この記事では、AIを活用した調査回答分析技術を用いて、食事の質についてのイベント参加者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。調査データから最大限の価値を引き出したい方は、ぜひ読み進めてください。
調査回答分析に適したツールの選択
最適なアプローチと使用するツールは、持っている調査データの種類によって異なります。主に数字や簡単な選択肢が中心の調査結果の場合には、既に使い慣れているツールを簡単に活用できます：
定量データ: イベント参加者のアンケートが食事の質を1から5で評価することや、好きな料理を選ぶことに焦点を当てている場合、ExcelやGoogle Sheetsで合計や平均を迅速に計算できます。これらのクラシックなツールは、最小限の手間でカウントやパーセンテージを処理します。
定性データ: 自由記述形式の質問（「デザートについてどのように感じましたか？」など）では、状況が複雑になります。数十、数百の会話形式の回答が集まると、人力では読み取りや合成が難しくなります。ここでAIツールが活躍します。それらはパターンを発見し、フィードバックを要約し、隠れたテーマを見つけ出します。
定性データを扱う際の主なアプローチは二つあります：
ChatGPTや類似のGPTツールによるAI分析
エクスポートした回答をChatGPT（または同様のGPT搭載チャットツール）に貼り付けてデータに関する質問をすることができます。 初心者には、この方法が簡単です—調査結果をコピーして貼り付け、チャットでディスカッションをします。
ただし、より大規模なデータセットには不便です。フォーマット、コピーペースト、コンテキストの制限が、プロセスを扱いづらくし、特に複数の質問にまたがる結果をセグメント化またはフィルタリングする必要がある場合、エラーが起こりがちです。
フォローアップ質問の解釈をしたり、定性的なコメントを特定の選択肢（例えばNPSスコアや評価）と結びつけたりする場合、多くの手作業の調整が必要になります。
オールインワンツール「Specific」
Specificはエンドツーエンドの調査作成およびAI分析のために設計されています。 イベント参加者の食事の質アンケートを作成し、回答を一か所で分析することができます。データ収集時には、Specificの会話形式のアンケートが自動的に関連するフォローアップ質問を行い、参加者からより詳細で実用的な情報をキャッチします。詳細は調査プロンプトガイドを参照し、なぜ自動フォローアップが重要なのかはAIフォローアップ解説で確認してください。
分析は瞬時に行われます： AIは定性的なフィードバックを要約し、トレンドを発見し、主要な洞察を表面化します—あなたがスプレッドシートに触れる必要なしで。AIと直接チャットすることで、さらに深堀りしたり、結果をフィルタリングしたり、異なるステークホルダーに合わせたサマリーを生成することができます。詳細はこちらをご覧ください: 具体的にAIで調査回答を要約する方法。
専門的なAI研究ツールに比べて、 NVivoやMAXQDA（どちらも自動コーディングと視覚化を利用してテキスト主体の調査データのテーマを扱います）といったツールは、Specificは非研究者にも使いやすく高速さを重視しています。高度なAIコーディングソフトウェアに興味がある方は、EnqueryのサマリーとJean Twizeyimanaのブログで定性データ分析用のトップオプションを確認できます。
NVivoとMAXQDAはどちらもマシンラーニングを内蔵しており、フィードバックのテーマを特定します。これは食事の質イベント調査で迅速かつ正確な洞察を得たい場合に非常に貴重です。[1][2][3]
食事の質についてのイベント参加者アンケートの回答を分析するために使える有用なプロンプト
AIを活用した調査分析は、機械に明確な指示を与えるときに最適に機能します。以下は、イベント参加者の食事の質アンケートを分析するための、試行済みのプロンプト例です：
核心アイデアのプロンプト： 大量の自由記述形式の回答からトップレベルのテーマを浮き彫りにするために、この定番プロンプト（Specificでも使用していますが、ChatGPTでも大いに活用できます）を使用します：
あなたのタスクは、太字で表現した核心アイデア（各アイデア4-5語）+最大2文の説明文を抽出することです。
出力要件：
- 不要な詳細を避ける
- 特定の核心アイデアが何人に言及されたかを指定する（言葉ではなく数字を使用）、最も言及されたものが上位にくる
- 提案はなし
- 指示はなし
例の出力：
1. **核心アイデアのテキスト:** 説明文
2. **核心アイデアのテキスト:** 説明文
3. **核心アイデアのテキスト:** 説明文
コンテキストがAIの出力を改善： より良い結果を得るには、調査のコンテキストを常に提供してください。例えば：
これは、ポストカンファレンス調査の質問に対するイベント参加者の反応です：「イベントで提供された食事と飲み物の質を評価し、その理由を教えてください。」共通のテーマや改善すべき点に興味があります。
テーマを深堀りするためのプロンプト： 核心テーマ（例えば「デザートのバラエティーが不足している」）を見つけたら、次のようにします：
デザートのバラエティーの不足についてもっと教えてください。
トピックの具体性を求めるプロンプト： 特定の問題（例えばアレルギー）について誰かが言及したかを確認したい場合：
食物アレルギーについて誰かが言及しましたか？引用を含めてください。
ペルソナのためのプロンプト： 誰がどのように回答したのかを理解するには、次のように：
調査回答を基に、プロダクトマネジメントで使用される「ペルソナ」と類似した、独自のペルソナをリストアップし、特性、動機、目標、会話の中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。
痛点と課題のためのプロンプト： 参加者の挫折を表面化するには：
調査回答を分析し、最も一般的な痛点、挫折、または挙げられた課題をリスト化します。各項目を要約し、パターンや発生頻度を注記してください。
提案とアイデアのためのプロンプト： 回答者から寄せられた改善提案を集めるには：
調査参加者が提供した全提案、アイデア、または要求を特定してリスト化します。トピックや頻度ごとに整理し、関連する場合は直接の引用を含めてください。
感情分析のためのプロンプト： フィードバックをポジティブまたはネガティブの感情によってスライスするには：
調査回答で表現された全体的な感情（例：肯定的、否定的、中立）を評価します。各感情カテゴリに貢献するキーフレーズやフィードバックを強調してください。
これらのプロンプトと少しのコンテキスト情報を追加することで、より中身のある、行動に移しやすい洞察が得られます—GPTツールを使用する場合でも、「Specific」の内蔵AIチャットを使用する場合でも。特にイベント参加者のアンケート質問が必要な場合は、イベント参加者の食の質に関する調査のベストな質問についての記事をご覧ください。
問いのタイプに基づく定性データの要約方法
自由記述形式の質問（フォローアップありまたはなし）： Specificは、すべての回答と、それに関連するフォローアップ質問から得られた詳細を融合したサマリーを提供します。
選択肢付きのフォローアップ： 各回答選択肢は、その選択肢に関連するフォローアップ回答のサマリーとペアリングされます。これにより、「優秀」 vs 「普通」といった選択に込められた意図が明確に示されます。
NPS（ネットプロモータースコア）質問： 競争者、不満層、中立層、推奨者それぞれのサマリーを提供し、それぞれの得点の理由や提案項目に関するブレークダウンを行います。
このようなセグメンテーションはChatGPTでも行えますが、コピー＆ペースト、スコアや選択肢に基づいたフィルタリング、プロンプトエンジニアリングなど多くの手間がかかります。より迅速で堅実なプロセスを求めるなら、Specificがすべての作業を自動化して行います。
AIのコンテキストの制限に対処する方法
コンテキストサイズの制限は事実です： ChatGPTのような大規模言語モデル（LLM）は「コンテキストウィンドウ」を持っており、一度に処理できるテキストの上限があります。特に大規模なイベントや複数日にわたる会議後のイベント調査回答では、しばしばこの制限に達します。
この制限を乗り越えるための方法は、Specificに組み込まれたものとして2つあります：
フィルタリング: 特定の主要な質問に回答した、または特定の選択を行った回答者の会話のサブセットに絞り込みます（例：「良くない」と評価した人やビーガンランチセッションに参加した人のみ）。AIの制限内で最も関連性の高い回答のみを分析します。
AI分析のための質問のクロッピング: 調査ログ全体を送信する代わりに、重要な質問を絞って選択します。これにより、AIがより多くの回答者を全体として処理でき、調査の高価値な部分に焦点を当てることができます。
これらの方法は、大規模データセットを管理し、LLMのメモリの壁に引っかかることなく洞察を得るのに役立ちます。独自のワークフローを構築する場合は、ChatGPTにアップロードする前にデータを手作業でフィルタリングし、クロッピングする必要があります。
イベント参加者アンケート回答の分析における共同機能
アンケート分析の共同作業は、すぐに混乱をもたらす可能性があります。 スプレッドシートの共有や、AIプロンプトをチャットスレッドにコピー＆ペーストするには、エラーの余地があり、誰がどのインサイトに取り組んでいるのかを追跡するのが難しいです。特に、食事の質についての詳細な定性的フィードバックを数十名のイベント参加者から扱う場合、こうした問題が倍増します。
Specificは、プラットフォーム内で調査回答を共同で分析できる機能を提供します。 あなたとあなたのチームは、ChatGPTのようにAIとチャットし、異なるセグメントやフォローアップ質問に対する食事の質フィードバックを探索できます。各チャットには独自のフィルタが適用され、作成者のログを保持します。
誰が何を言ったかを確認。 分析を進める際に、前菜とデザートの印象を比較したり、具体的な参加者の提案を探したりするときには、コメントの横に送信者のアバターが表示されます。これにより、ケータリングマネージャー、イベントプランナー、フィードバックレビューチームの一員として、スムーズなチーム作業をサポートし、全員が一致協力することができます。
複数の同時チャット。 「ビーガン食事のフィードバック」や「テーブルサービス」のように、異なる調査の角度でチャットを立ち上げることができ、チームメイトも同様に並行して行うことができます。
始める準備ができたら、AI搭載のエディタにより、調査の調整がチャットのように簡単で、テンプレートを使って最初から調査を作成することもでき、すべてが共同作業を念頭に置いて設計されています。
食事の質に関するイベント参加者アンケートを今すぐ作成
詳細で実用的な洞察を数分で解き明かし、参加者が実際に食事についてどのように思っているのかを即座に理解することができます。分析を今すぐ始めましょう—スプレッドシートや手作業は不要です。