Dieser Artikel gibt Ihnen Tipps, wie Sie Antworten und Daten aus einer Mitarbeiterbefragung über Regierungstransparenz und Rechenschaftspflicht analysieren können. Hier erfahren Sie, worauf Sie achten sollten, welche Tools am besten funktionieren und wie Sie KI nutzen können, um die Antworten tatsächlich zu verstehen.
Die richtigen Tools für die Analyse auswählen
Der Ansatz zur Umfrageanalyse hängt von Art und Struktur Ihrer Daten ab. Wählen Sie Ihre Werkzeuge basierend auf dem, womit Sie arbeiten:
Quantitative Daten: Wenn Ihre Daten Zahlen betreffen – wie viele Beamte eine bestimmte Option gewählt oder die Transparenz auf einer Skala bewertet haben –, ist es einfach, zu zählen und zu visualisieren. Tools wie Excel oder Google Sheets eignen sich hervorragend für diese Art von Daten. Sie können schnell zusammenzählen, wie viele Menschen „ja“ sagen, Durchschnittswerte berechnen oder Grafiken erstellen.
Qualitative Daten: Wenn Ihre Umfrage offene Fragen oder Folgeantworten enthält, haben Sie am Ende Unmengen an Text. Es ist unmöglich, jede Antwort im Detail zu lesen. Hier kommt KI ins Spiel – KI kann lesen, zusammenfassen und Muster finden, die Sie manuell nie erkennen würden.
Es gibt zwei Ansätze, die Sie bei der Bearbeitung von qualitativen Antworten verfolgen können:
ChatGPT oder ähnliches GPT-Tool zur KI-Analyse
Sie können Ihre exportierten offenen Antworten in ChatGPT oder ein anderes GPT-basiertes KI-Tool kopieren und dann Fragen wie „What are the common concerns about government transparency?“ oder „Summarize the biggest issues.“ stellen.
Aber: Es ist ehrlich gesagt mühsam, auf diese Weise mit großen Umfragen zu arbeiten – viel manuelles Kopieren und Einfügen, und Sie stoßen schnell an Kontextgrößenlimits, wenn Sie mehr als ein paar Dutzend Antworten haben.
Antworten verwalten und segmentieren ist knifflig. Es ist nicht einfach, in Antworten nach Fragen, Befragten oder Gruppen zu bohren.
All-in-One-Tool wie Specific
**Specific** ist ein umfassendes Umfrageerstellungs- und KI-gesteuertes Analysetool – entwickelt, um genau diese Art von Daten zu sammeln und zu analysieren (KI-Umfrageantwortenanalyse erklärt).
Daten sammeln ist intelligenter: Die dialogbasierten Umfragen von Specific stellen nicht nur feste Fragen. Sie nutzen KI, um intelligente Folgefragen zu stellen (erfahren Sie mehr über automatische KI-Folgefragen), sodass Sie tiefere, qualitativ bessere Antworten von Ihrem Beamtenpublikum erhalten.
KI-gesteuerte Analyse ist sofort: Sobald Antworten eingehen, fasst Specific automatisch die Daten zusammen, destilliert Schlüsselthemen und generiert umsetzbare Erkenntnisse – kein Kopieren und Einfügen, keine Tabellenkalkulationen, nur klare Ergebnisse in Echtzeit.
Direkter Chat mit KI: Sie können mit KI über Ihre Umfrageergebnisse chatten, so wie Sie es in ChatGPT tun würden – aber Ihr Gespräch ist direkt mit Ihrer Umfrage verbunden, und Sie erhalten erweiterte Funktionen wie Filtern nach Antwort, Ausschließen sensibler Daten und kontextbewusste Suche.
Wenn Sie neugierig sind, wie das funktioniert oder tiefere Einblicke wünschen, lesen Sie den vollständigen Leitfaden zur KI-Umfrageantwortenanalyse.
Wenn Sie eine neue Umfrage zu Regierungstransparenz und Rechenschaftspflicht erstellen müssen, bietet Specific Vorlagen und einen KI-gesteuerten Generator.
Nützliche Eingabeaufforderungen für die Analyse von Umfragen zu Regierungstransparenz und Rechenschaftspflicht
KI-gesteuerte Analyse dreht sich alles darum, die richtigen Fragen zu stellen. Die Eingabeaufforderung, die Sie verwenden, beeinflusst die gewonnenen Erkenntnisse, insbesondere bei Mitarbeiterbefragungen zur Transparenz. Hier sind meine Lieblingsaufforderungen (und wie man sie anpasst):
Eingabeaufforderung für Kerngedanken
Verwenden Sie diese, um Schlüsselthemen aus einer großen Menge offener Antworten zu extrahieren. Dies ist der Standard bei Specific und funktioniert ehrlich gesagt auch bei anderen GPT-Modellen hervorragend:
Ihre Aufgabe ist es, Kerngedanken fett markiert (4-5 Wörter pro Kerngedanke) + bis zu 2 Sätze lange Erklärung zu extrahieren.
Ausgabekriterien:
- Vermeiden Sie unnötige Details
- Spezifizieren Sie, wie viele Personen einen bestimmten Kerngedanken erwähnt haben (verwenden Sie Zahlen, keine Worte), die meist erwähnten stehen oben
- keine Vorschläge
- keine Hinweise
Beispielausgabe:
1. **Kerngedanke Text:** Erläuterungstext
2. **Kerngedanke Text:** Erläuterungstext
3. **Kerngedanke Text:** Erläuterungstext
Geben Sie der KI immer mehr Kontext: Je mehr Hintergrundinformationen die KI über Ihre Umfrage hat – wer die Befragten sind, was das Ziel ist, wichtige Richtlinien oder Standards zur Transparenz und Rechenschaftspflicht –, desto besser wird sie arbeiten. Zum Beispiel:
Analysieren Sie diese Antworten aus einer Umfrage von 2024 US-Beamten zur Regierungstransparenz und Rechenschaftspflicht. Unser Hauptziel ist es, die dringendsten Probleme zu identifizieren, die die Transparenz bei Entscheidungen betreffen. Konzentrieren Sie sich darauf, was die Befragten als mangelhaft empfinden und welche praktischen Änderungen sie sehen möchten.
Sobald Sie die Hauptthemen haben, stellen Sie Folgefragen wie:
Sagen Sie mir mehr über unzureichende Kommunikation zwischen den Abteilungen.
Eingabeaufforderung zur Validierung eines bestimmten Themas: Möchten Sie überprüfen, ob Befragte über etwas Bestimmtes gesprochen haben (z. B. Whistleblower-Richtlinien)?
Hat jemand über Whistleblowing gesprochen? Zitate einschließen.
Persona-Eingabeaufforderung: Verstehen Sie, wer antwortet – sind sie Junior-Mitarbeiter, Politikmanager, technische Spezialisten? Was wollen oder bemängeln diese Gruppen?
Basierend auf den Umfrageantworten identifizieren und beschreiben Sie eine Liste von verschiedenen Personas – ähnlich wie „Personas“ im Produktmanagement verwendet werden. Fassen Sie für jede Persona ihre Hauptmerkmale, Motivationen, Ziele und relevante Zitate oder Muster zusammen, die in den Gesprächen beobachtet wurden.
Eingabeaufforderung für Schmerzpunkte und Herausforderungen: Bitten Sie KI, Barrieren, Bedenken oder Hindernisse zu identifizieren, die Beamte erwähnen, wenn es um Transparenz und Rechenschaftspflicht geht.
Analysieren Sie die Umfrageantworten und listen Sie die häufigsten Schmerzpunkte, Frustrationen oder Herausforderungen auf, die erwähnt wurden. Fassen Sie jede zusammen und notieren Sie Muster oder die Häufigkeit des Auftretens.
Eingabeaufforderung für Motivationen und Antriebe: Erfahren Sie die Gründe, warum Beamte Transparenz schätzen oder was sie verbessert sehen möchten.
Extrahieren Sie aus den Umfragegesprächen die Hauptmotivationen, Wünsche oder Gründe, die die Teilnehmer für ihr Verhalten oder ihre Entscheidungen äußern. Gruppieren Sie ähnliche Motivationen zusammen und liefern Sie Beweise aus den Daten.
Eingabeaufforderung für Sentiment-Analyse: Ist das Feedback insgesamt positiv, negativ oder neutral? KI kann repräsentative Zitate für jedes Sentiment hervorheben.
Bewerten Sie das insgesamt in den Umfrageantworten ausgedrückte Sentiment (z. B. positiv, negativ, neutral). Heben Sie Schlüsselphrasen oder Feedback hervor, die zu jeder Sentiment-Kategorie beitragen.
Eingabeaufforderung für Vorschläge und Ideen: Bringen Sie schnell alle brillanten Ideen oder Anfragen Ihrer Beamten-Zielgruppe zur Oberfläche.
Identifizieren und listen Sie alle Vorschläge, Ideen oder Anfragen auf, die von Umfrageteilnehmern gemacht wurden. Organisieren Sie sie nach Thema oder Häufigkeit und fügen Sie gegebenenfalls direkte Zitate hinzu.
Eingabeaufforderung für unerfüllte Bedürfnisse und Chancen: Lassen Sie die KI Bereiche aufdecken, in denen Transparenz und Rechenschaftspflicht noch fehlen und wo Verbesserungen den größten Effekt haben könnten.
Untersuchen Sie die Umfrageantworten, um unerfüllte Bedürfnisse, Lücken oder Optimierungspotenziale zu identifizieren, die von den Befragten hervorgehoben wurden.
Wenn Sie Inspiration benötigen, wie Sie die besten Fragen für dieses Publikum schreiben können, siehe dieser Leitfaden zu Top-Umfragefragen für Beamte.
Wie AI verschiedene Fragetypen in der Umfrageanalyse behandelt
Specific (und ähnliche KI-Tools) geht weiter, indem es die Analyse basierend auf dem Fragetyp strukturiert:
Offene Fragen (mit oder ohne Follow-ups): Sie erhalten eine detaillierte Zusammenfassung aller Antworten sowie eine Zusammenfassung aller relevanten Folgefragen, die die KI jedes Mal gestellt hat.
Wahlmöglichkeiten mit Follow-ups: Für jede Wahl in einer Multiple-Choice-Frage generiert die KI eine separate Zusammenfassung aller dazugehörigen Folgeantworten.
NPS-Fragen: Jede NPS-Kategorie (Kritiker, Passiver, Befürworter) wird individuell zusammengefasst. Beispielsweise sehen Sie, was „Kritiker“ in ihren Follow-ups im Gegensatz zu den „Befürwortern“ erwähnt haben.
Mit genügend Geduld kann man das Gleiche auch mit ChatGPT erreichen, aber es ist weitaus manueller (Kopieren von Antworten für jede Gruppe und eins nach dem anderen zusammenfassen).
Wenn Sie diese Fragen selbst erstellen möchten oder sehen wollen, wie eine bestimmte Vorlage strukturiert ist, schauen Sie sich unser Schritt-für-Schritt-Anleitung zur Umfragenerstellung mit KI an.
Wie AI verschiedenen Fragetypen in der Umfrageanalyse begegnet
Specific (und ähnliche KI-Tools) gehen weiter, indem sie die Analyse basierend auf dem Fragetyp strukturieren:
Offene Fragen (mit oder ohne Folgefragen): Sie erhalten eine detaillierte Zusammenfassung aller Antworten sowie eine Zusammenfassung aller relevanten Folgefragen, die die KI gestellt hat.
Auswahlmöglichkeiten mit Follow-up-Fragen: Für jede Auswahl in einer Multiple-Choice-Frage erstellt die KI eine separate Zusammenfassung aller an jede spezifische Auswahl angehängten Folgeantworten.
NPS-Fragen: Jede NPS-Kategorie (Kritiker, Passiv, Befürworter) wird individuell zusammengefasst. Zum Beispiel sehen Sie, was „Kritiker“ in ihren Nachfragen im Vergleich zu „Befürwortern“ erwähnt haben.
Mit genügend Geduld kann man dasselbe mit ChatGPT machen, aber es ist viel manueller (Antworten für jede Gruppe kopieren und einzeln zusammenfassen).
Wenn Sie diese Fragen entwickeln oder herausfinden möchten, wie eine bestimmte Vorlage strukturiert ist, erkunden Sie unsere Schritt-für-Schritt-Anleitung zur Umfragenerstellung .
Wie AI mit unterschiedlichen Fragetypen bei der Umfrageanalyse umgeht
Specific (und ähnliche KI-Tools) gehen darüber hinaus, indem sie die Analyse basierend auf dem Fragetyp strukturieren:
Offene Fragen (mit oder ohne Followup): Sie erhalten eine detaillierte Zusammenfassung aller Antworten sowie eine Zusammenfassung aller relevanten Folgefragen, die die KI jedes Mal stellte.
Wahlmöglichkeiten mit Followup-Fragen: Für jede Auswahlmöglichkeit in einer Multiple-Choice-Frage generiert die KI eine separate Zusammenfassung aller daran angehängten Folgeantworten.
NPS-Fragen: Jede NPS-Kategorie (Kritiker, Passiv, Befürworter) wird individuell zusammengefasst. Zum Beispiel sehen Sie, was „Kritiker“ in ihren Folgeantworten im Vergleich zu „Befürwortern“ erwähnt haben.
Mit genügend Geduld können Sie dasselbe mit ChatGPT tun, aber es ist viel manuelles (Kopieren der Antworten für jede Gruppe und einmaliges Zusammenfassen).
Wenn Sie diese Fragen selbst erstellen oder sehen möchten, wie eine bestimmte Vorlage strukturiert ist, erkunden Sie unseren Schritt-für-Schritt-Leitfaden zur Umfrage-Erstellung.
Erstellen Sie jetzt Ihre Umfrage zu Regierungstransparenz und Rechenschaftspflicht
Erhalten Sie reichhaltigere Antworten auf Ihre Umfrage und fördern Sie sinnvolle Veränderungen in Bezug auf Transparenz und Rechenschaftspflicht, indem Sie jetzt mit Specific eine Umfrage zu Regierungstransparenz und Rechenschaftspflicht erstellen.