テレグラム共同購入：
チャットのスクリーンショットから各人の名前、商品、金額を抽出する
共同購入の主催者が投稿します：「ナイキのランニングシューズを共同購入 — 1足45ドル。サイズはS / M / L / XL。午後8時までに返信で注文してください。」 1時間も経たないうちに、50件の返信が積み重なります：「2足、サイズLでお願いします — 後で支払います」「1足、サイズM — 振り込み済み」「3足、サイズS — あなたの番号を教えてください」 1枚のスクリーンショットに、15人分の名前、商品、希望サイズ、数量、支払いメモがすべて、吹き出しの縦スクロールの中に混在しています。データはすべてそこにあります。しかし、スプレッドシートとは似ても似つきません。
重要なポイント
- 50件の返信がある共同購入の場合、主催者は10～15分かけて手作業で書き起こす必要があります — 名前をスクロールして確認し、数量を数え、支払いメモを整理し、すべての行をスプレッドシートに入力します。
- OCRはスクリーンショット全体を1つのブロックに平坦化します — 「2足、サイズL」「1足、サイズM、振り込み」「3足、サイズXL」がすべて、誰がどの注文を送ったかという関連性なしに連結されます。
- Visual AIはチャットを会話として読み取ります — メッセージを送信者ごとにグループ化し、同じ人物からの複数の吹き出しにわたる注文を統合し、数秒で購入者ごとに1行を出力します。
1枚の共同購入スクリーンショットに含まれる情報
Telegramの共同購入スクリーンショットは、書類ではありません。フォームでも、請求書でも、表でもありません。それは、縦に連なる吹き出しのスレッドです。各吹き出しは異なる人物に属し、それぞれが注文の断片を伝えています。共同購入のスレッドをスクリーンショットすると、同時進行する十数の会話を1つの静止画に収めることになります。
その静止画には、通常以下の情報が含まれています。
| 情報レイヤー | 実際のスクリーンショットの例 |
|---|---|
| 主催者の告知 | 「Jaket bomber kulit — Rp 350k. Size M/L/XL. Transfer ke BCA 123456 a/n Sari.」 |
| メンバーの返信（10～30件） | 「2 pcs size L — udah transfer ya」 / 「1 size M, ambil di tempat」 / 「3 size XL, bayar pas ambil」 |
| 送信者の識別情報 | 各吹き出しの上に表示される表示名またはユーザー名 — @rudi_90、@sari_wati、Budi Santoso |
| 支払いメモ | 返信の中に散在 — 「transfer」「pay later」「ambil di tempat（現地受け取り）」 |
情報は項目ごとではなく、人物ごとにスレッド化されています。各人の名前、商品の選択、数量、サイズ、支払い意思は、1つ以上の吹き出しに分散しています。左から右、上から下へとテキストを読み取る従来のツールでは、混在した返信のブロックが出力されるだけです。つまり、「2 pcs size L」がそのメッセージを送信した人物に属し、その上下の人物には属さないことを認識する方法がありません。
チャットテキストとスプレッドシートの行が異なる理由
スクリーンショットに表示されている情報と主催者が必要とする情報のギャップは、データの欠落ではなく、構造の問題です。スクリーンショットには注文を処理するために必要な情報がすべて含まれています。しかし、その形式（縦に連なる吹き出しのスレッド）と、出力形式（1人1行のスプレッドシート）は、まったく異なるものです。
標準的なOCRは、スクリーンショットを1ページのテキストとして扱います。各行を順番に読み取り、すべてをフラットな文字起こしに出力します。
// OCR出力 — フラットで構造なし
「Jaket bomber kulit — Rp 350k. Size M/L/XL. Transfer ke BCA 123456 a/n Sari.」
「2 pcs size L — udah transfer ya」
「1 size M, ambil di tempat」
「3 size XL, bayar pas ambil」
「1 size L kak, transfer sekarang」
「2 size M — udah ya」
この文字起こしは注文処理には役に立ちません。誰が 何を注文したのかがわかりません。主催者は元のスクリーンショットを読み返し、各返信を送信者に頭の中で対応付け、すべてを手動でスプレッドシートに打ち直さなければなりません。ここが本当のボトルネックです。「文字を読むこと」ではなく、どの単語がどの人物に属するかを理解することにあるのです。
Visual AI — 意味ベースの抽出を支える技術 — は、スクリーンショットを異なる方法で捉えます。画像内に複数の送信者領域（それぞれの吹き出しと表示名）があることを認識し、各吹き出し内のテキストを送信者に関連付けます。スクリーンショットをテキストのページのように読むのではなく、会話として読み取り、各メッセージが誰のものかを理解します。これは、AIが領収書ではない支払いスクリーンショットから構造化データを抽出できるようにするのと同じパラダイムシフトです。入力は文書ではありませんが、AIが見ているものを理解しているため、データは抽出可能なのです。
共同購入に必要なフィールド
チャットの書式を取り除くと、共同購入の注文には毎回同じコアフィールドが存在します。これらが、スプレッドシートに実際に必要な列です。
| フィールド | チャットでの見え方 | なぜ重要か |
|---|---|---|
| 名前 | 吹き出しの上に表示されるテレグラムの表示名または@ユーザー名 | 注文者を特定 — 引き渡しと支払い状況の管理に必要 |
| 商品 / バリエーション | "ジャケットボンバー 革" または単に "サイズL"（商品は上のお知らせに記載済み） | どの商品のどのバリエーションか — 共同購入では複数の色やサイズを扱うことが多い |
| 数量 | "2個"、"3"、または "サイズMを1"（サイズと同じフレーズに数量が含まれる） | ユニット数 — 在庫管理と仕入れに必要 |
| 金額 | "Rp 350k"、"振り込み済み"、"合計700" — 明示的な場合もあれば、数量×単価で暗黙的に示される場合もある | 支払い状況の追跡 — 支払い済み、未払い、総額の把握に必要 |
| メモ | "現地受け取り"、"後払い"、"今すぐ振り込み" | 支払い方法、受け取り希望、特別な指示 |
従来のデータ入力が難しいのは、複数のフィールドが1つの文法的に緩い文に詰め込まれていることが多いからです。"2 size M transfer ya" には、数量(2)、サイズ(M)、支払いメモ(transfer)がたった5語で含まれています。人間の主催者はこれを読んで本能的に個別のデータに分割します。従来のOCRにはそれができません。
一人の注文が複数のメッセージにまたがる場合
共同購入スレッドでよくあるパターンが、抽出をさらに難しくしています。同じ人が2～3件の返信を連続して送信するケースです。最初に「1 size L」と入力し、すぐに「transfer via GoPay」、さらに「ambil besok」（明日受け取り）と続けるかもしれません。これら3つのメッセージはスクリーンショット上では別々の吹き出しとして表示されますが、すべて同じ人物のものであり、まとめて一つの注文を構成します。
会話のグループ化を理解するVisual AIは、同じ送信者からの連続したメッセージを一つの注文エントリとして扱うことを認識します。テキストを結合し、フィールドを抽出して、単一の行を出力します。このレベルのグループ化は、テンプレートベースのOCRツールには不可能です。ページの組版構造だけでなく、会話の社会的構造を理解する必要があるからです。
一枚のスクリーンショットから、一人につき一行のスプレッドシートへ
カスタム列抽出は、この混沌とした縦方向のスレッドをクリーンなテーブルに変換します。必要な列（名前、商品、数量、サイズ、金額）を定義するだけで、AIが残りの処理を行います。
画像1枚、吹き出しの数や人数は問いません。
名前、商品、数量、サイズ、金額、備考 — これらがスプレッドシートのヘッダーになります。テンプレートも設定も不要です。
各送信者を識別し、メッセージをグループ化し、「2 size L transfer」のような複合フレーズも含めて注文詳細を解析します。
発注、支払い管理、引き渡しにすぐ使えるクリーンな出力。手動での並べ替えは不要です。
その結果、5～10分かかっていた手動の書き起こしが、30秒の作業に変わります。毎月複数の共同購入（ファッションの共同購入、食品の共同購入、電子機器の注文など）を運営する主催者にとって、その時間節約はすぐに積み重なります。
注文スレッドが1枚のスクリーンショットに収まらない場合は？
人気の共同購入では、200件以上の返信が付くこともあります。主催者はスレッド全体をカバーするために、複数のスクリーンショットを撮ることがよくあります。それらを同じバッチにアップロードし、列を一度定義すれば、AIがすべての画像をまとめて処理します。出力は1つのスプレッドシートに統合され、各人の注文が正しく紐付けられます。バッチ処理は、スクリーンショット間で名前の表記が異なる、数量を打ち間違えるといったミスが発生しやすい作業を、たった一度の操作に変えます。
スクリーンショットからはわからないこと
共同購入のスクリーンショットから、注文管理システムが持つすべての情報を得られるわけではありません。誰かの表示名が絵文字や一文字だった場合、実際の名前と手動で紐付ける必要があるかもしれません。チャットで地域特有のスラングが多用されている場合、標準的でない略語に対しては精度がやや低下する可能性があります。しかし、大半の共同購入スレッド（ユーザー名が判読可能で、「2 pcs size L」や「1 M transfer」のようなパターンで注文が行われているもの）では、数秒で即座に使えるデータが抽出されます。目的は主催者の判断を置き換えることではなく、50件の返信を読んで1つ1つセルに入力するという機械的な作業を排除することです。
よくある質問
同じ共同購入の複数のテレグラムスクリーンショットを一度に処理できますか？
はい。すべてのスクリーンショットを同じバッチにアップロードし、列を一度定義すれば、AIがすべての画像をまとめて処理します。出力は1つのスプレッドシートに統合され、メッセージが複数のスクリーンショットにまたがっていても、1人につき1行で表示されます。
スクリーンショット内で、ある人の注文が2つの別々のメッセージに分かれている場合はどうなりますか？
AIは同じ送信者からの連続したメッセージをグループ化し、1つの注文の一部として扱います。誰かが「2個 Lサイズ」と入力し、すぐに「GoPayで送金します」と追加した場合、両方のメッセージが1行に結合されます。
WhatsAppやLINEなど、他のチャットプラットフォームでも使えますか？
送信者名がメッセージの上または横に表示されているチャットスクリーンショットであれば、同じ方法が適用されます。Visual AIがチャットの構造を読み取るため、テレグラム特有の吹き出しデザインに依存しません。プラットフォーム上の参考情報として、テレグラムチャットで共有される暗号通貨ウォレットアドレスの処理方法や、領収書ではない支払いスクリーンショットに関する幅広い解説もご覧ください。
チャットで注文にテキスト返信ではなく、絵文字リアクションが使われている場合はどうなりますか？
絵文字のみの返信（👍や❤️など、詳細を指定せず参加を示すもの）には、抽出可能な注文データは含まれません。そのような場合は、主催者が手動でフォローアップする必要があります。ただし、スクリーンショットに実際の注文情報を含む他の参加者からのテキスト返信も含まれている場合は、それらの人は正しく抽出されます。
スクリーンショットは保存されたり、他の誰かに見られたりしますか？
いいえ。画像は一時的に処理されるだけで、サーバーに保存されることはありません。抽出が完了し、結果が提供されると、元のファイルは削除されます。プラットフォームを含め、他の誰もあなたの共同購入スクリーンショットや抽出されたデータにアクセスすることはできません。
共同購入のスクリーンショットは、会話であってスプレッドシートではありません。しかし、そこから必要な情報（各人の名前、商品、数量、金額）は、Visual AIが一度の処理で抽出できるほど構造化されています。
次にテレグラムの共同購入スレッドが50件の返信に達し、誰が何を注文したのかを確認するためにスクロールして戻るようなことがあれば、スクリーンショットを撮って抽出に仕分けを任せてください。手作業が必要だったのは、データが欠けていたからではなく、その形式があなたのスプレッドシートと合わなかったからです。フォーマット非依存の抽出が、そのギャップを埋めます。