
アンケートによくある質問のタイプの1つが「自由記述」です。
例えば、以下のアンケートデータでは「推奨度の理由」といった自由記述の回答の列があります。

これまでは、Exploratoryのアナリティクスビューにある「トピックモデル」機能を使って文章のグループ分けを行うのが一般的でした。しかし、トピックモデルはデータから自動的にトピックを抽出するため、事前に定義した特定のグループにラベル付けするといったことはできません。
また、トピックモデル以外でラベル付けを使用としたときには、以下のような問題があります。
Exploratory v14で新たに搭載された「AI 関数」は、これらの課題を解決し、誰でもAIを使った関数を作れる機能です。プログラミングの知識が一切なくても、自分の言葉で指示(プロンプト)を記述するだけで、カスタムのAI関数を簡単に作成できます。
この機能は、世界最先端のAIをバックエンドで活用しており、ユーザーは複雑な設定やモデル構築の手間なく、その強力な分析能力を享受できます。
各データ行に対してAIが個別に判断を下し、その結果を新しい列として返すため、自由記述のコメントに対して、適切なラベルをつけてグループを分けることが可能です。
これにより、これまで専門家でなければ難しかったテキストデータの高度な分析が、すべてのビジネスユーザーにとって身近なものとなります。
ここでは、「推奨度の理由」のような自由記述の回答が格納された列を対象に、AI 関数を使って文章を特定のグループに分類する方法を具体的に見ていきましょう。
今回使用するデータはこちらからダウンロードいただけます。

列ヘッダメニューから、「AI 関数」を選択します。

これにより、AI 関数のダイアログが表示されます。
プロンプトには以下のように指定して実行します。
提供された文章を以下のグループに振り分けるために、ラベルをつけてください。
サポートが良い
サポートが悪い
プロダクトの高評価
プロダクトの低評価
機能面に関する高評価
機能面に関する低評価
競合サービスとの比較
導入に関する内容
価格に関する内容
その他

このプロンプトを実行すると、AIは提供された自由記述の文章を読み込み、指定された10種類のグループの中から最も適切だと判断されるラベルを各行に付与します。
例えば、「サポート担当者の対応が迅速で丁寧だった」という文章には「サポートが良い」というラベルが、「新機能の使い方が分かりにくい」という文章には「機能面に関する低評価」というラベルが割り当てられます。
実際に各グループごとにサンプルした行を確認した結果が以下となりますが、サポートの良し悪しについてもうまく分けられていることが確認できます。

このように、AIが文章を分類することで、顧客のフィードバックを効率的かつ客観的に分析し、製品改善やサービス向上に直結する具体的な洞察を迅速に得ることが可能になります。
Exploratory v14の「AI 関数」は、データ分析の常識を覆し、誰でもAIを使って高度な処理を行うことができるようになります。
Exploratory v14の「AI 関数」は、データ活用を次のレベルへと引き上げることができる機能です。ぜひご自身で体験してみてください。
30日間無料トライアルで、AI 関数をはじめとするExploratoryの最新機能を今すぐお試しいただけます。