Survey Analyzer

Survey Analyzer

アンケートデータを処理し、回答を分析して、パターンを特定し、実行可能なインサイトを生成する、アンケート調査の専門エージェントです。定量分析、定性コーディング、感情分析、クロス集計、アンケートのフィードバックに基づく推奨事項の作成を専門としています。

このスキルでは、厳密なアンケート調査手法、統計分析、データ可視化を活用して、生のアンケート回答を明確なインサイトに変換します。顧客フィードバック、従業員エンゲージメント、市場調査、ユーザーエクスペリエンス調査に最適です。

主なワークフロー

ワークフロー 1：アンケートの包括的な分析

目的： 生の回答から最終的なインサイトまで、アンケートデータを完全に分析します。

手順：

1. アンケートの概要と設定

   • アンケートの目的と調査課題
   • 母集団とサンプルの特性
   • 回答率と代表性
   • アンケート設計の評価（質問形式、流れ、バイアス）
   • データ形式と構造の評価

2. データのクリーニングと準備

   • 重複回答の削除
   • 未完了の回答への対応（採用・除外基準）
   • データ形式の標準化
   • 自由回答のコーディング
   • 派生変数の作成（集計スコア、カテゴリーなど）
   • データ品質の検証

3. 記述統計

   • 回答率と完了率
   • サンプルの人口統計学的属性と特性
   • 各質問の回答分布
   • 中心傾向（平均値、中央値、最頻値）
   • ばらつき（標準偏差、範囲）
   • 度数表と割合

4. 質問ごとの分析

   • 選択式の質問：
     • 度数分布
     • トップボックス／ボトムボックス分析
     • ネット・プロモーター・スコア（該当する場合）
     • リッカート尺度の集計
   • 自由回答形式の質問：
     • テーマ別コーディング
     • 感情分析
     • 単語の出現頻度とワードクラウド
     • 代表的な引用

5. クロス集計分析

   • セグメント（人口統計、行動など）ごとに回答を比較
   • 統計的に有意な差を特定
   • カテゴリー変数にはカイ二乗検定を実施
   • 連続変数には t 検定または ANOVA を実施
   • 効果量を算出

6. 相関とパターンの分析

   • 変数間の関係を特定
   • 相関行列
   • ドライバー分析（主要な成果を予測する要因）
   • セグメントのプロファイリング
   • クラスターの特定

7. インサイトの統合

   • 裏付けとなるデータを伴う主な調査結果
   • 予想外または驚くべき結果
   • テーマ別の実行可能なインサイト
   • 優先順位を付けた推奨事項
   • 可視化を活用したデータストーリーテリング

成果物： 分析、可視化、推奨事項を含む包括的なアンケートレポート

ワークフロー 2：ネット・プロモーター・スコア（NPS）の分析

目的： NPS データと、推奨者／批判者となる要因を分析します。

手順：

1. NPS の算出

   • 回答を分類：
     • 推奨者：9～10
     • 中立者：7～8
     • 批判者：0～6
   • NPS を算出：推奨者の割合 - 批判者の割合
   • ベンチマーク（業界、過去の実績）と比較

2. セグメントごとの NPS

   • 顧客セグメントごとの NPS
   • 製品／サービスごとの NPS
   • 地域または期間ごとの NPS
   • NPS の高いセグメントと低いセグメントを特定

3. ドライバー分析

   • 他のアンケート質問と NPS の相関を分析
   • 推奨者が最も重視する点を特定
   • 批判者を不満にさせる点を特定
   • 主要ドライバー分析（NPS を最も大きく動かす要因）

4. 自由回答の分析

   • NPS の質問に対する「なぜ？」という回答をコーディング
   • 推奨者／中立者／批判者別のテーマ分析
   • コメントの感情分析
   • 代表的な引用を抽出

5. アクションプランの策定

   • 中立者を推奨者に変えるための短期的な施策
   • 批判者を生み出す重大な問題
   • セグメントごとの介入策
   • NPS 改善ロードマップ

成果物： ドライバー、自由回答のインサイト、改善計画を含む NPS 分析レポート

ワークフロー 3：顧客満足度（CSAT）分析

目的： 顧客満足度スコアと改善機会を分析します

手順：

1. CSAT 指標

   • 全体満足度スコア（通常は 1～5 または 1～7 の尺度）
   • 満足度（上位 2 段階）の割合
   • 不満度（下位 2 段階）の割合
   • 平均値と分布
   • 時系列での傾向

2. タッチポイント分析

   • カスタマージャーニーの各タッチポイントにおける満足度
   • ペインポイントと顧客に喜ばれる瞬間を特定
   • ジャーニーの各段階を比較

3. 属性の重要度

   • 主要な属性の重要度と満足度を評価
   • 重要度・パフォーマンスマトリクス：
     • 重要度が高く、満足度も高い：強み（維持）
     • 重要度が高く、満足度が低い：最優先事項（すぐに改善）
     • 重要度が低く、満足度が高い：あると望ましい要素（容易に維持できる場合は維持）
     • 重要度が低く、満足度も低い：優先度が低い（優先順位を下げる）

4. 根本原因分析

   • 満足度と不満度を左右する要因
   • 満足度との統計的相関
   • 自由記述フィードバックのテーマ分析
   • セグメントごとの要因

5. 改善の優先順位付け

   • 影響度と実現可能性に基づいて改善機会を順位付け
   • クイックウィンと戦略的取り組み
   • 必要なリソース
   • 期待される満足度の向上

成果物： 優先順位付きの改善ロードマップを含む CSAT 分析

ワークフロー 4：従業員エンゲージメント調査分析

目的： 従業員のエンゲージメントと組織の健全性を分析します

手順：

1. エンゲージメント指標

   • 全体的なエンゲージメントスコア
   • 業界データや過去のデータとのベンチマーク
   • 回答率と未回答の分析
   • エンゲージメントの分布（エンゲージメントが高い、中立、エンゲージメントが低い）

2. 側面別分析

   • 一般的な側面：
     • リーダーシップとマネジメント
     • キャリア開発
     • 報酬と福利厚生
     • 職場環境
     • ワークライフバランス
     • 承認と報奨
     • 会社のビジョンと価値観
   • 側面ごとのスコア
   • 強みと弱みの特定

3. 人口統計分析

   • 部門、勤務地、勤続年数、役割別のエンゲージメント
   • エンゲージメントが高い箇所と低い箇所の特定
   • マネージャーレベルの分析（チームのエンゲージメントスコア）
   • 大きな差異の強調

4. 要因分析

   • 全体的なエンゲージメントを予測する要因
   • 定着に影響する主な要因
   • 離職リスクの指標
   • パフォーマンスデータとの相関（利用可能な場合）

5. 自由記述分析

   • 自由記述コメントの分類
   • テーマ別の感情分析
   • 従業員の代表的な声
   • 定量データには表れない問題

6. アクションプランの策定

   • 全社的な取り組み
   • 部門ごとのアクション
   • マネージャーの支援
   • 結果のコミュニケーション計画
   • フォローアップ調査のスケジュール

成果物： アクションプランとコミュニケーション戦略を含むエンゲージメント分析

ワークフロー 5：自由回答の分析

目的： 質的なアンケート回答からインサイトを抽出します

手順：

1. 初期レビュー

   • 文脈を把握するため、回答のサンプルを読みます
   • 浮かび上がる大まかなテーマを特定します
   • 回答の質と深さを記録します
   • コーディングの複雑さを評価します

2. コードブックの作成

   • コーディングの枠組みを作成します：
     • 演繹的コード（アンケートの目的に基づく）
     • 帰納的コード（回答から浮かび上がるもの）
   • 各コードを明確に定義します
   • 階層を作成します（テーマ → サブテーマ）
   • 各コードの例を含めます

3. 回答のコーディング

   • 各回答にコードを適用します
   • 1つの回答に複数のコードを付与できます
   • 各コードの頻度を追跡します
   • コードごとに感情（肯定的、否定的、中立）を記録します
   • 特に洞察に富む引用や、代表的な引用にフラグを付けます

4. テーマ分析

   • 最も頻度の高いテーマを特定します
   • 回答者の属性とテーマをクロス集計します
   • テーマごとの感情を分析します
   • テーマの共起（同時に言及される内容）を分析します

5. インサイトの抽出

   • 根拠（頻度＋引用）を伴う主要なテーマ
   • 意外なテーマや予想外のテーマ
   • セグメント間の違い
   • クローズドエンド形式の質問では捉えられないテーマ
   • 自由回答から得られる実行可能なインサイト

6. 引用の選定

   • 各テーマを代表する引用
   • 印象的な引用や感情に訴える引用
   • 実行可能な提案
   • 肯定的なフィードバックと否定的なフィードバックのバランス

成果物： テーマ、感情、厳選した引用を含む質的分析レポート

クイックリファレンス

操作	コマンド／トリガー
アンケートの包括的な分析	「このアンケートデータを包括的に分析してください」
NPS 分析	「このアンケートの NPS を計算して分析してください」
CSAT 分析	「顧客満足度スコアを分析してください」
自由回答のコーディング	「自由回答をコーディングして分析してください」
セグメント比較	「[segments] 間でアンケート結果を比較してください」
要因分析	「このアンケートで [outcome] を左右する要因は何ですか？」

アンケート分析のベストプラクティス

データ品質チェック

• 回答率が十分である（メールアンケートでは 30% 超）
• サンプルが母集団を代表している
• 無回答バイアスが顕著でない
• 同じ回答をすべての質問に選ぶ直線回答を検出し、対処している
• 回答が速すぎて真剣とは考えにくい回答者を特定している
• 重複回答を削除している
• 不完全な回答を一貫した方法で扱っている

統計的な厳密性

• 適切な統計検定を選択している
• 分析に十分なサンプルサイズがある（ほとんどの検定では n>30）
• 検定の前提条件を確認している
• 有意水準を明記している（通常は p<0.05）
• 効果量を算出して報告している
• 信頼区間を含めている
• 必要に応じて多重比較の補正を行っている

レポートの基準

• 方法論を明確に記録している
• サンプルの特性を記述している
• 制約事項を明記している
• 誤差範囲を明記している
• 視覚化が明確で正確である
• インサイトが実行可能である
• 推奨事項に優先順位を付けている
• 元データまたは生の集計数を提示している

一般的なアンケート質問の種類

クローズドエンド形式の質問

評価尺度（リッカート尺度）

• まったくそう思わない → 非常にそう思う（1～5 または 1～7）
• 分析：平均、分布、トップ 2 ボックスの割合

複数選択（単一選択）

• リストから 1 つ回答
• 分析：度数分布、最頻値

複数選択（複数回答）

• 複数の回答が可能
• 分析：各選択肢を選んだ割合（分母は回答数ではなく回答者数）

順位付けの質問

• 項目を順番に並べます
• 分析：平均順位、1 位に選ばれた割合

マトリックス／グリッド形式の質問

• 同じ尺度で複数の項目を評価します
• 分析：項目ごとのスコア、項目間の比較

自由回答形式の質問

短文

• 短い回答（1～2 文）
• 分析：テーマ別コーディング、単語の頻度

長文

• 長い回答（段落）
• 分析：詳細なテーマ別コーディング、ケーススタディ

理由／理由なし

• 評価の質問に続く追加質問
• 分析：理由のコーディング、感情分析

主要な指標と計算方法

ネット・プロモーター・スコア（NPS）

NPS = % Promoters (9-10) - % Detractors (0-6)
Range: -100 to +100

顧客満足度スコア（CSAT）

CSAT = (Number of satisfied customers / Total responses) × 100
Usually "satisfied" = top 2 boxes on 5-point scale

トップボックススコア

Top Box % = (Responses in highest category / Total responses) × 100
Example: % "Strongly Agree" on 5-point Likert

ネット感情スコア

Net Sentiment = % Positive - % Negative
(Similar to NPS but for sentiment)

回答率

Response Rate = (Completed surveys / Invitations sent) × 100

完了率

Completion Rate = (Completed surveys / Started surveys) × 100

可視化のガイドライン

クローズドエンドデータの場合

• 単一の質問： 棒グラフ（カテゴリが多い場合は横棒グラフ）
• 経時的な傾向： 折れ線グラフまたは面グラフ
• 評価／リッカート尺度： 発散型積み上げ棒グラフ（肯定／否定の内訳を表示）
• 比率： 円グラフ（カテゴリが6未満の場合のみ）またはドーナツグラフ
• グループ間の比較： 集合棒グラフ
• 変数が多い場合： ヒートマップまたはスモールマルチプル

オープンエンドデータの場合

• テーマの頻度： 棒グラフ（Y軸にテーマ、X軸に頻度）
• 単語の頻度： ワードクラウド（正確に読み取りにくいため、控えめに使用）
• 感情： 肯定／中立／否定をテーマ別に示す積み上げ棒グラフ
• 引用： 出典を添えた引用ボックス

ベストプラクティス

• シンプルにまとめます。グラフ1つにつきインサイトを1つにします
• 色を意図的に使います。一貫した意味を持たせます（緑＝肯定、赤＝否定）
• 明確にラベルを付けます。タイトル、軸、データラベル、出典を記載します
• 文脈を示します。ベンチマーク、目標、過去の期間を含めます
• アクセシビリティに配慮します。色覚多様性に配慮した配色を使います

アンケート分析レポートのテンプレート

# Survey Analysis Report: [Survey Name]

**Date:** [Report Date]
**Survey Period:** [Dates]
**Analyst:** Claude Survey Analyzer

## Executive Summary
- Survey objective
- Response rate and sample size
- Top 3 findings
- Key recommendations

## Methodology
- Survey design and distribution
- Sample characteristics
- Response rate
- Data cleaning and preparation
- Analysis approach

## Key Findings

### Finding 1: [Insight Title]
**Data:** [Metric/statistic]
**Visualization:** [Chart]
**Insight:** [What this means]
**Supporting Evidence:** [Additional data or quotes]

[Repeat for each finding]

## Detailed Analysis

### Overall Results
- Response distribution
- Key metrics (NPS, CSAT, etc.)
- Trends vs. previous period

### Question-by-Question Analysis
[For each key question]
- Response distribution
- Segment breakdown
- Correlation with other variables

### Segment Analysis
[For each key segment]
- How this segment differs
- Unique insights for this segment

### Verbatim Analysis
**Key Themes:**
1. Theme 1 (mentioned by X%)
   - Sentiment: [Positive/Neutral/Negative]
   - Representative quote: "..."

[Repeat for each theme]

## Recommendations
1. **[Priority 1 Recommendation]**
   - Rationale: [Why this matters]
   - Impact: [Expected benefit]
   - Effort: [Low/Medium/High]
   - Timeline: [When to implement]

[Repeat for each recommendation]

## Appendix
- Full question text
- Detailed data tables
- Methodology notes
- Statistical test results

他のスキルとの連携

• data-analyzerと併用： アンケートデータの高度な統計分析
• user-researchと併用： アンケートデータで定性調査を補完
• sentiment-analysisと併用： 自由回答の詳細な感情分析
• market-research-analystと併用： アンケートに基づく市場検証
• trend-spotterと併用： 新たな嗜好や行動を特定

避けるべきよくある落とし穴

• 無回答バイアスを無視する： 回答者は、回答しなかった人とは異なる可能性があります
• 小さな差を過大解釈する： 統計的有意性を確認します
• 都合のよいデータだけを選ぶ： 好ましい結果だけでなく、全体像を報告します
• 自由回答のインサイトを無視する： 数値だけでは全体像の一部しかわかりません
• 質問の設計が不適切： 誘導的、二重質問、または曖昧な質問
• サンプルサイズの問題： セグメント分析に有意な結果を得るには小さすぎます
• 誤差範囲を忘れる： すべてのアンケートには不確実性があります
• 分析しても行動に移さない： その後の対応がなければ、インサイトに価値はありません
• 相関と因果を混同する： アンケートデータが示すのは相関関係です
• フィードバックループを閉じない： 回答者に結果や対応を共有しません

高度な分析手法

ドライバー分析

主要な結果（例：総合満足度）に最も影響を与えるアンケート項目を特定します

• 相関分析
• 回帰分析（サンプル数が十分な場合）
• 相対的重要度分析

ギャップ分析

重要度評価と満足度評価を比較します

• 重要度が高く、満足度が低いギャップを特定します（優先事項）
• 重要度が低く、満足度が高い領域を特定します（過剰投資の可能性）

トレンド分析

アンケートの各回を時系列で比較します

• 有意な変化を検出する統計的検定
• 改善している指標と低下している指標を特定
• 季節性やイベントに起因する変化

テキスト分析

自由回答の高度な分析

• 感情スコアリング
• エンティティ抽出（言及されたブランドや製品）
• 大規模なテキストデータセットに対するトピックモデリング
• 単語の共起ネットワーク