この記事では、戻ってくる可能性についてキャンセルされたサブスクライバーの調査からの応答を分析する方法についてのヒントを提供します。顧客がなぜ去ったのかを真に理解し、再び彼らを取り戻す機会を見つけたいのなら、適切な戦略でデータを深堀する時です。
分析に最適なツールの選択
サブスクライバーのフィードバックを分析する最良の方法は、データの形式に依存します。それをどのように分解するかについては以下をご覧ください：
定量データ: 「戻ってくる可能性があるのは何パーセントか？」といった質問は単純です—ExcelやGoogle Sheetsで数えるだけで済みます。シンプルなスプレッドシートは、統計、平均、およびチャートに最適です。
定性データ: オープンエンドの応答が山のようにあるとき、例えばキャンセルの詳細な理由など、手作業では処理するのはほぼ不可能です。このような場合、AIツールを使用して回答を詳しく調べたり、要約したりするのが良いでしょう。
定性的な応答を処理する際には、ツールには2つのアプローチがあります：
ChatGPTや類似したGPTツールによるAI分析
オプション 1: 調査結果をエクスポートしてChatGPTや他のAIチャットボットに貼り付けます。その後、AIに要約やテーマの特定を依頼できます。しかし、便利なように思えますが、実際にはデータを絶えずコピーして貼り付け、分割しなければならず、大きなデータセットでは混乱してしまいます。
結論: クイックインサイトには適していますが、大量のデータや繰り返しの多い分析には向いていません。
Specificのようなオールインワンツール
オプション 2: Specificのような目的特化型のAIプラットフォームを使用して、調査フィードバックを収集し、即座に分析します。Specificでは、調査中にAIがパワーを活用したフォローアップクエスチョンを提示することができ、データの価値を一層高めることができます（データ品質向上の詳細については、自動AIフォローアップ質問機能をご覧ください）。
AI駆動の応答分析では、全ての応答が即座に要約され、繰り返しのテーマが抽出され、スプレッドシートを手で処理する必要がなくなります。さらに良いことに、AIとチャットして、Retentionへの取り組みに本当に重要なことに焦点を当てることができます。SpecificではAIの範囲を制御できるので、AIがどのデータを参照しているか常に把握できます。
Specificは、エクスポートや結合、ファイルの煩わしさなしにこれを実現します。よりカスタマイズされた体験をしたい場合（またはまずはキャンセルされたサブスクライバー向けの可能性調査を作成してみたい場合）、キャンセルされたサブスクライバー用のAI駆動の調査ジェネレータープリセットから始めてください。
なぜこれが重要なのか？ 80%以上の企業が、顧客のキャンセル理由を理解することがより良い再収集戦略の策定に役立つと述べています。深い洞察を瞬時に得ることは非常に価値があります。 [1]
キャンセルされたサブスクライバー調査分析に利用できる有用なプロンプト
調査データについてAIと対話する際に、適切なプロンプトが結果を左右します。以下は、キャンセルされたサブスクライバーのフィードバックで機能する私のお気に入りのいくつかです：
コアアイデア用プロンプト：
これを使用して、大規模なデータセットから瞬時に重要なトピックや理由を抽出します。これはSpecificが使用するコアプロンプトであり、GTPベースのツールでうまく機能します：
「あなたのタスクは、コアアイデアを太字で抽出することです（各コアアイデアには4〜5語）+最大2文の解説を追加してください。
出力要件：
- 不要な詳細を避ける
- 特定のコアアイデアが何人によって言及されたかを指定（単語ではなく数値を使用）、最も言及されたものを上位に
- 推奨はなし
- 指摘はなし
出力例：
1. **コアアイデアのテキスト:** 解説テキスト
2. **コアアイデアのテキスト:** 解説テキスト
3. **コアアイデアのテキスト:** 解説テキスト
AIは、調査が何のためなのか、誰が回答したのか、どのような決定を望んでいるのかという調査のコンテキストを与えると最も良い結果を出します。そのため、プロンプトでそのように述べる例を以下に示します：
「あなたは、過去6ヶ月間にアカウントをキャンセルした元SaaSサブスクライバーからの回答を分析しています。調査は彼らの戻ってくる可能性について尋ね、キャンセル理由や改善案に関する自由回答項目を含んでいます。概要をRetentionまたは成長チームに有用なものに焦点を当ててください。」
さらに深堀するには、以下を試してください：
フォローアップ用プロンプト: 「XYZ（コアアイデア）についてもっと教えてください」
これは、特定の発見や傾向を掘り下げるのに役立ちます。
特定のトピック用プロンプト:
懸念が取り上げられたかどうかを確認したい場合、直接質問してください：
「誰かが価格について話しましたか？」（直訳を含むには「引用を含めてください」）
ペルソナ用プロンプト: 異なるタイプの元サブスクライバーを分け、それを動かす要因を知りたいときに最適です：
「調査の回答に基づいて、製品管理で使用されるような「ペルソナ」を特定し、説明してください。各ペルソナについて、主要な特性、動機、目標、および関連する引用や会話で観察されたパターンを要約してください。」
苦痛点と課題用プロンプト: サブスクライバーが去った理由や問題点に焦点を当てたい場合に役立ちます：
「調査の回答を分析して、最も一般的な痛点、不満、または挫折をリストアップしてください。それぞれを要約し、発生頻度やパターンを注記してください。」
動機と駆動因用プロンプト: 離れた理由ではなく、戻る理由を知りたい場合：
「調査の会話から、行動または選択理由に関連する主な動機、欲望、および理由を抽出します。類似の動機をグループ化し、データからの裏付けを提供します。」
これらのプロンプトを適応させることで、感情分析を実施したり、製品改善の提案を引き出したり、満たされていないニーズを特定したりすることができます。独自の強力な調査構造を設計したい場合、キャンセルされたサブスクライバーの戻ってくる可能性調査のベストクエスチョンをご覧ください。
質問タイプ別の定性データ分析方法
Specificは調査の構築方法に基づいて自動的にAI分析を構造化します。異なる質問タイプでの見え方は以下のようになります：
オープンエンド質問（フォローアップあり/なし）: すべての回答に対して単一の要約を提供し、関連するフォローアップ回答を分解します。
フォローアップ付きの選択問題: 各選択（例えば、「価格が高すぎる」、「機能が足りない」）に対して、フォローアップ回答から引き出された要約を提供します。
NPS質問: Specificは回答を批評者、パッシブ、プロモーターに分け、どの点が批判者を苛立たせ、ファンを驚かせたかを確認できます。システムは各セグメントのオープンテキスト回答を要約します。
ChatGPTまたは似たようなツールを使用している場合でも同じことが可能ですが、事前の手動設定が必要で、どの回答がどの質問またはグループに属するかを把握しておく必要があります。より深いコンテキストを得るために、SpecificでのAI調査応答分析の仕組みについて学ぶ価値があります。
AIのコンテキスト制限に対処する方法
AI分析には、本当に多くのデータを同時に処理できるわけではない質問があるという現実の課題があります。キャンセルされたサブスクライバー調査で何百または何千もの回答を収集した場合、この壁に早く到達します。
賢い回避策（そしてこれをSpecificはネイティブに処理します）があります：
フィルタリング: 特定の回答方法をとった会話や、特定の質問の回答だけを分析します。これによりデータが焦点を絞り、AIのメモリ制約内に収まります。
トリミング: 調査全体を送信する代わりに、「あなたがキャンセルした主な理由は何ですか？」のような関心のある質問だけをトリミングして送信します。これにより、AIが可能な限り多くの個別の会話を処理できるようになります。
このセットアップにより、分析の深さに重点を置くことができ、単に広さに重点を置くことなく、質的研究からのより良く、行動可能な洞察を提供するアプローチが証明されています。 [2]
キャンセルされたサブスクライバー調査応答を分析するための共同機能
調査応答の分析を共同で行うことは、エクスポートされたCSVファイル、スプレッドシートのバージョン、断片化されたスレッドの絡まりにしばしば変わります。キャンセルされたサブスクライバーの戻ってくる可能性調査に取り組んでいるチームにとって、これは大きな負担です。
Specificでの共同作業はシームレスです。 AIと対話するだけで応答を分析できます—ファイルを渡す必要はありません。チームが異なる角度を掘り下げる場合、各分析は独自のチャットワークスペースで始まります。各チャットは誰がそれを始めたかを示し、洞察をチームメイトや部門に追跡しやすくなります。
独自のフィルターを持つ複数のチャット: 価格の問題点に関する1つのチャット、サポート経験に関するズームイン、機能に関する肯定的なフィードバックを探すための別のチャットがあります。これにより、マーケティング、製品、およびサポートがそれぞれ自分たちにとって重要なことに焦点を当てられ、共通のコンテキスト内にいます。
明確なアイデンティティと追跡性: あなたや同僚が質問をしたり、発見を保存したりする際、SpecificのAIチャットのすべてのメッセージには明確に送信者が示されます。誰がどのフォローアップを提起したかを見失うことはありません。チームレビュー、プレゼンテーション、および経営者向け要約がはるかに簡単になります。
Specificは、現代のクロスファンクショナルなチームワークのために設計されており、分析が孤立した忙しさではなく、共有プロセスになるようにします。共同調査ワークフローをどのように簡単に設定するかをご覧になりたい場合は、キャンセルされたサブスクライバーの戻ってくる可能性調査の作成方法をご覧ください。
今すぐキャンセルされたサブスクライバーの戻ってくる可能性調査を作成する
人々がなぜ去るのか、そして彼らが戻ってくることを促進するものは何かを明らかにし始めてください。AI駆動の会話型アンケートを使用することで、各応答を迅速に行動可能な洞察に変換することができます—スプレッドシートも、遅延もなく、ただすぐに行動できる答えがあります。
