시민 설문조사에서 다양성과 포용성에 관한 응답을 AI로 분석하는 방법

이 글에서는 AI 설문 응답 분석과 효과적인 설문 분석 도구를 사용하여 시민 설문조사에서 다양성과 포용성에 관한 응답을 분석하는 방법에 대한 팁을 제공합니다.

분석에 적합한 도구 선택하기

적절한 접근법은 보유한 응답 데이터 유형에 따라 다릅니다. 정량적 데이터—예를 들어, 몇 명의 시민이 정책을 지지하는지 또는 직장에서의 포용성을 평가하는지와 같은 경우—Excel이나 Google Sheets 같은 도구에서 간단한 집계와 백분율 계산이 쉽습니다. 기본적으로 숫자를 집계하고 내장 함수와 차트를 사용해 추세를 파악합니다.

• 정량적 데이터: 스프레드시트로 쉽게 분석할 수 있습니다. 예를 들어, 63%의 시민이 지역사회 다양성 이니셔티브에서 개선을 목격했다고 보고하면, Sheets나 Excel에서 집계하는 것이 효과적입니다. [1]
• 정성적 데이터: 개방형 질문이나 후속 응답은 훨씬 더 깊은 통찰을 제공하지만, 수십 개의 응답만 있어도 모두 수작업으로 읽고 코딩하는 것은 불가능합니다. AI 도구는 텍스트에 압도당하지 않고 사람들이 실제로 말한 내용과 이유를 빠르게 요약하고 시각화할 수 있게 해줍니다.

정성적 응답을 다룰 때 도구 선택에는 두 가지 접근법이 있습니다:

ChatGPT 또는 유사 GPT 도구를 이용한 AI 분석

복사-붙여넣기 및 채팅: 개방형 시민 설문 데이터를 내보낸 후 ChatGPT에 붙여넣습니다. 요약을 요청하거나 감정 분석을 실행하거나 AI와 실시간으로 후속 질문을 브레인스토밍할 수 있습니다.

대규모에는 덜 편리함: 이 방법은 소규모 데이터셋에 적합하지만 수백 또는 수천 개의 응답이 있을 경우 데이터 관리가 빠르게 번거로워집니다. AI와의 메시징은 구조가 부족하며(필터 없음, 작업 중인 데이터 부분 추적 불가), 응답을 나누고 어디까지 했는지 추적해야 하는 경우가 많습니다.

Specific 같은 올인원 도구

설문 분석에 특화됨: Specific의 AI 설문 응답 분석은 AI가 모든 응답 수집과 분석을 처리하므로 어디서 시작해야 할지 고민하거나 데이터를 내보내고 복사할 필요가 없습니다.

더 풍부한 데이터를 위한 자동 후속 질문: Specific의 설문은 개인화된 후속 질문을 하여 항상 더 완전하고 실행 가능한 입력을 얻습니다. 모든 가능한 답변을 미리 계획할 필요 없이 AI가 각 응답자와 중요한 내용을 탐색하여 시민 다양성과 포용성 프로젝트 전반에 걸쳐 응답 품질을 향상시킵니다. 자동 AI 후속 질문 기능에 대해 더 읽어보세요.

즉각적인 요약 및 인사이트 생성: AI가 개방형 텍스트 응답을 정리하고 패턴을 찾아내며 시민들이 실제로 중요하게 생각하는 핵심을 몇 번의 클릭으로 추출합니다. 수작업 코딩이나 데이터에 대한 추측은 더 이상 필요 없습니다. ChatGPT처럼 AI와 결과에 대해 대화할 수도 있지만 협업 및 데이터 관리 기능이 내장되어 있습니다.

유연하고 협업 가능한 워크플로우: 올인원 도구는 데이터를 쉽게 세분화, 필터링, 재검토할 수 있게 해줍니다. 생성하는 인사이트와 팀 또는 커뮤니티 내 다른 사람과 공유하는 방식을 항상 제어할 수 있습니다. 다양성과 포용성에 관한 시민 설문조사 생성 및 결과 분석 가이드에서 자세히 알아보세요.

시민 다양성 및 포용성 설문 데이터 분석에 사용할 수 있는 유용한 프롬프트

적절한 프롬프트를 사용하면 설문 응답 분석이 훨씬 쉽고 일관성 있게 됩니다. 강력한 프롬프트는 AI가 가장 중요한 부분에 집중하도록 도와주며, 설문 전문가와 Specific 같은 플랫폼에서 사용하는 동일한 프롬프트를 볼 수 있습니다.

핵심 아이디어 추출 프롬프트 – 많은 개방형 답변에서 주제를 빠르게 추출하는 데 탁월합니다. 정확한 프롬프트는 다음과 같습니다:

당신의 임무는 핵심 아이디어를 굵은 글씨(핵심 아이디어당 4-5단어)로 추출하고 최대 2문장 길이의 설명을 덧붙이는 것입니다. 출력 요구사항: - 불필요한 세부사항은 피할 것 - 특정 핵심 아이디어를 언급한 사람 수를 숫자로 명시할 것, 가장 많이 언급된 것부터 위에 배치 - 제안 금지 - 표시 금지 예시 출력: 1. **핵심 아이디어 텍스트:** 설명 텍스트 2. **핵심 아이디어 텍스트:** 설명 텍스트 3. **핵심 아이디어 텍스트:** 설명 텍스트

시민들이 다양성과 포용성에 대해 가장 중요하게 생각하는 내용을 명확하고 간결한 목록으로 얻을 수 있습니다.

AI는 항상 맥락과 함께 작동할 때 더 좋습니다. AI에게 분석을 요청하기 전에 설문조사, 상황, 알고자 하는 내용을 설명하세요. 예를 들어:

도시 지역사회에서 다양성과 포용성 이니셔티브에 관한 시민들의 설문 응답을 분석하세요. 응답자들이 표현한 주요 주제와 감정을 식별하는 데 집중하세요.

주제 심화 탐구: "핵심 아이디어"를 식별한 후에는 "[핵심 아이디어]에 대해 더 말해줘"라고 요청하거나 플랫폼의 검색 기능을 사용해 관련 답변을 모두 필터링할 수 있습니다.

특정 주제 프롬프트: 때로는 "누군가 지역사회 참여에 대해 이야기했나요?"를 알고 싶을 때가 있습니다. 다음을 사용하세요:

다양성 프로그램에서 지역사회 참여에 대해 이야기한 사람이 있나요? 인용문을 포함하세요.

시민 다양성 설문 분석에 유용한 다른 프롬프트:

페르소나 프롬프트 – 커뮤니티 내 다양한 목소리를 이해하려면 다음을 사용하세요:

설문 응답을 바탕으로 제품 관리에서 "페르소나"를 사용하는 것과 유사하게 구별되는 페르소나 목록을 식별하고 설명하세요. 각 페르소나에 대해 주요 특성, 동기, 목표 및 대화에서 관찰된 관련 인용문이나 패턴을 요약하세요.

문제점 및 도전 과제 프롬프트 – 특정 포용성 문제를 드러내기에 좋습니다:

설문 응답을 분석하고 가장 흔히 언급된 문제점, 불만 또는 도전 과제를 나열하세요. 각 항목을 요약하고 패턴이나 발생 빈도를 기록하세요.

동기 및 추진 요인 프롬프트 – 시민들이 다양성 참여에 대해 어떤 동기나 이유로 움직이는지 알아보세요:

설문 대화에서 참가자들이 행동이나 선택에 대해 표현한 주요 동기, 욕구 또는 이유를 추출하세요. 유사한 동기를 그룹화하고 데이터에서 지원 증거를 제공하세요.

감정 분석 프롬프트 – 집단의 분위기와 방향성을 파악하세요:

설문 응답에서 표현된 전반적인 감정(예: 긍정적, 부정적, 중립적)을 평가하세요. 각 감정 범주에 기여하는 주요 구절이나 피드백을 강조하세요.

제안 및 아이디어 프롬프트 – 시민들이 다음 단계를 안내하도록 하세요:

설문 참가자들이 제공한 모든 제안, 아이디어 또는 요청을 식별하고 나열하세요. 주제나 빈도별로 정리하고 관련 인용문을 포함하세요.

충족되지 않은 요구 및 기회 프롬프트 – 다음과 같이 질문하여 격차를 발견하세요:

설문 응답을 검토하여 응답자들이 강조한 충족되지 않은 요구, 격차 또는 개선 기회를 밝혀내세요.

질문 구성과 문구에 대한 더 많은 아이디어가 필요하면 다양성과 포용성에 관한 시민 설문조사를 위한 최고의 질문 가이드를 참고하세요.

Specific이 질문 유형별로 정성적 데이터를 분석하는 방법

개방형 질문(후속 질문 포함 또는 미포함): 주요 질문과 모든 후속 질문에 대한 모든 응답을 아우르는 단일 요약을 제공합니다. AI가 모든 설명과 이야기를 연결하여 더 풍부하고 일관된 그림을 제공합니다.

선택형 질문과 후속 질문: 각 객관식 답변에 대해 관련된 모든 후속 응답의 별도 분석을 볼 수 있습니다. 예를 들어, 누군가 "동의하지 않음"을 선택하고 이유를 설명하면, 해당 그룹에 특화된 "왜" 이유 요약을 볼 수 있습니다.

NPS(순추천지수): 비추천자, 중립자, 추천자 각 그룹별로 별도의 요약을 제공하여 특정 시민들이 왜 그런 감정을 갖는지 유형별로 필터링된 인사이트를 알 수 있습니다.

ChatGPT에서도 유사한 분석을 할 수 있지만 더 수동적입니다: 직접 유형별로 응답을 분류하고 요약해야 하며 자동으로 정리되지 않습니다. Specific의 AI 기반 설문 응답 분석에 대해 더 읽어보세요.

대규모 설문 데이터셋 분석 시 AI 맥락 제한 관리 방법

대부분의 AI 모델—ChatGPT와 설문 도구에서 사용하는 모델 포함—은 맥락 크기 제한이 있습니다. 즉, 너무 많은 시민 설문 응답을 한 번에 분석에 보낼 수 없습니다.

특정 응답자 또는 질문별 필터링: Specific에서는 관심 있는 질문에 답한 대화만 분석하도록 필터를 설정할 수 있어 데이터 양을 줄이고 집중할 수 있습니다.

집중 질문으로 축소: 또 다른 방법은 축소(cropping)로, 선택한 질문이나 주제만 AI에 보내는 것입니다. 이렇게 하면 모델이 과부하되지 않고 단일 고가치 질문에 대한 모든 응답을 분석할 수 있습니다.

이 방법들을 함께 사용하면 대규모 또는 복잡한 다양성과 포용성 설문조사에서도 분석을 날카롭고 관련성 있게 유지할 수 있습니다. AI 설문 분석 가이드에서 자세히 알아보세요.

시민 설문 응답 분석을 위한 협업 기능

여러 사람이 설문 응답을 분석하려 할 때 협업은 복잡할 수 있습니다—특히 전문가, 정책 입안자, 활동가의 의견이 중요한 시민 다양성과 포용성 프로젝트에서는 더욱 그렇습니다. 분석이 한 사람의 메일함에 갇히거나 내보낸 파일에 묻히는 것을 원하지 않습니다.

채팅 기반 AI 협업: Specific에서는 새 채팅(또는 여러 개)을 시작하고 필터를 적용하면 각 채팅이 누가 시작했는지, 어떤 필터가 적용되었는지, 어떤 데이터 세그먼트를 다루는지 정확히 추적합니다.

모든 메시지에 대한 팀의 명확성: 분석 채팅의 모든 메시지는 누가 기여했는지 보여줍니다—다른 시 직원이나 다양성 위원회 구성원과 작업할 때 각 아이디어나 질문의 출처가 명확합니다. 아바타와 이름이 각 댓글에 연결되어 쉽게 후속 조치할 수 있습니다.

모두가 각자의 관점을 시도할 수 있음: 당신과 협업자는 동시에 다양한 분석을 실행할 수 있어 요약을 기다리거나 파일을 주고받을 필요가 없습니다. 누군가 특정 시민 그룹이나 주제를 깊이 파고들면 그 분석은 별도의 명확히 라벨링된 채팅에 저장됩니다. AI 설문 편집 및 협업 가이드에서 모범 사례를 더 알아보세요.

지금 다양성과 포용성에 관한 시민 설문조사를 만드세요

의미 있는 대화를 시작하고 AI 기반 설문 분석으로 커뮤니티에 진정으로 중요한 것을 발견하세요—몇 분 만에 더 깊고 실행 가능한 다양성과 포용성 인사이트를 얻을 수 있습니다.