この記事では、公園のメンテナンスに関する市民調査の回答を、AIを活用した調査分析を使って分析する方法のヒントを提供します。実行可能な洞察を発見したい場合は、読み進めてください。
調査回答分析のための適切なツールの選択
市民のフィードバックを分析するための最良のアプローチは、調査データの構造によります。主なタイプを分解してみましょう：
定量データ（数値、評価、選択肢）： "公園のメンテナンスについてどのくらい満足していますか？" といった質問に対する回答は、すぐに結果を合計し、ExcelやGoogle Sheetsでグラフ作成ができます。
定性データ（自由記述のコメント、書かれたフィードバック）：ここでは問題が複雑化します。何百もの自由回答やAIによるフォローアップを手作業で読むのは、真の洞察を得るためには実用的ではありません。コンテンツを理解し要約できるAIツールの助けが必要です。
定性回答を扱う際のツールに関するアプローチは2つあります：
ChatGPTまたは同様のGPTツールによるAI分析
コピー＆チャット—シンプルだが不格好。 調査データをエクスポート（通常はCSVやXLSX形式）し、ChatGPTまたは他のGPTプラットフォームに一部コピー＆ペーストします。「市民が公園のメンテナンスについて挙げた主な問題は何ですか？」などの質問をすることができます。
最もスムーズなワークフローではありません。 大量のデータを管理し、プライバシーを保護し、複数のセッション間でコンテキストを追跡する際に問題に遭遇します。突発的に使うには良いが、定期的な調査や大規模なデータセットに対してこの方法をスケールするのは理想的ではありません。
Specificのようなオールインワンツール
調査収集と定性分析のために特化して設計されています。 Specificのようなツールは、市民のフィードバックやクイックNPSチェックのために、調査収集とAIパワー分析をシームレスに処理します。
フォローアップでより良いデータを。 市民が質問に回答すると、AIインタビュアーが賢いフォローアップ質問をすることができ、より豊かなデータを自動的にキャプチャします。この仕組みの詳細は、私たちの自動AIフォローアップ質問機能ガイドでご覧ください。
即時洞察—スプレッドシートに悩まされることなく。 SpecificのAIは、回答が来るとすぐに分析します。主要テーマを抽出し、会話を要約し、トレンドを強調します—手作業を大幅に削減します。
分析を導く対話型AI。 調査結果についてAIと直接会話できます—ChatGPTを使うように、ただし実際の調査データのために設計された追加の組織機能があります。
ゼロから始める方が良ければ、どんなトピックやオーディエンスにも対応したAI調査を生成する方法もご覧いただけます。
公園のメンテナンスに関する市民調査の回答データを分析するために使える役立つプロンプト
定性データから得られる実行可能な発見は、多くの場合、AIに対して適切な質問をすることにかかっています。以下は公園のメンテナンスに関する市民調査にうまく働くプロンプトと戦略です：
コアアイデアに関するプロンプト。 混乱を整理し、データ全体の主要テーマを浮き彫りにします。Specificではこれを使っていますが、ChatGPTやお好みのAIツールにコピーして使用することができます：
あなたのタスクは、太字のコアアイデア（コアイデアごとに4-5語）を抽出し、2文以内で説明文を付けることです。
出力要件：
- 不必要な詳細を避ける
- 特定のコアアイデアがどれだけの人数に言及されたかを示す（数字を使用し、言葉ではなく）、最も多く言及されたものを上に表示する
- 提案なし
- 説明なし
例の出力：
1. **コアアイデアテキスト:** 説明テキスト
2. **コアアイデアテキスト:** 説明テキスト
3. **コアアイデアテキスト:** 説明テキスト
AIにもっとコンテキストを与えて結果を改善する。 常に背景情報を追加しましょう：「これらは都市の公園メンテナンスに関する市民の回答です」とAIに伝え、可能であれば何を学びたいかを伝えます。これにより正確性と関連性が向上します。以下はコンテキストのためのサンプルプロンプトです：
これらは[都市]の公園メンテナンスに関する満足度と提案を含む市民の調査回答です。訪問者の体験に影響を与える主な問題についての要約が欲しいです、その中でデータの例を示してください。
発見を深堀りする。 コアアイデアがわかったら、次のようなターゲットを絞ったフォロープロンプトを使用します：
[コアアイデアや問題]についてもっと教えてください。
主な問題の言及を見つける。 特定の事柄を確認する必要がある場合（例：ごみ箱、遊具の維持）：
[遊具のメンテナンス]について誰かが話していましたか？引用を含めてください。
ペルソナに関するプロンプト。 異なる視点をよりよく理解するために次を使用します：
調査回答に基づいて、製品管理で使われる"ペルソナ"のような、異なるペルソナを特定して説明します。それぞれのペルソナについて、主要な特徴、動機、目標、会話の中で観察される関連引用やパターンを要約してください。
痛点と課題に関するプロンプト。 市民が何に最も苦労しているかを発見するために：
調査回答を分析し、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アップします。それぞれを要約し、パターンや発生頻度を記録します。
感情や提案に関するプロンプト。 感情を測りフィードバックを集めるために：
調査回答で表現された全体的な感情を評価し（例：ポジティブ、ネガティブ、中立）、各感情カテゴリに貢献する重要なフレーズやフィードバックを強調します。
調査参加者によって提供されたすべての提案、アイディア、またはリクエストを特定してリストアップします。トピックまたは頻度ごとに整理し、関連がある場合は直接引用を含めます。
さらにインスピレーションを得るために、公園メンテナンスに関する市民調査を作成するためのステップバイステップガイドをご覧になるか、これらの調査で尋ねるべき最良の質問をレビューしてください。
質問タイプ別に定性調査データを分析する方法
Specificはどのように調査を作成しても市民のフィードバックを効率的に分解するよう設計されています：
自由回答質問（フォローアップの有無にかかわらず）： すべての初期回答と元の質問にリンクされたフォローアップ回答を要約し、主要テーマと目立つ引用を強調します。
選択肢とフォローアップ： 各選択肢ごとに（例：「公園がきれい」対「改善が必要」）、関連するフォローアップ回答についてグループ化され、独自の要約を行います。
NPS（ネットプロモータースコア）： 推奨者、中立者、および批判者ごとに会話を分解し、各スコアの下でフォローアップを要約します（なぜ人々が都市公園を勧めたり勧めなかったりするのかを迅速に洞察）。
これをChatGPTで手作業で再現することもできますが、時間がかかります—各質問やグループに対して応答を手動でタグ付けし、データをコピー＆ペーストする必要があります。
公園のメンテナンスに関する市民のための使いやすいNPS調査を試したい場合は、自動調査ビルダーを探索してください。
コンテキストのサイズの問題を解決する：AIで多数の回答を扱う
AIツール—ChatGPTやSpecificのような専門的な調査プラットフォームを含む—には、一度に送信できるデータ量に制限があります（コンテキストサイズと呼ばれます）。
Specificは、市民調査がどれだけ多くの回答を得ても効率的に対応するための2つの方法を提供します：
フィルタリング： 分析を最も関連性のある会話に絞り込む—市民が不満を唱えた、または施設の整備について話したものだけに焦点を絞ります。これにより、AIがより深く掘り下げることができます。
クロッピング： 任意の時点でAIに送信したい質問（または会話の一部）を正確に選択します。これにより処理できるデータ量が最大化され、コンテキストの制限に達しないようにします。
コンテキストの管理とAIを駆使した調査ワークフローについて詳しくは、このガイドをご覧ください。
市民調査回答の分析における協力的な機能
調査結果の分析は、多くの場合、チームでの連携が必要です—特に市のリーダー、公務員、地域社会の関与スタッフが意見を述べたいときに。多くのプラットフォームは誰が何を尋ねたのかを見極めるのが難しく、チームがフィードバックを掘り下げる際に追跡を困難にしています。
誰でも利用可能なチャット駆動の分析。 Specificでは、チーム内の誰でもAIとデータについてチャットを開始できます。それはメッセージを送るように簡単で、学習曲線はありません。
複数のチャットと明確な所有権。 各チームメンバーが個人または共有フィルタで自分のチャットビューを設定できます。どのチャットが誰によって作成されたのかを常に明確に表示し、公園チームが「メンテナンス装備」に焦点を当て、コミュニケーションが「地域社会の関与」に取り組むことを可能にします。
アバターを使用した対面のコラボレーション。 Specificのチャットで共同作業を行う場合、各メッセージには、誰が送信したかが表示されます。これにより、会話が透明で実行可能なものになります。お互いの洞察を基に築き上げることが簡単で、どの会話にも後で戻ることができます。
実践におけるこの仕組みを確認するには、操作ガイドをチェックするか、市民のエンゲージメントのためのインタラクティブなデモ調査をSpecificデモで探索してください。
公園のメンテナンスに関する市民調査を今すぐ作成する
コミュニティからのインサイトを深く引き出し、フィードバックを行動に移すには、AIが自ら分析し、速く豊かで実際の公共の関与のために作成された対話型調査を活用しましょう。
