QUIDにおける内部データ活用事例のご紹介

この記事では、QUIDでData Uploaderを使用した内部データの活用例についてご紹介いたします。（本記事の図・グラフは全てサンプルデータを用いて出力したものとなります。）
自社の顧客アンケートデータをQUIDに取り込み、自然言語処理を利用して解析することで、顧客の重視ポイントや対象ブランド・製品への具体的な意見を分析することができます。

目次

1. 活用例①自治体におけるアンケートデータ活用
2. 活用例②製造業における、購入者を対象としたアンケートデータ活用
3. 活用例③サービス利用者を対象としたアンケートデータ活用

---

Data Uploaderとは

Data Uploaderは、企業独自のデータを取り込むことができる機能です。
アンケートデータやレビューデータなど、自社で保有しているテキストデータをQUID Monitorの分析機能を使用してグラフ化したり、
QUID Monitorで収集したソーシャルデータと併せて分析することが可能です。また、テキストだけなく回答者属性、評点情報などの分析も可能です。

---

QUIDにおける内部データの活用例①：自治体におけるアンケートデータ活用

QUID Monitorのデータ要約機能・センチメント分析機能を活用し、市のブランド形成を目的としたアンケートデータを分析しました。

目的：住民が抱く自治体へのイメージを基に、魅力や特性を探る
使用ツール：QUID Monitor
使用データ：住民を対象としたアンケートデータ

分析内容
住民を対象としたアンケートを実施し、「10年後どんなまちになっていてほしいか」「このようなまちなら住み続けたい！」という理想を20文字以内で表現してもらい、アンケートデータを基に分析を行いました。

• 頻出キーワード
  頻出キーワードをワードクラウド形式で可視化したものとなっており、頻出度が高いほど文字が大きく表示されます。
  市へのイメージやどのような観点が多かったのかを把握することができます。
  
  
  
• センチメント分析
  感情を表現する頻出キーワードをワードクラウド形式で可視化したものとなっており、ポジティブな感情を表現するキーワードは緑、ネガティブな感情を表現するキーワードは赤で表示されます。
  回答文に含まれる単語を基に自然言語解析を行うことで、ポジティブ・ネガティブを判定し、どの要素に魅力を感じている人が多いのか把握することができます。
  

---

QUIDにおける内部データの活用例②：製造業における、購入者を対象としたアンケートデータ活用

購入者の声を基に製品の課題点・ニーズを抽出しました。

目的：製品の課題点抽出・改善点の発見
使用ツール：QUID Monitor、QUID Discover
使用データ：購入者を対象としたアンケートデータ

分析内容

• 頻出キーワード（QUID Monitor）
  製品のどのポイントに惹かれて購入したのかを把握することができます。
• クロス集計（QUID Monitor）
  製品×使用場面でクロス集計を作成し比較分析を行うことで、各使用場面でどの製品が多く話題にされているかを把握できます。
  このように、購入者の話題をセグメントで整理することで、ブランドのポジショニングや競合との差別化ポイントの発見に繋げることができます。
  
  
  
• タグ分析（QUID Monitor）
  タグ分析ではアンケートの質問に対する各回答項目のデータを確認することができます。
  購買傾向を確認することで、メーカーや地域といった各セグメントの強みや弱みを把握し、新製品の開発・改善点の発見に繋げることができます。
  
  
  
• ネットワーク図（QUID Discover）
  購入者の購買理由について、AIで似ている話題をクラスタリングしネットワーク図を作成しました。
  下の画像は、冷蔵庫に関するサンプルデータを使用したネットワーク図です。
  例えば、赤枠内に表示されている、「幅」・「収納」のクラスターでは、冷蔵庫の設置スペースの制約と、収納力のバランスをどう取るかが多く議論されており、狭いスペースでも収納力を確保したいというニーズがあると考えられます。このように、中心となる話題や各話題の関連性から、購買動機のポイントを発見することができます。
  

---

QUIDにおける内部データの活用例③：サービス利用者を対象としたアンケートデータ活用

QUID Monitorのセンチメント分析機能・クロス集計機能を活用し、ユーザーのアンケートデータを分析しました。

目的：サービスの品質向上
使用ツール：QUID Monitor
使用データ：サービス利用者を対象としたアンケートデータ

分析内容

• ネガティブな頻出キーワード
  低評価の人がどこに注目しているのかを把握することができ、課題点を抽出することができます。
  
• 評価別分析
  アンケートデータやレビューデータから、評価ごとに分類して回答数を集計することができます。これにより、各評価の回答数の分布を一目で確認することができます。数字だけではなく視覚的に表現されるため、データが直観的に理解しやすくなります。
  
  
  
• センチメント分析
  星評価（サービス満足度）と継続意向（契約継続の希望度）の２つの軸でクロス集計を作成し、５段階評価ごとのセンチメント傾向をセグメント化し、分析しました。
  ここでは、星評価が高いセグメントほどポジティブな傾向が強いことが分かりました。しかし、星評価が４の場合であっても、継続意向が低くネガティブ傾向が強いセグメントもみられました。
  このように、センチメント傾向をクロス集計でセグメント化することで、ユーザーのボリュームゾーン・ウィークポイントを把握することができます。
  また、各セグメントの特徴を理解することで、適切な対応策を打ち出し、満足度向上や継続率の改善に繋げることができます。