アンケートの自由記述を即日で定量データに変換し経営判断のスピードを上げる方法

顧客アンケートを実施しても、自由記述の回答が大量に集まるだけで分析が追いつかない。結果として、経営層への報告が数週間後になり、開発チームへのフィードバックも遅れる。こうした状況は多くの企業で日常的に起きています。自由記述は顧客の本音が詰まった貴重な情報源ですが、人手で読み分類し集計する作業は膨大で、結局は選択式の設問だけが意思決定に使われ、自由記述は放置されるケースが少なくありません。

この記事は、従業員50〜500名規模の企業で、顧客満足度調査や製品フィードバックの集計を担当しているマーケティング担当者、CS（カスタマーサクセス）担当者、あるいは企画部門のメンバーを想定しています。読み終えると、アンケートの自由記述を自動でカテゴリ分けしてスコア化し、経営層や開発チームがすぐに使えるダッシュボードとして共有するまでの一連の流れを、自分の手で構築できるようになります。大規模エンタープライズ向けの全社統合基盤の設計や、個別ツールの網羅的なレビューは扱いません。

なお、本記事で紹介するツールの組み合わせは代表的な一例です。同じ役割を果たす別の製品でも、同様のワークフローを構築できます。

読み終えた時点で、アンケート回収から定量ダッシュボード公開までを即日で完了させる3ステップのワークフローと、その運用サイクルの設計図が手に入ります。

Workflow at a glance: アンケートの自由記述を即日で定量データに変換し経営判断のスピードを上げる方法

• Step 1: アンケートを設計し回答を収集する (Google フォーム) (オフィススイート)
• Step 2: 自由記述をAIでカテゴリ分類しスコア化する (ChatGPT) (LLM・大規模言語モデル)
• Step 3: 分類結果をダッシュボードで可視化し共有する (Looker Studio) (BIツール)

なぜアンケートの自由記述は意思決定に使われないまま放置されるのか

収集と分析が分断されている

多くの企業では、アンケートの収集にはフォームツールを使い、回答データをスプレッドシートにエクスポートし、そこから担当者が目視で自由記述を読み、手作業でExcelに分類を入力しています。この工程だけで数日から1週間かかることも珍しくありません。さらに、分類した結果をグラフにまとめてパワーポイントに貼り付け、会議資料として配布するまでに追加で数日かかります。収集、分析、可視化がそれぞれ別の作業として存在し、間に人手の転記が挟まることで、回答データから示唆を導き出すまでのリードタイムが2〜3週間に膨れ上がります。

定性データのままでは比較も追跡もできない

自由記述の回答は、そのままでは前回調査との比較ができません。担当者Aと担当者Bで分類基準が異なれば、同じ回答でも違うカテゴリに振り分けられます。経営層が求めているのは、不満の声が前月比で増えたのか減ったのか、どのカテゴリの不満が最も多いのかといった定量的な変化です。定性データのままでは、こうした時系列の比較やカテゴリ間の優先順位付けができず、結局は担当者の印象論で報告することになります。

放置のコストは見えにくいが大きい

自由記述の分析が遅れることで、顧客が離脱の兆候を示していても気づけない、製品改善の優先順位を誤る、競合が先に同じ課題を解決してしまうといった機会損失が発生します。これらは直接的なコストとして計上されないため見過ごされがちですが、半年後、1年後に振り返ると大きな差になっています。

重要な考え方：自由記述を人が読む前にAIで構造化し数値に変換する

自由記述の分析が滞る根本原因は、人間が全件を読んで判断しようとする点にあります。解決の鍵は、人が読む前の段階でAIにテキストを構造化させることです。具体的には、自由記述の各回答に対して、カテゴリ（例：価格、機能、サポート、UI）と感情スコア（ポジティブ／ニュートラル／ネガティブ）を自動で付与します。これにより、自由記述は選択式の設問と同じように集計・比較できる定量データに変わります。

分類基準を事前に定義しておく

AIに丸投げするだけでは、毎回異なるカテゴリが生成されてしまい、時系列での比較ができません。自社のビジネスに合ったカテゴリ一覧をあらかじめ5〜10個に絞って定義し、AIへの指示文（プロンプト）に含めることが重要です。たとえば、SaaS企業であれば、価格、機能要望、バグ報告、UI/UX、サポート対応、導入プロセス、ドキュメントといったカテゴリが典型的です。このカテゴリ一覧は四半期に一度見直す程度で十分です。

100点の精度を求めない

AI分類の精度は80〜90%程度が現実的な水準です。残りの10〜20%は誤分類が含まれますが、意思決定に必要なのは全体の傾向であり、個別回答の完璧な分類ではありません。100件の回答のうち10件が誤分類されていても、価格への不満が全体の35%を占めるという傾向は十分に読み取れます。完璧を目指して人手のレビューを全件に入れると、結局リードタイムが元に戻ってしまいます。

アンケート回収から定量ダッシュボード公開までの3ステップ

ステップ 1：アンケートを設計し回答を収集する（Google フォーム）

Google フォームでアンケートを作成します。選択式の設問（満足度の5段階評価、利用頻度など）に加えて、自由記述の設問を1〜2問設けます。自由記述の設問は、改善してほしい点を具体的に教えてくださいのように、回答者が具体的なエピソードを書きやすい問いかけにします。何かご意見があればのような漠然とした設問は、分析しにくい曖昧な回答を増やすため避けてください。

回答はGoogle スプレッドシートに自動で蓄積されます。この連携はGoogle フォームの標準機能で、追加設定なしで利用できます。回答が集まったら、次のステップに進みます。アンケートの実施頻度が月次や四半期の場合は、回答締め切り日の翌営業日にステップ2を実行するサイクルを決めておくと、分析の遅延を防げます。

担当者はアンケートの設計と配信を行うマーケティング担当者またはCS担当者です。回答の収集自体は自動で行われるため、配信後の作業は発生しません。

ステップ 2：自由記述をAIでカテゴリ分類しスコア化する（ChatGPT）

Google スプレッドシートに蓄積された自由記述の回答を、ChatGPTで構造化します。具体的な手順は以下のとおりです。

まず、スプレッドシートから自由記述の列をコピーします。次に、ChatGPTに以下のような指示文を入力します。

以下は顧客アンケートの自由記述回答です。各回答について、次の形式でCSVとして出力してください。

列：回答番号, カテゴリ, 感情（ポジティブ/ニュートラル/ネガティブ）, 要約（20文字以内）

カテゴリは次の中から1つ選んでください：価格, 機能要望, バグ報告, UI/UX, サポート対応, 導入プロセス, ドキュメント, その他

（ここに自由記述の回答を貼り付け）

ChatGPTはCSV形式で結果を返します。この出力をそのままスプレッドシートの新しいシートに貼り付けます。回答数が100件程度であれば、この作業は10〜15分で完了します。回答数が200件を超える場合は、100件ずつに分割して処理してください。ChatGPTは一度に大量のテキストを処理すると、後半の回答で精度が落ちる傾向があるためです。

処理が終わったら、分類結果をざっと目視で確認します。明らかな誤分類（たとえば価格の話なのに機能要望に分類されているもの）が目立つ場合は、プロンプトのカテゴリ定義に補足説明を追加して再実行します。全件を確認する必要はなく、最初の20件程度を見て傾向を掴めば十分です。

担当者はステップ1と同じマーケティング担当者またはCS担当者です。ChatGPTの操作に特別なスキルは不要で、上記のプロンプトをコピーして回答データを貼り付けるだけです。

ステップ 3：分類結果をダッシュボードで可視化し共有する（Looker Studio）

ステップ2で作成した分類済みのスプレッドシートを、Looker Studioに接続してダッシュボードを作成します。Looker StudioはGoogle スプレッドシートをデータソースとして直接読み込めるため、データの転記やエクスポートは不要です。

ダッシュボードには以下の3つのグラフを配置します。

1つ目は、カテゴリ別の回答数を示す棒グラフです。どのカテゴリに回答が集中しているかが一目でわかります。2つ目は、カテゴリ別の感情分布を示す積み上げ棒グラフです。各カテゴリのポジティブ、ニュートラル、ネガティブの割合を表示します。たとえば、機能要望のカテゴリはネガティブが多いが、サポート対応はポジティブが多いといった比較ができます。3つ目は、前回調査との比較表です。同じカテゴリ構成で分類しているため、前回と今回のネガティブ比率の増減を並べて表示できます。

ダッシュボードが完成したら、共有リンクを経営層や開発チームに送付します。Looker Studioはブラウザで閲覧でき、閲覧者にGoogleアカウントがあれば追加のライセンスは不要です。次回のアンケート実施時には、同じスプレッドシートの新しいシートにデータを追加し、Looker Studio側でデータソースを切り替えるだけで、ダッシュボードが更新されます。

担当者は同じくマーケティング担当者またはCS担当者です。Looker Studioの初回セットアップには1〜2時間かかりますが、2回目以降はデータソースの差し替えだけなので15分程度で完了します。

この組み合わせが機能する理由

Google フォーム：収集からスプレッドシート連携までゼロコストで完結する

Google フォームは無料で利用でき、Google Workspaceを導入済みの企業であれば追加コストが一切発生しません。回答データがGoogle スプレッドシートに自動で蓄積される点が、このワークフローの起点として最適です。回答数に上限がなく、数千件規模の調査にも対応できます。一方で、回答のリアルタイム通知や条件分岐の設計はやや簡素なため、複雑な調査設計が必要な場合はSurveyMonkeyやTypeformなどの専用ツールを検討する余地があります。ただし、このワークフローの目的は自由記述の定量化であり、フォームの高機能さは必須ではありません。

ChatGPT：専門知識なしでテキスト分類と感情分析を即座に実行できる

ChatGPTの最大の利点は、機械学習モデルの構築やプログラミングが一切不要で、日本語の自由記述を高い精度で分類できる点です。プロンプトにカテゴリ一覧と出力形式を指定するだけで、構造化されたCSVデータが得られます。弱点としては、一度に処理できるテキスト量に制限があること、回答数が多い場合は手作業でのコピー＆ペーストが発生すること、そしてAPIを使わない限り自動化ができないことが挙げられます。ただし、月次や四半期のアンケートであれば、手作業でも1回あたり15〜30分で完了するため、自動化の投資対効果が見合わないケースが多いです。また、回答データを外部サービスに送信することになるため、個人情報を含む回答がある場合は社内のセキュリティポリシーを事前に確認してください。

Looker Studio：無料でインタラクティブなダッシュボードを共有できる

Looker Studioは無料で利用でき、Google スプレッドシートとの接続がワンクリックで完了します。作成したダッシュボードはURLで共有でき、閲覧者がフィルタ操作（特定のカテゴリだけ表示するなど）を行えるため、経営層が自分の関心に合わせてデータを掘り下げることができます。パワーポイントの静的なグラフと異なり、データが更新されればダッシュボードも自動で反映される点が大きな強みです。弱点としては、複雑な統計処理やデータの前処理には向いていないこと、デザインの自由度がTableauなどの有料BIツールに比べて限定的であることが挙げられます。ただし、カテゴリ別の集計と感情分布の可視化という今回の用途には十分な機能を備えています。

Recommended tool list

結論：自由記述の定量化は仕組みの問題であり分析スキルの問題ではない

アンケートの自由記述が意思決定に使われない原因は、分析スキルの不足ではなく、収集から可視化までの仕組みが整っていないことにあります。Google フォームで回答を集め、ChatGPTでカテゴリと感情スコアを付与し、Looker Studioでダッシュボード化する。この3ステップを一度構築すれば、2回目以降は回答データの貼り付けとデータソースの差し替えだけで、即日でダッシュボードを更新できます。

まずは直近のアンケート結果を1件、この記事のプロンプトをそのまま使ってChatGPTで分類してみてください。10分で自由記述が定量データに変わる体験をすれば、このワークフローを継続する動機が自然に生まれます。

Mentioned apps: ChatGPT, Looker Studio, Google カレンダー

Related categories: BIツール, LLM・大規模言語モデル, オフィススイート

Related stack guides: 監査時にガイドライン対応の証跡をすぐ提出できる体制を4つのツールで構築する方法, KPI改善と現場の不満が食い違うとき定量データと定性フィードバックを統合して施策の真の効果を判断する方法, AIエージェントの開発データと本番データの乖離を防ぎ精度低下と手戻りをなくす方法, AIの判断結果を人が検証・承認してから業務に反映する仕組みをつくり誤判定トラブルを防ぐ方法, マスタデータの重複登録を登録時点で防ぎ請求ミスと在庫差異をなくす方法