アンケート集計後に使うAIプロンプトテンプレート 回答の傾向・自由記述・次の打ち手まで整理する書き方
アンケート結果を読み解くプロンプトは、集計表や自由記述をAIに渡して、回答の傾向、気になる差分、次に確認すべき問いを整理するために使います。
向いているのは、社内アンケート、顧客満足度調査、イベント後アンケート、採用候補者アンケートなどを見て、「結局どこから手を付ければよいのか」を短時間でつかみたい人です。
この記事では、数値集計と自由記述の両方を扱える形で、コピペしやすいテンプレートを用意します。AIの出力は判断材料であり、最終判断ではありません。個人名、メールアドレス、社員番号、顧客IDなどは削除または匿名化してから入力してください。
ここがポイント: AIには「良い感じに分析して」ではなく、目的、入力データ、比較したい軸、出力形式、確認してほしい注意点をまとめて渡すと、読み返しやすい結果になります。
- 用途: アンケート結果の傾向整理、自由記述の分類、改善アクション案の作成
- 入力: 集計表、設問一覧、回答数、自由記述、対象者の属性
- 出力: 要点、注目すべき差分、仮説、追加確認、次の打ち手
- 注意: AIに個人情報や機密情報をそのまま入れない
どんな場面で使うプロンプトか
このテンプレートは、アンケートを「集めた後」に使います。設問を作るためではなく、回答を読み、会議や報告資料に使える形へ整理するためのプロンプトです。
よくある使いどころは次の通りです。
- 顧客満足度アンケートから改善点を洗い出す
- 社内アンケートの不満や要望を部署別に見る
- イベント後アンケートから次回改善案を作る
- 採用面談後アンケートの自由記述を分類する
- 新機能アンケートから優先すべき要望を整理する
アンケート結果は、数字だけ見ても判断しにくいことがあります。たとえば満足度の平均点が高くても、自由記述には「申込手順が分かりにくい」「通知が多い」といった具体的な不満が出ているかもしれません。
AIに任せるべきなのは、最終判断ではなく、読む順番を整える作業です。回答の山から、目立つ傾向、少数だが重要な声、追加で確認すべき点を拾い上げる用途に向いています。
コピペ用プロンプトテンプレート
まずは、数値集計と自由記述をまとめて読み解く基本形です。表計算ソフトからコピーした表、CSVの一部、自由記述の抜粋を貼り付けて使えます。
あなたは業務改善のためにアンケート結果を読み解くアシスタントです。
以下のアンケート結果をもとに、回答の傾向、重要な気づき、次に確認すべき点を整理してください。
# 目的
{アンケートを実施した目的}
# 対象者
{回答者の属性や人数。例: 既存顧客120名、社内の営業部門45名など}
# アンケート概要
- 実施時期: {実施時期}
- 回答数: {回答数}
- 主な設問: {設問の一覧}
- 注意点: {集計上の注意、偏り、未回答の扱いなど}
# 集計結果
{数値集計、選択肢別の件数、割合、平均点などを貼り付ける}
# 自由記述
{自由記述の回答を貼り付ける。個人名や機密情報は削除する}
# 出力してほしい内容
1. 全体の要点を5つ以内で要約
2. 数値結果から読み取れる傾向
3. 自由記述で多い意見の分類
4. 数値と自由記述が食い違っている点
5. 少数意見でも見逃さない方がよい内容
6. 次に確認すべき追加質問
7. 改善アクション案を優先度つきで整理
# 出力形式
- 見出しごとに短い説明を付ける
- 改善アクション案は表形式にする
- 断定できないことは「仮説」と明記する
- 元データにない事実は作らない
このプロンプトの中心は、「何を出してほしいか」を7項目に分けている点です。単に要約を頼むよりも、会議で使いやすい材料が返ってきます。
入力時に変える部分と固定したい条件
テンプレートのうち、毎回変える部分と、できるだけ残したい条件を分けておくと、出力が安定します。
毎回変える部分
次の項目は、アンケートごとに必ず差し替えます。
{アンケートを実施した目的}: 改善、満足度把握、要望収集など{回答者の属性や人数}: 顧客、社員、参加者、候補者など{実施時期}: 月次、イベント後、導入後3か月など{回答数}: 回答全体の件数。分母がないと割合の重みが読みにくい{設問の一覧}: 設問文そのもの。AIが回答の意味を判断する材料になる{数値集計}: 選択肢別件数、割合、平均点、部署別集計など{自由記述}: 原文に近い形。ただし個人情報は削除する
特に重要なのは、設問文です。「満足」「不満」「使いやすい」のような回答だけを貼っても、何について聞いたのか分からなければ、AIの解釈はぶれます。
固定した方がよい条件
一方で、次の条件は残しておくと実務で使いやすくなります。
- 「元データにない事実は作らない」
- 「断定できないことは仮説と明記する」
- 「数値と自由記述の食い違いを見る」
- 「少数意見でも重要な内容を拾う」
- 「改善アクション案は優先度つきで出す」
アンケート分析では、多数派の意見だけを追うと危険です。たとえば回答数は少なくても、解約理由、法務リスク、採用辞退理由、重大な不満につながる声は優先して確認する価値があります。
NG例と改善例
アンケート結果のプロンプトで失敗しやすいのは、目的と出力形式を省いたまま「分析して」と頼むことです。
NG例
以下のアンケート結果を分析してください。
{アンケート結果}
これでも要約は返ってきます。ただし、報告書向けなのか、改善施策向けなのか、経営会議向けなのかが分かりません。出力も、箇条書きになったり、長文になったり、毎回ばらつきます。
改善例
以下の顧客満足度アンケートを、次回改善のために読み解いてください。
# 目的
継続利用率を上げるために、不満点と改善優先度を整理する
# 入力データ
{選択式設問の集計結果}
{自由記述の回答}
# 必ず確認する観点
- 満足度が高い点
- 不満が集中している点
- 自由記述で繰り返し出ている言葉
- 回答数は少ないが放置すると問題になりそうな声
- すぐ対応できる改善と、追加調査が必要な改善
# 出力形式
1. 3行要約
2. 重要な発見を最大5つ
3. 改善アクション案の表
4. 追加で確認すべき質問
改善例では、AIが見るべき方向を先に決めています。顧客満足度アンケートなら「継続利用率を上げる」、社内アンケートなら「離職や業務負荷の兆候を見る」、イベントアンケートなら「次回運営を改善する」のように、目的を書きます。
目的が入ると、同じ回答でも注目点が変わります。
出力を安定させるコツ
アンケート結果は、入力が長くなりやすい素材です。出力を安定させるには、AIに考えてほしい範囲を絞り、確認手順を入れます。
1. 最初に分母と回答条件を書く
「回答数300」と「回答数12」では、同じ30%でも意味が変わります。可能なら、対象者数、回答数、回答率、属性の偏りを書きます。
回答対象者は既存顧客500名、回答数は86件です。
回答者は利用頻度の高い顧客に偏っている可能性があります。
この前提を踏まえて、断定しすぎない形で整理してください。
この一文があるだけで、AIの出力は「全顧客がこう考えている」といった強い断定を避けやすくなります。
2. 自由記述は分類名も出させる
自由記述は、そのまま要約させるだけでは使いにくいことがあります。分類名、件数感、代表的な内容、対応案を分けると、会議資料に移しやすくなります。
自由記述を以下の列で整理してください。
- 分類名
- 該当する意見の概要
- 件数感（多い・中程度・少ない）
- 対応の優先度
- 追加確認が必要な点
厳密な件数を出したい場合は、自由記述を1件ずつ番号付きで渡し、「該当番号」も出させます。AIの分類結果を後で人が確認しやすくなります。
3. 数値と自由記述を別々に見てから統合する
一度に全部を判断させると、自由記述の印象に引っ張られることがあります。先に数値、次に自由記述、最後に統合の順で指示すると読みやすくなります。
次の順番で整理してください。
1. 数値集計だけから読み取れること
2. 自由記述だけから読み取れること
3. 数値と自由記述を合わせて見たときの解釈
4. 判断を保留すべき点
この指定は、満足度スコアとコメントが食い違うときに役立ちます。点数は高いのに不満コメントが多い、あるいは点数は低いのに改善要望が具体的で前向き、といった違いを拾いやすくなります。
目的別テンプレート
ここからは、業務の場面別に使いやすい短めのテンプレートです。基本テンプレートを毎回使うほどではないときに向いています。
顧客満足度アンケートを改善案に変える
顧客向けアンケートでは、満足点よりも「継続利用を妨げる要因」を見つけることが重要です。
以下の顧客満足度アンケートを、サービス改善のために整理してください。
# 目的
{継続利用、解約防止、問い合わせ削減、機能改善など}
# データ
{集計結果と自由記述}
# 出力
- 顧客が評価している点
- 不満が集中している点
- 解約や利用停止につながりそうな不満
- すぐ対応できる改善案
- 追加調査が必要な論点
改善案は「影響度」「実行しやすさ」「確認すべきデータ」の列を持つ表にしてください。
期待できる出力は、改善施策のたたき台です。AIの案をそのまま採用するのではなく、実行コスト、担当部署、既存計画との重複を確認します。
社内アンケートから組織課題を整理する
社内アンケートでは、個人が特定される情報を必ず削除します。部署名や役職も、少人数の場合は伏せた方が安全です。
以下の社内アンケート結果を、組織改善の観点で整理してください。
# 前提
個人が特定されないように加工済みのデータです。
少人数の属性については断定を避けてください。
# 目的
{業務負荷、コミュニケーション、評価制度、オンボーディングなどの確認}
# データ
{集計結果と自由記述}
# 出力
1. 全体傾向
2. 課題が強く出ている領域
3. 良い兆候として残すべき点
4. 管理職が確認すべき質問
5. 次回アンケートで追加したい設問
個人批判ではなく、業務プロセスや制度上の課題として表現してください。
社内向けでは、表現の調整も大切です。「誰が悪いか」ではなく、「どの業務や仕組みに負荷が出ているか」に変換させると、関係者に共有しやすくなります。
イベント後アンケートを次回改善に使う
イベントアンケートは、良かった点、悪かった点、次回参加意向が混ざります。次回の運営に直結する形で出力させます。
以下のイベント後アンケートを、次回開催の改善に使える形で整理してください。
# イベント概要
{イベント名、対象者、開催形式、参加人数}
# アンケート結果
{満足度、各設問の集計、自由記述}
# 出力
- 継続すべき点
- 改善すべき点
- 参加者の期待と実際のずれ
- 次回案内文に反映できる訴求
- 運営チェックリストに追加すべき項目
最後に、次回までに対応する項目を「必須」「できれば対応」「見送り候補」に分けてください。
このテンプレートは、イベント後の振り返り会議に向いています。感想のまとめで終わらせず、次回の案内、進行、会場、配信、資料改善へつなげます。
出力形式を変えたいときの追加指定
同じアンケートでも、使い道によって出力形式は変わります。報告資料、表計算、タスク管理に移すなら、形式を先に指定します。
表で出したい場合
改善アクション案は、以下の列を持つ表で出してください。
- 課題
- 根拠となる回答
- 想定される原因
- 改善案
- 優先度
- 担当候補
- 追加確認
表は会議で比較しやすい形式です。ただし、根拠となる回答が曖昧な場合は、人が元データに戻って確認します。
CSVに近い形で出したい場合
出力はCSVとして貼り付けやすい形にしてください。
列は「分類,意見概要,件数感,優先度,対応案,追加確認」とします。
値にカンマを含める場合は、値全体をダブルクォーテーションで囲んでください。
CSV指定は、表計算ソフトへ移したいときに便利です。厳密なCSVが必要な場合は、出力後に崩れがないか確認してください。
JSONで出したい場合
出力は以下のJSON形式にしてください。
説明文はJSONの外に書かないでください。
{
"summary": [],
"findings": [
{
"title": "",
"evidence": "",
"risk": "",
"next_action": ""
}
],
"follow_up_questions": []
}
JSONは、別ツールに渡すときに向いています。ただし、AIの出力は構文が崩れることがあるため、実際にシステムへ投入する前に検証が必要です。
失敗しやすい点と確認チェックリスト
アンケート分析で怖いのは、もっともらしい結論が出てしまうことです。AIの文章が自然でも、元データに根拠があるとは限りません。
確認時は、次の項目を見ます。
- 回答数や割合をAIが勝手に増減させていないか
- 自由記述にない意見を作っていないか
- 少数意見を多数派のように扱っていないか
- 属性別の差分を過剰に断定していないか
- 個人や特定部署を責める表現になっていないか
- 改善案が実行可能な単位に分かれているか
- 追加調査が必要な点を、結論として扱っていないか
特に、自由記述の分類は人の確認が必要です。AIは似た表現をまとめるのは得意ですが、業務上の重大度までは社内事情を知らないまま判断します。
最後にもう一度使うなら、次の短い確認プロンプトを追加します。
上記の分析結果について、元データから直接言えることと、仮説にとどまることを分けてください。
また、会議で共有する前に人が確認すべき点を5つ以内で挙げてください。
この確認を挟むと、報告資料にそのまま入れてよい部分と、担当者が裏取りすべき部分を分けやすくなります。
使う前に押さえたい安全面
アンケートには、個人情報や社内の未公開情報が入りやすいです。AIツールに入力する前に、利用しているサービスの設定、社内ルール、データの扱いを確認します。
OpenAI、Anthropic、Googleはいずれもプロンプト作成やモデル利用に関する公式ドキュメントを公開しています。実務で使う場合は、モデルの得意不得意だけでなく、入力してよい情報の範囲を自社ルールで決めておくことが重要です。
最低限、次の加工をしてから入力します。
- 氏名、メールアドレス、電話番号を削除する
- 社員番号、顧客ID、注文番号を削除する
- 少人数部署や特定個人が推測できる属性をぼかす
- 契約条件、売上、未公開施策など機密情報を入れない
- 必要ならサンプル化、要約化、件数化してから使う
AIは集計作業の補助には使えますが、責任ある判断者にはなりません。アンケート結果を扱う人が、元データ、対象者、回答の偏り、共有範囲を確認してから使うのが前提です。
すぐ使うための最終チェック
アンケート結果をAIに渡す前に、次の5点だけ確認してください。
- 目的は書いたか
- 回答数と対象者は書いたか
- 設問文も一緒に入れたか
- 個人情報や機密情報は削除したか
- 出力形式を指定したか
この5つが入っていれば、AIの出力はかなり読み返しやすくなります。最初から完璧な分析を求めるより、まず「全体傾向」「自由記述の分類」「追加確認」の3つに分けて出させる方が、次の会議や改善タスクにつなげやすくなります。