれたら」と言われたら、その店の星には指図された分が混じっています。疑わしい例は、消費者庁の「ステルスマーケティングに関する景品表示法違反被疑情報提供フォーム」から知らせることができます（消費者庁, 2026b）。開示そのものの効き方は、ステマ規制のあとでに書きました。
この記事の数値について
上で扱った2つの事業所は、いずれもこのサイトの運営者が営んでいるものです。他社の口コミを勝手に集計して評価するのは避け、自分の店の数字を開示する形にしました。低評価の内容も削らずに書いています。
個人が特定される記述は引用していません。件数は日々変わります。
まとめ：この順で読む
- 平均ではなく分布を見る。J字になるのは自己選択のためで、平均は左右非対称な分布の代わりの指標として適していません。★4の件数に注目してください。
- 件数を見る。件数が1桁なら、星は1件で大きく動きます。星を判断に使わず、本文を読んでください。件数が多いこと自体は、質の証拠ではありません。
- ★1〜2と★4を開き、中身／運営／人柄のどれかに分類する。
- 語られている話題を数える。効果や結果は読み取れないと割り切る。
- やらせの真贋を1件ずつ判定しようとしない。人間の正答率は57%でした。代わりに投稿時期の偏りを見てください。
- 「星5なら割引」と言われた店の星は、割り引いて読む。
- 直近1年のものを優先する。スタッフは入れ替わります。
- 料金・契約条件は口コミではなく、自分で確認する。
この記事の限界
- 124件・60件という自社データは、単一の事業所を切り取ったものです。統計的な代表性はありません。分布の形が文献と似ていることを示す例として読んでください。
- 話題の分類と低評価の3分類は、筆者による手作業の分類です。第三者による確かめは行っていません。本文の長さの解釈も、2つの事業所だけの比較からの推測です。
- 「星の数は質を予測するか」は決着していません。心臓外科医・専門医・一般の製品では否定的、Yelpの医師評価では肯定的、病院では中間でした。本記事ではどちらが正しいとは書いていません。
- 質との関係を調べた研究の多くは、米国の医療と製品のものです。ジムやスタジオの口コミを、客観的な成績と突き合わせた研究は、今回調べた範囲では見つかりませんでした。当てはめには飛躍があります。
- やらせの16%は、Yelpの判定を目安にしたものです。判定が完璧である保証はなく、実際の割合はこれより多い可能性も少ない可能性もあります。日本のプラットフォームの数字ではありません。
- 研究の大半は英語圏のものです。偏りの度合いはプラットフォームによって違うと報告されています。日本のGoogleクチコミがどのくらい偏っているかは、本記事では確かめていません。
- 制度の記述は、2026年10月に消費者庁のページで確かめた内容です。本記事は法律の解説ではありません。個別の事例は、消費者庁や専門家に確かめてください。
- 健康・医学に関する記述は一般的な情報提供であり、医学的助言ではありません。
出典
- Hu, N. et al. (2009). Overcoming the J-shaped distribution of product reviews. Communications of the ACM. doi:10.1145/1562764.1562800
- Hu, N. et al. (2017). On Self-Selection Biases in Online Product Reviews. MIS Quarterly. doi:10.25300/MISQ/2017/41.2.06
- Schoenmueller, V. et al. (2020). The Polarity of Online Reviews: Prevalence, Drivers and Implications. Journal of Marketing Research. doi:10.1177/0022243720941832
- Okike, K. et al. (2016). Association Between Physician Online Rating and Quality of Care. Journal of Medical Internet Research. doi:10.2196/jmir.6612
- Daskivich, T. J. et al. (2018). Online physician ratings fail to predict actual performance on measures of quality, value, and peer review. Journal of the American Medical Informatics Association. doi:10.1093/jamia/ocx083
- de Langhe, B. et al. (2016). Navigating by the Stars: Investigating the Actual and Perceived Validity of Online User Ratings. Journal of Consumer Research. doi:10.1093/jcr/ucv047
- Chen, Y. & Lee, S. (2024). User-Generated Physician Ratings and Their Effects on Patients' Physician Choices: Evidence from Yelp. Journal of Marketing. doi:10.1177/00222429221146511
- Emmert, M. et al. (2018). A cross-sectional study assessing the association between online ratings and clinical quality of care measures for US hospitals: results from an observational study. BMC Health Services Research. doi:10.1186/s12913-018-2886-3
- Racherla, P. et al. (2013). What Determines Consumers' Ratings of Service Providers? An Exploratory Study of Online Traveler Reviews. Journal of Hospitality Marketing & Management. doi:10.1080/19368623.2011.645187
- Powell, D. et al. (2017). The Love of Large Numbers: A Popularity Bias in Consumer Choice. Psychological Science. doi:10.1177/0956797617711291
- Luca, M. & Zervas, G. (2016). Fake It Till You Make It: Reputation, Competition, and Yelp Review Fraud. Management Science. doi:10.1287/mnsc.2015.2304
- Mayzlin, D. et al. (2014). Promotional Reviews: An Empirical Investigation of Online Review Manipulation. American Economic Review. doi:10.1257/aer.104.8.2421
- He, S. et al. (2022). The Market for Fake Reviews. Marketing Science. doi:10.1287/mksc.2022.1353
- Plotkina, D. et al. (2020). Illusions of truth—Experimental insights into human and algorithmic detections of fake online reviews. Journal of Business Research. doi:10.1016/j.jbusres.2018.12.009
- Yin, D. et al. (2026). The Illusion of Authenticity in Online Reviews: Truth Bias and the Role of Valence. Information Systems Research. doi:10.1287/isre.2023.0339
- Brandes, L. et al. (2022). Extremity Bias in Online Reviews: The Role of Attrition. Journal of Marketing Research. doi:10.1177/00222437211073579
- Gao, G. et al. (2015). Vocal Minority and Silent Majority: How Do Online Ratings Reflect Population Perceptions of Quality? MIS Quarterly. doi:10.25300/MISQ/2015/39.3.03
- Marinescu, I. et al. (2021). Incentives can reduce bias in online employer reviews. Journal of Experimental Psychology: Applied. doi:10.1037/xap0000342
- 消費者庁 (2023). 一般消費者が事業者の表示であることを判別することが困難である表示（令和5年3月28日内閣府告示第19号。令和5年10月1日施行）と、その運用基準（令和5年3月28日消費者庁長官決定）. 告示・運用基準・案内ページ
- 消費者庁 (2024). 医療法人社団祐真会に対する景品表示法に基づく措置命令について（令和6年6月7日公表。命令は令和6年6月6日）. 公表ページ・公表資料
- 消費者庁 (2026a). ステルスマーケティングに関するQ&A（2026年10月閲覧）. Q&Aのページ
- 消費者庁 (2026b). 景品表示法に関する情報提供・相談の受付窓口（2026年10月閲覧）. 受付窓口のページ
さらに詳しく知りたい方へ
- 広告表現の読み方——事業者が書いた文章の側。打消し表示は機能していません。
- 続かない理由の分解——口コミからは読み取れない「続くかどうか」の話。
- 体重計の数字は何を測っているのか——「痩せた」という口コミが何を指しているか。
- 通う場所を距離で選ぶ——口コミより確実に効く判断軸。
口コミから読み取れないことを、こちらで開示しています。
上のとおり、口コミから分かるのは「行った日に何を感じたか」までです。どういう人に向き、どういう人に向かないのか、有害事象は何が報告されているのか——判断に必要で口コミには出てこない情報を、目的別の選び方と加温環境の記事にまとめています。後者には、実践者の半数強が不調を経験したという調査もそのまま載せています。
利害の開示：このサイトと上記サイトは、いずれも株式会社エッセンが運営しています。本記事で集計した124件と60件は、同社が運営する事業所のものです。低評価の内容も削っていません。本文では効果を断定していません。
この記事のまとめ
- 星がJ字に割れるのは、もともと好意的な人が買い、極端な体験をした人ほど書くから。平均より分布を見る。
- 星が実際の質を映すかどうかは割れている。心臓外科医や一般の製品では合わず、Yelpの医師評価では合っていた。
- 件数が少ない星は1件で大きく動く。件数が多いことも、それだけでは質の証拠にならない。
- やらせを1件ずつ見分けるのは難しい。人の正答率は57%だった。投稿時期の固まり方を見る。
- 書くよう頼まれたこと自体は偏りの証拠にならない。日本で問題になるのは、「星5なら割引」のように店が中身を決める場合。
- 口コミから読み取れるのは「行った日に何を感じたか」まで。料金と契約条件は自分で確かめる。
よくある質問
星の平均が高い店は、良い店ですか？
平均だけでは分かりません。レビューの分布はJ字型になりやすく、平均は品質の代わりとしてはできの悪い指標だと指摘されています（Hu et al., 2009）。120カテゴリ・1,272製品の分析でも、平均評価は商品テストの点数とよく一致しませんでした（de Langhe et al., 2016）。分布と★4の本文を見てください。
件数が少ない店の星は、どう読めばよいですか？
星は判断に使わず、本文を読んでください。心臓外科医の研究では、評価の基になったレビューは中央値4件で、評価と手術後の死亡率に相関はありませんでした（Okike et al., 2016）。件数が多いことも、それだけでは質の証拠になりません（Powell et al., 2017）。
やらせの口コミは、見分けられますか？
難しいです。手がかりを教えられた407人でも、正答率は57%でした（Plotkina et al., 2020）。1件ずつ判定するより、高評価が短い期間に固まっていないか、その後に星1が増えていないかを見てください（He et al., 2022）。ただし、開店直後などに口コミが固まるのは自然なことで、それだけでやらせとは言えません。
店に頼まれて書かれた口コミは、信用できませんか？
頼まれたこと自体は、偏りの証拠になりません。口コミサイトや研究者が書く理由を補った評価は、自発的な評価より極端さが小さいという結果があります（Marinescu et al., 2021）。ただし店自身が頼む相手を選べば上に偏りえます。問題になるのは、店が星の数や中身を条件にした場合です（消費者庁, 2026a）。
「星5を付けたら割引」は、違法ですか？
店が中身を決めた口コミは「事業者の表示」に当たり、そのことが明瞭でなければ景品表示法の告示に違反します（消費者庁, 2026a）。2024年6月には、★5か★4の投稿を条件に費用を割り引くと伝えていた医療法人に措置命令が出ました（消費者庁, 2024）。規制の対象は店の側で、投稿した人ではありません。