この記事では、AIを活用したサーベイ分析ツールを使用して、オンボーディング体験に関するキャンセルしたサブスクライバーのアンケートの回答を分析するためのヒントをご紹介します。これにより、無限のスプレッドシートを精査することなく必要な洞察を得ることができます。
キャンセルされたサブスクライバーのサーベイデータを分析するための適切なツールの選択
あなたが取るアプローチと使用するツールは、あなたのアンケートデータの構造に大きく依存しています。ニーズに合わせた簡単な概要を以下に示します。
定量データ：これらは、各オプションを選んだサブスクライバーの数などのメトリクスです。これらはExcel、Google Sheets、またはあなたの通常の分析ツールで簡単にカウントしたりチャート化したりできます。
質的データ：自由回答やフォローアップコメントは異なる性質のものです。数百のテキスト回答をただスキャンすることはできません—すべてを読むことは実際的ではありません。そこでAI分析が登場し、あなたの時間を節約します。
質的な回答を扱う際のツールには2つのアプローチがあります：
AI分析のためのChatGPTや類似のGPTツール
エクスポートしたアンケートデータをChatGPTや類似のAIにコピーするのは誘惑があるかもしれません—ただペーストして質問し、要約を待つだけです。
それは手動であり、時には面倒なプロセスです。大量のテキストブロックをペーストするとすぐに混乱し、アンケートが大きい場合にはコンテキストの制限に達します。データを準備し、それを小さな部分に分割し、AIに再度プロンプトを提供する必要があります。それは急場しのぎで機能しますが、定期的なチームベースの分析には便利ではありません。
「Specific」のようなオールインワンツール
Specificはこの正確なユースケースのために設計されています。それはアンケートデータの収集と、その後にデータ品質を向上させる賢いAIフォローアップを提供し、回答を自動的に分析することを可能にします。
SpecificにおけるAI駆動の分析は、回答を即座に要約し、主要なテーマを見つけ、フィードバックを行動可能な洞察に変換します。スプレッドシートや繰り返し作業は必要ありません。
アンケートデータとのインタラクティブなチャット：ChatGPTのようにAIとあなたの結果についてチャットできますが、プラットフォーム内で直接行います。さらに、AIコンテキストに渡すデータをフィルタリング、管理、スライスするための追加のツールも得られます。
生のフィードバックから迅速に深い洞察に移行することに焦点を当てたツールが必要なら、SpecificにおけるAI駆動のサーベイ回答分析がどのように機能するかをご覧ください。
どのアプローチを使用するか迷った場合は、得られる質的データの量とスループットとコラボレーションの重要性を考慮してください。詳細なプロジェクト分解については、これらの詳細なガイド—キャンセルされたサブスクライバーのオンボーディングアンケートの作成法またはオンボーディング体験アンケートのための最適な質問—はデータの収集を始める前に役立ちます。
いずれにせよ、最終目標はスピードと正確性であり、特に顧客消耗の50%が不十分なオンボーディング体験に直接関連していることを考慮すると、[1]です。
キャンセルされたサブスクライバーのアンケート回答を分析するために使用できる有用なプロンプト
プロンプトは、AIサーベイ分析ツールから高品質の洞察を得るための秘密の武器です。ChatGPTやSpecificのようなサーベイプラットフォームを使用するかどうか、正しい質問が正しい理解を解き放ちます。キャンセルされたサブスクライバーのオンボーディング体験フィードバックに取り組むための効果的なプロンプトを以下に示します：
コアアイデアのプロンプト：オンボーディング中に引用された主要な理由の簡潔な概要が欲しいですか？このプロンプトを試してみてください（Specificで使用されている正確なものです）：
あなたのタスクは、コアのアイデアを4-5の単語で抽出し、それぞれについて最大2文の説明文を添えることです。
出力要件：
- 不要な詳細は避けてください
- 特定のコアアイデアを言及した人数を指定します（言葉ではなく数字を使用）、最も言及されたものがトップに
- 提案は不可
- 示唆しない
例の出力：
1. **コアアイデアテキスト：** 説明文
2. **コアアイデアテキスト：** 説明文
3. **コアアイデアテキスト：** 説明文
コンテキストを追加してより良い結果を得る：AI分析は常にステージを設定するときにより良く機能します。アンケートの焦点、対象者、および主要なゴールを説明することで、コアアイデアプロンプトを実行する前にこうしたことを行います：
オンボーディング体験についてキャンセルされたサブスクライバーから収集された回答を分析してください。会社の目標は、オンボーディング関連の消耗を減らすことで、痛点と改善領域を特定することです。証拠で支えられた再発するテーマを抽出し、必要に応じてサブスクライバーの引用を参照してください。
深く掘り下げる：高頻度テーマを見つけたら（「設定プロセスが混乱している」など）、AIに「設定プロセスの混乱についてもっと教えてください。関連する引用を示してください。」とプロンプトを提供します。
または、このクラシックなものを使用してください：
特定のトピックのプロンプト：
[オンボーディングの困難さ]について誰かが話しましたか？引用を含めてください。
より豊富なセグメンテーションのために、以下のような他のフィールドテスト済みプロンプトを試してみてください：
人物プロンプト：「アンケート回答を基に、製品管理で使用される「ペルソナ」に似た、個別のペルソナのリストを識別し、記述してください。各ペルソナに対する主要な特徴、動機、目標、および会話で観察された関連する引用やパターンを要約してください。」
痛点と課題のプロンプト：「アンケート回答を分析し、言及された最も一般的な痛点、フラストレーション、または課題をリストしてください。それぞれを要約し、出現頻度やパターンを注意事項としてください。」
感情分析のプロンプト：「アンケート回答で表現された全体的な感情を評価してください（例：ポジティブ、ネガティブ、ニュートラル）。各感情カテゴリに寄与する主要なフレーズやフィードバックを強調してください。」
提案とアイデアのプロンプト：「アンケート参加者が提供したすべての提案、アイデア、要望を識別してリストしてください。トピックまたは頻度ごとに整理し、関連する場所には直接引用を含めてください。」
満たされていないニーズと機会のプロンプト：「回答者が強調した改善のための満たされていないニーズ、ギャップ、または機会をアンケート回答から発見してください。」
これらのプロンプトに投資する理由は？ターゲットを絞ったプロンプトはノイズを切り抜け、重要なことに焦点を当てることができます。75%のユーザーがオンボーディングがうまくいかない場合、最初の週に製品を放棄するということを考慮してください。[2]ターゲットを絞った分析から得られる洞察は大量消耗を防ぐ唯一の道です。
サーベイデザインとデータ収集のゲームをステップアップしたい場合、キャンセルされたサブスクライバーのオンボーディングフィードバックのためのAIアンケートジェネレーターのようなツールを使用してオンボーディング体験を分析するためにカスタムアンケートを作成することができます。
質問タイプによる質的サーベイデータのSpecific分析方法
Specificは基礎となる質問タイプに基づいてサーベイ分析を構築しており、パターンを簡単に見つけ、コンテキストの損失を防ぐことができます：
自由回答質問（フォローアップありまたはなし）： Specificはすべての主要回答とそのフォローアップをグループ化し、すべての会話で報告された重要な洞察を即座に要約します。サブスクライバーがオンボーディング中にキャンセルした理由のエッセンスが見えます、表面的なコメントだけではありません。
選択肢質問のフォローアップ：各回答選択肢（「設定が複雑すぎる」、「説明が不明瞭」など）は専用の要約を取得します。Specificは選択されたすべてのオプションのフォローアップコメントを集約し、サブスクライバーの決定に直接関連する微妙な痛点を明らかにします。
NPS質問：フィードバックはカテー