JMP のテキスト エクスプローラーは、アンケートや一連の顧客の声 (VOC) インタビューからの回答を整理し、テストの準備を整えるために使用できる非常に強力なツールです。このプレゼンテーションでは、私の組織の実際の例を使用して、すべての手順を説明します。アンケートは、クローズド エンド (1 ～ 5 つの星を使用して評価)、部分的にクローズド エンド (オプションの一覧から複数選択の回答)、またはオープン エンド (フリー テキスト フィールド) の質問に基づいています。
予想どおり、自由回答形式または部分的にクローズド エンド形式の質問に対する回答者の回答には、はるかに大きなばらつきがあります。Text Explorer では、回答を用語やフレーズとしてコード化できます。その後、さまざまな方法で処理して、予測モデリングや仮説検定を行うことができます。このプレゼンテーションでは、その様子を紹介します。
テキスト エクスプローラーは、VOC の回答をトピックにグループ化して、後で CTQ ツリーの品質ドライバーとして使用することもできます。JMP で実証されているこの方法は、適切な方法で構築すれば、時間を節約できるだけでなく、新しい洞察も得られます。
定量的成長: アンケート調査と顧客の声に関するテキスト分析。はじめに。今日では、アンケート調査は簡単であるため、数多く実施されています。アンケート調査の中には、適切に設計されていないものもあり、そのため、事後評価の分析が難しくなり、結論が導き出せません。
ケース 1 は、部門内のさまざまなチーム間の連携に関する調査の分析に基づいています。シックス シグマ プロジェクトでは、顧客の声 (VOC) を収集することが、顧客にとって付加価値となるものを理解するために不可欠です。ただし、顧客が多数いる場合は、意見がそれぞれ異なる可能性があります。VOC をどのように運用するか。これが、ケース 2 で取り上げる内容で、社内の顧客や関係者 50 名とのインタビューに基づいています。
テキストは非構造化データであり、JMP テキスト エクスプローラで処理して、統計分析を可能にしたり、テキスト内の隠れた情報を利用したり、解釈を可能にする複雑さを軽減したりできます。たとえば、顧客の声は一連のインタビューである可能性があります。これらのインタビューの議事録は非構造化データであり、客観的な方法で測定可能なパラメータに変換するのは困難です。ただし、テキスト エクスプローラの機能を使用すると、客観的な手順を作成できます。
アンケートの質問は、クローズドエンド、部分的にクローズドエンド、または自由回答形式にすることができます。クローズドエンド形式の質問の例は次のようになります。「Europe Discovery Summit 2024 をどのように評価しますか?」素晴らしい、非常に素晴らしい、ワールドクラス、非常にワールドクラス、またはもちろん、宇宙で最高。部分的にクローズドエンド形式の質問は次のようになります。お気に入りのデザートは何ですか? 好きなだけ選んでください。アイスクリームのみ、アイスクリームとケーキ、ケーキとフルーツ、アイスクリームとフルーツ、キャンディー、キャンディーとフルーツ、キャンディーのみなどから選べます。自由回答形式の質問は次のようになります。完璧な一日をどのように表現しますか?
シックス シグマ プロジェクトでは、顧客の声、ニーズを品質の推進要因と測定可能な品質の重要な要素に変換する必要があります。これは、かなり曖昧で構造化されていない顧客領域から、機能要件と仕様の技術領域に移行することを意味します。
JMP で 2 つのケースのデモンストレーションを見てみましょう。ケース 1 は、洋上風力発電所の建設時の健康と安全のチーム間の協力に関する調査です。ケース 2 は、洋上風力発電所の設計プロセスに関する継続的改善プロジェクトから得られた顧客の声です。
ケース 1、調査。ご覧になっているのは、部門内のコラボレーションに関する元の調査の一部です。回答は行に、質問は列に相当します。まず、2 つのクローズド エンド 質問の回答間の相関関係を確認したいと思います。
質問 1、あなたの職務をどのように分類しますか? バックオフィス、最前線、それともその他? 質問 4、日常業務以外で、他の部門地域の同僚とどのくらいの頻度で共同作業を行いますか? 毎週、毎日、毎月、それともそれよりも少ない頻度?
ここでは、オプションを値の順序で並べ替えることを強くお勧めします。そうしないと、非常に混乱します。その方法は? 列を選択し、マウスを右クリックして、[列のプロパティ]、[値の順序] を選択します。順序を、頻度の低い、毎月、毎週、毎日のようにカスタマイズしたことがわかります。これを完了したら、[OK] をクリックします。
JMP では、この分析を実行する方法が 3 つあります。そのうち 2 つを説明します。最初の方法では、分析、消費者調査、カテゴリを選択します。質問 1 をグループ化カテゴリ X として選択し、質問 4 を回答として選択します。申し訳ありません。[OK] をクリックします。ここには、セルを含むテーブルが表示されます。セル内には、頻度、つまり観測されたカウント、パーセンテージでの割合、およびセルのカイ 2 乗、P 値があります。
与えられたデータから、最前線の日常セルに有意に低い応答があることがわかります。これをクリックして選択し、次の方法に進みます。これは、Y を X プラットフォームに適合させる方法です。同様に、質問 1 を X として、質問 4 を Y (応答) として選択します。[OK] をクリックします。ここでは、P 値の代わりに期待値が表示されるため、少し異なるテーブルが表示されます。これも選択します。次に、2 つのウィンドウを組み合わせて完全なレポートを取得できます。
このセルの P 値が著しく低い理由は、このセルで観測されたのは 4 個だけであるのに、12.6 個と予想されていたのに対し、人間であるため実際は 13 個であることから、非常に明確にわかります。観測値と予想値の差が非常に大きいため、この P 値は有意になります。おそらく、この改善のために部門で何らかの措置を講じる必要があるでしょう。
これでクローズドエンドの質問は終了です。データ テーブルに戻って質問 14 に進みましょう。次のようになります。部門内でのコラボレーションに役立つものは何ですか? 実際、これは部分的にクローズドエンドの質問です。回答者は、コラボレーション文化、対面での会議、非公式のチャット、社内の人脈作りの時間 (誰が誰なのかを知るため)、IT ツール、全員参加の会議など、複数のオプションを選択できるからです。
回答数を確認するには、グラフ ビルダーで表示します。グラフ ビルダーを選択します。質問 14 をゾーンにドラッグ アンド ドロップします。次にツリー マップを選択します。[完了] をクリックして拡大します。回答者の数とほぼ同じ数の回答方法があるため、分析が複雑になり、不可能になる可能性があることは誰の目にも明らかだと思います。
ただし、テキスト エクスプローラーに移動すると、データを定量化できます。データ テーブルに戻ります。分析の下に、テキスト エクスプローラーがあります。テキスト列として質問 14 を選択します。他のすべてはそのままにして、[OK] をクリックします。ここに表示されているのは用語とフレーズのリストです。すべてのフレーズを強調表示して用語に追加し、右クリックしてフレーズを追加します。
このリストは非常に多様な情報を提供していることがわかります。非公式のチャット ネットワーキングの数が最も多く、続いて対面ミーティング、リーダーのサポート、優れたプロジェクト管理、オンライン ミーティングなどが挙げられます。
これを使って、すばらしいレポートを作成できます。この表のどこかにいる場合は、右クリックしてデータ テーブルにするをクリックします。新しいデータ テーブルができたので、重要でない用語をすべて削除することにしました。次に、分布に移動して、Y として用語、頻度としてカウントを選択します。OK をクリックします。ホットスポットの下で、レポートを積み重ねることができます。用語ホットスポットの下で、カウントを降順で並べ替えることができます。ヒストグラムの色を少し変更したほうがよいかもしれません。これで、コミュニケーションやアクションに使用できるすばらしいレポートができました。
では、インフォーマル チャット ネットワーキングというフレーズを詳しく見てみましょう。データ テーブルとテキスト エクスプローラーに戻り、インフォーマル チャット ネットワーキングという用語を選択します。ここで右クリックすると、インジケーターを保存できることがわかります。これにより、回答者がこのオプションを選択したかどうかを示す 1 または 0 が表示されます。これを実行します。
データ テーブルでは、1 または 0 の列が作成されていることがわかります。これを「はい」または「いいえ」に再コード化したいと思います。ここまで移動して [再コード化] をクリックすると、0 の代わりに「いいえ」と入力します。列を文字に変換し、1 の代わりに「はい」と入力します。このようにして、[再コード化] をクリックします。これで、同じ情報を持つ新しい列が作成されましたが、1 または 0 の代わりに「はい」または「いいえ」が表示されます。
ここで、例えば質問番号 5 の「部門内でのコラボレーション全般をどのように評価しますか?」という質問に対する相関関係のカテゴリ テストを実行できます。非常に悪い、悪い、普通、良い、非常に良いのどれですか? 非公式のチャット ネットワーキング指標に対して、はいまたはいいえで評価します。
前に見たように、[分析] で消費者調査プラットフォームを見つけて、[カテゴリ別] を選択します。ここで、質問 5 を X として選択し、非公式チャット ネットワーキング インジケーターを応答として選択します。[OK] をクリックします。前と同じように、このリストまたは表が表示されます。これらのセルには 2 つの応答しか含まれていないため、非常に質の低いセルについては忘れたほうがよいと思います。
しかし、非公式チャット ネットワークが貧弱またはまったくないセルでは、P 値が著しく低いことがわかります。部門内のコラボレーションを貧弱と評価したほぼ全員が、非公式チャット ネットワークを使用していません。これは貴重な情報であり、部門が改善すべき点であると考えられます。これが部分的にクローズド エンドの質問の処理であり、ケース 1 の終了でもあります。
ケース 2、VOC インタビューに移りましょう。ケース 2 は、ステッカーに変換された会議の議事録に基づいています。その理由は、ボード上でそれらをグループ化できるようにするためです。各行はステッカーを表し、このデータ テーブルには 361 個のステッカーまたは行があり、50 人の回答者から収集されています。
お気づきかもしれませんが、私は親和図の入力を非表示にしました。これは、機密性の問題から、ステッカーのテキストになります。次に、テキスト エクスプローラーを実行して、以前と同じように用語にフレーズを追加します。ここでわかるように、私はすでにこれを実行しています。すべてのフレーズがグレー表示され、用語リストに追加されたことを意味します。
プロジェクトという用語と、プロジェクトという用語があることがわかります。下には、プロセスという用語と、プロセスという用語があります。これらの冗長性を排除するには、ホットスポットに移動して、用語オプション、ステミング、すべての用語のステミングを選択します。
さらにクリーンアップするには、Use など、有益な情報を提供しないため実際には使用できない用語がいくつかあります。Use を選択して右クリックし、ストップワードとして追加すると、リストから消えます。within でも同じことができます。ストップワードを追加します。
作業に使用できる、非常にきれいに整理されたテーブルができました。次に、潜在的意味 SVD を実行してトピック分析を回転 SVD にするため、JMP Pro バージョンに移動します。SVD はテキスト データを固定次元のベクトル空間に変換し、あらゆる種類のクラスタリング、分類、回帰手法に適用できるようにします。
JMP Pro をお持ちの場合は、これを実行できます。ホットスポットの下で、潜在的意味分析 SVD を選択します。[OK] をクリックします。このホットスポット (SVD 中心およびスケール TF-IDF) の下で、トピック分析、回転 SVD を選択します。
ここで、必要なトピックの数を選択する必要があります。この場合は、4 つを選択します。[OK] をクリックします。ここに表示されているのは、トピックごとのトップ負荷レポートです。これは、トピックごとに 1 つずつ、合計 4 つの表で構成されています。これらのトピック内の用語は、絶対値で最大の負荷を持つ用語です。このレポートを使用して、シックス シグマ プロジェクトの概念的なテーマを決定できます。
もう一度ホットスポットに戻り、[トピック名の変更] をクリックします。トピック 1 の用語を見ると、このテーマをコスト効率という名前にすることにしました。トピック 2 は、情報システムという名前にします。トピック 3 はプロジェクト実行そのものに関するものなので、プロジェクト実行という名前にします。トピック 4 は、知識共有という名前にします。[OK] をクリックします。これで、シックス シグマ プロジェクト用の 4 つの品質ドライバーが実際に作成されたので、非常にすばらしいです。
トピックを使用することで、VOC ステートメントの客観的な集約が可能になり、手動で個別に行う主観的な集約ではなくなりました。さらに、トピックをワード クラウドとして表示できます。[表示オプション]、[トピック別のワード クラウド] の順に選択します。ここで開くと、トピック別または品質ドライバー (以前はそう呼んでいました) のワード クラウドと同じ情報が表示されていることがわかります。
ホットスポットに移動してクリックすると、ドキュメント トピック ベクトルを保存できることがわかります。これを実行してデータ テーブルに切り替えると、品質ドライバーごとに 4 つの新しい列が作成されていることがわかります。これは、Six Sigma プロジェクトの改善フェーズで非常に役立ちます。ソリューションについて話し合う必要があるためです。
ここでは、コスト効率、情報システム、プロジェクト実行、または知識共有のソリューションについて話し合う際に、どの顧客に特に注意を払う必要があるかを確認できます。誰が誰であるかを確認するには、グラフ ビルダーに移動し、少し移動して、トピックを Y、X、回答者を X として選択します。次に、棒グラフを選択します。[完了] をクリックします。
ここで、顧客とソリューションについて話し合う場合、コスト効率に関してはこの人が頼りになる人物であり、情報システムのソリューションについて話し合うにはこの人が適していることがわかります。ここには知識共有担当者がいて、ここにはプロジェクト実行担当者がいます。それでは、JMP のデモを終了し、プレゼンテーションに戻ります。
JMP Pro Text Explorer を使用することで、顧客の声の領域と機能要件および仕様の技術領域との間の境界が開かれました。JMP Text Explorer を使用して、品質ドライバーを備えた 4 つの目標を作成しました。これらのドライバーから、測定可能な品質の重要事項を簡単に導き出すことができます。その結果、多くの時間を節約し、人的要因を排除できました。
最後に結論です。部分的にクローズドエンドの質問の回答や、たとえば顧客の声のインタビューからの複雑なテキストは、テキスト エクスプローラーで用語とフレーズに処理できます。用語とフレーズはトピック、品質ドライバー、または指標に変換できるため、情報の客観的な解釈が可能になります。JMP テキスト エクスプローラーは、純粋に定性的なテキスト分析から定量的なテキスト分析に移行する方法を提供します。この新しい知識により、VOC インタビューと調査の品質を向上させ、テストで確固とした結論を得ることができます。ご清聴ありがとうございました。
