この記事では、ゴミ収集サービスに関する市民調査の回答を、AIを活用したツールとスマートなプロンプトを使ってデータから実用的な洞察を引き出す方法についてのヒントをご紹介します。
分析に適したツールの選択
調査回答の分析に最適な方法とツールは、データの構造に依存します。各タイプに対処する方法は次の通りです：
定量データ：評価スケールや選択肢のような構造化された回答の場合、ExcelやGoogle Sheetsのようなツールを使えば、各選択肢を選んだ人数を簡単に集計できます。回答を集計し、パーセンテージを計算することで全体像がつかめます。
定性データ：自由回答や詳細なフォローアップ質問の場合、大規模な市民フィードバックでは手動でのレビューはすぐに非効率になります。一つ一つのコメントを読むのは単に退屈なだけでなく、パターンを見つけたり深く掘り下げるのが難しくなります。この点で、AI駆動のツールが意味のある分析に不可欠となります。
定性調査回答を扱う際のツールの主なアプローチは以下の2つです：
AI分析用のChatGPTや同様のGPTツール
データをエクスポートし、貼り付けて会話: 自由回答の調査データをエクスポートし、ChatGPTに貼り付けて質問したり、テーマや洞察を引き出すためのプロンプトを実行します。
最も便利なワークフローではない： 大規模なデータセットの処理（コピーペーストの制限）、エクスポートした回答のフォーマット、特にチームでのコラボレーションや複数のクエリと分析を追跡する必要がある場合、整理の手間が生じます。
特化型のツール、Specific
調査分析のために作られたツール： Specificは、調査収集とAIを活用した回答分析がひとつのプラットフォームで統合されており、この仕事のために設計されています。AI駆動の対話型調査を作成し、回答はリアルタイムで自動的に処理されます。
より良いデータ、より良い洞察： 回答者が答える際に、SpecificはAIによって動作する追加のフォローアップ質問を投げかけ、より豊かで意味のあるデータを各調査でキャプチャします。これにより、標準的なフォームよりも質の高いフィードバックが得られます。
瞬時の要約、テーマの発見、チャット分析： 分析はスプレッドシートを使用せずに行われ、回答が即座に要約され、主要なテーマが抽出され、ChatGPTのようにAIと対話的に結果について意見交換することができます。データをフィルタリングおよびセグメント化してより深い分析を行ったり、各ステップでAIに送るものを管理できます。この強力なアプローチについてさらに知りたい場合は、AI調査回答分析についての詳細をご覧ください。
世界的に見て、ゴミ収集サービスに対する市民の満足度は劇的に変わります。例えば、エチオピアのジンマ市では74.7%の家庭が収集に不満を示しましたが、ニュージーランドのクライストチャーチでは85〜94%の住民が市のサービスに高い満足を表明しています。[1][4] このように地域条件が多様なため、地域の問題点を浮き彫りにし、市民が実際に気にしているものを明らかにするためのツール選びが非常に重要です。頻度、信頼性、乗組員の対応の良さや価格の安さであったりします。
市民のゴミ収集調査分析に利用できる便利なプロンプト
Qualitative data用のツールを選ぶとき（ChatGPTかSpecificの会話分析かに関わらず）、使用するプロンプトが大きな違いを生みます。以下は、ゴミ収集に関する市民調査に最適化された最も効果的なプロンプトです：
コアアイデアのプロンプト： これにより、大量の回答セットの中で言及の多い最大のトピックや繰り返しのポイントを発見します。ChatGPTまたはSpecificのチャットインターフェイスで直接使用できます：
あなたのタスクは、太字でコアアイデアを抽出すること（コアアイデアごとに4〜5語）と、最大2文の説明文を付けることです。
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示す（数字を使用し、最も多く言及されたものを上位に）
- 提案しない
- 示唆しない
例の出力：
1. **コアアイデアのテキスト：** 説明テキスト
2. **コアアイデアのテキスト：** 説明テキスト
3. **コアアイデアのテキスト：** 説明テキスト
コンテキストが鍵： 調査に関する情報（目標、場所、実施理由）をAIに提供すると、より良い、関連性の高い回答が得られます。例えば：
この調査はガーナのホー・ムニシパリティで、市民に対するドア・トゥ・ドアと地域コンテナゴミ収集サービスに関連した満足度と懸念を理解するために実施されました。市民が最も価値を置いていることやサービス改善の必要な部分を特定することが目的です。
特定のアイデアに深く切り込むプロンプト： コアアイデアを得た後、次のようなフォローアッププロンプトを使用します：
サービス頻度の不満（コアアイデア）についてもっと教えてください
特定のトピックを確認するプロンプト： 特定の懸念や称賛が言及されているか確認したいときに：
収集コストについて誰かが言及しましたか？引用クオートを含めてください。
ペルソナの発見プロンプト： 回答した市民の異なるタイプ、その動機、目標、懸念を理解します：
調査の回答に基づいて、製品管理で使用される「ペルソナ」と同様の、異なるペルソナをリスト化して説明してください。各ペルソナについて、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。
痛みのポイントと課題のプロンプト： 市民が最もフラストレーションを感じていること、または課題を明らかにするための明確なイメージを得るために：
調査の回答を分析し、最も一般的な痛みのポイント、フラストレーション、または課題として言及されたものをリスト化してください。各事項を要約し、発生率または頻度を記録してください。
動機と推進力のプロンプト： 市民が特定の収集方法やサービスを好む理由を明らかにします：
調査会話から参加者が表現する行動や選択への主な動機、欲求、理由を抽出します。類似した動機をグループ化し、データからの支持証拠を提供します。
感情分析のプロンプト：全体のフィードバックのトーンを迅速に要約します：
調査の回答に表現された全体的な感情（例：ポジティブ、ネガティブ、中立）を評価します。各感情カテゴリーに貢献する主要なフレーズやフィードバックを強調します。
提案とアイデアのプロンプト： ゴミサービスの改善に向けたすべての実行可能な提案を集め、引用と共にグループ化します：
調査参加者によって提供されたすべての提案、アイデア、または要求を特定してリスト化します。トピックまたは頻度ごとに整理し、関連する場合は直接の引用を含めます。
満たされないニーズと機会のプロンプト： 市民が経験するギャップを明らかにします：
調査の回答を調べて、回答者が強調した満たされないニーズ、ギャップ、または改善の機会を明らかにしてください。
ゴミ収集サービスに関する市民調査のためのベストな質問とプロンプトのインスピレーションを得るには、このガイドをご覧ください。
Specificで質問タイプごとに市民の回答を要約する
Specificの強みの1つは、分析が質問のタイプに基づいて個別に構成され、常に有益な要約が得られることです。以下はその方法です：
自由回答質問（フォローアップあり/なし）： Specificはすべての回答を要約し、同じ質問に関連するフォローアップ回答を集約するため、市民が何を意図し、何を提供したかの全体像が得られます。
選択式質問とフォローアップ：： 例えば、市民が好みのゴミ収集方法を選び、その理由を説明させた場合、選ばれた選択肢ごとに要約が作られ、その回答を選んだ理由がまとめられます。
NPS質問（Net Promoter Score）： Specificは、フィードバックをディトラクター、パッシブ、プロモーターのカテゴリーにグループ化し、各グループがサービスを自らの言葉でどのように経験しているかを比較できます。
ChatGPTでも同様の作業が可能ですが、それには各回答セットを手動でグループ化し、貼り付け、プロンプトを実行する手間がかかります。
フィルターとクロッピングでAIのコンテキストサイズ制限を克服する
市民調査を大規模に実施した場合、何百何千もの会話から結果を分析しようとすると、コンテキストサイズの制限がすぐに問題となります。大規模な言語モデル（ChatGPTや高性能なAIツールを含む）は一度に多くのデータを処理できません。回答が多すぎると、カバレッジを失ったり、エラーに直面することになります。
この課題に取り組むための2つの確立されたアプローチ（Specificで利用可能）：
フィルタリング： 特定の質問に回答した会話や特定の答えを選んだ会話だけがAIに分析されるよう、回答をフィルタリングできます。特定のグループ、例えば地域のゴミ収集への不満を述べた市民や費用を問題視している市民を分離するのに最適です。
クロッピング（質問レベルの選択）： 全てのトランスクリプトを投入する代わりに、AIに処理させる最も関連性のある質問を選択します。これによりコンテキストの限界内に収まり、インサイトが焦点化されます。特に複数のサービスタイプを含む長い調査では有効です。
イタリアの市民は、大部分がプラスチック（87.1%）、紙（86.6%）、ガラス（85.9%）を分別しているにも関わらず、約70%が収集費用が高いと感じています[5]—つまり、「費用」に関する懸念のあるフィルタリングや「プラスチック」質問の選択をコンテキストで分析することは、AIの分析を焦点化し、実行可能な機会を明らかにします。
これらのフィルタを構築する具体的な方法については、アンケートの精度を高め、質問のロジックを簡単に管理する方法をご覧ください
市民調査回答を分析するための協力機能
大規模なゴミ収集サービス調査で最も困難なのは、回答を収集することだけではなく、複数の利害関係者（研究者、市議会、ゴミ提供者）がデータが何を示しているかに一致することです。従来、スプレッドシートや終わりのない会議で協力が停滞することがよくあります。
チャットベースの、チーム向け分析： Specificでは、誰でも調査結果をチャットし、直接分析できます。もはや誰かがダッシュボードを構築したり、結果を発表するのを待つ必要はありません。各人が自分の役割に関連する質問やテーマを探求するための独自のチャットセッションを持つことができます。
割り当てられた所有権を持つ複数のチャット： 必要なだけ多くのチャットを持ち、その各チャットのフィルタと分析を明確に表示します。各セッションには、誰が作成したかが示されており、チームや部門を超えた所有権とアイデアの追跡を助けます。
明確なステークホルダーの可視性： AIチャットで協力すると、全員の貢献がわかります。各メッセージには送信者のアバターが表示され、誰がどの質問をしたか、またはどのテーマを探求したかが透過的に見えます。これにより、リアルなストーリーを引き出し、グループとしての洞察に基づいて行動するのがはるかに容易になります。
次のフィードバックラウンドを計画する場合は、効果的な市民ゴミ収集調査を構築するためのガイドをチェックし、走り始めるためのAI調査ジェネレーターを試してみてください。
ゴミ収集サービスに関する市民調査を今すぐ作成
複雑なフィードバックを瞬時のインサイトに変え、AI駆動の分析を使用して真の市民ニーズを理解し、明確かつ迅速にゴミ収集サービスを改善しましょう。今こそ、最初から実行可能な回答を得るための調査を作成するときです。