AIでアンケート質問を作る方法｜誘導を避けて顧客理解につなげる設計

「生成AIにアンケート質問を作らせたら、短時間で20問できた。しかし、本当にこの質問で顧客を理解できるのか分からない」。AIを調査業務に使い始めると、このような悩みが出てきます。

結論から言うと、AIはアンケート質問のたたき台作成や抜け漏れ確認に活用できますが、質問の良し悪しを最終判断するのは人です。

特に注意したいのが、回答者を特定の方向へ誘導する質問、複数の論点を一度に聞く質問、期間や意味が曖昧な質問です。AIが自然な文章を生成できても、その質問が調査目的に合っているとは限りません。

アンケートの質問設計では、「何を聞くか」から考えるのではなく、「アンケート結果を使って何を判断するのか」から逆算することが重要です。

本記事では、AIを使ったアンケートの質問設計について、良い質問・悪い質問の具体例を中心に、調査目的、質問生成、選択肢、プレテスト、分析への接続まで実務の流れに沿って解説します。

AIを使ったアンケートの質問設計とは？

AIを使ったアンケート質問設計とは、調査目的や対象者などの条件をもとに、AIで質問候補を作成・整理し、人が妥当性を確認して調査票へ落とし込む方法です。

AIに任せやすいのは、次のような作業です。

• 質問候補を複数案出す
• 専門用語を分かりやすく言い換える
• 似た質問を整理する
• 誘導的な表現の候補を指摘する
• 回答選択肢の抜け漏れを確認する
• 自由回答と選択式の使い分け案を作る
• 質問順序のたたき台を作る
• プレテストで確認すべき点を整理する

一方、AIが質問を生成したからといって、その調査の妥当性が保証されるわけではありません。

AIには、回答者が実際にどのように質問を解釈するか、対象者にとって回答可能な質問か、社内でその回答をどの意思決定に利用するかまでは自動的には判断できません。

そのため、AIの役割は「調査票の完成者」ではなく「設計を支援する壁打ち役」として捉えるのが実務的です。

質問を作る前に「何を判断したいか」を決める

良いアンケート質問を作る最初のステップは、質問文を書くことではありません。調査結果を使って何を判断するのかを決めることです。

「顧客理解を深めたい」という目的だけでは広すぎます。

例えば、次のように意思決定まで具体化します。

• 新商品のターゲットを見直したい
• 顧客が購入をためらう理由を知りたい
• Webサイトで伝える訴求を決めたい
• 競合と比較するときに重視される条件を知りたい
• 利用されていない機能の改善優先度を決めたい
• 営業担当が初回商談で確認すべき項目を整理したい

例えば「広告訴求を見直す」が目的なら、単純な満足度だけを聞いても十分な判断材料にはなりません。

「商品を選ぶ際に何を重視したか」「購入前にどのような不安があったか」「比較時に確認した情報は何か」など、施策につながる質問が必要です。

質問と意思決定を1対1で対応させる

設問を作ったら、「この回答を得たら、何を判断できるのか」を確認します。

知りたいこと	回答後の判断	質問テーマ
購入障壁	FAQ・営業資料を改善する	購入・導入前に不安だったこと
比較軸	訴求・コンテンツを改善する	比較時に重視した項目
利用理由	ターゲット・価値提案を見直す	利用を始めた理由
離脱理由	商品・体験を改善する	利用をやめた理由
情報収集行動	コンテンツ設計を見直す	検討時に確認した情報

何の判断にも使わない質問は、回答者の負担を増やすだけになりやすいため、削除も検討します。

AIは「質問を作る」より「質問案を比較する」ために使う

AI活用で重要なのは、1つの完成形を作らせることではなく、同じ目的に対して複数の質問案を出し、比較できる状態にすることです。

例えば「購入をためらった理由」を知りたい場合、AIに一つの質問だけを生成させるのではなく、次のような切り口を分けます。

• 自由回答で聞く場合
• 選択式で聞く場合
• 購入者向けに聞く場合
• 未購入者向けに聞く場合
• BtoBの担当者向けに聞く場合
• 決裁者向けに聞く場合

そのうえで、「どの質問なら回答者が理解できるか」「どの回答なら後で分析できるか」を人が選びます。

生成AIは案出しを高速化できますが、質問の妥当性、対象者との適合、分析可能性まで自動的に保証するものではありません。AIによる質問生成を扱った近年の研究でも、効率化の可能性とあわせて人による検証の重要性が指摘されています。

良い質問・悪い質問の違い｜AIで特に確認したい7パターン

アンケート設計では、「自然な日本語になっているか」だけでは不十分です。回答者が同じ意味で理解し、偏りなく回答できるかを確認します。

問題	悪い質問例	改善例	確認ポイント
誘導質問	当社の便利な新機能について、どの程度満足していますか？	この機能について、どの程度満足していますか？	質問文に評価を含めない
二重質問	価格と機能に満足していますか？	価格にどの程度満足していますか？／機能にどの程度満足していますか？	1問につき1論点にする
曖昧な頻度	このサービスをよく使いますか？	過去30日間に、このサービスを何日利用しましたか？	「よく」「最近」などを具体化する
前提の決めつけ	導入後、業務効率はどの程度改善しましたか？	導入後の業務効率について、最も近いものを選んでください。	改善したことを前提にしない
専門用語	貴社のMA運用成熟度を教えてください。	見込み顧客へのメール配信や行動データ活用について、現在の運用状況を教えてください。	回答者が同じ意味で理解できるか
記憶負荷	昨年1年間に閲覧したすべての情報源を教えてください。	直近の検討時に参考にした情報を選んでください。	回答可能な期間・出来事に限定する
社会的望ましさ	業務効率化のためにAIを積極的に活用していますか？	現在、業務で生成AIを利用する頻度を教えてください。	「積極的」など評価を含む語を避ける

誘導質問を避ける

誘導質問とは、回答者を特定の方向へ導く表現を含む質問です。

「便利な」「優れた」「問題の多い」といった評価語だけでなく、質問の前に示す情報も回答へ影響する可能性があります。

AIに質問を作らせると、自然で読みやすい文章にするために修飾語を加えることがあります。文章として魅力的でも、調査質問としては中立性を損なう場合があります。

一つの質問で二つ以上聞かない

「価格とサポートに満足していますか？」と聞いた場合、価格には満足しているがサポートには不満という回答者は答えにくくなります。

分析時にも、回答が価格を示しているのかサポートを示しているのか分かりません。

一問一論点を基本にします。

「最近」「頻繁に」「使いやすい」を具体化する

「最近」は1週間を意味する人もいれば、半年を意味する人もいます。

可能であれば、「過去30日」「直近の購入時」「前回の商談」など、対象期間や場面を指定します。

回答選択肢はどう設計する？

良い質問文でも、回答選択肢が重複していたり必要な選択肢が抜けていたりすると、分析結果は使いにくくなります。

選択肢では主に次の4点を確認します。

• 選択肢同士が重複していないか
• 想定される回答を十分に含んでいるか
• 質問と尺度が対応しているか
• 「分からない」「該当しない」が必要ではないか

範囲を重複させない

例えば利用回数を聞く場合、次のような選択肢は避けます。

• 1〜5回
• 5〜10回
• 10回以上

5回や10回が二つの選択肢へ含まれるためです。

次のように分けます。

• 1〜4回
• 5〜9回
• 10回以上

回答を無理に選ばせない

サービスを利用したことがない人に「満足度」を聞いても答えられません。

BtoB調査では特に、利用者、推進担当者、決裁者で知っている情報が異なります。

必要に応じて、

• 利用したことがない
• 判断できない
• 該当しない
• その他

などを設けます。

BtoBアンケートでは「企業」と「回答者個人」を混同しない

BtoBの質問設計では、回答者個人の意見と、企業としての購買判断を分けることが重要です。

例えば、担当者自身は価格を重視していなくても、決裁部門が価格を理由に見送ることがあります。

そのため、

「あなたが重視することは何ですか？」

と、

「貴社の最終的な導入判断で重視された項目は何ですか？」

では取得できる情報が異なります。

BtoBでは必要に応じて、次を整理します。

• 回答者の役割
• 情報収集者か
• 利用者か
• 推進者か
• 決裁へ関与するか
• 現在の検討段階

顧客の多様化が進む中では、「買った理由」だけでなく「なぜ買わなかったのか」まで理解することが重要です。

インティメート・マージャーの過去セミナーでも、属性や行動だけでは捉えきれない顧客の心理・思考の違いを把握し、定性・定量の両面から顧客理解を深める必要性が議論されています。

自由回答と選択式をどう使い分ける？

選択式は比較・集計したいとき、自由回答は想定していなかった理由や表現を探索したいときに向いています。

質問形式	向いている目的	メリット	注意点
単一選択	最も近い回答を分類する	集計しやすい	選択肢が適切である必要がある
複数選択	複数の理由や利用状況を確認する	複数要因を取得できる	優先順位は分からない
尺度	満足度・重要度・同意度を比較する	数値比較しやすい	尺度の意味を明確にする
自由回答	理由・背景・未想定の課題を探索する	顧客自身の言葉を取得できる	分析負荷が高い

例えば、「導入しなかった理由」について主要な仮説がすでにあるなら選択式で傾向を確認し、最後に自由回答で「その他の理由」を確認する方法があります。

反対に、まだ理由そのものが分かっていない探索段階では、自由回答やインタビューから始め、得られた回答をもとに次の定量調査の選択肢を設計する方法もあります。

自由回答を集めた後の分析方法については、自由回答をAIで分析し、顧客インサイトを抽出する方法で詳しく解説しています。

質問の順番でも回答は変わる

アンケートでは質問文だけでなく、質問する順番も回答に影響する可能性があります。

例えば、最初に「価格への不満」を細かく質問した後で「サービスへの総合評価」を聞けば、価格について考えた状態で総合評価に答える可能性があります。

そのため、一般的には次のような順序を検討します。

1. 対象者の確認
2. 全体的な経験・行動
3. 具体的な評価・理由
4. 詳細な質問
5. 属性質問

ただし、最適な順番は調査目的によって異なります。

特に「思い浮かぶものを自由に答えてほしい質問」を、選択肢付き質問の後に置くと、先に見た選択肢の影響を受ける場合があります。

AIで作った質問は必ずプレテストする

アンケートを本配信する前に、実際の対象者に近い人へ質問を見てもらい、意図した通り理解・回答できるか確認します。

AIで作った質問は文章として自然でも、対象者が別の意味に解釈する可能性があります。

プレテストでは次を確認します。

• 質問の意味がすぐ理解できるか
• 分からない言葉がないか
• 回答に必要な情報を覚えているか
• 選びたい選択肢があるか
• 二つ以上の意味に解釈できないか
• 回答しにくい・答えたくない質問がないか
• 質問順序に違和感がないか
• 回答時間や負担が大きすぎないか

問題が見つかった場合は、AIに修正案を作らせることはできます。ただし、修正版も再度人が確認します。

アンケート設計は「分析方法」まで決めて完成する

質問設計は、アンケートを公開した時点で終わりではありません。回答をどう分析し、何の施策へ使うかまで設計しておく必要があります。

例えば次のように対応させます。

質問	分析方法	次の施策
購入時に重視した項目	属性・購入状況別に比較	訴求・LPを改善
導入前の不安	回答テーマ別に分類	FAQ・営業資料を改善
比較した選択肢	顧客セグメント別に比較	比較コンテンツを改善
購入しなかった理由	理由別に分類・定量化	商品・営業プロセスを改善
自由回答	AIで分類・要約し、人が文脈確認	新しい仮説を作る

AIは、回答後の分類・要約・比較にも使えます。

ただし、「回答者の本音を推測してください」と依頼してAIが生成した内容は、実在する顧客の発言ではありません。

アンケート、行動データ、営業情報など確認できた事実と、AIが作った仮説を分けて管理します。

AI×アンケート質問設計で確認したい10項目

• □ 調査結果で何を判断するか決めているか
  曖昧な場合は、質問を作る前に意思決定目的を定義します。
• □ 1問で1つのことだけを聞いているか
  二重質問は分割します。
• □ 回答を誘導する言葉が入っていないか
  評価語・前提・感情的な表現を削ります。
• □ 「最近」「よく」など曖昧な表現を使っていないか
  期間や頻度を具体化します。
• □ 回答者が実際に答えられる質問か
  権限・経験・記憶の範囲を確認します。
• □ 選択肢が重複していないか
  範囲や意味の重なりを修正します。
• □ 必要な回答選択肢が抜けていないか
  その他・該当なし等の必要性を検討します。
• □ 質問順序による影響を確認したか
  後続質問へヒントを与えていないか確認します。
• □ プレテストを行ったか
  AIによる自己評価だけで本配信しません。
• □ 回答後の分析・施策が決まっているか
  使い道がない質問は削除を検討します。

IMMNの一次情報から考える「質問設計」の役割

アンケートの目的は、回答を集めることではなく、顧客についての仮説を確認し、次の意思決定につなげることです。

インティメート・マージャーがこれまで扱ってきた顧客理解・データ活用の議論では、顧客理解を深めるために属性や行動だけを見るのではなく、「なぜ買ったのか」「なぜ買わなかったのか」といった心理・思考を含めて考える重要性が見えてきました。

また、定量データだけで顧客像を決めるのではなく、定性的な情報から仮説を作り、定量データで傾向を確認するといった往復が重要です。

質問設計も同じです。

「とりあえずAIに質問を作ってもらう」のではなく、

1. どんな顧客行動や課題を理解したいのか
2. 今どこまで事実として分かっているのか
3. 何がまだ仮説なのか
4. その仮説を確認するには何を聞く必要があるのか
5. 回答をどのデータ・施策と組み合わせるのか

まで整理してから質問を作ることで、アンケートを単なる集計から顧客理解のプロセスへ変えやすくなります。

まとめ｜AIは質問を作る道具ではなく、質問設計を改善する補助役として使う

AIを使えば、アンケート質問の候補を短時間で多数作成できます。

しかし、質問数が増えることと、顧客理解の質が高まることは同じではありません。

アンケートの質問設計では、まず「この調査結果で何を判断するのか」を決めます。

そのうえで、AIを質問候補の作成、言い換え、誘導表現の確認、選択肢の抜け漏れ確認などに使い、人が最終判断します。

特に確認したいのは、次の4点です。

• 回答を特定方向へ誘導していないか
• 一つの質問で複数の内容を聞いていないか
• 回答者が同じ意味で理解できるか
• 回答後の分析・意思決定につながるか

「AIで質問を作れるか」ではなく、「AIを使って、より検証しやすい質問へ改善できるか」という視点で活用することが重要です。

AIを使ったアンケート質問設計に関するよくある質問

AIだけでアンケート質問を作っても問題ありませんか？

AIだけで完成させるのは避けた方がよいでしょう。質問候補の作成や言い換えには活用できますが、調査目的との一致、誘導性、回答可能性、選択肢の妥当性は人が確認する必要があります。

アンケートの質問数は多い方が顧客理解につながりますか？

質問数が多ければよいとは限りません。意思決定に使わない質問を増やすと回答負担が大きくなるため、「この回答を何に使うか」を説明できる質問を優先します。

誘導質問とは何ですか？

特定の回答を選びやすくする表現を含む質問です。「便利な新機能」「問題の多いサービス」のような評価語や、質問文の前提によって回答方向を誘導しないよう注意します。

自由回答と選択式はどちらを使うべきですか？

比較・集計したい場合は選択式、まだ想定できていない理由や表現を探索したい場合は自由回答が向いています。目的によって組み合わせます。

AIで回答選択肢を作ることはできますか？

候補作成には使えます。ただし、選択肢が重複していないか、主要な回答が漏れていないか、回答者にとって理解できる分類かを人が確認してください。

AIで作ったアンケートにもプレテストは必要ですか？

必要です。文章が自然でも、回答者が意図と異なる意味で理解する可能性があります。本調査の前に対象者に近い人へ確認し、質問文・選択肢・順序を見直します。

アンケート結果をAIで分析すると顧客の本音が分かりますか？

AIは回答の分類・要約や仮説整理を支援できますが、顧客の本音を自動的に確定できるわけではありません。本人の回答、行動データ、営業・インタビュー情報などと照合して検証します。