【2026年9月最新】センチメント分析とは？仕組み・手法・活用事例を非エンジニア向けにやさしく解説
aikanri-admin
「このAIツール、レビューのセンチメント分析ができます」——導入資料や営業トークでそう説明されても、正直「それの何が嬉しいのか」がピンとこない、という経営者・管理職の方は少なくないはずです。
センチメント分析（感情分析）は、SNSの投稿・アンケートの自由記述・カスタマーサポートの問い合わせ内容といった大量の「文章」から、書き手の感情（ポジティブ／ネガティブ／ニュートラル）を自動で読み取るAI技術です。仕組みそのものは機械学習の専門領域ですが、活用の入口は決して難しいものではなく、すでに多くの企業がブランドの評判管理・顧客満足度の把握・株式市場の分析など幅広い場面で実務に取り入れています。
この記事では、数式や実装コードを一切使わずに、現場のレビュー確認・口コミチェックの比喩に置き換えながらセンチメント分析の本質を解説します。あわせて、AIツールを選定する立場の経営者・管理職が「センチメント分析対応」という言葉をどう見極めればよいか、そして弊社（株式会社GENAI）がClaude Codeを使った業務運用の中で実践している「AIによる一次分類＋人の最終判断」という発想までを、実データを交えて紹介します。
代表菅澤
AI鬼管理山崎
この記事を最後まで読むと、次の6つが明確になります。
01 BASICS センチメント分析とは何か 文章から書き手の「感情」を自動で読み取る技術
センチメント分析（Sentiment Analysis、日本語では「感情分析」とも呼ばれる）とは、自然言語処理（NLP）と機械学習の技術を使い、テキストや音声データから人間の感情・意見を定量的に判定する技術を指します。SNSの投稿、レビューサイトのコメント、アンケートの自由記述欄、問い合わせメールの文面など、あらゆる「言葉」がその分析対象になります。
📚 用語解説
自然言語処理 (NLP: Natural Language Processing)：人間が日常的に使う言葉（自然言語）を、コンピュータが理解・処理できるようにする技術分野の総称。文章の意味を解釈したり、文法構造を解析したりする技術がここに含まれる。センチメント分析は、NLPの応用分野の一つに位置づけられる。
この技術を経営の現場の比喩に置き換えると分かりやすくなります。もしあなたの会社に毎日1,000件のレビューやSNSの投稿が寄せられているとして、それを担当者が1件ずつ目視で読んで「これは好意的、これは苦情」と仕分けていたら、それだけで1日が終わってしまいます。センチメント分析は、この「仕分け作業」をAIに肩代わりさせ、大量の声の中から優先的に見るべきもの（強いクレーム・急上昇する不満など）を自動で浮かび上がらせる仕組みだとイメージしてください。
代表菅澤
1-1. 3つの感情分類：ポジティブ・ニュートラル・ネガティブ
もっとも基本的なセンチメント分析は、文章を「ポジティブ（肯定的）」「ニュートラル（中立）」「ネガティブ（否定的）」の3つに分類します。それぞれの意味は次の通りです。
| 分類 | 意味 | 具体例（レビュー文） |
|---|---|---|
| ポジティブ（肯定的） | 満足・好意・称賛などプラスの感情 | 「対応が早くて助かりました」 |
| ニュートラル（中立） | 感情的な色合いが薄い、事実の記述のみ | 「注文した商品が届きました」 |
| ネガティブ（否定的） | 不満・怒り・失望などマイナスの感情 | 「梱包が雑で商品が破損していました」 |
実務では、この3分類だけでなく「喜び」「怒り」「悲しみ」「驚き」といったより細かい感情のラベル付けまで踏み込む高度な分析（感情推定・エモーション分析と呼ばれることもあります）を行うツールもあります。ただし、非エンジニアが最初に押さえるべきは、あくまで「ポジティブ／ニュートラル／ネガティブ」の基本3分類の考え方です。
1-2. 似た用語との違い：テキストマイニングとの関係
センチメント分析としばしば混同される用語に「テキストマイニング」があります。両者は密接に関連していますが、目的が異なります。
📚 用語解説
テキストマイニング (Text Mining)：大量の文章データから、頻出するキーワード・話題の傾向・単語同士の関連性などを統計的に抽出する技術の総称。「何について語られているか」を明らかにするのが主目的。センチメント分析は、テキストマイニングの中でも特に「その内容にどんな感情が込められているか」に焦点を当てた応用分野と位置づけられる。
つまり、テキストマイニングが「何が話題になっているか」を明らかにするのに対し、センチメント分析は「その話題にどんな感情が伴っているか」を明らかにする関係にあります。「新商品Aについての投稿が急増している」ことはテキストマイニングで分かりますが、「その投稿が好意的なのか批判的なのか」まで踏み込むにはセンチメント分析が必要になる、という使い分けです。
AI鬼管理山崎
02 MECHANISM センチメント分析の仕組み・手法 ルールベースと機械学習、2つのアプローチを理解する
センチメント分析を実現する手法は、大きく「ルールベース」と「機械学習」の2つに分けられます。それぞれ仕組みも得意不得意も異なるため、違いを理解しておくとツール選定時の判断材料になります。
2-1. ルールベースの手法
📚 用語解説
ルールベース手法：「素晴らしい」「最悪」「満足」「不満」のように、あらかじめ人間が感情を表す単語とそのスコア（極性）を辞書として登録しておき、文章内にそれらの単語がどれだけ含まれるかを数えて感情を判定する手法。「感情辞書（極性辞書）」と呼ばれるデータベースをベースに動く、比較的シンプルな仕組み。
ルールベース手法は、あらかじめ用意した「感情辞書」に単語を照合させることで感情を判定します。仕組みがシンプルなため、少量のデータでも動かせて、判定理由も追いやすい（「なぜネガティブと判定されたか」を単語レベルで説明できる）という長所があります。
専門用語や業界特有の言い回しが多い分野で、あらかじめ辞書をカスタマイズできる場合に強みを発揮します。判定理由を明確に説明する必要がある用途（社内向けレポートなど）にも向いています。
一方で、皮肉・反語・文脈依存の表現に弱いという明確な弱点があります。例えば「最高の対応でした（笑）」という文章は、文脈次第では皮肉として書かれている可能性がありますが、単語だけを見るルールベース手法では「最高」という単語に反応してポジティブと誤判定しやすくなります。
2-2. 機械学習の手法
📚 用語解説
機械学習ベースの手法：大量の「文章とその正解の感情ラベル（教師データ）」をAIに学習させ、単語の組み合わせや文脈のパターンから感情を統計的に予測する手法。近年は、文脈を深く理解できる「ディープラーニング（深層学習）」をベースにしたモデルが主流になっている。
機械学習ベースの手法は、大量の学習データから「どんな表現がどんな感情を表すか」のパターンを自動で学習します。ルールベースと違って人間が辞書を用意する必要がなく、皮肉・反語・文脈依存の表現にもある程度対応できる点が大きな強みです。
📚 用語解説
ディープラーニング (深層学習)：人間の脳神経回路を模した「ニューラルネットワーク」を多層に重ねた機械学習の一種。文章の前後関係や単語同士の複雑な関係性を捉えるのが得意で、近年のセンチメント分析ツールの多くがこの技術をベースにしている。
テキストデータ
SNS投稿・
レビューなど
学習
ポジ/ネガ/中立の
教師データ
パターンを学習
単語・文脈の
組み合わせ
自動判定
未知の投稿にも
感情スコア付与
機械学習ベースの弱点は、学習データの質と量に精度が大きく左右される点です。学習データに偏りがあれば、判定結果にも偏りが出ますし、「なぜその感情と判定したか」を人間が直感的に説明しづらい（ルールベースに比べて解釈性が低い）という側面もあります。
| 手法 | 仕組み | 長所 | 短所 |
|---|---|---|---|
| ルールベース | 感情辞書との単語照合 | 判定理由が説明しやすい、少量データでも動く | 皮肉・文脈依存の表現に弱い |
| 機械学習 | 教師データからパターンを学習 | 文脈をある程度考慮できる、精度が高くなりやすい | 学習データの質に依存、説明しづらい |
ツールの説明資料に「AI搭載」とだけ書かれていても、ルールベースか機械学習かで実務上の得意不得意は大きく変わります。導入前にどちらの方式（あるいは併用型か）を採用しているかを確認する価値があります。
代表菅澤
03 PROS & CONS センチメント分析のメリット・デメリット 「声の量」と「声の質」を同時に把握できる価値と限界
3-1. メリット：大量の声を効率よく可視化できる
センチメント分析の最大のメリットは、人手では到底読みきれない量のテキストデータを、短時間で感情別に仕分けられることです。これにより、これまで「なんとなく」「肌感」で語られていた顧客満足度やブランドイメージを、数値・傾向として可視化できるようになります。
3-2. デメリット：完璧な精度は保証されない
一方で、センチメント分析は「完璧な精度で感情を言い当てる魔法」ではないという前提を持っておく必要があります。第2章で触れた通り、皮肉・反語・業界特有の言い回しなどは誤判定の原因になりやすく、特に日本語は主語や感情表現が曖昧になりやすい言語特性を持つため、分析の難易度が相対的に高いとされています。
📚 用語解説
感情極性 (Polarity)：ある文章が「どれだけポジティブか、あるいはネガティブか」を数値で表したもの。多くのセンチメント分析ツールは、単純な3分類だけでなく「-1.0(強いネガティブ)〜+1.0(強いポジティブ)」のようなスコアで極性を出力する。
センチメント分析ツールの判定を「絶対の正解」として扱うのは危険です。特に重要な意思決定（クレーム対応の優先順位付けなど）に使う場合は、AIの判定結果を「一次スクリーニング」と位置づけ、最終判断は人間が行う運用を推奨します。
AI鬼管理山崎
04 CAUTIONS センチメント分析 活用時の5つの注意点 導入して終わりではなく、運用の質が精度を左右する
センチメント分析を実務に取り入れる際、事前に押さえておきたい注意点を5つ整理します。
4-1. データ品質を確保する
分析対象のテキストデータに、誤字脱字・スパム投稿・意味の通らない文章などが大量に混入していると、判定精度は大きく下がります。分析にかける前のデータクレンジング（不要データの除去・整形）が、実は精度を左右する最も地味で重要な工程です。
4-2. 専門用語・業界用語を正しく理解させる
一般的な感情辞書や学習データは、業界特有の専門用語や略語に対応していないことがあります。例えば製造業の「不良率が下がった」は明確にポジティブな文脈ですが、汎用的な辞書ベースのツールでは「不良」という単語だけを見てネガティブと誤判定するリスクがあります。
4-3. 感情表現の多様性・文化的文脈を認識する
同じ言葉でも、世代・地域・業界によって感情のニュアンスは変わります。若年層のSNSで使われるスラングや絵文字の意味合いを、汎用モデルがそのまま正しく解釈できるとは限りません。
4-4. 皮肉・反語への対応力を過信しない
第2章で触れた通り、「最高でした（皮肉）」のような反語表現は、ルールベース・機械学習いずれの手法でも完全に見抜くのは難しい領域です。誤判定が一定割合で起こる前提で運用フローを設計する必要があります。
4-5. 継続的な改善・モニタリングを行う
言葉の使われ方・流行語・業界のトレンドは常に変化します。導入時に高精度だったモデルも、時間の経過とともに精度が徐々にズレていくことがあるため、定期的な精度検証と辞書・モデルのアップデートが欠かせません。
代表菅澤
05 USE CASES センチメント分析の活用事例7選 SNS監視からFX市場分析まで、幅広い現場で使われている
センチメント分析は特定の業界に限らず、幅広い分野で実務に取り入れられています。代表的な7つの活用事例を紹介します。
5-1. ソーシャルメディアの監視
自社ブランドや商品名に関するSNS投稿をリアルタイムで収集し、感情の傾向を継続的にモニタリングする用途です。炎上の兆候やネガティブな投稿の急増を早期に検知できれば、被害が拡大する前に対応に着手できます。
5-2. 顧客満足度の測定
アンケートの自由記述欄やカスタマーサポートの問い合わせ履歴を分析し、選択式の満足度スコアだけでは見えない「なぜ満足／不満なのか」という生の声の傾向を可視化する用途です。
5-3. ブランドの評判を守る
レビューサイトや口コミサイトへの投稿を継続的に分析し、ブランドイメージの変化を追跡します。競合他社との比較分析に使われるケースも多く見られます。
5-4. 新製品のテスト・市場反応の把握
新商品発売直後のSNSでの反応を分析し、想定していたターゲット層の反応と実際の反応にズレがないかを早期に確認する用途です。
5-5. 広告のターゲティング最適化
特定の広告クリエイティブに対する反応の感情傾向を分析し、どのメッセージが好意的に受け止められているかを踏まえて、以降の広告配信内容を調整する用途です。
5-6. カスタマーサポートの優先順位付け
日々大量に届く問い合わせを、ネガティブ度合いの強いものから優先的に人間の担当者へ振り分ける用途です。「怒りの度合いが強い問い合わせほど早く対応する」という運用を仕組み化できます。
5-7. 株式・FX市場の分析
ニュース記事やSNS上の投稿から市場参加者の心理（強気・弱気）の傾向を分析し、投資判断の一つの材料として活用する用途です。金融分野では「市場センチメント」という言葉で語られることも多く、価格変動の一因として注目されています。
| 活用分野 | 主な目的 | 分析対象データ |
|---|---|---|
| SNS監視 | ブランドの炎上・評判の早期検知 | SNS投稿・ハッシュタグ |
| 顧客満足度測定 | 満足/不満の要因の可視化 | アンケート自由記述・問い合わせ |
| 評判管理 | ブランドイメージの継続的な把握 | レビューサイト・口コミ |
| 新製品テスト | 市場の初期反応の把握 | SNS投稿・レビュー |
| 広告最適化 | 好意的な反応を得やすい訴求の特定 | 広告への反応コメント |
| サポート優先順位付け | 対応の緊急度判定 | 問い合わせメール・チャット |
| 市場分析 | 投資家心理の傾向把握 | ニュース記事・投稿 |
AI鬼管理山崎
06 【独自】VENDOR EVALUATION 「センチメント分析対応」をAIツール選定にどう活かすか 謳い文句を鵜呑みにせず、判定の裏側を見極める
弊社（株式会社GENAI）がAI導入支援を行う中で、営業資料や導入事例に「センチメント分析機能搭載」「AIが感情を自動判定」といった説明が書かれているツールに、これまで何度も出会ってきました。ここでは、経営者・管理職の立場でこうした言葉をどう見極めればよいか、実務目線で整理します。
6-1. 「精度○○%」という数字だけで判断しない
よくある落とし穴が、「感情判定精度90%」のような単独の数字だけを見て良し悪しを判断してしまうことです。この数字がどの言語・どんな業界のテキストで測定されたのかが分からなければ、その数字を自社の状況にそのまま当てはめることはできません。特に日本語は感情表現が曖昧になりやすい言語特性があるため、英語圏で測定された精度指標をそのまま参考にするのは危険です。
「テスト時の精度90%」が、必ずしも「自社の業界・自社の顧客層の言葉で運用したときの精度90%」を意味するとは限りません。ベンダーが提示するテストデータが自社のテキストデータと性質が近いかどうかを、必ず確認する必要があります。
6-2. ベンダーに聞くべき3つの質問
AIツールの導入検討時、「センチメント分析対応」という言葉が出てきたら、以下の3つを確認することをおすすめします。
6-3. 「AIが自動で全部やってくれる」という誤解を避ける
第3章で触れた通り、センチメント分析は完璧な精度を保証する技術ではありません。「導入すれば、もう人間がレビューを読む必要はない」という理解のまま導入を進めると、誤判定を見落として重大なクレーム対応が遅れる、といった事態にもなりかねません。
センチメント分析ツールを導入すること自体は、大量の声を効率的に扱うための前向きな取り組みです。ただし、「AIの判定はあくまで一次スクリーニングであり、重要な判断は人間が最終確認する」という運用設計になっているかを確認することが、本質的な見極めのポイントになります。
代表菅澤
07 【独自】GENAI CASE STUDY GENAI実運用：「AIの一次分類＋人の最終判断」という発想 Claude Max 20xを全社運用する中で実践している考え方
センチメント分析の「大量の声を機械が一次仕分けし、優先度の高いものから人間が確認する」という発想は、実は感情判定にとどまらず、弊社が日々のあらゆる業務でClaude Codeを活用する際の基本的な運用思想そのものでもあります。ここでは、弊社が実際に実践している運用の考え方を紹介します。
| 項目 | 内容 |
|---|---|
| 契約プラン | Claude Max 20x（月$200 / 約30,000円） |
| 利用開始 | 2025年後半〜 |
| 利用部署 | 経営・営業・広告・開発・経理・秘書業務・個人業務まで全社 |
| 運用方針 | AIによる一次分類・一次生成を、必ず人間が最終確認してから確定させる |
7-1. 「全部AI任せ」も「全部人力」もリスクがある
第6章で触れた「AIが自動で全部やってくれるという誤解」は、センチメント分析に限らずAI活用全般に共通するリスクです。一方で、全件を人力で処理する運用も、対応漏れや優先順位の見誤りというリスクを抱えています。弊社では、この両極端を避け、「AIに一次仕分けさせ、人間が優先度の高いものから確認する」という中間的な運用を徹底しています。
例えば、顧客からのお問い合わせや反応を扱う場面では、Claude Codeに内容の要点整理・緊急度の一次判定を任せた上で、最終的な返信内容や対応方針は必ず担当者が確認してから確定させる、というフローを取っています。これはセンチメント分析ツールが「感情を一次判定し、対応の優先順位を提示する」役割と構造的によく似ています。
7-2. 弊社が実践する「一次仕分け→人の確認」の型
具体的には、以下のような流れで業務を進めています。
Claude Codeが
内容を一次整理
優先度・緊急度を
自動で仮判定
担当者が
優先度の高い順に
確認
最終判断・
対応を人が確定
この運用により、担当者が全件を均等に処理する必要がなくなり、本当に注意が必要な案件に集中できるようになります。実際の業務領域別の削減時間（肌感ベース）は以下の通りです。
| 業務領域 | 主な用途 | 概算削減時間 |
|---|---|---|
| 営業 | 提案書・見積・顧客別資料の自動生成 | 週20時間 → 週2時間 |
| 広告運用 | 週次レポート・CPA分析・配信調整 | 週10時間 → 週1時間 |
| ブログ記事 | SEO記事執筆・リライト・内部リンク最適化 | 1本8時間 → 1本1時間 |
| 経理 | 請求書チェック・経費仕訳・Freee連携 | 月40時間 → 月5時間 |
| 秘書業務 | 日報生成・議事録・スケジュール調整 | 日2時間 → 日15分 |
上記は弊社の肌感ベースの数値であり、業種・業態・担当者のスキルによって削減時間は変動します。あくまで「AIの一次仕分け＋人の最終確認」体制でどこまで業務を効率化できるかの参考情報としてご覧ください。
7-3. 「機械的な判定」と「人の納得感」を両立させる設計
第3章・第6章で見てきたように、センチメント分析には「精度は上がるが完璧ではない」というトレードオフがありました。弊社の「AIの一次仕分け＋人の確認」体制も、実はこのトレードオフを意識した設計になっています。AIが一次判定した結果に対して、必ず人間が最終的な文脈や意図を確認するプロセスを挟むことで、処理スピードと納得感の両方を確保しようとしているのです。
AI鬼管理山崎
代表菅澤
08 CONCLUSION まとめ ── 「声を仕分ける」という発想を経営に活かす センチメント分析は、AI用語である以前に業務設計の考え方
この記事では、センチメント分析の基本的な考え方から、ルールベース・機械学習という2つの手法、メリット・デメリット、導入時の5つの注意点、実際の活用事例7選、そしてAIツール選定や弊社GENAIの実運用への応用までを整理しました。最後にポイントを振り返ります。
最も重要なメッセージをお伝えします。センチメント分析は、単なるAIの技術用語ではありません。「大量の声を機械が一次仕分けし、人間が優先度の高いものに集中する」という発想そのものは、感情判定だけでなく、日々の業務プロセスの設計にもそのまま応用できる考え方です。
弊社では、この発想をお客様の声の分析だけでなく、「AIと人がどう役割分担し、どう補い合うか」という業務設計全般にまで広げて実践しています。この考え方に共感いただけた方は、ぜひ以下のAI鬼管理までお気軽にご相談ください。
代表菅澤
「AIと人の役割分担」の設計を、AI鬼管理が一緒に考えます
お客様の声の分析から、Claude Codeを使った業務への組み込み方まで。
「大量の情報を機械が仕分け、人が最終判断する」という発想を、貴社の業務設計に落とし込みます。
AI鬼管理山崎
ここから先の進め方は、大きく2つあります。
自社で回せるようになりたい方は、AI鬼管理でClaude Code／Codexの使い方から業務設計・社内定着まで伴走を受けながら、社内に仕組みを作る道があります。
覚えるより任せたい方は、AI社員AIKATAでこの記事のような定型業務を丸ごと預ける道があります。料金は月30万円の月額定額、追加費用は0円です。
どちらが合うかは、業務量と社内体制次第です。無料相談・無料適合診断で、貴社の場合はどちらが向くかからご相談いただけます。
NEXT STEP
この記事の内容を、あなたのビジネスで
実践してみませんか？
よくある質問
Q. センチメント分析とは、簡単に言うと何ですか？
A. テキストや音声データから、書き手の感情（ポジティブ/ニュートラル/ネガティブ）をAIが自動で判定する技術です。大量のレビューやSNS投稿を人手で読む代わりに、機械が一次仕分けを行い、優先度の高いものから人間が確認できるようにする用途で使われます。
Q. センチメント分析とテキストマイニングの違いは何ですか？
A. テキストマイニングは「何について語られているか(話題・キーワードの傾向)」を明らかにする技術で、センチメント分析はその中でも「どんな感情が伴っているか」に焦点を当てた応用分野です。多くのツールでは両方がセットで提供されています。
Q. ルールベースと機械学習、どちらの手法が優れていますか？
A. 一概にどちらが優れているとは言えません。ルールベースは判定理由が説明しやすく少量データでも動きますが皮肉や文脈依存の表現に弱く、機械学習は文脈にある程度対応できますが学習データの質に精度が左右され、判定理由の説明はしにくくなります。自社が扱うテキストの性質によって向き不向きが変わります。
Q. センチメント分析の判定精度はどれくらい信頼できますか？
A. 完璧な精度を保証する技術ではありません。特に日本語は感情表現が曖昧になりやすく、皮肉や反語表現の誤判定リスクも一定割合で発生します。重要な判断に使う場合は、AIの判定結果を一次スクリーニングと位置づけ、最終判断は人間が行う運用が推奨されます。
Q. 中小企業でもセンチメント分析は導入できますか？
A. 導入できます。近年はクラウド型のセンチメント分析ツールが増え、専門のデータサイエンティストがいなくても、SNS投稿やレビューの感情傾向を把握できるサービスが普及しています。ただし、導入時は自社の業界・言語データでの検証実績を確認することをおすすめします。
Q. 非エンジニアがセンチメント分析を詳しく理解する必要はありますか？
A. 実装の詳細まで理解する必要はありません。ただし、AIツールを導入・選定する立場の経営者・管理職であれば、「AIが自動判定」という説明の裏にどんな仕組みがあり、どんな限界(誤判定リスク)があるかを知っておくことは、ベンダー説明を鵜呑みにしないための実務的な判断材料になります。
Q. センチメント分析の考え方は、AIを使わない業務にも応用できますか？
A. 応用できます。「大量の情報を機械が一次仕分けし、人間が優先度の高いものに集中する」という発想は、感情判定に限らず様々な業務プロセスの設計にも活かせます。弊社ではこの発想を、AIの一次生成・一次判定結果に人間の最終確認を組み合わせる運用として業務に取り入れています。
Claude Codeで業務自動化を90日で叩き込む
経営者向けの伴走型パーソナルトレーニング
AI鬼管理／AI社員AIKATAへのお問い合わせ
この記事を読んで気になった方へ。
専門スタッフが、御社に最適な
業務自動化・業務代行プランを無料でご提案します。
- AI業務自動化サービス「AI鬼管理」を運営 — Claude Code を活用し、経営者の業務を「AIエージェントに任せる仕組み」へ転換するパーソナルトレーニングを 伴走構築 で提供。日報・採用・問い合わせ対応・経費精算・議事録・データ集計・営業リスト等の定型業務を、AIに代行させる体制を経営者と一緒に作り込む
- Claude Code 実装ノウハウを 経営者・法人クライアント に直接指導。生成AIを「便利ツール」ではなく 「業務を任せる存在」 として運用する手法を体系化
- 「やらせ切る管理」メソッドの開発者。シンゲキ株式会社（2021年設立・鬼管理専門塾運営）にて累計3,000名以上の学習者を志望校合格に導いた管理メソッドを、AI × 経営者支援 に転用
- 著書『3カ月で志望大学に合格できる鬼管理』(幻冬舎)、『親の過干渉こそ、最強の大学受験対策である。』(講談社)
- メディア出演: REAL VALUE / カンニング竹山のイチバン研究所 / ええじゃないかBiz 他
- 明治大学政治経済学部卒
