この記事では、AIを活用した調査回答分析を使って、市民調査からの地区計画や開発意見をどのように分析するかのヒントを提供します。コミュニティや地方政府のために調査を実施している場合、結果から価値を引き出す方法を理解することは、より良い意思決定に不可欠です。
分析に適したツールの選択
市民調査の回答を分析するための最適なツールの選択は、データが定量的（構造化）か定性的（自由回答、会話形式）かによって大きく異なります。ここに私のアプローチをご紹介します：
定量的データ：「このオプションを選んだ人数は？」などの質問には、ExcelやGoogle Sheetsが最適です。これらのテーブルとシンプルなチャートは、迅速に生の数値とトレンドを示してくれるため、クラシックです。
定性的データ：自由回答やAIで生成されたフォローアップを扱う場合、手動での読解は不可能です。詳細な回答が何十も、あるいは何百もあるとすぐに圧倒され、AIツールがパターンを浮かび上がらせ、ノイズの中に隠れた洞察を抽出する上で、ただ役立つだけでなく必須となります。
定性的な回答を扱う際のツール選択には2つのアプローチがあります：
ChatGPTや類似のGPTツールによるAI分析
エクスポートされた調査回答は、ChatGPTや他の大規模言語モデル（LLM）ツールにコピーできます。 その後、直接チャットして「繰り返し出てくるテーマは何ですか？」や「際立った苦情は何ですか？」などの質問をすることができます。
欠点：この方法は非常に便利というわけではありません。しばしば文字数制限（コンテキスト制限）にぶつかり、調査の構造を見失うことがあります（特にフォローアップがある場合）。そして、大きなデータセットを分割するのに時間を費やします。
すべてを備えたツール、Specificのようなツール
Specificは、調査回答を分析するためにゼロから設計されています。 それは魅力的な会話型調査を通じて回答を収集するだけでなく、AIを使って結果を分析します。それは会話型調査に特化しているため、コンテキストを「理解」し、各自由回答とフォローアップを正しいプロンプトにマッチングします（単にChatGPTにテキストの塊を投入するのではなく）。
品質の向上：インテリジェントな自動フォローアップ質問をすることで、Specificはより深くコンテキストに富んだ回答を得ることができます。AIフォローアップにより、表面的な回答だけに留まりません。
雑務ゼロ：AI駆動の分析は明確な要約を提供し、主要なテーマを強調し、トピックごとに内容を整理し、実行可能な手順を指摘します。また、結果についてインターフェース内でAIとチャットし、指示を与えたり、詳細を探ったり、特定のグループに絞ったりすることができます。すべて、エクスポートや手作業なしにできます。
詳しくはAIレスポンス分析がSpecificでどのように機能するかをご覧ください。
市民の都市計画及び開発意見調査データを分析するために使用できる有用なプロンプト
自由回答の調査結果を掘り下げる際、強力なプロンプトは行動可能な回答への近道です。私のお気に入りのプロンプトと、その実際的な使用法を以下に示します：
中核アイディアのプロンプト：市民が言及した主要トピックのリストを取得するためにこれを使用します。これがSpecificでコア回答の要約を生み出すプロンプトですが、ChatGPTでもうまく機能します：
あなたの任務は、中核アイディアを太字で抽出することです（各中核アイディアあたり4-5単語）+最大2文の説明を追加すること。
出力要件：
- 不要な詳細を避ける
- 特定の中核アイディアを言及した人の数を明記する（言葉ではなく数字で）、最も多く言及されたものを上に
- 提案なし
- 指示なし
出力例:
1. **中核アイディアテキスト：** 説明テキスト
2. **中核アイディアテキスト：** 説明テキスト
3. **中核アイディアテキスト：** 説明テキスト
ヒント： 調査の目的、回答者の情報、学びたいことのコンテキストを追加すると、AIはより強力な結果を提供します。以下のように始めてください：
以下の調査回答は、コミュニティにおける都市計画および開発意見に関する市民からのものです。私たちの目標は、参加意欲を改善し、都市計画情報に役立つ痛点、動機、そして行動可能な優先事項を明らかにすることです。これらの目標を念頭に置いて回答を分析してください。
深い説明へのプロンプト：「手頃な価格の住宅問題についてもっと教えてください」（または任意の中核アイディアを代わりに）と要求して、市民の優先事項をさらに掘り下げます。
特定トピックへのプロンプト：「誰かが環境への影響について話しましたか？」と直接尋ねます。必要なら「引用を含めてください」と付け加えます。
ペルソナへのプロンプト：「調査回答に基づいて、製品管理で使われるような別々のペルソナリストを特定し、説明します。各ペルソナについて、主要な特徴、動機、目標、そして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。」
痛点と課題へのプロンプト：「調査回答を分析し、最も一般的な痛点、挫折、または指摘された課題をリスト化してください。各項目を要約し、発生のパターンや頻度をメモしてください。」
動機とドライバーへのプロンプト：「調査会話から参加者が表現する主要な動機、願望、行動の理由を抽出してください。類似の動機をグループ化し、データからの証拠を提供してください。」
感情分析へのプロンプト：「調査回答に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、中立）。それぞれの感情カテゴリー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。」
提案とアイデアへのプロンプト：「調査参加者によって提供されたすべての提案、アイデア、またはリクエストを特定し、リスト化してください。トピックまたは頻度別に整理し、関連する場合は直接引用を含めます。」
満たされていないニーズと機会へのプロンプト：「参加者によって指摘されたいかなる満たされていないニーズ、ギャップ、または改善の機会を調査回答から発見してください。」
特定が質問タイプ別に質的調査回答を分析する方法
SpecificのAI駆動の分析は、質問の構造に適応しているため、常に調査のロジックに合わせた洞察を得られます：
自由回答質問（フォローアップありまたはなし）： すべての初期回答をカバーした要約を得ることができ、さらに各主要質問にリンクされたすべてのフォローアップ回答の要約を含みます。これにより、特定のアイデアが繰り返し出てくる理由と、コンテキストが回答にどのように影響したかを明確に見ることができます。
フォローアップ付きの選択肢： 各選択肢が独自のミニ分析に分割されるので、回答者が「手頃な価格の住宅」を選びフォローアップを受ける場合、そのスレッドがひとまとめに分析されます。これにより、他のセグメントとの比較が容易になります。
NPS（ネットプロモータースコア）： Specificは自動的にグループ（批判者、パッシブ、プロモーター）を分け、それぞれのフォローアップ質問（「なぜこのスコアを選びましたか？」）へのユニークなフィードバックを要約します。あなたはスコアだけでなく、全体の状況を常に見ることができます。
ChatGPTでも同様のことができますが、データを手動でフィルタリングして整理する必要があり、追加の作業が必要です。
もし優れた市民地区計画および開発意見調査を作成する方法や、市民地区計画および開発意見調査のための最高の質問についてアドバイスが必要であれば、私たちのチームによる詳細なガイドをご確認ください。
調査回答を分析する際のAIコンテキスト制限に取り組む
大規模なAIモデル（ChatGPT、GPT-4、Specificのバックエンド）はすべて、コンテキストサイズ制限があります—一度に「見る」ことができる最大限度の情報量です。市民の地区計画および開発意見調査では、参加が高い（とはいえ、最近の研究によると実際に高い参加者数を報告している自治体はわずか8.34％であり、大半はより小さく、管理可能なコホートを見ている）場合、数百または数千の長い回答があることがあります。
分析が壁にぶち当たった場合、これを機能させる2つの方法があります（Specificはその両方をネイティブに提供しています）：
フィルタリング：市民が特定の質問に答えた会話や特定の答えを選んだ会話のみを含めることで分析を集中させます。AIの審査に最も関連性の高いデータのみを抽出します。
切り取り：AIに送信する最も重要な質問のみを選択します。これによりデータセットを縮小し、コンテキスト制限内に留め、AIが最も重要なことをより深く強調することを可能にします。
「大規模な」調査から価値を引き出すためにこれは重要です。それが異なる人口統計や利害関係者グループ間で結果を比較したい場合に特に重要です。
市民調査回答を分析するための協力的な機能
地区計画および開発意見分析での協力は、多くの場合混乱します—チームはメールスレッド、バラバラのスプレッドシートファイル、終わらないバージョンを駆使し、意思決定を遅らせ、整合性を難しくします、特に異なる部門、コンサルタント、政府職員からのフィードバックを含めようとする場合。
特化されたコンテキストでのAIチャット：Specificは、プラットフォーム内でAIと直接チャットしながら誰もが調査結果を分析することを可能にすることでこれを解決します。アナリストは、住宅問題に焦点を当てたチャット、環境への影響のチャット、リーダーシップの引用を表面化するためのチャットなど、異なるチャットを分けられます。
複数のチャット、内蔵のフィルター： 各チャットには独自のフィルターとコンテキスト（例：「ゾーン4に住む人々についてだけ話してください」）が保持されるため、深掘りを行い、発見を比較することが容易です。
明確な協力体制： 協力する際には、誰が各チャットを開始したかがわかり、すべてのメッセージには明示的な属性が付与されます—「この洞察を書いたのは誰？」という混乱はありません。各アナリストやステークホルダーが自分自身のビューを構築でき、最終的なプレゼンテーションやコミュニティフィードバックセッションのためにチームとして洞察を組み合わせることができます。
より緊密な協力を望むチームには、このモデルはスプレッドシートの共有やバージョン化されたWord文書のやり取りよりもはるかに効果的です。
今すぐ地区計画および開発意見に関する市民調査を作成する
AI駆動の強力な洞察、協力的な分析、瞬時の要約で市民の意見収集プロセスをレベルアップし、常に市民が本当に言ったことと望んでいることに裏付けされた決定を行いましょう。実際の変化をもたらす地区計画および開発意見を収集し、分析し始めましょう。
