03-6441-0989
石崎健人 
アンケート自由記述が現場で直面する構造的な課題
筆者はこれまで数百件の調査プロジェクトを設計してきましたが、クライアントから最も頻繁に受ける相談の一つが「自由記述欄を設けたが活用できていない」というものです。数値で回答する選択式の設問とは異なり、自由記述は回答者の生の声を拾えるという期待から、多くの調査票に組み込まれます。しかし実際には、集まった回答を前に途方に暮れるケースが後を絶ちません。
この背景には、回答者にとって負担が大きく、途中で離脱する可能性が高いという問題があります。特にスマートフォンからの回答が主流となった現在、長文入力は避けられる傾向が強まっています。さらに、生活者は好き嫌いや購入などの理由を、容易に言語化できるとは限らないという本質的な限界も存在します。
加えて、集計の手間と時間、コストが高くなることも見逃せません。選択式の設問であれば数クリックで集計が完了するのに対し、自由記述は人の手による読み込みと分類が必要になります。このため多くの企業では、せっかく集めた自由記述データが「眺めて終わり」になってしまうのです。
自由記述が本質的に抱える3つの限界
限界1：回答者の言語化能力に依存する構造
自由記述の最大の限界は、回答者が自分の思考や感情を言葉にできる範囲でしか情報が得られない点です。消費者の購買行動の多くは無意識下で行われており、「なぜその商品を選んだのか」と尋ねられても、本人すら正確に答えられないことが少なくありません。
筆者が携わった食品メーカーの調査では、「この商品を購入した理由」という自由記述に対し、「なんとなく」「いつも買っているから」といった表層的な回答が大半を占めました。こうした回答からは、商品開発や改善に繋がる示唆を導き出すことは困難です。
一方、デプスインタビューでは、モデレーターが「なんとなく、とおっしゃいましたが、そのときどんな気持ちでしたか」と掘り下げることで、無意識の購買動機に迫ることができます。この「掘り下げる」プロセスこそが、自由記述では構造的に不可能な領域なのです。
限界2：サンプル数と分析精度のトレードオフ
定量調査の強みは、数百から数千の回答を集めて統計的に処理できる点にあります。しかし自由記述においては、正確に集計することには向いていないという致命的な弱点があります。
あるお菓子への不満が書かれたアンケートデータがあるとする。「味」について書いているのか、「パッケージ」についてなのか、「値段」についてなのかを正確に分離することは難しいのが現実です。テキストマイニングツールを使っても、言い回しのバリエーションが豊富な話題ほど分類精度は落ちます。
筆者の経験では、1000件の自由記述を人の手でコーディングする場合、最低でも4〜5時間を要します。しかも、コーディングの基準を作る人の主観が入り込むため、分析者が変われば結果も変わるという再現性の問題が生じます。
一方、フォーカスグループインタビューであれば、6名程度の参加者から2時間で深い洞察を得られます。量は少なくとも、質の高い情報が手に入るのです。
限界3：回答バイアスの不可視性
サンプルバイアスを避けるには、調査設計段階で自由記述欄に回答しやすい工夫をすることが有効とされますが、それでもバイアスは避けられません。自由記述に熱心に答える人は、そもそも「意見を言いたい人」であり、サイレントマジョリティの声は拾えないのです。
実際、筆者が分析したあるサービス改善調査では、自由記述の8割が不満を述べる内容でした。しかし選択式の満足度評価では7割が「満足」と回答していたのです。この乖離は、不満を持つ人ほど自由記述に書き込む傾向があることを示しています。
さらに、個別の意見としては理解しやすいが、全体の傾向を把握できていないという問題もあります。自由記述は個々の声が鮮明に見える分、その声が全体のどの程度を代表しているのかが見えにくくなるのです。
テキストマイニングは万能ではない
「AIやテキストマイニングがあれば、自由記述も簡単に分析できるのでは」という期待を持つ方は多いでしょう。確かに技術は進歩していますが、限界も明確です。
全体像を把握する、特徴を抽出する、いずれも正確に集計することには向いていないのがテキストマイニングの実態です。頻出単語を可視化したワードクラウドは一見わかりやすいですが、「その単語がどのような文脈で使われているのか」までは読み取れません。
筆者が支援したある化粧品メーカーの事例では、「肌」「保湿」「乾燥」といった単語が頻出していました。しかし実際に一つひとつの回答を読むと、「保湿力が高くて良い」という肯定的な意見と、「乾燥が気になる」という否定的な意見が混在していたのです。テキストマイニングだけでは、この違いを正確に判別できませんでした。
使用するツールによっては似た言葉同士の判別や誤字脱字の判別が正しくできないものもありますという技術的な限界も残ります。結局、人の目による精査が不可欠であり、工数削減の効果は限定的なのです。
自由記述と定性調査の使い分けの境界線
自由記述が機能する3つの条件
自由記述がまったく無意味というわけではありません。筆者の実務経験から、以下の3つの条件を満たす場合には有効に機能します。
第一に、BtoBの顧客は自社に最適化された商品・サービスを求める傾向が強く、個別のカスタマイズニーズが発生しやすいケースです。BtoB調査では、回答者が自社の具体的な課題を言語化できるため、自由記述からも実用的な情報が得られます。
第二に、社内アンケートの価値は自由回答にあるといっても過言ではありません。従業員は日々の業務を通じて具体的な改善点を把握しているため、言語化の壁が低いのです。
第三に、思わず答えたくなってしまうような設問にすることが重要です。「想定外に良かった点」など、ポジティブな感情を伴う経験は言語化されやすく、質の高い回答が集まりやすくなります。
定性調査に切り替えるべき4つのサイン
一方、以下のような調査目的がある場合は、自由記述ではなく定性調査を選ぶべきです。
一つ目は、「なぜ」を深く掘り下げたい場合です。課題を解決するためのアイディア・ヒントの発見や仮説の構築、顧客のニーズの深堀、また事実の背景や原因を探る際に適しています。自由記述では表層的な理由しか得られませんが、インタビューでは「その理由の背景にある価値観」まで迫れます。
二つ目は、無意識の行動原理を探りたい場合です。人は自分の行動理由を正確に言語化できないため、観察やプロービング(深掘り質問)が必要になります。これは自由記述では不可能な領域です。
三つ目は、新しいアイデアを発想したい場合です。自由回答形式や深掘りの質問により、消費者の潜在的なニーズや未知の問題点を発見できます。自由記述は既知の枠組みの中での回答に留まりますが、インタビューでは予想外の発見が生まれやすくなります。
四つ目は、行動の文脈を理解したい場合です。カスタマージャーニーを描くには、時系列での思考と行動の変化を追う必要があり、単発の自由記述では捉えきれません。
実務で陥りがちな自由記述の3つの失敗パターン
失敗1：「念のため」で設置してしまう
最も多い失敗は、「選択式だけだと情報が足りないかもしれないから、念のため自由記述も入れておこう」という判断です。しかしこの「念のため」が、回答者の負担を増やし、途中でアンケートの回答を放棄されたりてきとうな回答をされたりする可能性を高めます。
筆者が見直したある企業の調査票では、15問中8問が自由記述でした。回答完了率はわずか23%で、完了した回答の自由記述も「特になし」「なし」といった無回答に近いものが大半でした。自由記述は「あれば便利」ではなく、「必要な場合のみ最小限」という原則で設計すべきです。
失敗2：分析計画のない自由記述
「とりあえず聞いておいて、後で読めばいいだろう」という発想も危険です。アフターコーディングはすべての回答を読み込み分類コードを付与する必要がるため、多くの手間や時間がかかります。
500件の自由記述を集めた後、誰がどのように分析するのか、その工数は確保されているのか。この計画がないまま実施すると、データは集まったが活用されないという事態に陥ります。調査設計の段階で、「この自由記述からどんな情報を抽出し、どう活用するか」まで明確にしておく必要があります。
失敗3：定性調査で得るべき情報を自由記述で代替しようとする
コストや時間の制約から、本来はインタビュー調査で深掘りすべき内容を、自由記述で代替しようとするケースがあります。しかしこれは、道具の使い方を間違えているのと同じです。
ある飲料メーカーは、新商品のコンセプト評価を定量調査の自由記述で済ませようとしました。しかし集まった回答は「美味しそう」「買ってみたい」といった表層的なものばかりで、コンセプトのどの要素が刺さっているのか、競合との差別化ポイントは何かといった肝心の情報は得られませんでした。結局、改めてグループインタビューを実施することになり、時間とコストが二重にかかってしまったのです。
自由記述を活かすための3つの実践原則
限界を理解した上で、自由記述を効果的に活用するには、以下の原則を守ることが重要です。
一つ目は、1設問1質問の徹底です。一つの設問で複数のことを聞こうとしないことで、回答者の負担を減らし、分析もしやすくなります。「良かった点と悪かった点を教えてください」ではなく、「特に良かった点を一つ教えてください」と絞り込むのです。
二つ目は、選択式との組み合わせです。満足度を5段階で聞いた後に、「その評価をした理由を教えてください」と続けることで、単語と数値データを掛け合わせた分析が可能になります。これにより、自由記述単体の限界を補完できます。
三つ目は、読み込みの優先順位付けです。文字数の多い順に並べ変え、一定以上の情報量がある回答結果だけを読んだりすることで、読み込みの効率を上げる工夫が必要です。全ての回答を同じ重みで扱うのではなく、情報量の多い回答から読むことで、限られた時間で最大の成果を得られます。
データの性質を見極める眼を持つ
自由記述は、使い方次第では有用なツールになり得ます。しかし、その限界を認識せずに万能だと考えると、時間とコストを浪費するだけでなく、誤った意思決定の原因にもなりかねません。
筆者が最も強調したいのは、「データの性質を見極める」という視点です。自由記述で得られるのは、言語化可能な範囲の表層的な意見であり、統計的に処理しにくい定性情報です。一方、定性調査で得られるのは、言語化が難しい深層心理や行動原理、予想外のインサイトです。
両者は補完関係にあり、どちらが優れているという問題ではありません。調査の目的に応じて、適切な手法を選択する。それこそが、調査を成果に繋げるための第一歩なのです。自由記述の限界を知ることは、より効果的な調査設計への入口に他なりません。
この記事を書いた人
石崎 健人 | 株式会社バイデンハウス マネージング・ディレクター
リサート所属モデレーター。外資系コンサルティング・ファーム等を経て現職。バイデンハウスの消費財、ラグジュアリー、テクノロジー領域のリーダーシップ。生活者への鋭い観察眼と洞察力を強みに、生活者インサイトの提供を得意とする。2022年より株式会社バイデンハウス代表取締役。2025年よりインタビュールーム株式会社（リサート）取締役。アドタイにてZ世代の誤解とリアル。「ビーリアルな、密着エスノ記」連載中。
よくある質問