Dieser Artikel gibt Ihnen Tipps zur Analyse von Antworten aus einer Bürgerumfrage zu Bedenken bezüglich der Wasserqualität, unter Verwendung der besten verfügbaren KI- und Umfrageanalysetools.
Die richtigen Werkzeuge zur Analyse von Bürgerumfrage-Antworten auswählen
Das verwendete Werkzeug und der Ansatz hängen stark vom Format und der Struktur Ihrer Umfragedaten ab. Hier ist ein kurzer Leitfaden dazu:
Quantitative Daten: Wenn Sie Zahlen haben, wie z.B. wie viele Bürger „besorgt“ bezüglich der Wasserqualität gewählt haben, können Sie diese Antworten leicht in Excel, Google Sheets oder einem einfachen Dashboard zählen, darstellen und filtern.
Qualitative Daten: Wenn Sie jedoch mit offenen Bürgerantworten oder detaillierten Nachfragen zu tun haben, ist es unmöglich, jede Geschichte und jeden Kommentar von Hand zu lesen (besonders wenn Sie Hunderte von Antworten haben). Hierbei revolutionieren moderne KI-Tools das Spiel: Sie fassen zusammen, synthetisieren und finden Muster, die Sie leicht übersehen könnten.
Es gibt zwei Ansätze für Tools, wenn man sich mit qualitativen Antworten beschäftigt:
ChatGPT oder ein ähnliches GPT-Tool zur KI-Analyse
Kopieren Sie Ihre exportierten Daten in ChatGPT (oder ein beliebiges LLM) und chatten Sie über die Ergebnisse. Dies kann funktionieren, wenn Sie eine handhabbare Anzahl von Bürgerantworten haben. Sie können Fragen stellen wie „Welche Hauptanliegen haben die Bürger bezüglich der Wasserqualität geäußert?“
Für große, echte Umfragen nicht sehr praktisch. Das Formatieren kann mühsam sein, es besteht das Risiko von Datenschutzverstößen, und es gibt keine automatische Organisation oder Verwaltung des Datenkontexts. Sie stoßen schnell an die Eingabelängenlimits (Kontext), was es schwierig macht, vollständige Umfrage-Konversationen zu handhaben.
All-in-One-Tool wie Specific
Specific ist speziell dafür gemacht: Es sammelt Ihre Bürgerumfrageantworten (einschließlich automatischer KI-gesteuerter Nachfragen zur Erhöhung der Datenqualität) und verwendet darauf hochwertige KI-Analysen. Sie starten einfach eine konversationsbasierte Umfrage, und das Tool stellt klärende Nachfragen live, sorgt für Engagement der Bürger und liefert tiefere Antworten. Erfahren Sie mehr in diesem ausführlichen Bericht zu automatischen KI-Nachfragen.
Die KI-Umfrageantwort-Analyse in Specific fasst sofort Antworten zusammen, identifiziert wiederkehrende Themen und lässt Sie direkt mit den Ergebnissen chatten – genau wie mit ChatGPT, jedoch mit besserer Kontrolle und Organisation. Einzigartige Funktionen ermöglichen es Ihnen, zu verwalten, welche Daten an die KI gesendet werden, um die Gespräche fokussiert und kontextbezogen zu halten. Lesen Sie die Details bei KI-Umfrageantwort-Analyse.
Wenn Sie eine Umfrage zu diesem Thema erstellen möchten, gibt es auch eine voreingestellte KI-Umfrage-Generator für Bürgerbedenken zur Wasserqualität, mit dem Sie schnell starten können.
Da über die Hälfte der Amerikaner Bedenken hinsichtlich verschmutzten Trinkwassers äußert, ist die schnelle Analyse dieser offenen Textantworten unverzichtbar. [1]
Nützliche Eingabeaufforderungen zur Analyse von Bürgerumfrage-Daten
Wenn Sie offene Bürgerumfrageantworten zu Wasserqualitätsbedenken analysieren, helfen gut gestaltete KI-Eingabeaufforderungen erheblich weiter. Unabhängig davon, ob Sie mit ChatGPT, Specific oder einem anderen GPT-basierten Tool arbeiten, hier sind meine bevorzugten Starter:
Eingabeaufforderung für Kerngedanken: Verwenden Sie dies, um die Hauptthemen und Muster aus einem großen Textberg herauszufiltern. Hier ist die genaue Eingabeaufforderung, die Specific verwendet (und die Sie in ChatGPT einfügen können, um ähnliche Ergebnisse zu erzielen):
Ihre Aufgabe besteht darin, Kerngedanken fettgedruckt zu extrahieren (4-5 Wörter pro Kerngedanke) + bis zu 2 Sätze lange Erklärungen.
Ausgabebedingungen:
- Vermeiden Sie unnötige Details
- Geben Sie an, wie viele Personen einen bestimmten Kerngedanken erwähnt haben (verwenden Sie Zahlen, keine Wörter), von den meisten erwähnt bis zu den wenigsten
- keine Vorschläge
- keine Hinweise
Beispielausgabe:
1. **Kerngedanke Text:** Erklärungstext
2. **Kerngedanke Text:** Erklärungstext
3. **Kerngedanke Text:** Erklärungstext
Kontext ist entscheidend. Die KI-Analyse verbessert sich immer, wenn Sie Details zu Ihrer Umfrage geben. Anstatt einfach „diese Antworten analysieren“ zu sagen, sprechen Sie z.B.:
Analysieren Sie diese Antworten von Bürgern zu ihren Erfahrungen mit der Wasserqualität in unserer Stadt. Die Stadt hatte kürzlich mehrere Abkochungswarnungen, und die lokale Regierung möchte spezifische Bedenken und Bedürfnisse verstehen. Konzentrieren Sie sich sowohl auf die allgemeine Stimmung als auch darauf, welche Vorschläge oder Schmerzpunkte angesprochen wurden.
Eingabeaufforderung zur tiefergehenden Themenerkundung: Nach der Zusammenfassung können Sie fragen: „Erzählen Sie mir mehr über Ängste vor Wasserverunreinigungen“ (ersetzen Sie durch den tatsächlichen Kerngedanken aus Ihrer Liste). So zoomen Sie mit einer Zeile in einen bestimmten Schmerzpunkt oder eine Chance hinein.
Eingabeaufforderung für spezifische Themen: Möchten Sie bestätigen, ob Bürger etwas erwähnt haben? Versuchen Sie: „Hat jemand über Bleirohre gesprochen? Fügen Sie Zitate ein.“ Funktioniert jedes Mal.
Eingabeaufforderung für Personas: Um verschiedene Segmente zu verstehen, fragen Sie: „Basierend auf den Umfrageantworten, identifizieren und beschreiben Sie eine Liste von unterschiedlichen Personas – ähnlich wie 'Personas' im Produktmanagement verwendet werden. Fassen Sie für jede Persona ihre wichtigsten Merkmale, Motivationen, Ziele und relevante Zitate oder Muster aus den Gesprächen zusammen.“
Eingabeaufforderung für Schmerzpunkte und Herausforderungen: Wenn Sie wissen müssen, was die Bürger am meisten frustriert, verwenden Sie: „Analysieren Sie die Umfrageantworten und listen Sie die häufigsten Schmerzpunkte, Frustrationen oder Herausforderungen auf. Fassen Sie jeden zusammen und notieren Sie eventuelle Muster oder Häufigkeit des Auftretens.“
Eingabeaufforderung für Motivationen & Treiber: Um zu verstehen, warum Menschen etwas interessiert, fragen Sie: „Entnehmen Sie aus den Umfragegesprächen die primären Motivationen, Wünsche oder Gründe, die die Teilnehmer für ihr Verhalten oder ihre Entscheidungen angeben. Gruppieren Sie ähnliche Motivationen und geben Sie unterstützende Hinweise aus den Daten an.“
Eingabeaufforderung für Stimmungsanalyse: Um die Stimmung zu beurteilen, fragen Sie: „Beurteilen Sie die insgesamt in den Umfrageantworten geäußerte Stimmung (z.B. positiv, negativ, neutral). Heben Sie Schlüsselphrasen oder Feedback hervor, die zu jeder Stimmungskategorie beitragen.“
Eingabeaufforderung für Vorschläge & Ideen: Um Lösungen zu sammeln, fragen Sie: „Identifizieren und listen Sie alle von Umfrageteilnehmern gegebenen Vorschläge, Ideen oder Wünsche auf. Organisieren Sie sie nach Thema oder Häufigkeit und fügen Sie relevante direkte Zitate ein.“
Eingabeaufforderung für unerfüllte Bedürfnisse & Chancen: Um zu sehen, was fehlt, verwenden Sie: „Untersuchen Sie die Umfrageantworten, um etwaige unerfüllte Bedürfnisse, Lücken oder Verbesserungschancen, wie von den Befragten hervorgehoben, aufzudecken.“
Wenn Sie sehen möchten, was wirklich funktioniert, schauen Sie sich meine bevorzugte Liste der besten Fragen für eine Bürgerumfrage zur Wasserqualität an.
Wie Specific qualitative Daten nach Fragetyp aufschlüsselt
Qualitative Daten sind nicht alle gleich – besonders in konversationsbasierten Umfragen, bei denen jeder Bürger möglicherweise unterschiedliche Nachfragen erhält:
Offene Fragen mit oder ohne Nachfragen: Sie erhalten eine Zusammenfassung aller ursprünglichen Antworten plus eine Aufschlüsselung dieser klärenden Nachfragen.
Auswahlmöglichkeiten mit Nachfragen: Jede Antwortoption (z.B. „Sehr besorgt“ über die Wasserqualität) löst ihre eigene Zusammenfassung der zugehörigen Nachfragegespräche aus.
NPS-Fragen: Bei Net Promoter Score-Fragen erhält jede Gruppe – Kritiker, Passiven, und Promotoren – eine separate Zusammenfassung ihres gesamten Feedbacks.
Sie können dasselbe mit ChatGPT tun, aber Sie müssen manuelle Gruppierungen einrichten und verschiedene Segmente kopieren und einfügen. Es ist machbar, aber mehr Arbeit.
Mit den Kontextgrößenbeschränkungen der KI arbeiten
Wenn Ihre Bürgerumfrage eine große Menge an Antworten generiert hat, stoßen Sie schnell an die gefürchtete Kontextgrößenbeschränkung der KI (die maximale Datenmenge, die Sie gleichzeitig an ChatGPT oder ein beliebiges LLM zur Analyse senden können). Hierbei umgehe ich das – diese Tricks sind Standard bei Specific:
Filtern: Senden Sie nur Gespräche, in denen Bürger spezifische Schlüsselfragen beantwortet haben („zeigen Sie mir nur Personen, die Leitungswasser als Bedenken markiert haben“). Auf diese Weise fokussiert sich die KI auf das Wesentliche und passt viel mehr Daten auf einmal hinein.
Zuschnitt: Begrenzen Sie die Analyse auf spezifische Fragen („analysieren Sie nur die Antworten über die Kommunikation der Regierung, ignorieren Sie den Rest“). So können Sie hineinzoomen und die Kontextbeschränkungen einhalten – selbst bei großen Umfragen.
Specific automatisiert all dies, aber Sie können dieselbe Logik anwenden, wenn Sie Ihren eigenen Arbeitsablauf mit anderen Tools umsetzen.
Kollaborative Funktionen zur Analyse von Bürgerumfrageantworten
Die Analyse einer großen Menge an Bürgerbedenken zur Wasserqualität ist selten eine Ein-Mann-Aufgabe. Die Zusammenarbeit zwischen Forschern, Stadtbeamten oder Interessengruppen ist ein ständiger Schmerzpunkt – chaotische Exporte, unklare Zuständigkeiten, zu viele E-Mail-Stränge.
Gemeinsam in Kontext analysieren. Mit Specific findet das Gespräch mit der KI zu Umfragefeedback wirklich in einem gemeinsamen Arbeitsbereich statt. Sie können mehrere KI-Chat-Sitzungen starten, von denen jede einen anderen Winkel erkundet. Jeder Chat zeigt die verwendeten Filter (wie „fokussiere nur auf Befragte, die das Problem des Geschmacks erwähnen“) an und zeigt, wer sich mit was beschäftigt.
Wissen Sie immer, wer was gesagt hat. In Ihrem Analyse-Chat trägt jede Nachricht das Avatar des Absenders (Ihr oder das Ihrer Kolleginnen), sodass Ihr Team nicht dieselbe Analyse wiederholt und Sie auf den Ergebnissen der anderen aufbauen können – perfekt für die Behandlung komplexer, sensibler Themen wie Wassersicherheit, da Bürgerbedenken selten schwarz-weiß sind.
Wenn Sie diese Bürgerumfrage selbst erstellen und anpassen möchten, probieren Sie den KI-Umfrage-Editor oder verwenden Sie den KI-Umfrage-Generator für eine Umfrage zu diesem Thema als schnellen Einstieg.
Arbeiten mit KI's Kontextgrößenbeschränkungen
Wenn Ihre Bürgerumfrage eine große Menge an Antworten generiert hat, werden Sie schnell auf das gefürchtete KI-Kontextgrößenlimit stoßen (die maximale Menge an Daten, die Sie auf einmal an ChatGPT oder ein beliebiges LLM zur Analyse senden können). Hier sind einige Methoden, wie ich das umgehe – diese Tricks sind Standard in Specific:
Filterung: Senden Sie nur Konversationen, bei denen Bürger auf bestimmte Schlüsselfragen geantwortet haben („zeigen Sie mir nur Menschen, die Leitungswasser als Problem markiert haben“). So kann sich die KI auf das Wesentliche konzentrieren und viel mehr Daten auf einmal verarbeiten.
Beschneiden: Beschränken Sie die Analyse auf spezifische Fragen („analysieren Sie nur die Antworten zur Regierungskommunikation, ignorieren Sie den Rest“). So können Sie hineinzoomen und innerhalb der Kontextlimits bleiben – auch bei großen Umfragen.
Specific automatisiert all dies, aber Sie können dieselbe Logik anwenden, wenn Sie Ihren eigenen Arbeitsablauf mit anderen Tools umsetzen.
Kollaborative Features zur Analyse von Bürgerumfrageantworten
Die Analyse einer großen Menge von Bedenken der Bürger zur Wasserqualität ist selten eine Ein-Mann-Aufgabe. Die Zusammenarbeit zwischen Forschern, städtischen Beamten oder Interessengruppen ist ein ständiger Schmerzpunkt – chaotische Exporte, unklare Verantwortlichkeiten, zu viele E-Mail-Threads.
Gemeinsam, im Kontext analysieren. Mit Specific findet das Gespräch mit der KI über das Umfragefeedback wirklich in einem gemeinsamen Arbeitsbereich statt. Sie können mehrere KI-Chat-Sitzungen starten und dabei verschiedene Blickwinkel erkunden. Jeder Chat zeigt genutzte Filter an (wie „konzentriere dich nur auf Befragte, die Wasserqualitätsprobleme angesprochen haben“) und zeigt, wer sich womit auseinandersetzt.
Wissen Sie immer, wer was gesagt hat. In Ihrem Analyse-Chat trägt jede Nachricht das Avatar des Absenders (Ihre, Ihr Teammitglied oder das eines Kollegens), sodass Ihr Team nicht dieselbe Analyse wiederholt und Sie auf anderen Arbeiten aufbauen können – ideal für komplexe, sensible Themen wie Wassersicherheit.
Wenn Sie diese Bürgerumfragen sehen möchten, probieren Sie den KI-Umfrageeditor aus oder verwenden Sie den KI-Umfragegenerator für eine Umfrage zu diesem Thema.
Wie Specific qualitative Daten nach dem Fragetyp aufschlüsselt
Qualitative Daten sind nicht alle gleich – insbesondere bei konversativen Umfragen, bei denen jeder Bürger unterschiedliche Nachfragen erhalten kann:
Offene Fragen mit oder ohne Nachfragen: Sie erhalten eine Zusammenfassung aller ursprünglichen Antworten sowie eine Gliederung der klärenden Nachfragedetails.
Wahlmöglichkeiten mit Nachfragen: Jede Antwortoption (z.B. „Sehr besorgt“ über die Wasserqualität) löst ihre eigene Zusammenfassung der zugehörigen Nachfragegespräche aus.
NPS-Fragen: Für net-promoter-artige Fragen erhält jede Gruppe – Kritiker, Passive und Befürworter – eine separate Zusammenfassung ihres gesamten Feedbacks.
Sie können dasselbe mit ChatGPT tun, müssen jedoch manuelle Gruppierungen einrichten und verschiedene Segmente kopieren und einfügen. Es ist machbar, aber etwas mehr Arbeit.
Arbeiten mit den Kontextgrößenbeschränkungen der KI
Wenn Ihre Bürgerumfrage viele Antworten geliefert hat, stoßen Sie schnell auf die gefürchtete KI-Kontextgrößenbeschränkung (die maximale Datenmenge, die Sie gleichzeitig an ChatGPT oder ein beliebiges LLM zur Analyse senden können). So umgehe ich das – diese Tricks sind bei Specific Standard:
Filterung: Senden Sie nur die Konversationen, in denen Bürger bestimmte Schlüssel-Fragen beantwortet haben („zeigen Sie mir nur Personen, die Leitungswasser als Bedenken markiert haben“). Auf diese Weise fokussiert sich die KI auf das Wesentliche und fitgt weitaus mehr Daten auf einmal in den Kontext.
Beschneiden: Beschränken Sie die Analyse auf spezifische Fragen („analysieren Sie nur die Antworten zur Kommunikation der Regierung, ignorieren Sie den Rest“). Dadurch können Sie hineinzoomen und die Kontextbeschränkungen einhalten – selbst bei großen Umfragen.
Specific automatisiert all dies, aber Sie können dieselbe Logik anwenden, wenn Sie Ihren eigenen Workflow mit anderen Tools gestalten.
Kollaborative Features zur Analyse von Antworten auf Bürgerumfragen
Die Analyse einer großen Menge an Bedenken von Bürgern zur Wasserqualität ist selten eine Aufgabe für eine einzelne Person. Die Zusammenarbeit zwischen Forschern, Stadtbeamten oder Interessengruppen ist ein ständiger Schmerzpunkt – unordentliche Exporte, unklare Verantwortlichkeiten, zu viele E-Mail-Threads.
Gemeinsam in Kontext analysieren. Mit Specific erfolgt das Gespräch zur Umfragebewertung wirklich in einem gemeinsamen Arbeitsbereich. Sie können mehrere KI-Chat-Sitzungen starten und dabei verschiedene Perspektiven erkunden. Jede Unterhaltung zeigt den verwendeten Filter (wie „fahnden Sie nur nach Antworten von Befragten, die Geschmacksprobleme erwähnten“) und wer sich worum kümmert.
Seien Sie sich immer sicher, wer was gesagt hat. In Ihrem Analyse-Chat enthält jede Nachricht das Profilbild des Absenders (Ihres, das Ihres Teammitglieds oder eines Kollegen), sodass Ihr Team dieselbe Analyse nicht wiederholt und Sie auf den Ergebnissen der anderen aufbauen können – ideal für die Arbeit an komplexen, sensiblen Themen wie Wassersicherheit.
Wenn Sie eine Umfrage zu diesem spezifischen Thema erstellen möchten, gibt es auch einen KI-Umfrage-Generator, der Ihnen einen schnellen Einstieg ermöglicht.
Da über die Hälfte der Amerikaner besorgt über verschmutztes Trinkwasser ist, ist die schnelle Analyse dieser offenen Textantworten unverzichtbar.
Nützliche Eingabeaufforderungen zur Analyse von Bürgerumfrage-Antwortdaten
Wenn Sie offene Antworten von Bürgerbefragungen zu Wasserqualitätsfragen analysieren, bringen gut gestaltete KI-Aufforderungen erheblich weiter. Ganz gleich, ob Sie mit ChatGPT, Specific oder einem anderen GPT-basierten Tool arbeiten – das hier sind meine liebsten Starter:
Aufforderung für Kernideen: Verwenden Sie dies, um die Hauptthemen und Muster aus einer großen Menge Text herauszuarbeiten und auf das Wesentliche zu reduzieren. Hier ist die genaue prompt, die Specific verwendet (und die Sie auch in ChatGPT nutzen können, um ähnliche Ergebnisse zu erzielen):
Ihre Aufgabe ist es, wesentliche Ideen fettgedruckt zu extrahieren (4-5 Wörter pro Kernidee) + bis zu 2 Sätze lange Erklärungen.
Ausgabebedingungen:
- Vermeiden Sie unnötige Details
- Geben Sie an, wie viele Personen eine bestimmte Kernidee erwähnt haben (verwenden Sie Zahlen, keine Wörter), die am häufigsten erwähnten an erster Stelle
- Keine Vorschläge
- Keine Hinweise
Beispielausgabe:
1. **Kernidee Text:** Erklärungstext
2. **Kernidee Text:** Erklärungstext
3. **Kernidee Text:** Erklärungstext
Der Kontext ist wichtig. Die KI-Analyse verbessert sich immer, wenn Sie Details zu Ihrer Umfrage angeben. Anstatt einfach nur „diese Antworten analysieren“ zu sagen, geben Sie etwa an:
Analysieren Sie diese Antworten von Bürgern über ihre Erfahrungen mit der Wasserqualität in unserer Stadt. Die Stadt hatte kürzlich mehrere Warnungen zum Kochen von Wasser, und die lokale Regierung möchte spezifische Anliegen und Bedürfnisse verstehen. Konzentrieren Sie sich sowohl auf die allgemeine Stimmung als auch auf die angesprochenen Vorschläge oder Schmerzpunkte.
Aufforderung zur Vertiefung eines Themas: Nach der Zusammenfassung können Sie fragen: „Sagen Sie mir mehr über Sorgen zu Wasserverunreinigungen“ (ersetzen Sie durch die tatsächliche Kernidee aus Ihrer Liste). So zoomen Sie mit einer einzigen Zeile in einen bestimmten Schmerzpunkt oder eine Gelegenheit hinein.
Eingabeaufforderung für spezifisches Thema: Möchten Sie bestätigen, ob Bürger etwas erwähnt haben? Versuchen Sie: „Hat jemand über Bleirohre gesprochen? Fügen Sie Zitate ein.“ Funktioniert jedes Mal.
Personenbezogene Eingabeaufforderung: Um verschiedene Segmente zu verstehen, fragen Sie: „Basierend auf den Umfrageantworten, identifizieren und beschreiben Sie eine Liste von klar unterscheidbaren Personas – ähnlich, wie „Personas“ im Produktmanagement verwendet werden. Fassen Sie für jede Persona ihre wesentlichen Merkmale, Motivationen, Ziele und gegebenenfalls relevante Zitate oder Muster aus den Gesprächen zusammen.“
Eingabeaufforderung für Schmerzpunkte und Herausforderungen: Wenn Sie wissen wollen, was Bürger am meisten frustriert, verwenden Sie: „Analysieren Sie die Umfrageantworten und listen Sie die häufigsten Schmerzpunkte, Frustrationen oder Herausforderungen auf. Fassen Sie jeden zusammen und notieren Sie eventuelle Muster oder Häufigkeit des Auftretens.“
Eingabeaufforderung für Motivationen und Antriebe: Um zu verstehen, warum Menschen etwas interessiert, fragen Sie: „Extrahieren Sie aus den Umfragekonversationen die primären Motivationen, Wünsche oder Gründe, die die Teilnehmer für ihr Verhalten oder ihre Entscheidungen äußern. Gruppieren Sie ähnliche Motivationen und geben Sie unterstützende Hinweise aus den Daten an.“
Eingabeaufforderung zur Stimmungsanalyse: Um die Stimmung einzuschätzen, fragen Sie: „Bewerten Sie die insgesamt in den Umfrageantworten geäußerte Stimmung (z.B. positiv, negativ, neutral). Heben Sie die wichtigsten Redewendungen oder Feedbacks hervor, die zu jeder Stimmungs-Kategorie beitragen.“
Eingabeaufforderung für Vorschläge und Ideen: Um Lösungen zu sammeln, fordern Sie auf: „Identifizieren und listen Sie alle von Umfrageteilnehmern bereitgestellten Vorschläge, Ideen oder Wünsche auf. Organisieren Sie sie nach Thema oder Häufigkeit und geben Sie relevante direkte Zitate an, wo zutreffend.“
Eingabeaufforderung für unerfüllte Bedürfnisse & Chancen: Um zu sehen, was fehlt, wählen Sie: „Untersuchen Sie die Umfrageantworten, um unerfüllte Bedürfnisse, Lücken oder Chancen für Verbesserungen zu entdecken, die von den Befragten hervorgehoben wurden.“
Wenn Sie sehen möchten, was wirklich funktioniert, schauen Sie sich meine bevorzugte Liste der besten Fragen für eine Bürgerumfrage zur Wasserqualität an.
Wie Specific qualitative Daten nach Fragetyp aufschlüsselt
Qualitative Daten sind nicht gleich – insbesondere bei konversationsbasierten Umfragen, bei denen jeder Bürger möglicherweise verschiedene Nachfragen erhält:
Offene Fragen mit und ohne Nachfragen: Sie erhalten eine Zusammenfassung aller ursprünglichen Antworten und eine Aufschlüsselung dieser klärenden Nachfragen im Einzelnen.
Wahlmöglichkeiten mit Nachfragen: Jede Antwortoption (z.B. „Sehr besorgt“ über die Wasserqualität) löst ihre eigene Zusammenfassung der zugehörigen Nachfragen aus.
NPS-Fragen: Bei net-promoter-artigen Fragen erhält jede Gruppe – Kritiker, Passive und Befürworter – eine separate Zusammenfassung zu allen zugehörigen Feedbacks.
Sie können dasselbe mit ChatGPT tun, müssen jedoch eine manuelle Gruppierung einrichten und verschiedene Segmente kopieren und einfügen. Es ist machbar, jedoch mit mehr Aufwand verbunden.
Arbeiten mit den Kapazitätsgrenzen des KI-Kontexts
Wenn Ihre Bürgerumfrage eine große Menge an Antworten generiert hat, stoßen Sie schnell auf die gefürchtete KI-Kontextgrößenbeschränkung (die maximale Datenmenge, die Sie gleichzeitig an ChatGPT oder ein beliebiges LLM zur Analyse senden können). Hier sind einige Tricks, die ich anwende – diese sind bei Specific Standard:
Filterung: Senden Sie nur Gespräche, in denen Bürger bestimmte Schlüsselthemen angesprochen haben („zeige mir nur Personen, die Leitungswasser als besorgniserregend markiert haben“). So fokussiert sich die KI auf das Wesentliche und passt viel mehr Daten auf einmal in den Kontext.
Einschränkung: Beschränken Sie die Analyse auf bestimmte Fragen („analysiere nur die Antworten zur Kommunikation der Regierung, den Rest ignorieren“). So können Sie auf ein bestimmtes Thema zoomen und die Kontextbeschränkungen einhalten – auch für große Umfragen.
Specific automatisiert all dies, aber Sie können dieselbe Logik anwenden, wenn Sie Ihren eigenen Arbeitsablauf mit anderen Tools umsetzen.
Kollaborative Features für die Analyse von Bürgerumfrageantworten
Die Analyse einer großen Menge an Bürgerbedenken zur Wasserqualität erfolgt selten durch eine einzige Person. Zusammenarbeit zwischen Forschern, Gemeindevertretern oder Interessengruppen ist ein ständiger Streitpunkt – chaotische Exporte, unklare Zuständigkeiten und zu viele E-Mail-Ketten.
Gemeinsam und im Kontext analysieren. Mit Specific wird das Gespräch mit der KI über das Umfragefeedback tatsächlich in einer gemeinsamen Arbeitsfläche geführt. Sie können mehrere KI-Chat-Sitzungen starten, jede mit einem anderen Schwerpunkt. Jeder Chat zeigt die verwendeten Filter (z.B. „fokussieren Sie sich nur auf Befragte, die Geschmacksprobleme erwähnt haben“) und wer was untersucht.
Immer wissen, wer was gesagt hat. In Ihrem Analyse-Chat trägt jede Nachricht das Avatar des Absenders (Ihr eigenes oder das Ihrer Kollegen), wodurch es einfach ist, Fragen, Vermutungen und Schlussfolgerungen zu verfolgen, ohne den Überblick zu verlieren.
Kein doppelter Aufwand oder endlose Meetings mehr. Weil Sie sehen, wer was fragt, wiederholt Ihr Team nicht dieselbe Analyse und Sie können auf den Erkenntnissen der anderen aufbauen – perfekt für komplexe, sensitive Themen wie Wassersicherheit, da Bürgerfeedback selten schwarz-weiß ist.
Wenn Sie diese Bürgerumfragen erstellen und anpassen möchten, probieren Sie den KI-Umfrage-Editor oder verwenden Sie den KI-Umfrage-Generator für eine Umfrage von Grund auf.
Erstellen Sie jetzt Ihre Bürgerbefragung zu Bedenken zur Wasserqualität!
Erhalten Sie umsetzbare Erkenntnisse aus echten Bürgerstimmen mit KI-getriebener Analyse, sofortigen Ergebnissen und integrierter Zusammenarbeit – ohne Tabellenkalkulationen, ohne Handarbeit. Starten Sie Ihre Umfrage und erfahren Sie, was Ihrer Gemeinschaft wirklich wichtig ist.
