JMPのテキストエクスプローラーは、アンケートや顧客の声（VOC）インタビューの回答を整理し、テストの準備を整え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、私の組織の実例を用いて、すべての手順を説明します。アンケートは、選択式（1～5つ星で評価）、部分選択式（選択肢リストから複数選択）または自由記述式（フリーテキストフィールド）の質問に基づいています。
予想通り、自由回答形式や部分的に選択回答形式の質問では、回答者の回答にばらつきが見られます。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、様々な方法で処理することで、予測モデルや仮説検定が可能になります。このプレゼンテーションでは、その実例をご紹介します。
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、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手法を適切に構築すれば、時間を節約できるだけでなく、新たな洞察も得られます。
定量調査の発展：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、調査は容易であるため、多くのアンケート調査が実施されています。しかし、適切に設計されていないアンケート調査もあり、その結果、分析後の評価が困難になり、結論が曖昧になることがあります。
ケース1は、部門内の様々なチーム間の連携に関するアンケート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、顧客にとってどのような付加価値を提供できるかを理解する上で不可欠です。しかし、顧客が多ければ意見も異なる可能性があります。VOCをどのように活用していくのでしょうか？ケース2は、社内顧客やステークホルダーへの50件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することで、統計分析、テキストに隠された情報の活用、あるいは解釈を可能にする複雑さの軽減などが可能になります。例えば、顧客の声は一連のインタビューから得られます。これらのインタビューから得られる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ことは困難です。しかし、テキストエクスプローラの機能を用いることで、客観的な手順を確立することができます。
アンケートの質問は、クローズドエンド、部分クローズドエンド、または自由回答形式のいずれかになります。クローズドエンド形式の質問の例としては、「Europe Discovery Summit 2024 をどのように評価しますか？」などがあります。非常に優れている、非常に優れている、ワールドクラス、非常にワールドクラス、もちろん、世界最高です。部分的にクローズドエンド形式の質問の例としては、「一番好きなデザートは何ですか？」などがあります。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、いくつでも選んでいただけます。自由回答形式の質問の例としては、「完璧な一日をどのように表現しますか？」などがあります。
シックスシグマプロジェクトでは、顧客の声、つまりニーズを、品質ドライバーと測定可能な品質クリティカル要素へと変換する必要があります。これは、やや曖昧で構造化されていない顧客領域から、機能要件と仕様という技術領域へと移行することを意味します。
JMPを使って2つの事例のデモンストレーションを見てみましょう。事例1は、洋上風力発電所の建設における安全衛生チーム間の連携に関する調査です。事例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、アンケートです。ご覧いただいているのは、部署内の連携に関する元のアンケートの一部です。回答が行、質問が列になっています。まず、2つの選択式質問の回答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、フロントライン、それともその他でしょうか？質問4：日常業務以外で、他の部署の同僚とどのくらいの頻度でコラボレーションしますか？毎週、毎日、毎月、それともそれよりも少ない頻度でしょうか？
ここで、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、非常に混乱してしまいます。やり方は？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。ここでは、頻度の低い、月次、週次、毎日のように順序をカスタマイズしています。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。1つ目の方法は、「分析」メニューの「消費者調査」から「カテゴリカル」を選択します。質問1をX（グループ化カテゴリ）、質問4を回答として選択します。申し訳ありませんが、「OK」をクリックします。ここにセルを含む表が表示されます。セル内には、度数（観測カウント）、割合（パーセンテージ）、そしてカイ2乗（P値）が表示されます。
与えられたデータから、最前線の日常的な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。「YをXで当てはめる」プラットフォームです。同様に、質問1をX、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、p値ではなく期待値が表示されるため、少し異なる表が表示されます。これも選択します。その後、2つのウィンドウを結合して完全なレポートを作成できます。
このセルのP値が有意に低い理由は、観測値が4個しかないのに、期待値は12.6個、そして人間であるため実際には13個であることが非常に明確に分かります。観測値と期待値の差が非常に大きいため、このP値は有意です。おそらく、この改善のために部署で何らかの対策を講じる必要があるでしょう。
これでクローズドエンド型の質問は終了です。データテーブルに戻り、質問14に進みましょう。「部署内でのコラボレーションに役立つものは何ですか？」という質問です。実は、これは部分的にクローズドエンド型の質問です。回答者は、コラボレーション文化、対面での会議、カジュアルな雑談、社内の人脈作りのためのネットワーキングの時間、ITツール、全員参加の会議など、複数の選択肢から選ぶことができます。
回答数を確認するには、グラフビルダーを使用します。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＆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、場合によっては不可能になることは皆さんもお分かりだと思います。
ただし、テキストエクスプローラーを使えばデータを定量化できます。データテーブルに戻りましょう。「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。他の設定はそのままにして「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ハイライト表示し、右クリックして「フレーズを追加」することで、用語に追加します。
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。非公式なチャットネットワーキングが最も多く、次いで対面ミーティング、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ています。
これを使えば、非常に見栄えの良いレポートを作成できます。この表の任意の場所で右クリックし、「データテーブルにする」をクリックしてください。新しいデータテーブルが作成されました。重要でない用語はすべて削除します。次に「分布」に移動し、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は、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すると良いかもしれません。これで、コミュニケーションやアクションに活用できる、見栄えの良いレポートができました。
「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。データテーブルに戻り、テキストエクスプローラーで「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が1または0で表示されます。これを実行します。
データテーブルを見ると、1か0の列が作成されていることがわかります。これを「はい」か「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」と入力できます。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」ではなく、「はい」または「いいえ」になっています。
ここで、例えば質問5「部門全体のコラボレーション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検定を実行できます。非常に悪い、悪い、普通、良い、それとも非常に良いですか？また、非公式チャットネットワーキング指標に対しては、はいまたはいいえです。
先ほど見たように、「分析」から「消費者調査プラットフォーム」を見つけ、「カテゴリ別」を選択します。今度は、質問5をXに、インフォーマルチャットネットワーキング指標を回答に選択します。「OK」をクリックします。先ほどと同じように、このリストまたは表が表示されます。非常に質の低いセルについては、回答が2件しかなかったため、忘れた方が良いと思います。
しかし、非公式チャットによるネットワーキングが乏しい、または全く利用していないセルでは、p値が有意に低いことが分かります。部署内のコラボレーションを乏しいと評価した人のほぼ全員が、非公式チャットによるネットワーキングを利用していません。これは貴重な情報であり、部署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型の質問であり、ケース1の終了点です。
ケース2、VOCインタビューに移りましょう。ケース2は、議事録をステッカーに変換したものです。これは、ボード上でグループ化できるようにするためです。各行がステッカーを表しており、このデータテーブルには361個のステッカー、つまり行があり、50人の回答者から回答を得ています。
お気づきかもしれませんが、親和図の入力欄（ステッカーのテキスト部分）は、センシティブな表現を避けるため非表示にしています。テキストエクスプローラーを起動し、先ほどと同じように用語にフレーズを追加してみましょう。ご覧の通り、既に追加済みです。すべてのフレーズがグレー表示になっているのは、用語リストに追加されていることを意味します。
「project」と「projects」という用語があります。さらに下には「process」と「processes」という用語があります。これらの重複をなくすには、ホットスポットの下にある「term options」→「stemming」→「stemming all terms」を選択します。
さらにクリーンアップを行うために、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。例えば、「Use」です。「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」についても同様です。ストップワードを追加してください。
これで、作業に使える、きれいに整理された表ができました。これからJMP Pro版に移行します。潜在的意味特異値分解（Latent Semantic SVD）を実行して、トピック分析を回転SVDで取得します。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、回帰分析手法に適用できるようにします。
JMP Proをお持ちであれば、この手順を実行できます。「ホットスポット」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「SVD中心化および尺度化TF-IDF」のホットスポットで、「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。今回は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、トピック別のトップローディングレポートです。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。これらのトピックに含まれる用語は、絶対値でローディングが最も大きい用語です。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テーマを決定できます。
再び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」と呼ぶことにします。トピック2は「情報システム」と呼びます。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」と呼ぶことにします。トピック4は「知識共有」と呼ぶことにします。「OK」をクリックします。これは非常に素晴らしいことです。これで、シックスシグマプロジェクトのための4つの品質ドライバーが実際に作成されました。
トピックを使用することで、VOCステートメントを客観的に集約できるようになりました。手動で個別に集計していたため、主観的な集約は不要です。さらに、トピックをワードクラウドで表示することもできます。「表示オプション」→「トピック別ワードクラウド」を選択すると、下の方に展開して、トピック別、あるいは以前は「品質ドライバー」と呼んでいたワードクラウドと同じ情報が表示されています。
ホットスポットをクリックすると、ドキュメントの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を開くと、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、シックスシグマプロジェクトの改善フェーズで解決策を議論する必要があるため、非常に役立ちます。
ここでは、コスト効率、情報システム、プロジェクト遂行、知識共有といったソリューションについて議論する際に、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。誰が誰なのかを確認するために、グラフビルダーに移動し、少し動かして「トピック」をY軸、X軸を「回答者」に設定します。次に「棒グラフ」を選択します。「完了」をクリックします。
お客様とソリューションについて話し合う際に、コスト効率に関してはこの人が頼りになる一方、情報システムのソリューションについてはこの人が相談しやすいことがわかります。こちらは知識共有担当者、こちらはプロジェクト実行担当者です。以上でJMPのデモを終了し、プレゼンテーションに戻りましょう。
JMP Pro Text Explorerを使用することで、顧客の声を機能要件や仕様といった技術的な領域にまで広げることができました。JMP Text Explorerを用いて、品質ドライバーを含む4つの目標を設定しました。これらのドライバーから、測定可能な品質の重要要素を容易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、人的要因を排除することができました。
最後に結論です。部分的に選択式の質問への回答や、例えば顧客の声（VOC）インタビューなど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分解できます。用語とフレーズはトピック、品質ドライバー、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、質的分析から量的分析へとテキスト分析を移行する方法を提供します。この新たな知識を活用することで、VOCインタビューやアンケートの質を高め、テストで確固たる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。
