お客様向調査の回答有効性を上げるため3つの方法

Luminosoは、調査、レビュー、サポートチケットなど、さまざまな形の
非構造化テキストデータの分析をお手伝いしています。当然ながら多くの
アンケート調査に目を通し、お客様が回答者に尋ねる質問に関する情報を収集しています。

ご紹介する3つのポイントに注意すれば調査回答有効性が大きく向上する可能性があります。
ぜひ参考にしてください。

1. 自由回答式の質問をする

自由回答式の質問では、状況を指定せずに回答者の意見を求めます。

「体験はいかがでしたか?」

自由回答式の質問では条件や状況を想定しません。たとえば、ホテルがゲストに自由回答式の
質問をする場合は、「ご滞在において良かった点はどこですか?」ではなく、「ご滞在はいかが
でしたか?」という表現をします。条件を排除することにより、回答者は頭に浮かんだことを何でも
書きやすくなり、期待した内容だけでなく、予想外の話題や問題点について意見を引き出すことが
できます。

メリット

これまで自由回答式の質問は避けるよう助言されたことがあるかもしれません。しかし、自然言語
処理(NLP) テクノロジーの進歩により、非構造化テキストからの情報把握が可能になっています。
自由回答式の質問に対しての回答は、回答の背後や行間に背景や詳細があるため長くなります。
昨今NLP分析レベルが向上、より長い回答がその技術に対してフィットし精度が上がっています。

自由回答式の質問のもうひとつの素晴らしい側面は、質問の言い回しによって回答者が結論に
誘導されることがないため、ありのままの「真実の」回答が得られやすくなるという点です。

注意点

質問内容の大半が文脈を伴うものであるため、自由回答式のフィードバックでは議論されている
テーマの本質を理解するための本格的な分析が必要となります。この工程をうまく進捗させる
ためには、その領域の専門家に関わってもらう必要があります。また、質問では事前に状況が
定義されていないため、特に製品やオファーに特化したフィードバックの場合は、期待した種類の
回答を得るのが難しくなります。

2. 誘導的質問を避ける

誘導的な質問は決められた文脈でフィードバックを提供するよう回答者に求めてしまうものです。

例えば、「その経験に関して良かった点は何ですか?」といった質問が考えられます。

誘導的な質問の中心にはテーマの特定があり、通常は、尋ねられた質問に直接答える結果と
なります。上記の例では、推測される文脈として回答者が自分の経験の中で良かった点に回答を
絞ることになります。

メリット

回答者に対し、決められた状況での回答や特定のシナリオに関連する回答を求めても、
そのコンセプトがすでに既定されているため、話題となっているコンセプトの文脈を掘り下げる
必要がありません。

注意点

誘導的な質問では、それぞれの回答者の真の経験という文脈の中の網羅的な回答を得られる
とは限らないため、調査結果に齟齬や混乱が生じる場合があります。

3. 自由回答式の質問と評価(スコア)を結びつけてより深い情報を明らかにする

ここでは、評価(スコア)尺度を定義した後、回答者のスコアに関する自由回答式の質問をします。

0~10のスコアの中で全体的な経験をどのように評価しますか?
なぜその点数としたのか、できるだけ詳しくその理由も書いてください。

自由回答式の回答と評価(スコア)の両方を設けておくことで、貴重な非構造化テキストの
フィードバックと定量的な情報を関連付け、回答者にとってどのトピックや懸念のうち何が
最も重要であるかを示せる可能性が高くなります。

メリット

もう混合のデータセットを怖がる必要はありません。適切なNLPソフトウェアを使用すると、
定量的な評価を収集するだけでなく、その要因となっているものが何かを把握することができます。
これは、特に、ネットプロモータースコア(NPS)、顧客のエフォートスコア(CES)、顧客満足度
スコア(CSAT) などの評価基準に対して効果的です。このような文脈を把握することで、問題と
なっている部分を明らかにしてターゲットできるようになり、コンセプト別に回答を分類した上で
回答者をより深く調べることができるようになります。また、今行っている修正が、数値目標を
高めるために、そしてより重要な顧客の満足のために的確なものであることも確認できます。

注意点

アンケート調査で自由回答式の質問に答えない人はたくさんいます。
評価はするが、文章で回答を書かない顧客もいます。十分な量のテキストフィードバックが
得られなければ、混合データセットの分析から有益な情報が得られない可能性もあります。

企業が顧客の声の内容に耳を傾ける際、Luminosoがどのようにお役に立っているか、
その詳細はソリューションページをご覧ください。

すべてのブログ記事を見る(英語)