Dieser Artikel gibt Ihnen Tipps, wie Sie Antworten aus einer Bürgerumfrage zur Wahrnehmung der Steuergerechtigkeit analysieren können. Lassen Sie uns direkt eintauchen, um Ihren Umfrageanalyseprozess intelligenter, schneller und aufschlussreicher mit KI zu gestalten.
Wie Sie die richtigen Werkzeuge zur Analyse von Umfrageantworten auswählen
Der Ansatz und die Werkzeuge, die Sie verwenden, hängen wirklich von der Form und Struktur Ihrer Bürgerumfragedaten ab. Die Hauptunterscheidung liegt zwischen quantitativen und qualitativen Antworten.
Quantitative Daten: Das ist das Zahlenspiel—wie viele Personen haben eine bestimmte Antwort gewählt. Tools wie Excel oder Google Sheets sind unkompliziert und erledigen die Arbeit schnell.
Qualitative Daten: Hier wird es interessant (oder überwältigend). Offene Antworten, Geschichten, Beschwerden, Motivationen—das ist die Goldmine. Aber mit Dutzenden oder Hunderten von Absätzen ist es unmöglich, sie zu lesen und genau zusammenzufassen, ohne kluge Hilfe. Hier kommt die KI-Analyse ins Spiel—Sie benötigen etwas über herkömmliche Tabellenkalkulationen hinaus, da Sie Themen, Ideen und Gefühle in großem Maßstab analysieren möchten.
Beim Umgang mit qualitativen Antworten gibt es zwei allgemeine Ansätze bei den Werkzeugen:
ChatGPT oder ein ähnliches GPT-Tool für die KI-Analyse
Direkte Nutzung von GPT-basierten Werkzeugen: Sie können Ihre exportierten Umfragedaten in ChatGPT (oder ein anderes großes Sprachmodell) kopieren und über die Daten chatten. Das ist praktisch für eine schnelle Lektüre oder Brainstorming, jedoch:
- Der Umgang mit großen Datensätzen wird umständlich. Das Kontextfenster (maximale Datengröße) begrenzt, wie viel Sie auf einmal einfügen und analysieren können.
- Begrenzte Struktur. Sie erhalten keine Zusammenfassungen nach Fragen, Themen nach Kategorien oder automatische Filterung—es sei denn, Sie fordern die KI mühsam für jede einzelne an.
- Manuelle Vorbereitung erforderlich. Sie müssen Daten bereinigen, formatieren und kopieren, was dies nur für kleinere Umfragen sinnvoll macht.
Das gesagt, Sie werden Wert daraus ziehen, wenn Sie sorgfältig Aufforderungen geben (siehe nächster Abschnitt für Aufforderungsideen), besonders wenn Sie ChatGPT mit Umfragekontext leiten.
All-in-One-Tool wie Specific
Zweckgebundene KI-Analyseplattformen: Mit Specific können Sie Umfragedaten sammeln und sofort mit integrierten KI-Werkzeugen analysieren—keine Exporte oder komplizierte Anleitungserstellung erforderlich.
- Bessere Datenerhebung. Die KI stellt während der Umfrage intelligente Folgefragen, sodass die Antworten reicher und leichter zu analysieren sind. Lesen Sie mehr über unsere automatischen Folgefragen hier.
- Sofortige KI-Zusammenfassungen und Erkenntnisse. Die KI fasst Antworten zusammen, listet wichtige Themen auf und zeigt umsetzbare Erkenntnisse direkt aus der Box.
- Gesprächsanalyse, maßgeschneidert für Umfragen. Chatten Sie direkt mit Ihren Umfrageergebnissen, ähnlich wie bei ChatGPT, jedoch mit Funktionen wie Filterung, Kontextmanagement und Unterstützung für mehrere Umfragen.
- Kein Tabellenkalkulationschaos. Ergebnisse sind organisiert, filterbar und bereit zur Diskussion mit Kollegen.
- Andere führende Werkzeuge wie NVivo, ATLAS.ti oder MAXQDA bieten ähnliche KI-gesteuerte Codierungs- oder Sentiment-Funktionen, erfordern jedoch oft mehr manuelle Arbeit und Kosten als eine vollständig integrierte Lösung wie Specific [1][2][3].
Viele führende Forscher verwenden diese Art von Plattformen, um tiefere Einsichten zu gewinnen, ohne in Rohdaten zu ertrinken. Wenn Sie bereit sind zu starten, sehen Sie sich unseren Generator für Bürgerumfragen zur Steuergerechtigkeit an oder erfahren Sie mehr über die besten Umfragenfragen, die Sie stellen sollten.
Nützliche Aufforderungen zur Analyse von Bürgerumfragedaten zur Wahrnehmung der Steuergerechtigkeit
Gute Einsichten aus Ihren qualitativen Bürgerumfragedaten zu gewinnen, hängt davon ab, die richtigen Fragen zu stellen—buchstäblich. Je präziser Ihre Aufforderung, desto nützlicher Ihre Erkenntnisse. Hier sind einige bewährte Aufforderungen, die mit Specifics KI-Chat oder in ChatGPT funktionieren:
Aufforderung für Kerngedanken: Verwenden Sie diese, um die Hauptthemen oder -themen aus einem großen Satz von Antworten zur Wahrnehmung der Steuergerechtigkeit herauszuarbeiten. Fügen Sie Ihre Daten ein und verwenden Sie:
Ihre Aufgabe ist es, Kerngedanken fett hervorzuheben (4-5 Wörter pro Kerngedanke) + bis zu 2 Sätze lang Erläuterung.
Anforderungen an den Output:
- Vermeiden Sie unnötige Details
- Geben Sie an, wie viele Personen einen bestimmten Kerngedanken erwähnt haben (mit Zahlen, nicht Worten), die am meisten genannten zuerst
- keine Vorschläge
- keine Hinweise
Beispielausgabe:
1. **Kerngedanke Text:** Erläuterungstext
2. **Kerngedanke Text:** Erläuterungstext
3. **Kerngedanke Text:** Erläuterungstext
Die KI funktioniert immer besser, wenn Sie ihr mehr Kontext geben, wie etwa den Zweck Ihrer Umfrage, was Sie lernen möchten und welche speziellen Sorgen es gibt. Hier ist ein Beispiel, wie Sie Kontext zu Ihrer Aufforderung hinzufügen:
Die folgenden Antworten stammen aus einer Bürgerumfrage zu Wahrnehmungen der Steuergerechtigkeit in unserer Stadt. Wir möchten die Hauptsorgen verstehen und Chancen für eine bessere Kommunikation mit den Bürgern ermitteln. Bitte extrahieren Sie wichtige Themen wie oben.
Tiefer in einen Kerngedanken eintauchen: Wenn ein Muster auftaucht, tiefer nachfragen. Versuchen Sie:
Erzählen Sie mir mehr über XYZ (Kerngedanke)
Direkte Aufforderung für spezielle Themen: Prüfen Sie, ob jemand ein wichtiges Thema angesprochen hat, wie progressive Besteuerung oder öffentliche Dienstleistungen. Versuchen Sie:
Hat jemand über XYZ gesprochen?
Fügen Sie Zitate hinzu.
Aufforderung für Schmerzpunkte und Herausforderungen: Um herauszufinden, was Bürger am meisten frustriert, fragen Sie:
Analysieren Sie die Umfrageantworten und listen Sie die häufigsten Schmerzpunkte, Frustrationen oder Herausforderungen auf. Fassen Sie jede zusammen und notieren Sie Muster oder Häufigkeit des Auftretens.
Aufforderung für Personas: Finden Sie heraus, ob es Cluster von ähnlich gesinnten Bürgern gibt:
Ermitteln und beschreiben Sie anhand der Umfrageantworten eine Liste von klar unterscheidbaren Personas—ähnlich, wie "Personas" im Produktmanagement verwendet werden. Für jede Persona, fassen Sie die Hauptmerkmale, Motivationen, Ziele und relevante Zitate oder Muster in den Gesprächen zusammen.
Aufforderung für Motivationen und Antriebskräfte: Finden Sie heraus, warum Bürger fühlen, wie sie es tun, oder was bestimmte Einstellungen hervorruft:
Extrahieren Sie aus den Umfragegesprächen die primären Motivationen, Wünsche oder Gründe, die Teilnehmer für ihr Verhalten oder ihre Entscheidungen äußern. Gruppieren Sie ähnliche Motivationen zusammen und liefern Sie Unterstützung aus den Daten.
Möchten Sie mehr Beispielaufforderungen oder Tipps sehen? Unser ausführlicher Leitfaden, wie man eine Bürgerumfrage zur Wahrnehmung der Steuergerechtigkeit erstellt, kann Ihnen helfen, das Beste aus Ihrer nächsten Umfrage herauszuholen.
Wie Specific qualitative Daten basierend auf Fragetyp analysiert
Offene Fragen, mit oder ohne Nachfragen, werden behandelt, indem eine Zusammenfassung aller Antworten der Teilnehmer erstellt wird. Bei Nachfragen sehen Sie Zusammenfassungen jeder weiteren Antwort, die Tiefe zu jeder Hauptantwort gibt.
Auswahlmöglichkeiten mit Nachfragen: Jede Wahl erzeugt ihr eigenes „Bucket“. Sie erhalten eine separate Zusammenfassung aller Antworten auf Nachfragen zu dieser spezifischen Auswahl. Zum Beispiel, wenn jemand denkt, dass Steuern gerecht sind, sich aber über Unternehmensschlupflöcher Sorgen macht, erscheinen diese Kommentare zusammen.
NPS (Net Promoter Score) Fragen: Antworten werden nach Kategorie gruppiert—Kritiker, Neutrale und Befürworter. Jede Gruppe erhält ihre eigene Zusammenfassung der Nachfragen. Dies macht es einfach, Unterschiede der einzelnen Segmente zu erkennen.
Sie können all dies auch mit ChatGPT machen—es erfordert jedoch mehr manuelle Aufforderungen, Splitting von Daten nach Frage/Auswahl und etwas Kopieraufwand. Specific macht diesen Prozess nahtlos.
Arbeiten mit KI-Context-Limits in der qualitativen Umfrageanalyse
Kontextgröße ist wichtig. KI-Werkzeuge können nur eine bestimmte Datenmenge auf einmal