アンケートの自由記述をAIで読む｜声を数字と施策に変える

2026年8月10日

セミナー後に回収したアンケート200件。報告書に書かれたのは「満足度4.2、前回比プラス0.1」という一行と、参加者数と回収率だけだ。その下にある自由記述の欄――「本日のご感想やご質問をご自由にお書きください」に返ってきた数百行の文章は、誰にも読まれないまま共有フォルダの奥に眠る。次の企画会議でそのファイルが開かれることは、まずない。

結論から言う。本当に価値があるのは、その読まれないほうの文章だ。平均点は現状の追認しか生まないが、自由記述には「なぜその点数なのか」「何に迷っているのか」「次に何が欲しいのか」が書かれている。問題は、人間が読むには量が多すぎることだけである。だから分類と要約と件数の集計はAIの仕事に渡す。人間は、その結果を見て打ち手を決めることに時間を使えばいい。

この記事では、自由記述から取り出すべき4種類の情報、匿名化から施策変換までの4ステップ、そのままコピペで使えるプロンプト2本、そして分析結果を社内報告と営業トークに変える使い方までを示す。読み終えるころには、眠っていたコメント欄が来週の商談で使える武器に変わっているはずだ。

なぜ自由記述は読まれないのか？

担当者が怠けているからではない。読まれない構造が三つある。

第一に、量の壁だ。1件を30秒で読み流しても200件で100分かかる。メモを取りながら傾向を考えるなら半日仕事になる。しかもアンケート回収から報告までの猶予は数日しかない。他の業務を抱えたまま半日を確保できる管理職はいない。だから「後でまとめて読む」は永久に来ない。

第二に、主観の壁だ。人間が数十件の文章を続けて読むと、記憶に残るのは最初の数件と、いちばん感情の強い1件になる。語気の荒いクレームが1通あれば、頭はそれに占領される。「今回は資料の分かりにくさが問題だった」と報告してしまうが、実際にはその指摘は3件で、別の指摘が28件あったかもしれない。人間の読み方は、声の大きさと件数の多さを取り違える。傾向の把握を記憶に頼るかぎり、この誤差は消えない。

第三に、出口の壁だ。仮に全件を読み切っても、「良い意見が多かった」で終われば何も変わらない。読む作業と決める作業は別物である。後者の設計がないまま前者だけを頑張っても、増えるのは報告書の枚数だけだ。

AIが肩代わりできるのは量の壁と主観の壁であり、出口の壁は人間の仕事として残る。ただし前の二つが片づかないかぎり、三つ目に取りかかる時間そのものが生まれない。まずは読む工程を機械に渡すことから始める。

自由記述から何を取り出すべきか？

「全部読んで要約して」と頼んでも役に立たない。当たり障りのない要約が返ってくるだけだ。先に、取り出すものを決める。営業組織にとって使える情報は次の4種類に絞れる。

#	取り出す情報	自由記述での書かれ方の例	営業でどう使うか
1	不満・改善要望	「資料の文字が小さくて読めなかった」「事例が自社の業種と違った」	改善の優先順位づけ。次回開催の設計をどこから直すかが決まる
2	評価された点（強み）	「他社比較の表が分かりやすかった」「現場担当者の生の話が聞けた」	提案資料の見出しと初回商談の訴求文に、顧客の言葉のまま流用する
3	検討中の理由・迷いどころ	「上長を説得する材料が足りない」「費用対効果が読み切れない」	想定問答集の材料になる。反論への切り返しを商談前に用意できる
4	次に欲しい情報	「導入企業の運用体制を知りたい」「価格帯の目安が欲しい」	次回コンテンツの企画と、フォローメールで送る資料の選定

この4行のうち営業が最優先で取りにいくべきは3行目である。理由は単純で、検討中の理由とは失注理由の先出しだからだ。しかも、この本音は商談の場ではまず出てこない。目の前で「予算が通せません」と言うのは気まずいが、アンケートの入力欄には書ける。相手が目の前にいないとき、人は正直になる。

1行目の不満は運営改善に、2行目の強みは訴求文に、4行目の要望は次回企画に効く。取り出す先を決めておけば、AIへの指示も曖昧にならない。

この4分類が使えるのはセミナー後のアンケートに限らない。顧客満足度調査の記述欄、展示会で回収した来場者アンケート、失注時に送る振り返りアンケート、既存顧客への定期ヒアリングの記録。どれも同じ軸で仕分けできる。むしろ複数の調査を同じ軸でそろえておくと、セミナー参加者と既存顧客で不安の中身がどう違うかが見えてくる。軸を共通にすることは、データを比較可能にする最も安上がりな方法だ。

AIで分析する手順は？

手順は4ステップだ。全体像を先に置く。

ステップ	やること	主担当	見落としやすい点
Step 1 準備・匿名化	自由記述の列だけを抜き出し、氏名・社名・連絡先を削除または記号化する	人	業種・規模などの属性ラベルは残すと、後で層別できる
Step 2 分類	決めた軸で仕分けし、分類ごとの件数を出す	AI	軸をAIに決めさせると、次回と比較できなくなる
Step 3 要約・引用	分類ごとに要約と、原文のままの代表コメントを抜き出す	AI	要約だけでは温度が伝わらず、社内が動かない
Step 4 施策変換	件数順に優先度をつけ、次の打ち手を出す	人とAI	実行可能性の判断まで任せない

Step 1 データの準備と匿名化

アンケートツールから書き出したファイルのうち、自由記述の列だけを抜き出す。ここで必ずやるのが匿名化だ。外部のAIサービスに貼り付ける前に回答者名と社名とメールアドレスは削るか記号に置き換えるという一手間を惜しまない。「株式会社◯◯の田中様」は「A社・情報システム部門」で足りる。分析に必要なのは誰が言ったかではなく、何を言ったかである。

属性で切り分けたい場合は、業種・従業員規模・役職層といったラベルだけを残す。あわせて、利用するAIサービスで入力データが学習に使われる設定になっていないか、法人契約や履歴オフの設定はどうなっているかを確認しておく。顧客が自社を信頼して書いた文章である以上、扱いの慎重さは社内規程以前の問題だ。

Step 2 分類させる

分類の軸は人が決めて固定する。前章の4分類でよい。ここで分類軸をAIに毎回考えさせないのが鉄則になる。自由に分類させると、回ごとに軸が変わり、前回との比較が成立しなくなる。軸を固定してはじめて、アンケートは定点観測のデータになる。

同時に、1件が複数の分類にまたがる場合の扱いも先に決めておく。主分類を1つに絞るか、複数タグを許すか。どちらでもよいが、決めずに走ると件数の合計が母数と合わなくなり、後の議論が止まる。

Step 3 各分類の要約と代表的な声を抜き出させる

分類ごとに、3行程度の要約と、原文のまま引用した代表コメントを2〜3件出させる。この「原文のまま」が肝になる。要約だけを読むと角が取れ、どれも無害な情報に見えてしまう。「上長を説得する材料が足りない」という一文は、要約で「決裁プロセスに課題」と書き換えられた瞬間に力を失う。要約は方向を示し、原文は温度を伝える。両方を持ち帰る。

Step 4 施策に変換

件数の多い順に並べ、それぞれ次の打ち手を出させる。ここでAIの案をそのまま採用しないこと。出てくるのは一般論を含むたたき台であり、自社の工数・予算・権限で実行できるかは人間しか判断できない。多い順に並べたうえで、着手の重さを軽・中・重で仕分けし、今月やるものを2つだけ選ぶ。それで十分だ。

このとき、件数が少ないという理由だけで切り捨てない判断も要る。1件しかなくても、それが決裁権を持つ層から出た指摘であれば重い。逆に20件あっても、購買の意思がない参加者からの要望なら優先度は下がる。件数は優先順位の第一基準にはなるが、唯一の基準ではない。だから属性ラベルを残しておく意味がある。誰が言ったかは伏せても、どの層が言ったかは残す。この線引きが、匿名化と分析精度を両立させる勘所になる。

なお、AIが出した件数は必ず人が検算するものと考えておきたい。言語モデルは文章の意味をつかむのは得意だが、数を正確に数えるのは苦手である。分類の合計と自由記述の総件数が一致しているか、少なくとも最多の分類だけは実データで数え直す。分類結果を表計算に書き出して関数で数えるのが確実だ。集計と可視化の分担については営業データの集計・グラフ化をAIに任せる手順にまとめてあるので、あわせて使ってほしい。

プロンプトはどう書けばいいのか？

ここからは実践だ。1本目は分類と件数と代表コメントの抽出、2本目はその結果を施策と営業トークに変える。〔例: …〕の部分を自分の案件で置き換えて使う。

あなたはB2B企業の営業とマーケティングを支援するアナリストだ。
以下はセミナー参加者アンケートの自由記述である。回答者を特定できる情報はすでに削除してある。

# 分類の軸（この4つに固定する。勝手に軸を増やさない）
1. 不満・改善要望
2. 評価された点（強み）
3. 検討中の理由・迷いどころ
4. 次に欲しい情報
※どれにも当てはまらないものは「その他」に入れる

# 前提
- 調査の種類: 〔例: 製造業向け営業DXセミナー（オンライン60分）の事後アンケート〕
- 回答件数: 〔例: 全200件、うち自由記述の記入あり134件〕
- 自社の商材: 〔例: 中堅製造業向けの営業支援システム〕
- 知りたいこと: 〔例: 次回セミナーの改善点と、参加者が購買前に抱えている不安〕

# 出力してほしいもの
1. 分類ごとの件数の一覧表（分類／件数／全体に占めるおおよその割合）
2. 分類ごとの要約を3行以内で
3. 分類ごとに、代表的なコメントを原文のまま3件（言い換え・要約をしない）
4. どの分類にも入れにくかった、または少数だが重要だと判断したコメントを3件と、そう判断した理由
5. 件数の合計と自由記述の総件数が一致しているかの自己申告

# 制約
- 元のコメントにない事実や数値を足さない。書かれていない論点は「言及なし」と明記する
- 1件が複数分類にまたがる場合は主分類を1つ選び、その旨を注記する
- 個人名・企業名が残っていた場合は、その旨を指摘し、伏せた形で扱う

# 自由記述データ
〔例: ここに1行1コメントで貼り付ける〕

2本目は、分類結果を持ったまま続けて投げる。ここで初めて、アンケートが営業の武器に変わる。

先ほどの分類結果をもとに、社内の施策案と、商談でそのまま使える言葉に変換してほしい。

# 前提
- 自社の商材: 〔例: 中堅製造業向けの営業支援システム〕
- 主な商談相手: 〔例: 営業部長と、情報システム部門の課長〕
- 打ち手を考える単位: 〔例: 今月中に着手できることと、今四半期で取り組むこと〕

# 出力してほしいもの
1. 改善施策の優先順位表
   件数の多い不満から順に、改善テーマ／件数／想定される原因／打ち手／着手の重さ（軽・中・重）を列にする
2. 不満と迷いどころへの回答トーク
   件数上位3つについて、商談でそのまま口に出せる切り返しを各2案。
   否定や言い訳から入らず、まず相手の懸念を認める言い方にする
3. 強みを使った訴求文
   評価された点の分類から、顧客が実際に使っていた言葉を拾い、
   メール件名を1案、初回商談の冒頭30秒トークを1案、提案書の見出しを3案つくる。
   自社の宣伝文句に置き換えず、顧客の語彙をできるだけ残す
4. 次回アンケートで追加すべき設問を3つ
   今回の自由記述で意見が割れた論点を、選択式で聞ける形にする

# 制約
- データにない効果・実績・数値を創作しない
- 個人や企業が特定できる表現は使わない
- 各案には、根拠にした自由記述の要点を1行添える

出力はたたき台である。特に3番目の訴求文は、顧客が使った言葉をそのまま残すことに価値がある。営業担当者が自社の言い回しに直した瞬間、その一文は他社の資料と見分けがつかなくなる。編集はするが、翻訳はしない。

分析結果をどう使うのか？

使い道は4つある。順に見ていく。

第一に、社内報告の書き換えだ。報告書では平均点ではなく顧客の声で語るほうが、会議で起きることが変わる。

報告の書き方	会議で起きること
満足度4.2、前回比プラス0.1	「良かったですね」で終わる。誰の行動も変わらない
満足度4.2。ただし自由記述134件のうち28件が、上長を説得する材料が足りないと書いている	誰がその材料を作るのかという議論が始まる

数字は状態を示すが、行動を促すのは具体的な言葉のほうだ。平均点を消す必要はない。平均点の下に、いちばん件数の多かった声を原文で3行貼る。それだけで報告書の役割が、報告から提起へ変わる。

第二に、営業トークの改善である。「費用対効果が読み切れない」という記述が上位に来たなら、商談の中盤でこちらから先に触れてしまう。同じ立場の方から、効果が読みにくいという声をよくいただきます、と切り出せば、相手は自分の懸念が想定内であることを知り、話しやすくなる。こうして集めた懸念と切り返しを一覧の形に落とす手順は、AIで営業の想定問答集をつくる方法で詳しく扱っている。アンケートの分類結果は、その想定問答集の最良の材料になる。

第三に、事例化だ。ただしアンケートの声を事例として社外に公開するには本人の許諾が必要になる。匿名化してあるから大丈夫、とは言えない。業種と従業員規模と役職を並べれば、業界内では個人や企業が特定できてしまうことがある。公開前に、掲載する文面・用途・掲載媒体・掲載期間を示し、本人と所属企業からメールなど記録の残る形で同意を得る。同意が取れていない声を使ってよいのは、社内向けの分析までだ。許諾を得たうえで一歩踏み込んで話を聞くなら、導入事例インタビューをAIで設計する手順が使える。アンケートの一文を起点に、インタビューの質問を組み立てられる。

第四に、次回アンケートの設問改善である。自由記述で意見が割れた論点は、次回は選択式にする。自由記述は仮説を見つける道具であり、選択式は仮説を検証する道具だ。役割が違う。毎回同じ自由記述の設問を置き、同じ分類軸で仕分けていけば、回を重ねるごとに比較可能な定点観測データが積み上がる。1回目は読むだけで精一杯でも、3回目には傾向の変化が見えるようになる。