Perplexity Decisions APIとは?返品可否・レビュー分類を100万トークン0.02ドルで自動判定【2026年版】

Perplexity Decisions APIを公式ドキュメントで解説。答えを確率で返す判定専用APIで、入力100万トークン0.02ドル・出力無料。EC事業者が返品可否の一次判定やレビュー分類に使う5手順と、閾値の決め方、プロンプト3本をまとめました。

投稿日: カテゴリー Perplexity

Decisions APIとは、判定結果を確率で返すAPIのことです。

レビュー1万件を「配送」「品質」「サイズ」「説明との違い」に振り分ける作業を、文章生成型のAIに頼むと、返ってくる文章の揺れを整える手間と、出力トークンの料金がかさみます。Perplexityが2026年10月に公開したDecisions APIは、この種の「決まった選択肢から選ぶ」仕事に特化し、答えを文章ではなく確率で返します。2026年11月時点の公式料金は、標準モデルで入力100万トークンあたり0.02ドル、出力は無料です。本記事は、EC支援19年・5,000社超の実績を持ち、AI導入支援は2023年から提供する株式会社オルセル(うるチカラ運営)が、Perplexityの公式ドキュメントをもとに、返品可否の判定とレビュー分類にDecisions APIを使う手順と、判定基準を作るためのプロンプト3本を解説します。

Perplexity Decisions APIで何ができるのか

Decisions APIは、チャット用のモデルではなく、分類器に近い判定専用のAPIです。公式ドキュメントによれば、テキストや画像について、はい・いいえ、選択式、段階評価、該当箇所の抜き出しの4種類の問いに、生成した文章ではなく確率で答えます。

4種類の問いは、EC業務に置き換えるとわかりやすくなります。はい・いいえ(noul)は「この返品申請は受付期間内か」、選択式(choice)は「このレビューの不満は配送・品質・サイズ・説明との違いのどれか」、段階評価(score)は「この問い合わせの緊急度は5段階のどれか」、抜き出し(locate)は「この申請文のどこに注文番号が書かれているか」といった使い方です。選択式の選択肢は1〜255個、段階評価の段階は1〜10個まで指定できます。

返ってくる値も扱いやすくなっています。はい・いいえなら「はい」の確率が0〜1で、選択式なら選ばれた選択肢と各選択肢の確率、確信度が返ります。段階評価は加重平均のスコアと各段階の確率、抜き出しは該当する文字列と文字位置です。確率で返るため、「確信度が0.8未満なら人が確認する」といった閾値を自社で決められるのが、文章生成型のAIとの大きな違いです。

モデルは2系統です。2026年11月時点の現行は、270億パラメータのpplx-decider-v1.3と、40億パラメータで軽量なpplx-decider-flash-v1.3で、どちらも25万6,000トークンの文脈を扱え、テキストと画像を受け付けます。公開当初の名前だったpplx-decider-v1-27bは旧版として残っています。Perplexityの公式ブログは、v1.3を11月12日に公開しました。

料金は公式の料金ページで、入力100万トークンあたりpplx-decider-v1.3が0.02ドル、pplx-decider-flash-v1.3が0.01ドルです。出力トークンは無料で、リクエストごとの手数料もありません。変更履歴によれば、10月の公開時は入力0.04ドルだったため、1か月ほどで半額になった計算です。

もう1つの特徴が、ウェブ検索との組み合わせです。modeにweb_groundingを指定すると、問いごとに高速検索を1回実行してから判定します。検索は1回0.001ドル、URLの取得に成功すると1件0.0005ドルが加算されます。

EC業務でDecisions APIが向く4つの場面

Decisions APIは、答えの選択肢が事前に決まっていて、件数が多い業務ほど効果が出ます。EC業務で当てはまる場面を4つ挙げます。

1つ目は、レビューの分類です。楽天市場のレビュー一覧やAmazonのカスタマーレビューを書き出し、不満の種類を選択式で振り分けます。星の数だけでは見えない「サイズの不満が先月から増えた」といった傾向を、件数で追えるようになります。

2つ目は、返品・交換の申請の一次判定です。申請文と商品写真をもとに、「初期不良」「イメージ違い」「サイズ違い」「配送破損」「人が確認」のどれに当たるかを判定します。画像は1つの問いにつき8枚まで渡せます。注意点として、画像はデータURL形式で渡す必要があり、http・httpsの画像URLを直接渡すとエラーになります。

3つ目は、問い合わせの振り分けと緊急度づけです。選択式で担当部署を、段階評価で緊急度を同時に判定し、緊急度が高いものだけを即時に人へ回します。1回のリクエストに複数の問いを入れられるため、1件の問い合わせに対して担当と緊急度を一度に出せます。

4つ目は、商品ページの品質チェックです。「この商品説明文にサイズの記載があるか」「素材の記載があるか」を、はい・いいえで全商品に当てます。楽天のスマートフォン用商品説明文(全角1,280文字以内)に必須情報が入っているかを一括で洗い出す使い方です。

費用の感覚もつかんでおきます。レビュー1件と問いの文面を合わせて平均400トークンとすると、1万件で400万トークンです。pplx-decider-v1.3なら入力0.02ドル×4で0.08ドル、軽量版なら0.04ドルの計算になります(2026年11月の公式価格での目安)。出力が無料なので、選択肢の確率をすべて受け取っても料金は増えません。同じ判定を文章生成型のモデルで行う場合と比べ、料金の見積もりが立てやすいのも利点です。

OpenAIも同じ名前のDecisions APIをDevDay 2026で発表しており、こちらは軽量モデルのLunaで判定する仕組みです。設計の考え方は共通するので、OpenAI Decisions APIで返品承認・注文審査を任せる5手順と読み比べると、自社に合うほうを選びやすくなります。

Decisions APIでレビュー分類を動かす5つの手順

ここからは、レビュー分類を例に、Decisions APIを動かすまでを5つの手順で説明します。エンジニアがいない店舗でも、外部の開発会社に依頼するときの仕様書づくりに使えるよう、判定基準の設計に重点を置きます。

手順1:分類の選択肢を決める

最初に、何に振り分けるかを決めます。選択肢が重なっていると確率が割れて、判定が不安定になります。現場で繰り返し見るのは、「品質」と「説明との違い」の境目が曖昧なまま始めて、同じようなレビューが日によって違う分類に入る失敗です。選択肢の定義は、判定AIに渡す前に人が読んで迷わないかを確かめます。

プロンプト1:レビュー分類の選択肢と定義を設計する

あなたはEC店舗のレビュー分析に詳しい担当者です。
以下の商品ジャンルについて、レビューの不満を分類するための選択肢を4〜6個設計してください。

商品ジャンル:{ジャンル}
主な販売先:{楽天市場、Amazon、自社EC}
過去のレビュー例:{レビューを5〜10件貼り付け}

条件:
1. 選択肢どうしが重ならないように、それぞれ1〜2文の定義を書く
2. どれにも当てはまらない場合の選択肢「その他(人が確認)」を必ず含める
3. 判定に迷いやすいレビュー例を3つ挙げ、どの選択肢に入れるべきかを理由つきで示す
4. 選択肢の名前は英数字の短い名前(例:shipping、quality)と日本語の定義の両方で書く

出力形式:選択肢の一覧(名前と定義)、迷いやすい例3つ

手順2:APIキーを発行し、リクエストを組み立てる

次に、Perplexityの開発者向け画面でAPIキーを発行します。クイックスタートによれば、リクエストの送り先は<https://api.perplexity.ai/v1/decisionsで、認証はBearerトークンです。リクエストには、判定対象のstateと、名前を付けた問いの集まりであるquestionsを入れます。>

選択式の問いでは、typeにchoiceを、criteriaに選択肢の名前と説明の組を入れます。手順1で作った選択肢と定義を、そのままcriteriaに写すイメージです。APIキーはプログラムに直接書かず、環境変数や秘密情報の保管場所から読み込む作りにします。

手順3:少量のテストデータで確信度の分布を見る

いきなり全件を流さず、人が分類済みのレビュー100件ほどで試します。見るのは、正解率と、確信度の分布です。確信度が高いのに間違えているレビューがあれば、選択肢の定義に問題があります。

判定結果の検証には、ChatGPT、Claude、Geminiのどれかに結果を読ませて、ずれの傾向をまとめさせると効率的です。

プロンプト2:判定結果と人の分類のずれを分析する

あなたはデータ分析に詳しい担当者です。
以下は、レビュー100件について、判定AIの分類と確信度、人が付けた正解の分類を並べたデータです。

データ:
{レビュー本文、AIの分類、確信度、人の分類を1行ずつ貼り付け}

分析してほしいこと:
1. 全体の一致率と、選択肢ごとの一致率
2. 確信度0.8以上なのに不一致だったレビューの共通点
3. 確信度がいくつ以上なら人の確認を省いてよさそうか、その根拠
4. 選択肢の定義をどう直せば一致率が上がりそうか、具体的な修正案

出力形式:項目ごとに見出しを付けた文章

手順4:閾値を決めて、人の確認と組み合わせる

4つ目は、確信度の閾値を決めることです。たとえば「確信度0.85以上は自動で分類、未満は人が確認」と決めれば、人が見る件数を絞りながら、誤分類のリスクを抑えられます。閾値は手順3の分析結果をもとに決め、最初は高めに設定して、運用しながら下げていくのが安全です。

返品・交換の申請に使う場合は、判定結果だけで返金や交換を自動実行しない設計にします。Decisions APIの役割は一次の振り分けまでで、返金の可否は担当者が決めます。楽天市場やAmazonの返品・返金の扱いは、それぞれのモールのルールに従う必要があるため、判定基準には店舗独自の返品ポリシーだけでなく、モールのルールも反映させます。

プロンプト3:返品申請の一次判定ルールを文書化する

あなたはEC店舗の返品対応の責任者です。
返品・交換の申請を、判定AIで一次振り分けするための運用ルールを作ってください。

前提:
- 販売先:{楽天市場、Amazon、自社EC}
- 店舗の返品ポリシー:{返品可能期間、送料負担、対象外の商品}
- 判定AIの選択肢:{初期不良、イメージ違い、サイズ違い、配送破損、人が確認}

ルールに含める項目:
1. 確信度の閾値と、閾値未満のときの担当者
2. 判定結果を見た担当者が最終決定するまでの流れ
3. 判定AIに渡してよい情報と、渡さない情報(購入者の氏名・住所など)
4. モールごとのルールの違いで注意すべき点(不明な点は要確認と書く)
5. 月に1回、判定の精度を見直す手順

出力形式:社内に配れる1ページの文書

手順5:本番に流し、月次で精度を見直す

最後に、全件を流す運用に切り替えます。Decisions APIの上限は、1組織あたり毎秒10リクエスト、標準モデルで毎分1,500万トークン、軽量版で毎分400万トークンです。1リクエストに入れられる問いは最大128個(ウェブ検索併用時は100個)で、リクエスト本文は32MiBまでです。店舗のレビューや問い合わせの件数なら、この上限に当たることはまずありません。

運用を始めたら、月に1回、人が分類したサンプルと比べて一致率を確かめます。新商品の追加や季節の変化で、レビューの傾向は変わります。

Decisions API導入でつまずく3つの失敗例

5,000社支援の中で何度も再現したパターンに照らすと、AIによる分類の導入でつまずく場所は決まっています。Decisions APIでも同じことが起きやすいので、3つ挙げておきます。

1つ目は、選択肢を増やしすぎるケースです。255個まで指定できるからといって、細かい分類を最初から30個も並べると、確率が分散して判定が安定しません。回避策は、最初は4〜6個に絞り、件数の多い選択肢だけを後から細分化することです。

2つ目は、画像の渡し方でつまずくケースです。商品写真のURLをそのまま渡すとエラーになります。回避策は、画像をPNG・JPEG・WebPのデータURL形式に変換して渡す処理を、最初から組み込んでおくことです。

3つ目は、確率をそのまま結論として扱うケースです。選択式で最も確率が高い選択肢が0.4しかない場合、判定AIは迷っています。回避策は、確信度を必ず記録し、閾値未満は人に回すことです。返品の可否のように顧客対応に直結する判定ほど、この線引きが効きます。

費用・工数とKPIの目安

API料金は前述のとおり、入力100万トークンあたり0.02ドル(軽量版0.01ドル)で、出力は無料です。レビュー1万件の分類なら、1回あたり数円から十数円の水準に収まる見込みです(2026年11月の公式価格での目安)。ウェブ検索を併用すると、問いごとに検索1回0.001ドルが加わるため、1万件なら10ドル前後が上乗せされます。レビュー分類のように外部の情報が要らない判定では、検索は使わないのが基本です。

工数は、手順1の選択肢の設計に半日、手順2〜3の組み立てとテストに開発者で1〜2日、手順4の閾値とルール決めに半日ほどが目安です。外部の開発会社に頼む場合も、手順1の選択肢と定義、手順3のテストデータを店舗側で用意しておけば、見積もりと期間を抑えられます。

KPIは、人が分類していた時間の削減、人の分類との一致率(目標は9割前後、要検証)、閾値未満で人に回った件数の割合の3つで追います。月に500件のレビューを1件30秒で人が分類していたなら、月に約4時間の作業がほぼなくなる計算です。

今後の展望:判定専用APIがEC業務を変える

Decisions APIのような判定専用のAPIは、生成AIの使い方を「文章を書かせる」から「判断の一部を任せる」へ広げます。EC事業者にとっての次の焦点は3つあります。

1つ目は、価格の下落です。公開から約1か月で入力単価が半額になりました。判定の単価がここまで下がると、全レビュー、全問い合わせ、全商品ページに毎日判定をかけることが費用面で現実的になります。

2つ目は、AIエージェントとの組み合わせです。Perplexityは、Agent APIで検索や画像検索を組み合わせる仕組みも広げています。判定で「人が確認」になったものだけをエージェントに調べさせる、という分担が考えられます。Agent APIの使い方はPerplexity Agent APIで複数モデルを使い分ける方法で解説しました。

3つ目は、ベンダーの選び方です。OpenAIとPerplexityが同じ名前のAPIを出したことで、判定業務は複数の選択肢から選べるようになりました。確率で返すか、画像をどう渡すか、単価はいくらか、上限はどこか。自社の判定業務の件数と精度の要件を先に決めておけば、乗り換えも難しくありません。

よくある質問

Perplexity Decisions APIの料金はいくらですか

2026年11月時点の公式料金は、入力100万トークンあたりpplx-decider-v1.3が0.02ドル、軽量版のpplx-decider-flash-v1.3が0.01ドルで、出力は無料です。ウェブ検索を併用すると、検索1回0.001ドルなどが加算されます。

pplx-decider-v1-27bはまだ使えますか

はい、旧版として引き続き使えます。2026年10月の公開時のモデル名で、現在はpplx-decider-v1.3が最新版です。新しく組み込むなら、エイリアスのpplx-decider-latestを使うか、版を固定するかを決めておきます。

商品写真を判定に使えますか

はい、使えます。1つの問いにつき8枚まで、PNG・JPEG・WebPの画像をデータURL形式で渡します。http・httpsの画像URLを直接渡すとエラーになる点に注意してください。抜き出し(locate)の問いはテキストのみ対応です。

返品の可否を完全に自動化してよいですか

いいえ、一次の振り分けにとどめるべきです。確率は判断の材料であり、返金や交換の最終決定は担当者が行います。モールごとの返品ルールもあるため、判定結果だけで返金処理を実行しない設計にしてください。

OpenAIのDecisions APIとの違いは何ですか

どちらも決まった選択肢から答えを選ぶ判定用のAPIですが、Perplexity版は答えを確率で返し、段階評価や文字位置の抜き出しにも対応しています。OpenAIは軽量モデルのLunaを使います。料金や上限は各社の公式ページで比べてください。

エンジニアがいなくても導入できますか

APIの組み込みには開発の作業が必要です。ただし、選択肢と定義の設計、テストデータの用意、閾値の決定は店舗側で進められます。この3つを用意してから外部の開発会社に依頼すると、期間と費用を抑えられます。

まとめ

Perplexity Decisions APIは、決まった選択肢から答えを選ぶ判定に特化し、結果を確率で返すAPIです。2026年11月時点で入力100万トークンあたり0.02ドル、出力無料と、大量の判定を回しても費用が読みやすいのが特徴です。レビュー分類、返品申請の一次判定、問い合わせの振り分け、商品ページの品質チェックの4つの場面で、選択肢を4〜6個に絞り、少量のテストで閾値を決め、閾値未満は人に回す。この順番で進めれば、判定の手間を減らしながら、顧客対応の品質を保てます。

参考文献


著者:齋藤竹紘(株式会社オルセル 編集長/5,000社以上のEC支援実績/書籍3冊)


※うるチカラでは、生成AIの導入支援から運用最適化まで、貴社のEC事業に合わせたカスタマイズ提案を行っています。無料相談(30分)も実施中ですので、お気軽にお問い合わせください。
https://uruchikara.jp/contact/


【監修】齋藤竹紘(株式会社オルセル代表 / 19年・5,000社のEC支援実績)


投稿者: 齋藤竹紘

株式会社オルセル代表取締役 / うるチカラ編集長。19年・5,000社以上のEC支援実績を持ち、楽天市場・Amazon・Yahoo!ショッピング・Shopify・Shopee越境ECの実装ノウハウを保有。AI×ECに関する書籍を3冊執筆。「現場で使えるAI実装」を一次情報として発信しています。

お問い合わせ