이 기사에서는 AI 설문 응답 분석과 효과적인 설문 분석 도구를 사용하여 시민 설문조사에서 다양성과 포용성에 대한 응답을 분석하는 방법에 대한 팁을 제공합니다.
분석을 위한 적절한 도구 선택
적절한 접근 방식은 보유하고 있는 응답 데이터의 종류에 따라 다릅니다. 양적 데이터의 경우, 시민들이 정책을 지지하거나 직장에서의 포용성을 평가하는 비율과 같은 데이터는 Excel이나 Google Sheets와 같은 도구에서 간단한 카운트와 퍼센트를 계산하기 쉽습니다. 기본적으로 숫자를 합산하고 내장된 함수와 차트를 사용하여 트렌드를 확인합니다.
양적 데이터: 스프레드시트를 사용하여 분석하기 쉽습니다. 예를 들어, 시민의 63%가 지역 사회의 다양성 이니셔티브의 개선을 보고했다면, Sheets나 Excel에서 그 데이터를 집계하면 잘 작동합니다. [1]
질적 데이터: 자유형 질문이나 후속 응답은 훨씬 더 깊은 통찰력을 제공하지만, 설령 몇 십 명만 참여하더라도 그 모든 응답을 수작업으로 읽고 코딩할 수는 없습니다. AI 도구를 사용하면 사람들의 실제 발언과 그 이유를 빠르게 요약하고 시각화할 수 있어, 텍스트에 빠져들지 않게 됩니다.
질적 응답을 처리할 때 도구화에 대한 두 가지 접근 방식이 있습니다:
AI 분석용 ChatGPT 또는 유사 GPT 도구
복사-붙여넣기 및 채팅: 열린 시민 설문 데이터를 내보낸 다음 ChatGPT에 붙여넣으세요. 요약을 요청하거나, 실시간으로 AI와 감정 분석을 실행하거나 후속 질문을 브레인스토밍할 수 있습니다.
대규모로는 덜 편리합니다: 이 방법은 소규모 데이터셋에 적합하지만, 수백 또는 수천 개의 응답이 있을 때 데이터 관리가 빠르게 번거로워집니다. AI와의 메시징은 구조적 정보를 많이 제공하지 않으며(필터 없음, 작업 중인 데이터 부분 추적 없음), 종종 응답을 나누고 어디서 멈췄는지 계속 추적해야 합니다.
특정과 같은 올인원 도구
설문 분석을 위한 목적 구축: 특정의 AI 설문 응답 분석을 통해 AI는 모든 응답을 수집하고 분석하므로, 어디서 시작해야 하는지 고민하거나 데이터를 내보내고 복사할 필요가 없습니다.
더 풍부한 데이터를 위한 자동 후속 질문: 특정의 설문조사는 맞춤형 후속 질문을 하므로 항상 더 완전하고 실행 가능한 입력을 받습니다. 모든 가능한 답변을 계획할 필요가 없으며, AI는 각 응답자와 함께 중요한 것을 탐구하여 시민 다양성과 포용성 프로젝트의 응답 품질을 높입니다. 자동 AI 후속 질문 기능에 대해 자세히 읽어보십시오.
즉시 요약 및 통찰 생성: AI는 오픈 텍스트 응답을 구성하고 패턴을 식별하며, 시민들이 실제로 관심을 가지는 본질을 요약합니다—모두 몇 번의 클릭으로 가능합니다. 수동 코딩이나 데이터에 대한 두 번의 추측이 필요 없습니다. ChatGPT와 같이 AI와 대화할 수도 있지만, 협업 및 데이터 관리 기능이 내장되어 있습니다.
유연하고 협력적인 워크플로: 올인원 도구를 통해 데이터를 쉽게 분할, 필터링하고 다시 방문할 수 있습니다. 항상 생성하는 인사이트와 다른 팀원이나 공동체와 공유하는 방법을 제어합니다. 다양성과 포용성에 대한 시민 설문조사 작성 방법 가이드에서 시작부터 끝까지 결과를 분석하는 방법에 대해 자세히 알아보세요.
시민 다양성 및 포용성 설문 데이터를 분석하는 데 사용할 수 있는 유용한 프롬프트
적절한 프롬프트를 사용하면 설문 응답 분석이 훨씬 더 쉽고 일관되게 이루어진다는 것을 알게 되었습니다. 강력한 프롬프트는 AI가 가장 중요한 것에 집중하도록 도와주며, 여러분은 전문 조사자와 Specific과 같은 플랫폼에서 사용하는 동일한 프롬프트를 접하게 될 것입니다.
핵심 아이디어 프롬프트 – 다수의 열린 응답에서 테마를 빠르게 추출하는 데 탁월합니다. 여기에 정확한 프롬프트가 있습니다:
당신의 작업은 핵심 아이디어를 굵게 표시하고(핵심 아이디어당 4-5단어) 최대 2문장으로 설명하는 것입니다.
출력 요건:
- 불필요한 세부 사항 피하기
- 몇 명이 특정 핵심 아이디어를 언급했는지 지정(숫자 사용, 글자가 아닌 숫자)
- 제안 없음
- 표시 없음
예제 출력:
1. **핵심 아이디어 텍스트:** 설명 텍스트
2. **핵심 아이디어 텍스트:** 설명 텍스트
3. **핵심 아이디어 텍스트:** 설명 텍스트
시민들이 다양성과 포용성에 대해 가장 마음에 담고 있는 것들을 명확하고 압축된 목록으로 얻게 됩니다.
AI는 항상 맥락이 있으면 더 잘 작동합니다. AI에게 분석을 요청하기 전에, 설문, 상황 및 당신이 알아내고자 하는 내용을 설명하세요. 예를 들어:
도시 공동체에서의 다양성과 포용성 이니셔티브에 관한 시민들의 설문 응답을 분석하십시오. 응답자들이 표현한 주요 테마와 감정에 초점을 맞추십시오.
테마를 더 깊이 파고들기: “핵심 아이디어”를 식별한 후에는 다음과 같이 요청할 수 있습니다: [핵심 아이디어]에 대해 더 자세히 알려주세요, 또는 플랫폼의 검색을 사용하여 모든 관련 응답을 필터링할 수도 있습니다.
특정 주제를 위한 프롬프트: 때때로 당신은 단지 “커뮤니티 참여에 대해 누군가 이야기했습니까?”를 알고 싶을 수도 있습니다. 다음을 사용하세요:
다양성 프로그램에서 커뮤니티 참여에 대해 이야기한 사람이 있었나요? 인용문을 포함하세요.
시민 다양성 설문 분석을 위한 기타 강력한 프롬프트:
페르소나 프롬프트 – 커뮤니티의 다양한 목소리를 이해하려면 다음을 요청하세요:
설문 응답을 기반으로, 제품 관리에서 "페르소나"가 사용되는 방식과 유사한 명확한 페르소나 목록을 식별하고 설명하십시오. 각 페르소나에 대해 주요 특성, 동기, 목표 및 대화에서 관찰된 관련 인용문이나 패턴을 요약합니다.
통증 포인트 및 도전 과제 프롬프트 – 특정 포용성 문제를 드러내는 데 뛰어납니다:
설문 응답을 분석하고 언급된 가장 흔한 통증 포인트, 좌절 또는 도전 과제를 나열합니다. 각각을 요약하고, 발생 빈도나 패턴을 주석으로 덧붙입니다.
동기 및 유인 프롬프트 – 시민들이 다양성 참여를 하거나 피하는 이유를 알아보십시오:
설문 대화에서 참가자들이 행동이나 선택에 대해 표현하는 주요 동기, 욕망 또는 이유를 추출하세요. 유사한 동기를 그룹화하고 데이터에서 지원 증거를 제공합니다.
감정 분석 프롬프트 – 집단 분위기와 방향을 파악하세요:
설문 응답에서 표현된 전반적인 감정을 평가하세요(예: 긍정적, 부정적, 중립적). 각 감정 카테고리에 기여하는 중요한 구문이나 피드백을 강조합니다.
제안 및 아이디어 프롬프트 – 시민들이 다음 단계를 안내하도록 허용하세요:
설문 참가자가 제공한 모든 제안, 아이디어 또는 요청을 식별하고 나열하세요. 주제나 빈도에 따라 구성하고, 관련이 있는 경우 직접 인용문을 포함합니다.
충족되지 않은 요구 및 기회 프롬프트 – 다음과 같이 질문하여 격차를 찾으세요:
설문 응답을 검토하여 응답자가 강조한 충족되지 않은 요구, 격차 또는 개선 기회를 찾아보세요.
질문을 구조화하고 문구를 만드는 방식에 대한 더 많은 아이디어가 필요하다면, 다양성과 포용성에 관한 시민 설문조사에 대한 최고의 질문 가이드를 확인하세요.
특정이 질문 유형별로 질적 데이터를 분석하는 방법
자유형 질문(후속 질문 포함 또는 제외): 주요 질문과 모든 후속 질문에 대한 모든 응답을 아우르는 단일 요약을 받습니다. 이는 AI가 모든 사람의 설명과 이야기를 연결하여 더욱 풍부하고 일관된 그림을 제공한다는 것을 의미합니다.
후속 질문이 있는 선택지: 각 다중 선택 응답에 대해 모든 관련 후속 응답에 대한 별도의 분석을 확인합니다. 예를 들어, 누군가가 "반대"를 선택하고 그 이유를 설명했다면, 해당 그룹에 고유한 "이유"의 요약을 볼 수 있습니다.
NPS(Net Promoter Score): 각 그룹—비추천자, 보류 참여자 및 추천자—에 대해 고유한 요약을 제공하여, 왜 특정 시민들이 그렇게 느끼는지를 정확하게 이해할 수 있으며, 각 유형별로 통찰을 필터링 합니다.
ChatGPT에서도 유사한 분석을 수행할 수 있지만, 보다 수작업으로 정리하고 응답을 유형에 따라 직접 요약해야 합니다, 자동으로 구성되지 않는 대신. 인공지능 기반 설문 응답 분석에 대해 특정에서 더 읽어보세요.
대규모 설문 데이터셋 분석 시 AI 컨텍스트 제한 관리 방법
대부분의 인공지능 모델—ChatGPT를 포함하며 설문 도구들이 사용할 수 있는 모델들—는 컨텍스트 제한 크기가 있습니다. 즉, 시민 설문 응답이 너무 많은 경우, 분석을 위해 모든 것을 한꺼번에 보낼 수 없습니다.
특정 응답자나 질문으로 필터링: 특정에서는 필터를 설정하여 특정 응답자나 질문만 AI에 전송할 수 있습니다.
초점 질문으로 자르기: 또 다른 옵션은 자르기—AI에 선택된 질문이나 주제만 보낸다. 이를 통해 고가치 질문 하나에 대한 모든 응답을 분석할 수 있으며, 다양성 및 포용성 설문조사에서 조차 모델에 과부하가 걸리지 않게 처리합니다.
이 방법들은 대규모 조사나 복잡한 다양성과 포용성 설문조사에서도 분석을 명확하고 관련성 있게 유지합니다. AI 설문조사 분석에 대한 가이드에서 더 자세한 정보를 확인하십시오.
시민 다양성과 포용성 프로젝트에서의 협력적 분석 기능
전문가, 정책 입안자 또는 활동가의 입력이 중요한 시민 다양성과 포용성 프로젝트에서 분석이 한 사람의 이메일에 머물거나 내보낸 파일 속에 갇히지 않기를 바랍니다.
채팅 기반 AI 분석 협력: 특정에서는 새로운 채팅을 시작하고(또는 확인 여러 개 생성), 필터를 적용하며 각 채팅에 누가 시작했는지, 어떤 필터가 적용되었는지, 데이터의 어떤 부분을 다루고 있는지를 명확하게 추적합니다.
모든 메시지에 대한 팀의 명확성: 당신과 당신의 협력자는 동시에 서로 다른 분석을 실행할 수 있으며, 각 분석은 명확하게 레이블이 지정된 자체 채팅에 포함됩니다. 특정 시민 그룹이나 테마에 집중한다면, 그 정보는 자체적으로 명확하게 레이블이 지정된 채팅에 포함됩니다. 편집에 대한 모범 사례를 알아보려면 이 가이드를 참조하십시오.
시민 개발 설문조사를 통해 AI 기반 조사 분석의 사례
AI 구동 설문 분석을 통해 커뮤니티에서 실제로 중요한 사항에 대한 심도 있고 실행 가능한 다양성과 포용성 인사이트를 단 몇 분 만에 얻을 수 있습니다.