Franchise Due Diligence

フランチャイズのデューデリジェンス MCP サーバー

ApifyForge で見る | Apify Store で利用する

---

クイックスタート

MCP クライアント（Claude Desktop、Cursor、Windsurf）に追加します。

{
  "mcpServers": {
    "franchise-due-diligence-mcp": {
      "url": "https://ryanclinton--franchise-due-diligence-mcp.apify.actor/mcp"
    }
  }
}

---

MCP 対応の AI クライアントでフランチャイズのデューデリジェンス調査を実行できます。1 回のツール呼び出しで、8 つの並列データソースから得たフランチャイザーの健全性スコア、苦情の推移、市場の飽和分析、企業構造の調査、投資判断を確認できます。フランチャイズ開示書類に記載されている情報を超える、独立した情報を必要とするフランチャイズ投資家、複数店舗運営者、フランチャイズ専門弁護士、コンサルタント向けに構築されています。

この MCP サーバーは、企業の詳細調査、CFPB の消費者苦情、Trustpilot および複数プラットフォームのレビュー、OpenCorporates の企業登記、Google Maps の店舗密度、Federal Register の規制関連提出書類、BLS の経済データを統合し、独自の 4 つのスコアリングモデルを用いて分析します。複合アルゴリズムでは、フランチャイズの健全性（30%）、市場の飽和度（20%）、規制遵守（20%）、フランチャイズ加盟者の評価（30%）を重み付けして、STRONG_BUY、BUY、HOLD、AVOID のいずれかの判断を導き出します。専門のフランチャイズコンサルタントが使うものと同じ分析フレームワークを自動化し、Claude、Cursor、その他の AI エージェントから利用できます。

フランチャイズのデューデリジェンスで抽出できるデータ

データ項目	ソース	例
📊 フランチャイズ健全性スコア（0～100）	5 ソースの複合データ	スコア：74、レベル：健全
📋 CFPB の苦情件数と推移	CFPB 消費者苦情	苦情 3 件 — 消費者対応記録は良好
⭐ プラットフォーム横断の平均レビュー評価	Trustpilot + Multi-Review Analyzer	38 件のレビューで 5 点満点中 4.2
🏢 法人のステータスと数	OpenCorporates	有効な法人 12 件、解散した法人 2 件
📍 地域ごとの店舗密度	Google Maps Lead Enricher	対象の都市圏に 14 店舗
📈 市場の飽和度	Maps + BLS の複合データ	OPPORTUNITY — 市場には成長の余地があります
⚖️ FTC の執行措置件数	Federal Register	執行措置 0 件 — 法令を遵守
💰 地域の雇用・消費者データ	BLS 経済データ	失業率 3.8%、CPI は上昇傾向
🏆 投資判断	複合スコアリングモデル	BUY — compositeScore: 67
🔍 投資リスク一覧	複数ソースのシグナル分析	["市場には 18 店舗 — 中程度の密度"]
💪 投資上の強み一覧	複数ソースのシグナル分析	["フランチャイズの健全性を示す強い指標"]
🆚 ブランドの横並び比較	2 つのフランチャイズの比較	評価と市場での優位性を特定

Franchise Due Diligence MCP Server を利用する理由

フランチャイズの調査を手作業で行う場合、通常、1つのフランチャイズシステムにつき15～20時間かかります。FDD 文書を精査し、CFPB のデータベースを検索し、複数のプラットフォームに投稿された数百件のレビューを読み、複数の管轄区域で法人登記を確認し、労働統計と照らし合わせて商圏の経済性を評価する必要があるためです。1件のフランチャイズ投資の判断では、競合する3～5つのシステムを比較することも多く、何かに署名する前にかかる時間は75～100時間に膨らみます。専門のフランチャイズ調査会社に評価を依頼すると、1システムあたりの人件費は200～500ドルです。

この MCP サーバーは、データ集約とスコアリングのパイプライン全体を自動化します。Claude または任意の AI エージェントに接続して generate_investment_dossier を呼び出すと、8つの情報源から直接引用した根拠とともに、構造化された評価結果を数分で取得できます。個別のツールを使えば、商圏契約を結ぶ前の市場飽和度の確認、すでに運営している業績不振のシステムにおける苦情の推移の確認、2つのフランチャイズ案件から選ぶ際の直接比較など、対象を絞った調査も実行できます。

• スケジュール設定 — 四半期ごとにフランチャイズの健全性を監視し、ユニットエコノミクスに影響が出る前に評判の傾向を追跡できます
• API アクセス — Python、JavaScript、または任意の HTTP クライアントから、ディールパイプラインの一部としてフランチャイズ評価を実行できます
• 並列データ収集 — 8つすべての情報源に順次ではなく同時に問い合わせるため、応答時間を2分未満に抑えられます
• モニタリング — フランチャイズ評価の完了時や予算上限への到達時に、Slack またはメールで通知を受け取れます
• 連携 — Webhook を介して、結果を Zapier、Make、Google Sheets、またはディール管理 CRM に接続できます

特徴

• レビューの品質（最大30ポイント）、CFPBへの苦情による減点（最大25ポイント、苦情1件につき3ポイント減点）、法人の健全性（最大25ポイント）、企業調査のシグナル（最大20ポイント）を組み合わせたフランチャイズ健全性スコア（0～100）
• 4つの要素で評価する市場飽和度指数：Google Mapsの店舗密度（店舗1軒につき2ポイント、最大40ポイント）、既存店舗の評価分布（最大25ポイント）、BLSの失業率と消費者指標（最大20ポイント）、店舗が5軒を超える地域への集中度（最大15ポイント）
• 規制コンプライアンスプロファイル：FTCフランチャイズ規則への言及、Federal Registerのタイトルスキャンによる執行措置の件数、苦情と規制のパイプライン比率、両規制情報源における情報量の圧力を追跡します
• 4つの要素で評価するフランチャイズ加盟店の感情トレンド：平均評価（最大35ポイント）、レビュー件数の健全性（最大25ポイント）、低評価の割合の反転（最大20ポイント、星1～2のレビューが少ないほど高得点）、CFPBへの苦情による補正（最大20ポイント）
• 複合的な投資判断：フランチャイズの健全性を30％、市場飽和度の反転値を20％、規制コンプライアンスの反転値を20％、感情を30％の比率で加重します。健全性が「不良」または規制分類が「重大」の場合、他のスコアにかかわらず「回避」を強制する上書きロジックも備えています
• Promise.allSettledを介して並列で取得する8つのデータソース：個々のデータソースで障害が発生しても、評価全体を中断せず、空の配列を返します
• 5段階の飽和度分類：過少充足から過飽和までを分類し、各要素についてテリトリー固有のシグナル説明を提示します
• 5段階の感情分類：悪化から非常に良好までを分類し、割合の内訳と苦情件数を提示します
• ブランドの直接比較：2つのフランチャイズシステムのデータを並行して収集し、どちらが感情面で優位か、市場機会の面で優位かを特定します
• テリトリーの経済スコアリング：BLSの雇用統計系列（LNS14の失業率、CPIの消費者データ）と、特定の都市圏におけるGoogle Mapsの競合密度を組み合わせます
• 企業構造の調査：管轄区域コードによる任意の絞り込みと、OpenCorporatesのステータスフィールド照合による解散・活動中・抹消済み法人の比率分析に対応します
• すべてのツール呼び出しで支出上限を適用：設定済みの予算に達すると処理は正常に停止し、気付かないうちに超過請求されることはありません

フランチャイズのデューデリジェンスにおけるユースケース

投資前のフランチャイズ評価

フランチャイズ加盟を検討している人が、レストランフランチャイズシステムを3つに絞り込みました。それぞれのFDDを弁護士に確認してもらう費用を支払う前に、evaluate_franchisorを使って、3社すべての独立したフランチャイズ健全性スコアを取得します。CFPBへの苦情が22件あり、レビュー平均が5点満点中2.8点のシステムは、法務費用が発生する前に候補から除外されます。残りの候補については、判断を裏付ける明確な証拠の記録とともに詳細な審査へ進みます。

複数店舗を運営する事業者によるテリトリー拡大

すでに4店舗を運営するフランチャイズ加盟店が、隣接する都市圏にさらに2店舗を出店しようとしています。自社ブランドについて、その都市のassess_market_saturationを実行すると、既存店舗が19軒あり、BLSのデータでは消費支出が平均を下回っていることが分かり、飽和度スコアは「混雑」となります。そこで、雇用統計が良好で既存店舗がわずか4軒の隣接市場に切り替えると、「好機」という分類が得られました。リース契約の交渉に進む前に、よりリスクの低いテリトリーを選択できます。

フランチャイズ弁護士のデューデリジェンス支援

FDD審査の準備をしているフランチャイズ弁護士が、依頼人との面談に先立ってフランチャイザーの法人構成図を把握するために、investigate_corporate_structureを使用します。このツールは、3つの管轄区域にまたがる解散済み法人7社を構造上の懸念事項として提示し、track_franchise_regulationはFederal RegisterにあるFTCフランチャイズ規則への言及を3件提示します。これらの調査結果は弁護士の依頼人向け説明資料に直接反映され、データ収集にかかる時間を数日から数分に短縮できます。

投資先選定のための競合フランチャイズのベンチマーク

2つの競合フィットネスフランチャイズシステムを評価するプライベートエクイティ企業が、両ブランド名を指定して benchmark_franchise_brand を呼び出します。このツールは、センチメントスコア、市場飽和度指数、苦情件数を並べた比較結果として、一括で返します。センチメント面で優位性があり、飽和度スコアが低い方のフランチャイズが、根拠を文書化したうえで買収候補として次の段階に進みます。

既存事業者のポートフォリオを継続的にモニタリング

複数店舗を運営するフランチャイジーが、四半期ごとに analyze_complaint_trajectory を定期実行し、すでに運営しているシステムのブランド健全性を追跡します。CFPBへの苦情が急増し、2四半期にわたって平均評価が4.1から3.4に低下した場合、システム全体のサポート低下が各店舗の売上に影響する数カ月前に、フランチャイザーとの早期の話し合いが始まります。

フランチャイズコンサルタントによるクライアントへの助言

新規クライアントを担当するフランチャイズコンサルタントは、契約開始時の最初のステップとして generate_investment_dossier を実行し、4つの評価軸すべてにわたるリスクと強みを分類した構造化ブリーフィングを作成します。構造化されたJSON出力は、何時間も手作業で調査することなく、そのままクライアント向けのプレゼンテーションに活用できます。

フランチャイズのデューデリジェンス分析を実行する方法

1. MCP サーバーに接続する — サーバーのURLをMCPクライアントの設定に追加します。Claude Desktopの場合は、以下の接続セクションにあるJSONブロックを claude_desktop_config.json に貼り付けます。Cursor、Windsurf、Clineの場合は、同じエンドポイントURLとBearerトークンのヘッダーを使用します。
2. ツールを選ぶ — まず generate_investment_dossier を実行し、フランチャイズのブランド名（例：「Anytime Fitness」）と、任意で対象地域（例：「Austin, TX」）を指定します。より迅速に対象を絞って確認するには、assess_market_saturation や analyze_complaint_trajectory などの個別ツールを使用します。
3. 並列データ収集を待つ — MCPは最大8つの情報源に同時に問い合わせます。完全なドシエの作成には90～120秒かかります。個別ツールの処理には30～60秒かかります。
4. 構造化された判定結果を確認する — 結果はAIチャットに構造化JSONとして届き、投資判断、各評価軸のスコア、各スコアの内訳を説明するシグナル一覧、各情報源の裏付けデータが表示されます。

MCP ツール

ツール	価格	パラメーター	説明
evaluate_franchisor	$0.045	franchise（必須）	企業調査、OpenCorporates、Trustpilot、複数プラットフォームのレビュー、CFPB。Franchise Health Score（0～100）とhealthLevel分類を返します
analyze_complaint_trajectory	$0.045	franchise（必須）	CFPBへの苦情、Trustpilot、複数プラットフォームのレビュー。評価と苦情の内訳を含む、フランチャイズ加盟者の感情の推移を返します
assess_market_saturation	$0.045	franchise（必須）、location（任意）	Google Mapsの地域密度とBLSの経済指標。飽和度の分類とテリトリーの指標を返します
investigate_corporate_structure	$0.045	franchise（必須）、jurisdiction（任意）	OpenCorporatesの事業体検索と企業調査。有効／解散のステータスフラグ付きの事業体ツリーを返します
track_franchise_regulation	$0.045	topic（任意）、franchise（任意）	Federal RegisterのFTC／フランチャイズ規則とCFPB。執行措置の件数を含む規制コンプライアンスプロファイルを返します
benchmark_franchise_brand	$0.045	franchise_a（必須）、franchise_b（必須）	2つのフランチャイズを並行して比較します。両システムの感情、飽和度、苦情、地域密度を比較します
score_territory_economics	$0.045	location（必須）、franchise（任意）	BLSの雇用・消費者データとGoogle Mapsの競合密度。経済指標と店舗数を返します
generate_investment_dossier	$0.045	franchise（必須）、location（任意）	8つすべての情報源と4つのスコアリングモデルを使用し、リスクと強みの一覧付きで、STRONG_BUY／BUY／HOLD／AVOIDの総合判定を返します

入力のヒント

• まずgenerate_investment_dossierを実行してください — 1回の呼び出しで$0.045ですべての情報源とモデルを実行し、対象を絞ったツールで詳しく調べる前に全体像を把握できます
• assess_market_saturationとscore_territory_economicsには必ずlocationを指定してください — 指定しない場合、クエリは全国データを既定で使用するため、テリトリー固有の指標が埋もれてしまいます
• フランチャイズが実際に使用している、消費者向けの正確なブランド名を使用してください（例：「Jersey Mike's Franchise Systems」ではなく「Jersey Mike's Subs」）— 情報源のAPIは一般に知られている名称で照合します
• 複数のシステムを比較する場合は、evaluate_franchisorの前にbenchmark_franchise_brandを実行してください — ベンチマークの費用は単一評価と同じで、すぐに相対的な文脈を把握できます
• エージェントのループでツールが繰り返し呼び出される場合に費用を制限できるよう、Apifyの実行設定で実行ごとの上限額を設定してください

出力例

{
  "entity": "Pinnacle Fitness Franchise",
  "compositeScore": 71,
  "verdict": "BUY",
  "franchiseHealth": {
    "score": 74,
    "complaintCount": 2,
    "reviewScore": 4.1,
    "corporateFlags": 1,
    "healthLevel": "HEALTHY",
    "signals": [
      "Strong review sentiment: 4.1/5 average",
      "No CFPB complaints — clean consumer record",
      "8 active corporate entities — established structure"
    ]
  },
  "marketSaturation": {
    "score": 32,
    "locationDensity": 11,
    "economicViability": 8,
    "saturationLevel": "OPPORTUNITY",
    "signals": [
      "11 locations found — moderate presence",
      "Most locations highly rated — strong brand execution"
    ]
  },
  "regulatoryCompliance": {
    "score": 14,
    "regulationCount": 3,
    "enforcementActions": 0,
    "complianceLevel": "MINIMAL",
    "signals": [
      "3 FTC Franchise Rule references — disclosure requirements active"
    ]
  },
  "franchiseeSentiment": {
    "score": 76,
    "totalReviews": 29,
    "averageRating": 4.1,
    "sentimentTrend": "STRONG",
    "signals": [
      "Excellent sentiment: 4.1/5",
      "29 reviews providing solid signal base"
    ]
  },
  "allSignals": [
    "Strong review sentiment: 4.1/5 average",
    "No CFPB complaints — clean consumer record",
    "8 active corporate entities — established structure",
    "11 locations found — moderate presence",
    "Most locations highly rated — strong brand execution",
    "3 FTC Franchise Rule references — disclosure requirements active",
    "Excellent sentiment: 4.1/5"
  ],
  "investmentRisks": [],
  "investmentStrengths": [
    "Strong franchise health indicators",
    "Market has room for growth",
    "Excellent consumer/franchisee sentiment",
    "Low regulatory burden"
  ]
}

出力フィールド

フィールド	型	説明
entity	string	ツールに渡されたフランチャイズブランド名
compositeScore	number	加重複合スコア 0〜100：健全性 30％ + 飽和度（反転）20％ + 規制（反転）20％ + 評判 30％
verdict	string	STRONG_BUY（≥75）/ BUY（≥55）/ HOLD（≥35）/ AVOID（<35 またはオーバーライドが発動）
franchiseHealth.score	number	レビュー品質 + 苦情ペナルティ + 企業の健全性 + 企業シグナルに基づく 0〜100
franchiseHealth.complaintCount	number	取得した CFPB の苦情件数（未加工値）
franchiseHealth.reviewScore	number	Trustpilot と複数プラットフォームのレビュー全体の平均評価（小数第1位まで）
franchiseHealth.corporateFlags	number	解散・休眠・登記抹消が確認された企業の数
franchiseHealth.healthLevel	string	FAILING / STRUGGLING / AVERAGE / HEALTHY / THRIVING
franchiseHealth.signals	string[]	各スコア要素についての人間が読みやすい説明
marketSaturation.score	number	0〜100。数値が高いほど飽和度が高い（高スコアは新規参入者にとってマイナス）
marketSaturation.locationDensity	number	Google マップで確認された既存フランチャイズ店舗数
marketSaturation.economicViability	number	BLS の純経済力スコア（失業率 + 消費者指標）
marketSaturation.saturationLevel	string	UNDERSERVED / OPPORTUNITY / BALANCED / CROWDED / OVERSATURATED
regulatoryCompliance.score	number	0〜100。数値が高いほど規制負担が重い
regulatoryCompliance.regulationCount	number	フランチャイズ／トピックについて取得した連邦官報文書数
regulatoryCompliance.enforcementActions	number	執行、罰則、または FTC の措置に言及する文書数
regulatoryCompliance.complianceLevel	string	MINIMAL / STANDARD / ELEVATED / HEAVY / CRITICAL
franchiseeSentiment.score	number	0〜100。数値が高いほど評判が良い
franchiseeSentiment.totalReviews	number	すべてのプラットフォームで分析したレビューの合計数
franchiseeSentiment.averageRating	number	加重平均評価 0〜5（小数第1位まで）
franchiseeSentiment.sentimentTrend	string	DECLINING / STABLE / IMPROVING / STRONG / EXCELLENT
allSignals	string[]	4つすべてのスコアリングモデルから統合したシグナル一覧
investmentRisks	string[]	スコアリングのしきい値に基づいて自動的に特定されたリスクフラグ
investmentStrengths	string[]	スコアリングのしきい値に基づいて自動的に特定された強みのフラグ

フランチャイズのデューデリジェンスにはどのくらいの費用がかかりますか？

この MCP サーバーは従量課金制で、ツール呼び出し1回につき $0.045かかります。プラットフォームの計算コストは含まれています。サブスクリプションや最低利用額はありません。

シナリオ	ツール呼び出し数	1回あたりの料金	合計料金
単一ツールのテスト（苦情のみ）	1	$0.045	$0.045
フランチャイザーの基本評価	1	$0.045	$0.045
評価 + テリトリー + 評判（3ツール）	3	$0.045	$0.14
5つのフランチャイズシステムを比較（ベンチマークツール）	5	$0.045	$0.23
フルパイプライン：詳細調査 + テリトリー + 四半期ごとのモニタリング	12	$0.045	$0.54

実行ごとに最大支出額を設定して、費用を管理できます。予算に達すると MCP は正常に停止し、不完全な結果ではなく明示的なエラーメッセージを返します。

専門調査会社のフランチャイズ弁護士やコンサルタントは、通常、フランチャイズ1件の評価にスタッフの調査時間として $200〜500 を費やします。ツール呼び出し1回につき $0.045 で、フランチャイズ投資の詳細調査一式がコーヒー1杯よりも安く済みます。Apify の無料枠には毎月 $5 分のプラットフォームクレジットが含まれており、支払い方法の登録なしで100回を超えるツール呼び出しを利用できます。

API を使用したフランチャイズのデューデリジェンス

Python

import urllib.request, json

url = "https://franchise-due-diligence-mcp.apify.actor/mcp"
headers = {
    "Content-Type": "application/json",
    "Authorization": "Bearer YOUR_APIFY_TOKEN"
}
payload = {
    "jsonrpc": "2.0",
    "method": "tools/call",
    "params": {
        "name": "generate_investment_dossier",
        "arguments": {
            "franchise": "Pinnacle Fitness Franchise",
            "location": "Austin, TX"
        }
    },
    "id": 1
}
req = urllib.request.Request(url, json.dumps(payload).encode(), headers)
with urllib.request.urlopen(req) as resp:
    result = json.loads(resp.read())
    dossier = json.loads(result["result"]["content"][0]["text"])
    print(f"Verdict: {dossier['verdict']} — Composite Score: {dossier['compositeScore']}/100")
    print(f"Health: {dossier['franchiseHealth']['healthLevel']} ({dossier['franchiseHealth']['score']}/100)")
    print(f"Saturation: {dossier['marketSaturation']['saturationLevel']}")
    print(f"Sentiment: {dossier['franchiseeSentiment']['sentimentTrend']} — {dossier['franchiseeSentiment']['averageRating']}/5")
    for strength in dossier["investmentStrengths"]:
        print(f"  + {strength}")

JavaScript

const url = "https://franchise-due-diligence-mcp.apify.actor/mcp";

const response = await fetch(url, {
    method: "POST",
    headers: {
        "Content-Type": "application/json",
        "Authorization": "Bearer YOUR_APIFY_TOKEN"
    },
    body: JSON.stringify({
        jsonrpc: "2.0",
        method: "tools/call",
        params: {
            name: "generate_investment_dossier",
            arguments: {
                franchise: "Pinnacle Fitness Franchise",
                location: "Austin, TX"
            }
        },
        id: 1
    })
});

const result = await response.json();
const dossier = JSON.parse(result.result.content[0].text);

console.log(`Verdict: ${dossier.verdict} (${dossier.compositeScore}/100)`);
console.log(`Health: ${dossier.franchiseHealth.healthLevel}`);
console.log(`Saturation: ${dossier.marketSaturation.saturationLevel}`);
console.log(`Sentiment: ${dossier.franchiseeSentiment.sentimentTrend} — ${dossier.franchiseeSentiment.averageRating}/5`);
for (const strength of dossier.investmentStrengths) {
    console.log(`  + ${strength}`);
}

cURL

# Full investment dossier — STRONG_BUY/BUY/HOLD/AVOID verdict
curl -X POST "https://franchise-due-diligence-mcp.apify.actor/mcp" \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer YOUR_APIFY_TOKEN" \
  -d '{
    "jsonrpc": "2.0",
    "method": "tools/call",
    "params": {
      "name": "generate_investment_dossier",
      "arguments": {
        "franchise": "Pinnacle Fitness Franchise",
        "location": "Austin, TX"
      }
    },
    "id": 1
  }'

# Compare two franchise systems head-to-head
curl -X POST "https://franchise-due-diligence-mcp.apify.actor/mcp" \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer YOUR_APIFY_TOKEN" \
  -d '{
    "jsonrpc": "2.0",
    "method": "tools/call",
    "params": {
      "name": "benchmark_franchise_brand",
      "arguments": {
        "franchise_a": "Anytime Fitness",
        "franchise_b": "Planet Fitness"
      }
    },
    "id": 2
  }'

この MCP サーバーへの接続方法

Claude Desktop

claude_desktop_config.json に追加します：

{
  "mcpServers": {
    "franchise-due-diligence": {
      "url": "https://franchise-due-diligence-mcp.apify.actor/mcp",
      "headers": {
        "Authorization": "Bearer YOUR_APIFY_TOKEN"
      }
    }
  }
}

Cursor、Windsurf、Cline、その他の MCP クライアント

クライアントの MCP サーバー設定には、同じエンドポイント URL と Authorization ヘッダーを使用してください。このサーバーは、リクエストごとにステートレスな Streamable HTTP トランスポートを使用しており、すべての MCP 1.x クライアントと互換性があります。

Endpoint: https://franchise-due-diligence-mcp.apify.actor/mcp
Method: POST
Auth: Bearer YOUR_APIFY_TOKEN

Franchise Due Diligence MCP の仕組み

フェーズ 1：並列データ収集

いずれかのツールが呼び出されると、runActorsParallel は Promise.allSettled を使用して、必要なすべてのアクター呼び出しを同時に実行します。つまり、8 つのソースを網羅する完全な調査資料を収集する時間は、8 倍ではなく、最も遅い単一ソースとほぼ同じになります。個々のソースでエラーが発生した場合、そのソースは処理全体を中断するのではなく、空の配列を返します。スコアリングモデルは、データが欠落していても保守的なデフォルト値を用いて適切に対応します。

Apify クライアントの設定により、各アクター呼び出しのメモリは 256 MB、タイムアウトは 120 秒に制限されています。アクター ID は動的に検索せず、正しいバージョンのアクターを確実に指定できるようハードコードされています：Company Deep Research（2cAY2V9yz1JE2H1S2）、CFPB Complaints（OuMDkYU3IROUS0AEj）、Trustpilot Review Analyzer（BLXRNH33QZNOoyKEg）、Multi-Review Analyzer（S85IfVOoTyN9XWyXs）、OpenCorporates（x0a1Q4g0MLc7h15Im）、Google Maps Lead Enricher（nbWolQ1LMHgZsZeSg）、Federal Register（8bZkbWKlXQrDq0ZgK）、BLS Economic Data（7IoF52qtM0SrQcCDG）。

フェーズ 2：独立した 4 つのスコアリングモデル

各スコアリングモデルは、特定のソースから得られた生データの配列を処理し、分類レベルと人が読めるシグナル文字列を含む、正規化された 0～100 のスコアを返します。

フランチャイズ健全性スコアは、Trustpilot と複数レビューの配列から評価を抽出し、平均評価を meanRating * 6 によって 30 点満点の要素に換算します。CFPB の苦情件数は、1 件につき 3 点、最大 25 点まで減点した後に反転します。OpenCorporates のエンティティは、company_status フィールドと status フィールドの文字列照合により、活動中か解散済みかを判定します。企業調査項目は、成長・拡大・収益（肯定的）と、訴訟・破産・詐欺・業績低下（否定的）のキーワードを使って全文検索されます。

市場飽和度指数は、密度要素として Google Maps の拠点数を数えます（1 拠点につき 2 点、最大 40 点）。評価が 3.5 未満の拠点は、品質低下のシグナルとして累積されます。BLS の系列 ID は、LNS14 の失業率のパターンと CPI の消費者指標に照合され、失業率が 4.0% 未満の場合は経済の強さとして 5 点が加算され、6.0% を超える場合は 3 点が減点されます。地理的集中度は、5 拠点を基準に、それを超える拠点 1 か所につき 2 点を加算し、追加点は最大 15 点です。

規制コンプライアンスプロファイルは、Federal Register の文書タイトルを、「enforcement」、「penalty」、「ftc」、「franchise」、「fdd」、「disclosure」のキーワードで検索します。苦情と規制の比率により、対応する規制上の措置がない苦情のパターンを把握します。件数の圧力は、CFPB と Federal Register の両ソースから得られた生の件数を組み合わせて算出されます。

フランチャイズ加盟者のセンチメント傾向は、Trustpilot と複数レビューの配列を統合し、平均評価を 35 点、レビュー件数を 25 点、低評価（星 1～2）の割合を反転した値を 20 点、CFPB の苦情件数を相殺する値を 20 点として算出します。

フェーズ 3：総合スコアと判定

投資調査資料では、4 つのスコアを次のように組み合わせます：health * 0.30 + (100 - saturation) * 0.20 + (100 - regulatory) * 0.20 + sentiment * 0.30。飽和度と規制のスコアは、値が高いほど投資家にとって悪い結果を表すため、反転されます。算出された総合スコアは、75、55、35 の閾値に基づいて判定に対応付けられます。総合スコアにかかわらず「回避」とする条件は 2 つあります：healthLevel === 'FAILING'（スコアが 20 未満）、または complianceLevel === 'CRITICAL'（規制スコアが 80 を超える場合）です。

フェーズ 4：MCP プロトコルのトランスポート

サーバーは、MCP SDK の StreamableHTTPServerTransport を使用し、sessionIdGenerator をステートレスモードに設定しています。POST リクエストごとに新しいサーバーインスタンスが作成されるため、サーバーは水平スケーリングに対応し、Apify のスタンバイインフラストラクチャと互換性があります。スタンバイモードでは Express アプリが ACTOR_STANDBY_PORT で実行され、通常のアクター実行モードではヘルスチェックに合格するため、1 秒後に正常終了します。

最良の結果を得るためのヒント

1. 飽和度分析には地域を指定してください。 場所を指定せずに assess_market_saturation または score_territory_economics を呼び出すと、全国レベルのデータが返されます。特定の都市または都市圏（例：「Denver, CO」）を追加すると、Google Maps の密度データと BLS データを実際の投資判断に活用できます。

2. 詳細な評価に進む前に benchmark_franchise_brand を使用してください。 直接比較のコストは $0.045 で、どのフランチャイズシステムが評判と市場でのポジショニングに優れているかをすぐに把握できます。より多くのデータを要する evaluate_franchisor の呼び出しは、より有力な候補に絞って行ってください。

3. CFPB の苦情件数を先行指標として捉えてください。 CFPB データベースは、苦情が規制措置に発展する前に記録します。CFPB への苦情が 15 件以上あり、Federal Register に回答がないフランチャイズでは、執行リスクが高まりつつあります。「苦情は多いが規制当局の回答がない — 執行リスクが高まりつつある」というシグナルは、このパターンを具体的に示します。

4. オーバーライドシグナルは総合スコアより優先されます。 オーバーライドロジックによる AVOID 判定（健康状態が FAILING、または規制レベルが CRITICAL）は、他の項目のスコアがどれほど高くても、直ちに中止すべきことを示します。総合スコアだけを見て判断する前に、allSignals 配列をよく確認してください。

5. ポートフォリオのモニタリングには四半期ごとに実行してください。 フランチャイズブランドの健全性はゆっくりと変化します。すでに運営しているフランチャイズについて analyze_complaint_trajectory を 90 日ごとに実行すると、システムの悪化を早期に察知できます。評判の低下は通常、拠点ごとの売上減少に 2～4 四半期先行します。

6. FDD の確認と併用し、代替として使わないでください。 この MCP は、フランチャイザーが開示する情報を補完し、時にはそれと矛盾する独立した公開データのシグナルを提示します。スコアは事前選別と仮説の作成に活用し、重要な調査結果は実際の FDD で確認してください。

7. エージェントのワークフローには、実行ごとの支出上限を設定してください。 ツール使用のループを利用する AI エージェントは、1 回のセッションで MCP ツールを複数回呼び出すことがあります。開発中の予想外のコストを防ぐため、Apify の実行設定で最大支出額を設定してください。

他の Apify アクターとの組み合わせ

アクター	組み合わせ方
Company Deep Research	フランチャイズ本部の親会社について単独で詳細なリサーチを実施し、調査資料で把握できる範囲を超えて、経営陣や財務に関する情報を補完します
Trustpilot Review Analyzer	ブランド単位の評価に続けて、特定のフランチャイズ店舗の詳細なレビュー本文と感情を抽出します
Multi-Review Analyzer	テリトリー調査で特定したフランチャイズ店舗の住所について、Google、Yelp、Trustpilotから複数のプラットフォームのレビューを取得します
Google Maps Lead Enricher	市場の飽和度を分析した後、個々のフランチャイズ店舗の掲載情報に電話番号、ウェブサイト、営業時間などの完全な連絡先情報を追加します
Website Contact Scraper	対象となるフランチャイズシステムを特定した後、アウトリーチに向けてフランチャイズブローカーやコンサルタントの連絡先情報を抽出します
B2B Lead Qualifier	フル評価に時間をかける前に、展示会やブローカーネットワークから得たフランチャイズ開発の見込み客をスコアリングします
Website Change Monitor	評価から契約締結までの間に生じた重要な変更を把握するため、フランチャイズ本部のウェブサイトやFDDのランディングページを監視します

制限事項

• FDD または Item 19 の財務データはありません。 Franchise Disclosure Document の内容、Item 19 の財務実績に関する表明、監査済み財務諸表は、8 つの公開データソースのいずれからも入手できません。この MCP は、システムの健全性を示す指標として、レビューのセンチメント、苦情の推移、店舗密度などの代理シグナルを使用します。直接的な財務実績データではありません。
• レビューのデータには、消費者とフランチャイズ加盟者の両方の視点が混在しています。 Trustpilot と複数プラットフォームのレビューには、顧客レビューと、区別されないままフランチャイズ加盟者のレビューが含まれることがあります。センチメントのシグナルが表すのはブランドの一般的な評判であり、フランチャイズ加盟者の満足度だけではありません。
• CFPB が対象とするのは金融サービスに関する苦情のみです。 CFPB のデータベースに記録されるのは、金融商品およびサービスに関する苦情です。金融以外のフランチャイズに関する苦情（食品の品質、サービスの不備、雇用上の紛争など）は記録されません。金融商品を扱わないフランチャイズのカテゴリ（飲食、フィットネス、住宅サービスなど）では、必ずしも業績が良好だからではなく、性質上、CFPB への苦情が少なくなります。
• OpenCorporates の網羅性は管轄区域によって異なります。 企業登記データは、米国、英国、および多くの EU 管轄区域では網羅的ですが、カバー範囲の狭い州や海外市場では、データが不足していたり、反映が遅れたりすることがあります。事業体の件数は確定値ではなく、最低件数として解釈してください。
• Google Maps の密度が反映するのは、公開リストに登録された店舗のみです。 Google Maps のリスティングを申請または作成していないフランチャイズ店舗は密度のカウントに含まれないため、市場によっては飽和度が実際より低く見積もられる可能性があります。
• BLS の経済データは、デフォルトでは全国または州レベルです。 都市圏内や近隣地域レベルの経済データを取得するには、デフォルトのクエリではサポートされていない BLS シリーズ ID を指定する必要があります。一般的な雇用指標や消費者指標は、極めて局所的な市場の状況を反映しない場合があります。
• スコアリングモデルはシグナルに基づくもので、予測モデルではありません。 スコアは、現在の公開データのシグナルを反映します。投資成果を保証するものでも、将来のフランチャイズシステムの業績を予測するものでもありません。適切なデューデリジェンスの過程で、多くの判断材料の一つとしてご利用ください。
• API のタイムアウトは、アクター呼び出しごとに 120 秒です。 ソースアクターに負荷がかかっている場合、個々のツール呼び出しがタイムアウト上限に達することがあります。Promise.allSettled パターンでは、タイムアウトしたソースについてエラーではなく空の配列を返しますが、影響を受けたスコアリング項目には保守的なデフォルト値が適用されます。

インテグレーション

• Zapier — 取引パイプラインのスプレッドシートに新しい見込み案件が追加されたときにフランチャイズの評価書を作成し、判定スコアを自動で該当行に書き戻します
• Make — フランチャイズを評価し、AVOID 判定を除外して、BUY 以上の案件のみ CRM に取引レコードを作成する複数ステップのワークフローを構築します
• Google Sheets — フランチャイズのスコアとシグナルの一覧をトラッカーシートに取り込み、複数のフランチャイズシステムを対象としたポートフォリオのモニタリングに利用します
• Apify API — 取引管理システム、フランチャイズブローカープラットフォーム、カスタム調査アプリケーションから、任意のツールをプログラムで呼び出します
• Webhooks — 四半期ごとのフランチャイズ健全性モニタリングが完了したときに、Slack またはメールで通知を受け取ります
• LangChain / LlamaIndex — この MCP サーバーを LangChain エージェントのツール、または LlamaIndex ワークフローに統合し、フランチャイズ調査パイプラインを自動化します

トラブルシューティング

個別スコアは妥当に見えるのに、判定が AVOID になります。 スコアリングモデルには、合成スコアにかかわらず AVOID にする2つの上書き条件があります。franchiseHealth.healthLevel === 'FAILING'（スコアが20未満）または regulatoryCompliance.complianceLevel === 'CRITICAL'（規制スコアが80を超える場合）です。出力でこの2つのフィールドを直接確認してください。どちらも重大なレベルを示していない場合は、イシューを作成してください。調査する価値のあるスコアリング上の例外である可能性があります。

市場飽和度の評価で、ロケーション数が非常に少なく表示されます。 Google Maps での検索には、フランチャイズの一般消費者向けブランド名が使用されます。「Subway」と「Subway Sandwiches」、「H&R Block」と「H and R Block」のように、名前のバリエーションを試してください。また、ロケーションのパラメーターも指定していることを確認してください。指定しない場合、対象地域の密度ではなく、全国から抽出された少数のサンプルが返されます。

generate_investment_dossier の実行に2分以上かかります。 完全版のドシエでは、8つのソースに並列でクエリを実行し、それぞれに120秒の個別タイムアウトが設定されています。基盤となるアクターに負荷がかかっている場合、全体の実行時間が3～4分近くになることがあります。これは想定された動作です。呼び出しが繰り返しタイムアウトする場合は、evaluate_franchisor と assess_market_saturation を個別のツール呼び出しとして実行してみてください。同じデータの大部分を、より少ない並列処理で取得できます。

レビューのスコアが0で、レビューのシグナルがないままセンチメントが DECLINING と表示されます。 通常は、フランチャイズのブランド名が Trustpilot またはマルチプラットフォーム検索の結果と一致していないことを意味します。名前を短くするか、より一般的な表記を試してください。地域限定のフランチャイズシステムや新興のフランチャイズシステムでは、レビューの対象となる情報がほとんどない場合があります。その場合は、シグナルとして 'No reviews found — limited brand visibility or new franchise' が表示されます。

大手フランチャイズなのに、企業構造として1～2社しか返されません。 OpenCorporates の検索は名前に基づいています。親会社名が運営ブランド名と異なることはよくあります（例：「Doctor's Associates Inc.」は Subway を運営しています）。大規模なシステムでは、ブランド名ではなく、親会社の正式名称を使って investigate_corporate_structure を実行してください。

責任ある利用

• この MCP サーバーは、政府データベース、消費者レビューのプラットフォーム、企業登記簿で公開されているデータのみを参照します。
• CFPB、Federal Register、BLS、OpenCorporates、Trustpilot を含むすべてのデータソースは、公開 API または一般公開されているデータベースを提供しています。
• 投資シグナルは、適切なデューデリジェンスのプロセスにおける入力の1つとして使用し、投資判断の唯一の根拠にはしないでください。
• アドバイザリー、法律、投資の場面でフランチャイズ情報データを使用する際は、適用される法律を遵守してください。
• ウェブスクレイピングとデータ利用の合法性に関するガイダンスについては、Apifyのガイドを参照してください。

よくある質問

この MCP を使ったフランチャイズのデューデリジェンスは、FDD を読む場合とどう違いますか？ FDD はフランチャイザーが作成し、定められたスケジュールで監査されます。この MCP は、苦情データベース、消費者レビュー、企業登記簿、経済指標などの公開データソースから、リアルタイムで独立したシグナルを提供します。これらのデータは継続的に更新され、FDD の開示内容と矛盾したり、それを補足したりすることがあります。両者は相互に補完するものであり、置き換えられるものではありません。

1回のセッションで、いくつのフランチャイズシステムを評価できますか？ セッションごとの上限はありません。各ツール呼び出しの料金は個別に設定されており、$0.045 です。初期スクリーニングに benchmark_franchise_brand を使用すれば、AI セッション1回につき $4.50 で100のフランチャイズシステムを評価できます。その後、有力候補を evaluate_franchisor で詳しく調べられます。 国際的なフランチャイズシステムにも、フランチャイズのデューデリジェンスは有効ですか？ カバー範囲は情報源によって異なります。CFPB と Federal Register のデータは米国のみが対象です。OpenCorporates は世界中の140以上の法域をカバーしています。Trustpilot と Google Maps は国際的に利用できます。BLS のデータは米国のみが対象です。米国以外のフランチャイズを分析する場合、evaluate_franchisor と benchmark_franchise_brand はレビューと企業情報の部分的な結果を返しますが、米国の規制および経済関連の項目には保守的なデフォルト値が適用されます。

フランチャイズ健全性スコアの精度はどの程度ですか？ このスコアは公開情報のシグナルの重みを反映するものであり、フランチャイズの財務状況を監査したものではありません。詳しい調査に値するシステムを素早く絞り込み、高い苦情件数、解散した法人、低い評価などの明らかな警告サインを確実に検出するよう設計されています。40～60の境界域のスコアについては、結論を出す前に個々のツールを呼び出して追加確認することをお勧めします。

すでに所有しているフランチャイズの監視に、この MCP を使えますか？ はい。analyze_complaint_trajectory を四半期ごとに実行すると、ブランドの悪化を早期に察知できます。Apify のプラットフォームでスケジュール設定すれば、自動実行し、評価の完了時に Webhook 通知を受け取れます。既存の投資を手間なく監視する早期警告システムとして利用できます。

市場の飽和度スコアはどのように計算されますか？ 飽和度は4つの要素を組み合わせて算出します。Google Maps における店舗密度（店舗1件につき2ポイント、最大40ポイント）、既存店舗の低評価率（3.5つ星未満の店舗が多い場合に最大25ポイント）、BLS の経済指標（失業率と CPI データに基づき最大20ポイント）、および5店舗を超える地域的な集中度（最大15ポイント）です。スコアが高いほど市場の競争が激しく、新規参入の機会が少ないことを示します。

フランチャイズ投資の調査にこのデータを使うことは合法ですか？ はい。すべてのデータは、公開されている政府データベース、規制対象の消費者苦情登録機関、または公開レビューのプラットフォームから取得しています。Apify によるウェブスクレイピングの合法性ガイドをご覧ください。

ドシエの実行中に8つのデータソースのうち1つが失敗すると、どうなりますか？ アクタークライアントでは Promise.allSettled を使用しているため、個々のデータソースの失敗は実行を中止せず、空の配列を返します。影響を受けるスコア項目には保守的な中間値がデフォルトで適用され、その項目のシグナル配列は空になります。出力フィールドは常にすべて存在するため、データが得られた項目とデフォルト値が返された項目を明確に確認できます。

フランチャイズコンサルタントに依頼するのとは、どう違いますか？ フランチャイズコンサルタントは、専門的な判断力、業界内の人脈、経験を活用しますが、これらを自動化ツールで再現することはできません。この MCP は、苦情記録、レビュー分析、企業構造、市場経済など、コンサルタントが通常、案件ごとに収集するのに10～20時間を費やすデータの基盤を提供します。調査の負担を軽減しますが、重要な意思決定に際して専門家の助言が必要なくなるわけではありません。

この MCP を Cursor やほかのコーディング AI ツールに接続できますか？ はい。このサーバーは、Cursor、Windsurf、Cline、およびすべての MCP 1.x クライアントに対応する標準の Streamable HTTP MCP トランスポートを使用しています。エンドポイント https://franchise-due-diligence-mcp.apify.actor/mcp を指定し、Apify トークンを Bearer Authorization ヘッダーとして使用してください。

AVOID 判定の強制適用とは何ですか？ 複合スコアにかかわらず、次の2つの条件では AVOID 判定が強制されます。フランチャイズ健全性スコアが FAILING 分類（スコアが20未満）となる場合、または規制コンプライアンスが CRITICAL 分類（スコアが80を超える）となる場合です。これらは、ほかのシグナルが好ましくても、単一項目の深刻度によって即時に中止すべき状況を表します。 完全な投資調査レポートの生成にはどのくらいかかりますか？ generate_investment_dossier ツールは、上限をそれぞれ120秒として、8つのアクターに並列で問い合わせます。実際には、データ量やソースの負荷によって異なりますが、完全なレポートは90～150秒で返されます。個別のツールである evaluate_franchisor と assess_market_saturation は、通常30～60秒で完了します。

改善にご協力ください

問題が発生した場合は、Apify アカウントで実行の共有を有効にすると、より迅速なデバッグにご協力いただけます。

1. Account Settings > Privacy に移動します
2. Share runs with public Actor creators を有効にします

これにより、問題が発生した際に実行の詳細を確認できるため、より迅速に問題を修正できます。お客様のデータはアクターの開発者のみが閲覧でき、公開されることはありません。

サポート

バグを見つけた場合や機能のリクエストがある場合は、このアクターのページにある Issues tab からイシューを作成してください。フランチャイズ調査のカスタムワークフロー、エンタープライズ連携、一括評価パイプラインについては、Apify プラットフォームを通じてお問い合わせください。