ChatGPTで自由記述アンケートを分類する方法。回答人数と意見の件数を分ける

この記事でわかること

• 数え方：回答人数とテーマの言及数の違い
• 分類表：回答IDを残した分類表の作り方
• 集計手順：母数・重複・判断保留を確認する集計手順

回答人数と、意見が出た回数は違う

たとえば、次の3件は説明用の架空データです。

R001には2つの論点があります。価格の言及は1件、初期設定の言及は2件ですが、回答者が増えたわけではありません。複数テーマで分類する場合、テーマ別の件数を足して回答人数にしないことが基本です。

「初期設定への不満が2件」は、全3回答を母数にするか、具体的意見のある2回答を母数にするかで割合が変わります。まず、報告書で何を伝えるのかを決めます。

AIへ渡す前に、1回答1行の表を作る

原文と回答IDを残す

表には「回答ID」「自由記述」の列を用意し、部署などの属性が必要なら別列にします。氏名や連絡先が分析に不要なら除き、利用が認められた環境へアップロードします。原文列は上書きせず、分類結果を右側に足します。

OpenAIのデータ分析ガイドも、先頭行に分かりやすい列名を付け、1行を1レコードとして整理する方法を案内しています。別の質問の回答を同じセルへ詰め込むと、どの質問に対する意見かを後から確認しにくくなります。

空欄・重複・「特になし」の扱いを決める

空欄は未回答、「特になし」は記入済みだが具体的意見なし、同じIDの重複行は要確認として区別します。同じ文章でも別の人の回答なら、文章が一致するという理由だけで削除しません。元データを複製し、除外した行と理由を記録すると集計のやり直しができます。

少量で分類基準を決めてから全件へ広げる

最初から「全部分析して結論を出して」と頼まず、一部の回答で分類案を作ります。採用する分類には、含める内容と含めない内容を短く記します。たとえば「初期設定」は初回登録や接続まで、「日常操作」は利用開始後の操作に限定すると、担当者間の判断をそろえやすくなります。

迷う回答を無理に分類せず、「判断保留」と根拠を残すよう依頼します。「安ければ使う」は現在の価格への評価なのか、購入条件なのかが曖昧です。文脈がない部分をAIに補わせないことが重要です。

次の自由記述を分類してください。原文と回答IDは変更しないでください。
1回答に複数テーマがある場合は、テーマごとに別行にしてください。
出力列：回答ID、テーマ、肯定・否定・要望・不明、根拠となる原文、判断保留の理由。
分類定義に合わない回答は、無理に既存テーマへ入れず候補として示してください。
人数・割合・結論はまだ出さず、分類表だけを作ってください。

この依頼文の分類定義は、調査目的に合わせて別途渡します。分類案を人が確認し、似たラベルを統合したら、その基準で残りの回答を処理します。

集計は分類表から、確認可能な計算で行う

数える単位を指定する

ChatGPTには、分類結果からPythonなどで計算し、方法と結果を見せるよう依頼できます。ただし、コードを使ったという説明だけで正しさは確定しません。元の回答数、重複を除いた回答ID数、未回答数、各テーマのユニーク回答ID数を照合してください。

たとえば「初期設定について言及した人の割合」なら、同じ回答IDが初期設定の欄に複数回出ても1人として数えます。一方、発言の出現回数を調べる場合は別の指標です。表の見出しに「人数」「言及数」「全回答に占める割合」を明記します。

代表意見だけで結論を決めない

件数の多いテーマを見つけたら、根拠原文を数件確認し、反対の評価や判断保留も見ます。「価格」の分類に肯定と否定が混ざっているのに、「価格への不満が多い」とまとめるのは飛躍です。件数、評価の方向、具体的な理由を分けて報告します。

最後に、分類前後で回答IDが欠けていないか、同じIDが別人として増えていないかを確認します。全件の精読が難しい場合も、重要テーマや曖昧な回答の確認を省かず、確認した範囲を報告書に残してください。

実務上の注意

分類は解釈を伴います。AIのラベルを客観的な正解とせず、分類基準と根拠原文を確認してください。小規模な任意回答アンケートだけで、顧客全体の意見を代表すると結論づけることも避けます。

個人の評価や処遇を自動判定する用途へ流用せず、業務やサービスの改善点を探す材料として扱います。

まとめ

1回答1IDの原文を保管し、分類を検品してから集計します。複数テーマを認めるときは、人数と意見の件数を分け、母数まで示すと、読み手が結果を追いやすくなります。

よくある質問

出典・参考情報

• OpenAI：Data analysis with ChatGPT