市民調査のゾーニングおよび開発意見に関する回答をAIで分析する方法

この記事では、AIを活用した調査回答分析を使って、市民調査のゾーニングおよび開発意見に関する回答を分析する方法についてのヒントを紹介します。コミュニティや地方自治体で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。私がいつも取るアプローチは次の通りです：

• 定量データ：「何人がこの選択肢を選んだか？」のような場合、ExcelやGoogle Sheetsが最適です。これらの表やシンプルなグラフは定番である理由があり、数値や傾向を素早く示してくれます。
• 定性データ：自由回答やAI生成のフォローアップがある場合、手動で読むのは不可能です。数十から数百の詳細な回答はすぐに圧倒されるため、AIツールは単に便利なだけでなく、ノイズの中に隠れたパターンや洞察を浮き彫りにするために不可欠です。

定性回答を扱う際のツールには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

エクスポートした調査回答を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「繰り返し現れるテーマは何か？」「目立った不満は何か？」などの質問が可能です。

欠点：この方法はあまり便利ではありません。文字数制限（コンテキスト制限）に頻繁にぶつかり、調査の構造（特にフォローアップ）を見失い、大きなデータセットを分割するのに時間がかかります。

Specificのようなオールインワンツール

Specificは調査回答の分析に特化して構築されています。魅力的な会話形式の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。会話形式の調査に特化しているため、各自由回答やフォローアップを正しい質問に「理解」してマッチングします（単にテキストの塊をChatGPTに投げ込むのとは違います）。

品質向上：知的で自動的なフォローアップ質問を行うことで、Specificはより深く、文脈豊かな回答を引き出します。AIフォローアップにより、表面的な回答にとどまりません。

無駄な作業ゼロ：AI駆動の分析は明確な要約を提供し、主要なテーマをハイライトし、トピックごとに整理し、実行可能なステップを示します。インターフェース内でAIとチャットしながら結果について指示を出したり、詳細を探ったり、特定のグループに絞り込んだりも可能で、エクスポートや手作業は不要です。

SpecificによるAI回答分析の仕組みについて詳しく学んでください。

市民のゾーニングおよび開発意見調査データを分析するための便利なプロンプト

自由回答の調査結果に取り組む際、強力なプロンプトは実用的な回答への近道です。私のお気に入りとその実践的な使い方を紹介します：

コアアイデア抽出用プロンプト：市民が言及した主要なトピックのリストを取得するために使います。これはSpecificのコア回答要約を支える正確なプロンプトですが、ChatGPTでもよく機能します：

あなたのタスクは、コアアイデアを太字（1つのコアアイデアにつき4～5語）で抽出し、最大2文の説明を付けることです。 出力要件： - 不要な詳細は避ける - 特定のコアアイデアを言及した人数を数字で示す（単語ではなく）、最も多いものを上に - 提案はしない - 指示も含めない 出力例： 1. **コアアイデアのテキスト:** 説明文 2. **コアアイデアのテキスト:** 説明文 3. **コアアイデアのテキスト:** 説明文

ヒント：調査の目的、回答者、学びたいことについての追加コンテキストを提供すると、AIはより強力な結果を出します。例えば：

以下の調査回答は、私たちのコミュニティにおけるゾーニング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、課題、動機、実行可能な優先事項を明らかにし、エンゲージメントを改善し、市の計画に役立てることです。これらの目標を念頭に置いて回答を分析してください。

より深い説明用プロンプト：「手頃な住宅に関する懸念についてもっと教えてください」（または任意のコアアイデアに置き換え）と尋ねて、市民の優先事項をさらに掘り下げます。

特定トピック用プロンプト：「環境影響について話した人はいますか？」と直接尋ね、必要に応じて「引用を含めて」と付け加えます。

ペルソナ用プロンプト：「調査回答に基づき、製品管理で使われる『ペルソナ』のように、異なるペルソナのリストを特定し説明してください。各ペルソナについて、主な特徴、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。」

課題・問題点用プロンプト：「調査回答を分析し、最も一般的な課題、不満、問題点をリストアップしてください。各項目を要約し、パターンや発生頻度も記載してください。」

動機・推進要因用プロンプト：「調査会話から、参加者が行動や選択に表現する主な動機、欲求、理由を抽出してください。類似の動機をグループ化し、データからの裏付けを提供してください。」

感情分析用プロンプト：「調査回答に表現された全体的な感情（例：肯定的、否定的、中立的）を評価し、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てください。」

提案・アイデア用プロンプト：「調査参加者から提供されたすべての提案、アイデア、要望を特定しリストアップしてください。トピックや頻度で整理し、関連する場合は直接の引用も含めてください。」

未充足ニーズ・機会用プロンプト：「調査回答を検討し、回答者が指摘した未充足のニーズ、ギャップ、改善の機会を明らかにしてください。」

Specificが質問タイプごとに定性調査回答を分析する方法

SpecificのAI駆動分析は質問構造に適応し、調査の論理に合わせた洞察を常に提供します：

• 自由回答（フォローアップの有無にかかわらず）：すべての初期回答の要約と、各メイン質問にリンクされたすべてのフォローアップ回答の集計を得られます。これにより、特定のアイデアが繰り返し現れる理由や文脈が回答にどう影響したかが明確にわかります。
• 選択肢付きフォローアップ：各選択肢は独自のミニ分析に分割されます。例えば、回答者が「手頃な住宅」を選びフォローアップがあれば、そのスレッドはブロックとして分析されます。これにより、異なるセグメントを比較しやすくなります。
• NPS（ネットプロモータースコア）：Specificは自動的に各グループ（批判者、中立者、推奨者）を分け、フォローアップ質問（「なぜこのスコアを選んだのか？」）に対する独自のフィードバックを要約します。スコアだけでなく全体像が見えます。

同じことはChatGPTでも可能ですが、データのフィルタリングや整理を手動で行う必要があり、手間がかかります。

優れた市民ゾーニングおよび開発意見調査の作成方法や市民ゾーニングおよび開発意見調査のベスト質問については、当チームの詳細なガイドをご覧ください。

調査回答分析時のAIコンテキスト制限への対応

大規模AIモデル（ChatGPT、GPT-4、Specificのバックエンド）にはコンテキストサイズ制限があります。これは一度に「見る」ことができる情報の最大量です。市民のゾーニングおよび開発意見調査では、参加者が多い場合、数百から数千の長い回答があるかもしれません（ただし最近の調査では、真に多くの参加者がいる自治体は8.34%に過ぎず、ほとんどはより小規模で管理可能な規模です[1]）。

分析が壁にぶつかった場合、次の2つの方法で対応できます（Specificは両方をネイティブに提供）：

• フィルタリング：市民が特定の質問に回答した会話や特定の回答を選んだ会話のみを含めて分析を絞り込みます。AIレビューに最も関連性の高いデータだけを抽出します。
• クロッピング：AIに送る質問を最も重要なものだけに絞ります。これによりデータセットが縮小され、コンテキスト制限内に収まり、AIが最も重要な点をより深く強調できます。

これは「大規模」調査から価値を引き出す鍵であり、特に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重要です。

市民調査回答分析のための共同作業機能

ゾーニングおよび開発意見の分析はしばしば混乱します。チームはメールスレッド、散在するスプレッドシートファイル、無数のバージョンを扱い、意思決定が遅れ、調整が難しくなります。特に異なる部署、コンサルタント、政府関係者からのフィードバックを含めたい場合はなおさらです。

文脈に合わせた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調査結果を分析できるようにし、これを解決します。アナリストは異なるチャットを分けて、住宅問題に集中するもの、環境影響に関するもの、リーダーシップの引用を抽出するものなどを作成できます。

複数チャット、組み込みフィルター：各チャットは独自のフィルターとコンテキスト（「ゾーン4に住む人だけについて話す」など）を持ち、深掘りや比較が簡単です。

明確な共同作業：共同作業時には誰がチャットを開始したかがわかり、すべてのメッセージに明確な帰属があります。「この洞察は誰が書いたのか？」という混乱はありません。各アナリストや利害関係者は自分のビューを作成でき、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で洞察を統合できます。

より緊密な共同作業を望むチームには、スプレッドシートの共有やバージョン管理されたWord文書のやり取りよりも、このモデルの方がはるかに効果的です。

今すぐ市民のゾーニングおよび開発意見調査を作成しましょう

強力なAI駆動の洞察、共同分析、即時要約で市民の意見収集プロセスをレベルアップし、意思決定が常に市民の本当の声と望みに裏付けられるようにしましょう。実際の変化を促すゾーニングおよび開発意見の収集と分析を始めてください。