この記事では、新しい規則に関する市民の意見を集めた公務員調査の回答をどのように分析するかについてのヒントをお伝えします。この種の調査から洞察を得ようとしているなら、ここでは現代のAI駆動方法を使った私のアプローチを紹介します。
調査回答を分析するための適切なツールの選択
最初に、アプローチとツール選びは、あなたが新しい規則に対する市民の意見について公務員調査から得たデータの種類によって大きく変わります。
定量データ – データが主に数値（例：「賛成」と「反対」を選んだ人数）である場合、ExcelやGoogle Sheetsのようなツールが最適です。数を合計したり、フィルターを使ったり、クイックチャートを作成するだけで、大きなトレンドが見えてきます。
定性データ – 自由回答や多くのフォローアップがある場合、状況は変わります。何十、何百もの会話を現実的に読むことはできず、すべてのテーマや隠れた洞察を確実に見つけるのは難しいです。そのためには、本当にAI駆動のツールが必要です。
定性回答を扱う際のツールのアプローチは2つあります：
AI分析用のChatGPTや類似のGPTツール
オプション1は、エクスポートしたデータをChatGPTや他の生成型AIツールに貼り付けてチャットすることです。これは機能しますが、正直に言うと、大量のテキストを貼り付けたり整理したりするのが難しいです。100以上の回答があると、すぐにコンテキストの限界に達するでしょう。大型の政府のアウトリーチを扱う場合、簡単な分析には良いですが、それ以上のものにはなりません。
Specificのようなオールインワンツール
オプション2は、調査作業のために作られたAI分析ツールを使用することです。Specificのようなツールを使用すれば、回答を収集（会話型、チャットのような調査として）し、すべてを一つの場所で分析できます。データを収集する際に、自動的にスマートなフォローアップの質問を行い、各回答でより多くの深みとコンテキストを得ることができます—それがどのように機能するかこちらでご覧ください。
分析について：Specificは、回答を即座に要約し、テーマを見つけ、トレンドを指摘し、どんな点が重要かを見つけるのに役立ちます—スプレッドシートを開いたり、手作業でワードクラウドを作成する必要はありません。AIと一緒に回答についてチャットすることもでき、「最新の政策提案について公務員が苛立っている点は何か」といった質問をし、文脈的に瞬時に更新された答えを得ることができます。AIが見るデータのどの部分をフィルタリングしたりクロップしたりするのを助けるエクストラ機能もあり、コピー＆ペーストが必要なくなると、特に規制変更に関するフィードバックを分析する際には大きな違いを生みます。[1]
このような調査を行うための詳細なガイドが必要な場合は、新規規則に関する公務員調査の作成についてのガイドをご覧になるか、公務員向けのAI調査ジェネレーターを試してみてください。
市民の意見を集めた公務員調査データを分析するのに役立つプロンプト
さて、プロンプトについて話しましょう。良いプロンプトは、ChatGPTであれ調査分析に特化したツールであれ、AIからの洞察の質を大きく変えます。
重要なアイデアを引き出すためのプロンプト – 規制に関するフィードバックの大きなトピックを素早く引き出すために利用します。これが私のお気に入りの出発点です—このプロンプトはSpecificの内蔵分析エンジンを動かしますが、単独のGPTでも機能します：
あなたのタスクは、重要アイデアを太字で（重要アイデアごとに4〜5語）抽出し、最大2文で説明を付け加えることです。
出力要件：
- 不要な詳細を避ける
- 具体的なコアアイデアを言及した人数を明示する（言葉ではなく数値を使用）、最も多いものが上位
- 提案は行わない
- 示唆は行わない
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
追加のヒント: AIはより多くのコンテキストを追加すると、いつもより良い分析を提供してくれます。回答を貼り付けた後、「これらは最近の規制変更に関する公務員の経験からの調査結果です。共通の問題や提案を理解したいです。」といった短いメモと共にプロンプトを設定してください。
新しい規則についての公務員からの回答を分析します。この調査は、規制の展開改善のためのフィードバックプロ세スの一環です。参加者間の頻繁な障害、提案された解決策、一般的な感情を特定することが私の目標です。
特定のトピックに関するプロンプト： あるアイデアや懸念が現れるかどうかを確認したいときは、次のようなものを使います：
新しい規則の実施における透明性の課題について言及があったか？引用を含める。
ペルソナのためのプロンプト： 誰が何を言っているかを理解する：
調査の回答に基づいて、類似のペルソナのリストを特定し、説明します - 製品管理で「ペルソナ」が使用されるのと同様に。それぞれのペルソナについて、主な特徴が何か、動機や目標、関連する引用や観察されたパターンを要約してください。
痛点と課題のためのプロンプト：
調査の回答を分析し、最も一般的な痛点や不満、または課題をリストアップします。それぞれを要約し、頻度やパターンをメモしてください。
モチベーションとドライバーのためのプロンプト：
調査の回答から、参加者が表現する主要な動機、願望、または選択の理由を抽出してください。同様のモチベーションをグループにまとめ、データからの裏付けを提供してください。
感情分析のためのプロンプト：
調査の回答で表現されている全体的な感情を評価します（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ハイライトします。
市民の意見に関する公務員調査の質問のアイデアの包括的なリストが必要なら、こちらの記事をお勧めします：市民の意見に関する公務員調査のためのベストクエスチョン。
質問タイプごとのSpecificによる定性データの分析方法
実用的な分析を得るためには、調査の構造によって異なります。Specificがどのようにそれを扱い、他のツールで模倣できることを紹介します：
自由回答（フォローアップの有無にかかわらず）の質問： ツールは、その質問とフォローアップに結びついたすべてのフィードバックを要約し、クイックなトピックの概要とより深いサブテーマを提供します。
フォローアップ付き選択： 各回答オプション（例えば、「強く同意」、「中立」）はすべてのコメントで個別に要約されます—なので、異なる選択をする公務員がいる場合、各グループの背後にある「理由」が見えます。
NPS質問： フォローアップの応答に基づいて、ディトラクター、パッシブ、プロモーターで要約を分けています。規制変更についてのNPS調査を実施する場合、各感情グループにとって重要なことを見逃すことはありません。興味があれば、このNPS調査ビルダーをチェックしてください：市民の意見に関する公務員NPS調査を作成する。
ほとんどの事はChatGPTでも再現できますが、もっと多くのコピー＆ペースト、ソート、レスポンスの結合が必要になります。Specificはワークフローを合理化し、各調査構造に柔軟な分析がどのように適応するかを示します。調査を編集するのがどのようなものか見たい場合は、AI調査エディタを試してみてください—チャットするのと同じくらい簡単です。
AI調査回答分析におけるコンテキストリミットの課題への対処
AIの大きなハードルの一つは「コンテキストウィンドウ」の制限です—つまり、一度に処理できる調査データの量が限られています。この制限に達した場合、深さを失うか、データを巧みに分割する必要があります。Specificはこれを2つのスマートな方法で解決します：
フィルタリング： AIで分析するために特定の質問（または特定の応答）への回答だけを送信します。これにより、不要なコメントでスペースを無駄にせず、自分が欲しいトピックだけを対象にできます。
クロッピング： データを特定の質問（または質問グループ）に限定します。例えば「相談セッションに関するフィードバック」だけにAI分析を集中したい場合、他のすべてを除外します。圧倒感が大幅に減ります。
ほとんどの調査ツールは、これらの内蔵オプションを提供しておらず、一般的なAIツールを使用する場合は、手作業の準備がもっと必要になります。AI分析が特にどのように機能するかのウォークスルーについてはSpecificのAI調査回答分析をチェックしてください。
市民の意見に関する公務員調査回答の分析における協力機能
規制変更に対する市民の意見の分析において、コラボレーションは大きな課題です—特に政策、コミュニケーション、人事チームがすべての入力を必要とする場合。
共有会話： Specificでは、AIと一緒にチャットするだけで調査データを共同で分析できます。つまり、誰でもAIに異なる質問をすることができ—各個人やチームは、それぞれのチャットを設定して部署、地域、政策エリアごとにレスポンスをフィルタリングできます。
複数のチャット： 各スレッドは独自の検索とフィルターを持つことができるため、あなたが新しいデータプライバシーガイドラインに関する感情について調査する間に、チームメイトはオンボーディング規則にフォーカスできます。すべてのチャットは誰がそれを作成したかを明確に表示し、大規模なチームでのコラボレーション時の混乱を減らします。
誰が何を言ったか見る： Specific内のAIチャットは各メッセージの送信者のアバターを表示します。これは小さなことに思えるかもしれませんが、誰がテーマを提起したのか、またはスマートなフォローアップを行ったのかを知ることは非常に重要です。巨大なSlackのスレッドをひっかき回す代わりに、インサイトの全追跡を含むすべてが調査分析ワークスペース内にあります。
協力的な分析ワークフローを設計する場合、これらの機能は大きな変革をもたらします。パターンを特定したり次のステップを提案する際に誰が関わったか見失うことはなく、新しい規則が適用されるたびに以前の分析を簡単に再訪することができます。
一からそれを作成してどのように機能するかを見たい場合は、AI調査ビルダーを試してみてください—開始するユニークな方法です。
新規規則に関する市民の意見を集める公務員調査を今すぐ開始しましょう
新しい規則についての市民の意見から、濃厚で実用的な洞察を得ましょう—AI駆動の概要、テーマ検出、そして現実のチームのために構築された協力機能で結果を瞬時に分析します。今日から調査を開始し、政策フィードバックプロセスを向上させましょう。